A felszínborítás vizsgálata automatikus képelemzési módszerrel, látható tartományban, egy dombsági mintaterületen (Ukrajna, Beregszászi-dombság)

Abstract

A tanulmány aktualitása: Ukrajnában, az Európai Unió országaihoz hasonlóan, a felszínborítottsághoz kapcsolódó kutatások döntő része, multi-, és hiperspektrális felvételek alapján történik, ugyanakkor nem törekednek nagy geometriai felbontásra. Ebben a cikkben kísérletet tettünk nagyobb térbeli felbontás elérésére, látható tartományú felvételek automatizált feldolgozása által. A kutatás tárgya: műholdfelvételek és drónfelvételek. A kutatás célja:jelen munkában a felszínborítás/földhasználat változásait vizsgáltuk a Beregszászi-dombság területén 2012–2017 között. Kutatási módszerek: a kutatásban szubmetrikus térbeli felbontással rendelkező műholdfelvételeket vettünk alapul. A műholdfelvételek közötti térbeli eltérések minimalizálása érdekében georeferáltuk őket, majd a relatíve jelentős területi kiterjedés miatt, célszerűségi okokból automatizált eljárásokat alkalmaztunk. A felszínborítási elemeket eCognition szoftverkörnyezetben detektáltuk, többfázisú szegmentálás segítségével. A dombság területén számos olyan elem található, amelynek detektálása, szegmentálás segítségével nem érte el a számunkra kielégítő pontosságot. Az ilyenekhez a vonalas elemek (utak), illetve a szőlőültetvények tartoztak. Ezeknek kijelölése/vektorizálása manuálisan történt. A szegmentálást követően, hozzáláttunk az elemek osztályozásához. Az adott kutatásban 12 kategóriát használtunk. Az osztályozás szintén eCognition segítségével valósult meg. A kategorizáláshoz tanulóterületeket jelöltünk ki, mely reprezentatívan tükrözte a mintaterületen elterjedt felszínborítási típusokat. Miután exportáltuk a kategorizált szegmenseket, hozzálátunk az ellenőrzéshez, elsősorban topológiai kontrollt hajtottunk végre. A szegmentálás és az osztályozás geometriai, illetve tartalmi ellenőrzéséhez UAV felvételezés alapján készült ortomozaikokat alkalmaztunk. A kutatás eredményei: eredményül két poligontérképet kaptunk, amelyek tükrözték a mintaterület felszínborítási/földhasználati helyzetét 2012- és 2017-ben. A térképek adatait számszerűsítettük, illetve egy külön térképen ábrázoltuk a változásokat, amelyek a vizsgált idősíkban történtek. A tanulmány jelentősége a gyakorlatban: az itt vázolt módszerrel az automatizált feldolgozás pontosságát nagyságrendekkel megnöveltük. Következtetések: a 2012–2017 közötti idősszakban a vizsgált mintaterület közel 6%-án történtek felszínborítási változások. Legnagyobb pozitív változást az erdők kategóriában mértünk, melynek oka a művelt területek felhagyása, a természetes visszaerdősülés.

Резюме. Актуальність дослідження: в Україні, як і в Європейському Союзі, більшість досліджень земного покри-ву ґрунтується на мульти- та гіперспектральних знімках, але без високої геометричної роздільної здатнос-ті. У цій роботі зроблено спробу досягти вищої роздільної здатності, використовуючи автоматизовану обробку супутникових знімків видимого спектра. Предмет дослідження: супутникові знімки та знімки з безпілотників. Мета дослідження:у статті проаналізовано зміни земного покриву/типів землекористу-вання на території Берегівського горбогір’я у 2012–2017 роках. Методологія дослідження: дослідження базувалися на супутникових знімках із субметричною просторовою роздільною здатністю. Для мінімізації геометричних спотворень супутникових знімків проведено їх геореференцію. З урахуванням відносно великої площі досліджуваної ділянки доцільно було застосувати автоматизовані методи. Аналіз елементів земного покриву відбувався в програмному середовищі eCognition шляхом кількафазного сегментування. На терито-рії горбогір’я виявлено чимало таких елементів, аналіз яких з допомогою сегментування не досяг задовільної для нас точності. До таких належать лінійні елементи (дороги), а також насадження винограду. Ці елемен-ти було виділено/векторизовано вручну. Після сегментування було здійснено класифікацію елементів. У цьо-му дослідженні ми використовували 12 категорій/класів. Класифікація так само відбувалася із застосуван-ням програмного середовища eCognition. Для класифікації було вибрано тестові території, які максимально репрезентативно відображали типи/категорії земного покриву на досліджуваній площі. Після експорту класифікованих сегментів було здійснено їх перевірку та аналіз, зокрема проведено топологічний контр-оль. Для геометричної та змістової перевірки сегментування й класифікації було застосовано ортомозаїку, виготовлену за даними зйомок UAV. Результати дослідження: у результаті було отримано дві карти, які відображають стан земного покриву/землекористування на досліджуваній площі у 2012 та 2017 роках. Ці карти було переведено в кількісні показники, а також на окремій карті було відображено зміни, які відбули-ся за досліджуваний період. Практичне значення: описаний тут метод підвищив точність автоматизо-ваної обробки на кілька порядків. Висновки: у період 2012–2017 років майже 6% досліджуваної території зазнали змін земного покриву. Найбільші позитивні зміни були зафіксовані в категорії лісів, що пов’язано з відмовою від оброблюваних площ та природним лісовідновленням.

Abstract. The relevance of the study: in Ukraine, as in the countries of the European Union, most research related to land cover is based on multi- and hyperspectral imagery, but there is no effort to achieve high geometric resolution. In this paper, we attempted to achieve higher spatial resolution through the automated processing of images in the visible spectrum. The subject of the research:satellite images and UAV images. The purpose of the research: in this paper, we investigated changes in land cover/land use in the Berehove Hills region from 2012 to 2017. Research methods: in the research, we utilized satellite images with sub-meter spatial resolution as a basis. To minimize spatial discrepancies between the satellite images, we georeferenced the images. Due to relatively significant extent of the area, it was advisable to employ automated procedures. The land cover elements were detected in the eCognition software environment using multi-phase segmentation. In the hilly area, there are numerous elements whose detection using segmentation did not achieve the accuracy satisfactory for us. Such elements included linear features (roads) and vineyards. Their delineation/vectorization was performed manually. Following the segmentation, we proceeded with the classification of the elements. In this research, we used 12 land cover categories. The classification was also carried out using eCognition. For categorization, we designated training areas that maximally represented the land cover types relevant in the study area. After exporting the categorized segments, we proceeded with verification, primarily conducting topological control. For the geometric and content verification of segmentation and classification, we used orthomosaics created with UAV assistance. The results of the study: as a result, we obtained two polygon maps reflecting the land cover/land use situation of the study area in 2012 and 2017. We quantified the map data and illustrated the changes that occurred during the examined time frame on a separate map. Practical significance of the study:with the method outlined here, we significantly increased the accuracy of automated processing. Conclusions: during the period from 2012 to 2017, land cover changes occurred on nearly 6% of the study area. The largest positive change was measured in the forest category, which was due to the abandonment of cultivated areas and natural reforestation.