ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 3. С. 28-45

Возможности анализа гиперспектральных индексов в информационных системах дистанционного мониторинга семейства «Созвездие-Вега»

В.П. Саворский 1, 2 , А.В. Кашницкий 2 , А.М. Константинова 2 , И.В. Балашов 2 , Ю.С. Крашенинникова 2 , В.А. Толпин 2 , С.М. Маклаков 1 , Е.В. Савченко 1 
1 Институт радиотехники и электроники им. В.А. Котельникова РАН, Фрязинский филиал, Фрязино, Московская обл., Россия
2 Институт космических исследований РАН, Москва, Россия
Одобрена к печати: 09.06.2016
DOI: 10.21046/2070-7401-2016-13-3-28-45
Основной целью работы является расширение функциональности средств информационных систем Созвездие-Вега за счет включения в их состав сервисов, ориентированных на исследование определенного вида (класса) природных объектов по их гиперспектральным индексам. Для достижения поставленной цели были созданы универсальные аналитические инструменты работы с гиперспектральными данными (ГСД). На первом этапе такими целевыми объектами были выбраны участки лесной и сельскохозяйственной растительности. Для описания указанных объектов был проведен анализ возможностей привлечения гиперспектральных индексов (ГСИ), надежно и достоверно описывающих их состояние. Выделенные в результате анализа для каждого из контролируемых объектов виды ГСИ были включены в состав информационных продуктов семейства «Созвездие-Вега» в качестве базовых наборов ГСИ. Наряду с этим сервисы семейства «Созвездие-Вега» предоставляют пользователям возможность формировать свои пользовательские наборы ГСИ, позволяющие уточнять оценки состояния объектов для выделенных природно-климатических условий наблюдения. Эффективность применения web-инструментов для анализа ГСИ подтверждена приведенными в работе примерами. В частности, эти инструменты наглядно показывают преимущества использования целевых индексов, например, DWSI5 для оценок эффективности орошения по сравнению с результатами использования для этих целей индекса NDVI.
Ключевые слова: дистанционное зондирование Земли, гиперспектральные данные, гиперспектральные индексы, «Созвездие-Вега»
Полный текст

Список литературы:

