Куен Д.Т., Малинников В.А.
Оценка площадей мангровых зарослей с помощью космических изображений PlanetScope и глубокой сверточной сети U-Net в провинции Бенче во Вьетнаме
Estimating mangroves area using PlanetScope images and U-Net deep convolutional network: a case study in Ben Tre province, Vietnam
| УДК: |
528.7; 528.8 |
| Аннотация: |
В данной статье представлены результаты исследований мангровых зарослей в провинции Бенче, Вьетнам. Мангровые заросли представляют собой водно-болотные угодья, распространенные в тропических прибрежных районах, играющие важную роль в защите побережья и противодействии изменениям климата, а также служащие убежищем для разнообразных видов животных, способствуя биоразнообразию в прибрежных водно-болотных угодьях. В настоящее время площадь мангровых зарослей постепенно сокращается из-за множества непосредственных и косвенных причин, поэтому важно оснастить научные организации и государственные органы управления необходимыми инструментами для количественной оценки состояния и мониторинга мангровых зарослей. В данной статье используется глубокая нейронная сеть U-Net, которая позволяет обнаруживать изменения мангровых лесов с высокой точностью. Предложенная авторами методика обнаружения изменений мангровых зарослей в провинции Бенче была применена для выявления изменений в прибрежных провинциях дельты Меконга в период с 2016 по 2022 год с использованием спутниковых снимков высокого разрешения PlanetScope. |
Ключевые
слова: |
мангровые заросли, провинция Бенче, водно-болотные угодья, нейронная сеть, U-Net, дельта Меконга, PlanetScope |
| Abstracts: |
This paper focuses on the results of research on mangroves in Ben Tre Province, Vietnam. Mangroves are commonly grown in the wetlands of tropical coastal areas where they play an important role in protection of coastal areas, in reducing the impact of climate change, in providing refuge for a variety of animal species, as well as the forest contributes to biodiversity in coastal wetlands. Currently, mangrove area is gradually diminishing in its areal coverage due to variety of direct and indirect causes, so it is crucial to equip scientific organizations and governmental management agencies with the necessary tools and skills to quantify the status and monitoring of mangroves. The paper utilizes U-Net deep neural network to detect the dynamic changes of mangrove forest with very high accuracy. The authors' proposed methodology for detecting mangrove changes in Ben Tre Province was utilized to detect changes in the coastal provinces of the Mekong Delta from 2016 to 2022 using high-resolution PlanetScope satellite imagery. |
| Keywords: |
|
Авторы статьи:
КУЕН
Динь Туен
quyendinhtuyen97@gmail.com |
аспирант, кафедра космического мониторинга и экологии,
Московский государственный университет геодезии и
картографии |
МАЛИННИКОВ
Василий Александрович |
доктор технических наук, профессор, заведующий кафедрой
космического мониторинга и экологии, Московский
государственный университет геодезии и картографии |
Список литературы:
| 1. |
Копылов М.Н., Солнцев А.М. Рамсарская конвенция 1971 г. и экосистемный подход к разумному использованию и устойчивому развитию водно-болотных угодий // Экологическое право. 2012(3). C. 27-34. |
| 2. |
Gardner R.C., Finlayson C. Global wetland outlook: state of the worlds wetlands and their services to people. InRamsar convention secretariat. 2018. Oct 5. Pp. 2020-5. |
| 3. |
Boris F. 2009. D?ch v? thu vi?n va s? nang d?ng c?a cac thu vi?n va trung tam thong tin: Thay d?i khi h?u va b? bi?n Vi?t Nam nh?ng th?i co va thach th?c c?a vi?c cung ?ng thong tin. |
| 4. |
Tr?n T., Nguy?n V.T., Hu?nh T.L.H., & Mai V.K. 2016. K?ch b?n bi?n d?i khi h?u va nu?c bi?n dang cho Vi?t Nam. Электронные ресурс: http://coastal-protection mekongdelta.com/download/library/136.CC_SLR2016Summary_VN.pdf. |
| 5. |
Janiesch C., Zschech P., Heinrich K. Machine learning and deep learning. Electronic Markets. 2021 Sep;31(3):685-95. |
| 6. |
Zhang C. Deep learning for land cover and land use classification. Lancaster University (United Kingdom). 2018. |
| 7. |
Vali A., Comai S., Matteucci M. Deep learning for land use and land cover classification based on hyperspectral and multispectral earth observation data: A review. Remote Sensing. 2020 Aug 3;12(15):2495. |
| 8. |
Boguszewski A., Batorski D., Ziemba-Jankowska N., Dziedzic T., Zambrzycka A. LandCover. ai: Dataset for automatic mapping of buildings, woodlands, water and roads from aerial imagery. InProceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. Pp. 1102-1110. |
| 9. |
Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for biomedical image segmentation. InMedical Image Computing and Computer-Assisted Intervention-MICCAI 2015: 18th International Conference, Munich, Germany, October 5-9, 2015. Proceedings. Part III 18 2015. Pp. 234-241. Springer International Publishing. |
| 10. |
Son T., Duong P.T. Danh gia bi?n d?ng r?ng ng?p m?n t?nh B?n Tre tren co s? ?nh v? tinh giai do?n 1988-2018. T?p chi Khoa h?c D?i h?c D?ng Thap. 2020 Jun 14;9(3):52-64. |
| 11. |
Santa Marta, J. Planet Labs: San Francisco, CA, USA (2018) Planet imagery product specifications. 91. Электронные ресурс. https://assets.planet.com/docs/Combined-Imagery-Product-Spec-Dec-2018.pdf. |
| 12. |
Viet Nam Disaster Management Authority MINISTRY OF AGRICULTURE AND RURAL DEVELOPMENT COASTAL PROTECTION FOR MEKONG DELTA. Доступ: https://coastal-protection-mekongdelta.com/. |
| 13. |
HE, Kaiming, et al. Deep residual learning for image recognition. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. Pp. 770-778. |
| 14. |
Dumoulin V., Visin F. A guide to convolution arithmetic for deep learning. arXiv preprint arXiv:1603.07285. 2016. Mar 23. |
| 15. |
С.М. Багаев, Е.В. Медведева. 2021. Экспериментальная оценка точности мультиклассовой сегментации объектов на спутниковых снимках на основе модифицированной свeрточной нейронной сети U-net // Современные проблемы дистанционного зондирования Земли из космоса. DOI: 10.21046/2070-7401-2021-18-6-35-45. |
| 16. |
Tharwat A. 2020. Classification assessment methods. Applied computing and informatics. 17(1). Pp. 168-192. |
| 17. |
Tinh P.H., MacKenzie R.A., Hung T.D., Vinh T.V., Ha H.T., Lam M.H., Hanh N.T., Tung N.X., Hai P.M., Huyen B.T. Mangrove restoration in Vietnamese Mekong Delta during 2015-2020: Achievements and challenges. Frontiers in Marine Science. 2022 Dec 1;9:1043943. |
| 18. |
Тон Ш., Добрынин Д.В., Мокиевский В.О. Динамика мангровых лесов дельты Меконга (Вьетнам) с 1988 по 2018 год // Известия Российской академии наук. Серия географическая. 2020;84(4):530-540. |
| 19. |
Vo Q. 2013. Valuation of Mangrove Ecosystems along the Coast of the Mekong Delta in Vietnam an approach combining socioeconomic and remote sensing methods (Doctoral dissertation). |
| 20. |
Kingma D.P., & Ba J. 2014. Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980. |
|
|
