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:
- Амазонские тропические леса
- Серрадо (бразильская саванна)
- Пастбища
- Сельскохозяйственные культуры в системе двойного урожая (например, соя и кукуруза)
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:
- Архитектура Data Cube (готовые к анализу данные), распространяемая в Бразилии проектом Brazil Data Cube под руководством Национального института космических исследований (INPE).
- 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.
