528.85

В работе рассматриваются результаты оценки достоверности идентификации неизмененных площадок средиземноморского ландшафта на разных зональных и индексных космических изображениях Landsat алгебраическими методами. Результаты показывают, что при использовании разностного изображения спектрального признака SWIR₁ можно идентифицировать неизмененные площадки средиземноморского ландшафта на исследуемой территории за интервал времени 7-9 лет с наиболее высокой достоверностью (82.8-92.5%) в зависимости от пороговых значений спектрального признака.

Creation of training samples in unchanged areas when detecting transient changes in land cover objects on multi-temporal Landsat satellite images using the post-classified method in the absence of systematic reference data will reduce errors caused by false training samples, and thereby increase the reliability of the results of detecting transient changes in land cover objects. Identifying unchanged areas of the landscape will also allow planning the collection of training data. The paper discusses the results of assessing the identification reliability of the Mediterranean landscape unchanged areas on different spectral zonal and index space images of Landsat using algebraic methods. The results indicate that when using the difference image of the spectral feature SWIR₁ one can to identify unchanged sites of the Mediterranean landscape in the study area for a time interval of 7-9 years with the highest reliability (82.8-92.5%) depending on the threshold values of the spectral feature.

аспирант, Московский государственный университет геодезии и картографии

доктор технических наук, профессор, заведующий кафедрой космического мониторинга и экологии, Московский государственный университет геодезии и картографии

Савиных В.П., Малинников В.А., Цыпина Э.М., Сладкопевцев С.А. География из космоса. М.: МИИГАиК. 2000. 244 c.

Малинников В.А., Стеценко А.Ф., Алтынов А.Е., Попов С.М. Мониторинг природной среды аэрокосмическими средствами. М.: МИИГАиК. 2008. 145 c.

Барталев С.А., Егоров В.А., Жарко В.О., Лупян Е.А., Плотников Д.Е., Хвостиков С.А., Шабанов Н.В. Спутниковое картографирование растительного покрова России. М.: ИКИРАН. 2016. 208 c.

Wulder M., et al. Currentstatusof Landsat program, science, and applications. Remote Sensing of Environment. 2019. V. 225. Pp. 127-147.

Fung T., LeDrew E. The Determination of Optimal Threshold Levels for Change Detection Using Various Accuracy Indices. Photogrammetric Engineering And Remote Sensing. 1998. V. 54. No. 10. Pp. 1449-1454.

Mas J. Monitoring land-cover changes: A comparison of change detection techniques. International Journal of Remote Sensing. 1999. V. 20. No. 1. Pp. 139-152.

Ridd M., Liu J. A comparison of four algorithms for change detection in an urban environment. Remote Sensing of Environment. 1998. V. 63. No. 2. Pp. 95-100.

Sundseth K. Ecosystems LTD, Brussels. Natura 2000 in the Mediterranean Region. Official Publications of the European Communities. Luxembourg. 2009. 12 p.

Campbell J., Wynne R. Introduction to Remote Sensing. Fifth Edition. The Guilford Press. New York. 2011. 662 p.

Lu D., Mausel P., Brondizio E., Moran E. Change detection techniques. International Journal of Remote Sensing. 2004. V. 25. No. 12. Pp. 2365-2401.

Singh A. Digital change detection techniques using remotely-sensed data. International Journal of Remote Sensing. 1989. V. 10. No. 6. Pp. 989-1003.

Чабан Л.Н. Методы и алгоритмы распознавания образов в автоматизированном дешифрировании данных дистанционного зондирования. М.: МИИГАиК. 2016. 77 c.

Congalton R.A. Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment. 1991. V. 37. No. 1. Pp. 35-46.