Новая геопространственная методика ускоряет и повышает точность управления землепользованием

Исследователи из Университета штата Сан-Паулу (UNESP, Бразилия) разработали и протестировали новую методику геопространственного анализа. Она позволяет быстрее и точнее проводить картирование для проектов управления землепользованием и территориального планирования.

С помощью этого инструмента удалось точно выделить границы различных типов земного покрова в штате Мату-Гросу:

Это может стать основой для государственной политики, направленной на баланс между сельскохозяйственным производством и охраной окружающей среды. Исследование опубликовано в журнале AgriEngineering.

Методология

Учёные объединили два подхода:

  1. Архитектура Data Cube (готовые к анализу данные), распространяемая в Бразилии проектом Brazil Data Cube под руководством Национального института космических исследований (INPE).
  2. Подход Geobia (Geographic Object-Based Image Analysis — анализ изображений на основе географических объектов).

Для анализа использовалась временная серия спутниковых снимков с датчика NASA Modis (Moderate Resolution Imaging Spectroradiometer) за урожайный год.

  • Geobia позволяет обрабатывать снимки, группируя похожие пиксели в геообъекты и изучая их характеристики (форма, текстура, отражательная способность), что даёт более реалистичную интерпретацию.
  • Data Cube хранит информацию в измерениях «время» и «место», упрощая агрегацию и визуализацию данных за конкретный период.

Традиционное картирование, основанное на анализе отдельных пикселей, часто создаёт проблемы с размытием границ. Новая методика, где минимальной единицей анализа становится географический объект, а не пиксель, позволила снизить ошибки на границах и точно идентифицировать цели даже при умеренном пространственном разрешении.

В сочетании с алгоритмами машинного обучения (искусственный интеллект) метод показал общую точность картирования в 95%.

Практическое применение и результаты

Методику протестировали на территории штата Мату-Гросу — лидера по производству зерна в Бразилии (31.4% от общенационального объёма). Штат также отличается высокой биоразнообразием, включая части трёх биомов: Амазония (53% территории), Серрадо (40%) и Пантанал (7%).

Анализ проводился для стратегического урожая 2016–2017 годов. Классификация землепользования включала сельхозугодья (соевые севообороты с хлопком, кукурузой, просом, подсолнечником), посадки сахарного тростника, городские районы и водные объекты.

Общая точность в 95% подтвердила потенциал подхода для оптимизации выделения границ лесов и сельхозугодий.

Значение и перспективы

По словам авторов, методика позволяет:

  • Оценивать площади в рамках одного урожая для прогнозирования продуктивности.
  • Поддерживать действия по территориальному планированию и принятию решений, связанных с землепользованием.
  • Быстрее анализировать нарушения в лесах и другой естественной растительности, обнаруживая не только вырубки, но и деградацию.

Методология может быть воспроизведена для работы с данными других спутников наблюдения Земли (Landsat, Sentinel). В настоящее время команда исследователей уже обрабатывает снимки с этих аппаратов.

В статье учёные отдают дань уважения профессору Иеде Дель'Арко Санчес, исследователю дистанционного зондирования из INPE, скончавшейся в январе, отмечая её вклад в точную оценку поверхности Земли и этичное использование данных для формирования государственной политики.