Інструментарій QGIS для напівавтоматичної класифікації земель сільськогосподарської обробки за даними КА Sentinel

До недавнього часу найбільш поширеним методом дешифрування було візуальне дешифрування знімка. В цьому випадку передбачається, що дешифрування проводить експерт, який добре обізнаний з особливостями території і властивостями об'єктів, відображених на знімку.

 Цей метод є трудомістким і досить затратним по часу, тому актуальним є використання способів автоматичного дешифрування (автоматичної класифікації). Автоматичною класифікацією називають процес розбиття пікселів неперервного растрового зображення на категорії на основі їх спектральних значень, в результаті чого кожному пікселю присвоюється нове значення. На даний час існують два підходи у реалізації автоматичної класифікації: керована класифікація та некерована.

 Для проведення класифікації супутникових знімків є комерційне програмне забезпечення, наприклад Erdas Imagine, ENVI та ін., та рішення на основі відкритих платформ, наприклад бібліотека для роботи зі знімками GDAL. Працювати з цією бібліотекою напряму досить складно через те, що вона не має графічного інтерфейсу. Найбільш відомі програми для роботи з нею SAGA GIS, QGIS. 

 Для класифікації знімків ми використовували QGIS з плагіном Semi-Automatic Classification Plugin. Безпосередньо цей плагін і дозволяє виконувати всі процедури по завантаженню знімків супутників MODIS, ASTER, Landsat, Sentinel-2, атмосферній корекції, проведенню керованих класифікацій, оцінці точності класифікацій.

 Ми класифікували знімок супутника Sentinel-2 за 25 червня 2017 року. Проводилась атмосферна корекція та керована класифікація за алгоритмом найбільшої схожості. Результати класифікації використовувались для створення карти земель, які знаходяться у сільськогосподарському обробітку.