Россия
Россия
Россия
Россия
Россия
УДК 91 География. Географические исследования Земли и отдельных стран. Путешествия. Региональная география
УДК 528.9 Картография (текстовые материалы)
УДК 341.229 Космос. Космическое международное право
В статье раскрываются вопросы применения методик картографирования структуры землепользования с применением алгоритмов автоматизированного дешифрирования данных дистанционного зондирования Земли (многозональных космических снимков) для целей регионального геоэкологического зонирования. Исследования проведены в 2024 г. В качестве данных дистанционного зондирования Земли использованы спутниковые снимки Landsat. Работы проведены с применением нейросетевых методик на базе тестовых полигонов на территории Республики Мордовия, отличающихся различными режимами землепользования. В программном комплексе ScanEx Image Processor проведены эксперименты по определению наиболее эффективной топологии нейронной сети прямого распределения (входные каналы, количество нейронов в скрытом слое). Для оценки точности дешифрирования выполнены расчеты матриц ошибок на контрольных участках. Нейронные сети с предложенными топологиями показали высокую точность дешифрирования. Для тестового полигона с интенсивным характером землепользования было выполнено картографирование классов землепользований Land Cover. Средняя доля не распределенных по классам пикселей составила 94,8 %, общая точность классификации с учетом не распределенных по классам пикселей – 0,4 %. Для полигона, территория которого характеризуется природоохранным режимом и слабой хозяйственной освоенностью, проводилось картографирование природных геосистем. Показатели точности составили 97,0 и 1,3 % соответственно. Представленные подходы к картографированию землепользования в совокупности с результатами других исследований позволили разработать модель геоэкологического зонирования культурного ландшафта региона с выделением зон экологического равновесия и хозяйственного каркаса. Результаты целесообразно использовать при составлении и внесении изменений в картографический материал документов территориального планирования регионального и муниципального уровней.
геоэкологическое зонирование, культурный ландшафт, землепользование, многозональные космические снимки, дешифрирование, экологический каркас, хозяйственный каркас
1. Антропов Д. В. Особенности информационного обеспечения в контексте формирования региональной автоматизированной системы планирования и прогнозирования землепользования // Международный сельскохозяйственный журнал. 2024. Т. 67, № 3(399). С. 242-245. DOI:https://doi.org/10.55186/25876740_2024_67_3_242
2. Болгов И. А. Анализ пространственной структуры сельскохозяйственных угодий юга Саратовского Заволжья // Научно-агрономический журнал. 2023. № 4(123). С. 60-67. DOI:https://doi.org/10.34736/FNC.2023.123.4.009.60-67
3. Зарубин О. А. Функциональное геоэкологическое зонирование метагеосистем региона (на примере Республики Мордовия) // Успехи современного естествознания. 2023. № 9. С. 28-34. DOI:https://doi.org/10.17513/use.38099
4. О. А. Зарубин, А. В. Кирюшин, А. Р. Агеева, О. В. Рычкова. Каркасный подход в функциональном геоэкологическом зонировании метагеосистем культурного ландшафта региона // Московский экономический журнал. 2023. Т. 8, № 8. С. 1-23. DOI:https://doi.org/10.55186/2413046X_2023_8_8_409
5. Колбовский Е.Ю. Стратегическое пространственное планирование как инструмент регионального развития // Ярославский педагогический вестник. 2011. Т. 3, № 3. С. 110-115.
6. А.А. Ямашкин, Т.Б. Силаева, Л.Д. Альба [и др.]. Мордовский национальный парк «Смольный». Саранск, 2000. 88 с.
7. Т. В. Черненькова, И. П. Котлов, Н. Г. Беляева [и др.] Оценка и картографирование ценотического разнообразия лесов Московского региона // Лесоведение. 2022. № 6. С. 617-630. DOI:https://doi.org/10.31857/S0024114822060043
8. Родоман Б. Б. Некоторые пути сохранения биосферы при урбанизации // Вестник Московского университета. Сер. География. 1971. № 3. С. 92-94.
9. Ямашкин А. А. Методика функционального геоэкологического зонирования метагеосистем для целей устойчивого эколого-социально-экономического развития региона (на примере Республики Мордовия) // International Agricultural Journal. 2022. Т. 65, № 3. С. 1100–1119. DOI:https://doi.org/10.55186/25876740_2022_6_3_9
10. Ямашкин А.А., Ямашкин С.А. Использование нейронных сетей прямого распространения для ландшафтного картографирования на базе космических снимков // Геодезия и картография. 2014. № 11. С. 52–58.
11. Bossard M. CORINE Land cover technical guide. Copenhagen, 2000. 105 p.
12. Liccari, M. Sigura, E. Tordoni [et al.]. Determining Plant Diversity within Interconnected Natural Habitat Remnants (Ecological Network) in an Agricultural Landscape: A Matter of Sampling Design? // Diversity. 2022. V. 14 (1), Issue 12. http://doi.org/10.3390/d14010012
13. Jalkanen J. Identification of ecological networks for land-use planning with spatial conservation prioritization // Landscape Ecology. 2020. V. 35. P. 353-371. DOI:https://doi.org/10.1007/s10980-019-00950-4
14. Landsat 8 (L8) : data users handbook. Sioux Falls : Earth Resources Observation and Science (EROS) Center, 2019. 106 p.
15. Scanex Image Processor v.4.2: руководство пользователя. Москва, 2015. 354 с.
