Включение заброшенных сельскохозяйственных угодий в легенду карт землепользования и земельного покрова тропической саванны Бразилии

Putting Abandoned Farmlands in the Legend of Land Use and Land Cover Maps of the Brazilian Tropical Savanna
Ivo Augusto Lopes Magalhães, Edson Eyji Sano, Édson Luís Bolfe, Gustavo Bayma-Silva
2025-12-27

Бразильский Серрадополносвязная нейронная сетьмультиспектральные снимки Sentinel-2заброшенные сельскохозяйственные угодьякартирование землепользования и земного покрова
Заброшенность сельскохозяйственных угодий становится все более серьезной проблемой землепользования в бразильском Серрадо, однако ее масштабы, пространственное распределение и основные факторы остаются недостаточно изученными. В настоящем исследовании рассматривается следующий вопрос: способны ли методы глубокого обучения надежно выявлять заброшенные сельскохозяйственные угодья в условиях тропической саванны по мультиспектральным спутниковым изображениям? Для ответа на этот вопрос был использован классификатор на основе полносвязной нейронной сети (Fully Connected Neural Network, FCNN) для картографирования заброшенных сельскохозяйственных угодий в муниципалитете Буритизейру, штат Минас-Жерайс, Бразилия, по данным съемки Sentinel-2, полученным в 2018 и 2022 годах. Были картографированы семь классов землепользования и земельного покрова (LULC) с использованием каналов видимого и ближнего инфракрасного диапазонов, спектральных индексов, компонентов спектрального смешения и главных компонент в качестве входных параметров FCNN. Карта LULC за 2022 год продемонстрировала высокую эффективность классификации (общая точность = 94,7%; коэффициент каппа = 0,93). Сельскохозяйственные территории, классифицированные в 2018 году как площади под однолетними культурами, возделываемые пастбища, плантации эвкалипта или вырубленные эвкалиптовые насаждения, которые к 2022 году трансформировались в луга или кустарниковые сообщества, считались заброшенными. Согласно этому определению, в 2022 году было выявлено 13 147 га заброшенных земель, что соответствует 4,7% площади сельскохозяйственных угодий муниципалитета в 2018 году. Большинство заброшенных участков составляли плантации эвкалипта, созданные для производства древесного угля. Это исследование представляет собой первую оценку заброшенности сельскохозяйственных угодий в Серрадо на основе глубокого обучения. Полученные результаты продемонстрировали потенциал классификаторов FCNN для выявления заброшенных сельскохозяйственных угодий в данном биоме и вносят существенный вклад в разработку государственной политики, ориентированной на экологическую реставрацию, связывание углерода и устойчивое сельскохозяйственное планирование.
1
С использованием полносвязной нейронной сети по спутниковым снимкам Sentinel-2 за 2018 и 2022 годы были картированы семь классов землепользования и земельного покрова в бразильской саванне Серрадо.
2
Большинство заброшенных участков ранее были эвкалиптовыми плантациями, созданными для производства древесного угля, а затем преобразовались в луга или кустарниковые сообщества.
3
Точность карты землепользования и земельного покрова за 2022 год составила 94,7%, а коэффициент каппа — 0,93.
4
В 2022 году было выявлено 13 147 гектаров заброшенных сельскохозяйственных земель, что соответствует 4,7% сельскохозяйственной площади муниципалитета в 2018 году.
5
Исследование представляет первую оценку заброшенных сельскохозяйственных земель в Серрадо с использованием глубокого обучения и поддерживает планирование восстановления экосистем, связывания углерода и устойчивого сельского хозяйства.

Заброшенные сельскохозяйственные угодья в бразильской саванне Серрадо, картографированные на территории муниципалитета Буритизейру с использованием снимков Sentinel-2

Пространственный охват, распределение и выявление заброшенности сельскохозяйственных угодий, включая переходы от сельскохозяйственных типов землепользования к травянистым или кустарниковым угодьям

Publication Details
Publication Date
2025-12-27
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Ivo Augusto Lopes Magalhães
Edson Eyji Sano
Édson Luís Bolfe
Gustavo Bayma-Silva
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%