Инструментарий QGIS для полуавтоматической классификации земель сельскохозяйственного возделывания по данным КА Sentinel
До недавнего времени наиболее распространенным методом дешифровки было визуальное дешифрирование снимка. В этом случае предполагается, что дешифрирование проводит эксперт, хорошо знакомый с особенностями территории и свойствами объектов, отображенных на снимке.
Этот метод является трудоемким и довольно затратным по времени, поэтому актуальным является использование способов автоматического дешифрирования (автоматической классификации). Автоматической классификацией называют процесс разбиения пикселей непрерывного растрового изображения на категории на основе их спектральных значений, в результате чего каждому пикселю присваивается новое значение. В настоящее время существуют два подхода в реализации автоматической классификации: управляемая классификация и неуправляемая.
Для проведения классификации спутниковых снимков коммерческое программное обеспечение, например Erdas Imagine, ENVI и др., и решения на основе открытых платформ, например библиотека для работы со снимками GDAL. Работать с этой библиотекой направления достаточно сложно из-за того, что она не имеет графического интерфейса. Наиболее известные программы для работы с ней SAGA GIS, QGIS.
Для классификации снимков мы использовали QGIS с плагином Semi-Automatic Classification Plugin. Непосредственно этот плагин и позволяет выполнять все процедуры по загрузке снимков спутников MODIS, ASTER, Landsat, Sentinel-2, атмосферной коррекции, проведению управляемых классификаций, оценке точности классификации.
Мы классифицировали снимок спутника Sentinel-2 за 25 июня 2017 года. Проводилась атмосферная коррекция и управляемая классификация по алгоритму наибольшего сходства. Результаты классификации использовались для создания карты земель, находящихся в сельскохозяйственной обработке.
Фотоотчёт