  1. Барталев С.А, Ершов Д.В., Лупян Е.А., Толпин В.А. Возможности использования спутникового сервиса ВЕГА для решения различных задач мониторинга наземных экосистем // Современные проблемы дистанционного зондирования Земли, 2012. Т. 9. № 1. С. 49–56.
  2. Гордеев Е.И., О.А. Гирина, Лупян Е.А., Ефремов В.Ю., Сорокин А.А., Мельников Д.В., Маневич А.Г., Романова И.М., Королев С.П., Крамарева Л.С. Возможности использования данных гиперспектральных спутниковых наблюдений для изучения активности вулканов Камчатки с помощью геопортала VolSatView // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 1. С. 267–284.
  3. Канаш Е.В. Основные характеристики агрофитоценозов для дешифрования спектральных данных дистанционного зондирования // Материалы Всероссийской научной конференции «Применение средств дистанционного зондирования Земли в сельском хозяйстве». Санкт-Петербург, 16–17 сентября 2015 г. СПб.: ФГБНУ АФИ, 2015. C. 25–28.
  4. Кашницкий А.В., Балашов И.В., Лупян Е.А., Толпин В.А., Уваров И.А. Создание инструментов для удаленной обработки спутниковых данных в современных информационных системах // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 1. С. 156–170.
  5. Лупян Е.А., Мазуров А.А., Назиров Р.Р., Прошин А.А., Флитман Е.В., Крашенинникова Ю.С. Технологии построения информационных систем дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 26–43.
  6. Лупян Е.А., Матвеев А.М., Уваров И.А., Бочарова Т.Ю., Лаврова О.Ю., Митягина М.И. Спутниковый сервис SeetheSea – инструмент для изучения процессов и явлений на поверхности океана // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 2. С. 251–262.
  7. Лупян Е.А., Прошин А.А., Бурцев М.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Кашницкий А.В., Мазуров А.А., Матвеев А.М., Суднева О.А., Сычугов И.Г., Толпин В.А., Уваров И.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 247–267.
  8. Лупян Е.А., Савин И.Ю., Барталев С.А, Толпин В.А., Балашов И.В., Плотников Д.Е. Спутниковый сервис мониторинга состояния растительности «ВЕГА» // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 190–198.
  9. Лупян Е.А., Саворский В.П., Шокин Ю.И., Алексанин А.И., Назиров Р.Р., Недолужко И.В., Панова О.Ю. Современные подходы и технологии организации работы с данными дистанционного зондирования Земли для решения научных задач // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 5. С. 21–44.
  10. Толпин В.А., Балашов И.В., Барталев С.А., Лупян Е.А., Плотников Д.Е., Ладонина Н.Н., Стыценко Ф.В. Информационная система глобального спутникового мониторинга сельского хозяйства VEGA-GEOGLAM // Тринадцатая всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса". Тезисы докладов. Москва, ИКИ РАН, 16–20 ноября 2015. С. 431.
  11. Толпин В.А, Балашов И.В., Ефремов В.Ю., Лупян Е.А., Прошин А.А., Уваров И.А., Флитман Е.В. Создание интерфейсов для работы с данными современных систем дистанционного мониторинга (система GEOSMIS) // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 3. С. 93–108.
  12. Уваров И.А., Матвеев А.М., Бурцев М.А., Лупян Е.А., Мазуров А.А., Прошин А.А., Саворский В.П., Суднева О.А. Организация распределенной работы с данными спутниковых гиперспектральных наблюдений для решения научных и прикладных задач // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11 № 1. С. 322–333.
  13. Amigo J.M., Babamoradi H., Elcoroaristizabal S. Hyperspectral image analysis. A tutorial // Analytica Chimica Acta. 2015. Vol. 896. P. 34–51.
  14. Apan A., Held A., Phinn S., Markley J. Formulation and assessment of narrow-band vegetation indices from EO-1 Hyperion imagery for discriminating sugarcane disease // Spatial Sciences Institute Biennial Conference (SSC 2003): Spatial Knowledge Without Boundaries. Canberra, Australia, 22–26 September 2003.
  15. Bellman R. Adaptive Control Processes: A Guided Tour. Princeton University Press, 1961. XVI + 255 p.
  16. Boschetti M., Nutini F., Manfron G., Brivio P.A., Nelson A. Comparative Analysis of Normalised Difference Spectral Indices Derived from MODIS for Detecting Surface Water in Flooded Rice Cropping Systems // PLoS One. 20 February 2014.
  17. Clark R.N., Swayze G.A., Wise R., Livo E., Hoefen T., Kokaly R., Sutley S.J. USGS digital spectral library splib06a. U.S. Geological Survey, Digital Data Series 231. 2007.
  18. Darvishzadeh R. Hyperspectral remote sensing of vegetation parameters using statistical and physical models. Ph. D. thesis // International Institute for Geo-information Science & Earth Observation. Enschede, the Netherlands: Wageningen University, 2008. 169 P.
  19. Daughtry C.S.T., Walthall C.L., Kim M.S., Brown de Colstoun E., McMurtrey III J.E. Estimating Corn Leaf Chlorophyll Concentration from Leaf and Canopy Reflectance // Remote Sensing of Environment. 2000. Vol. 74. P. 229–239.
  20. Dennison P.E., Roberts D.A. Daytime fire detection using airborne hyperspectral data // Remote Sensing of Environment, 2009. Vol. 113. P. 1646–1657.
  21. Guyon I., Elisseeff A. An Introduction to Feature Extraction // Studies in Fuzziness and Soft Computing. 2006. Vol. 207. P. 1–25.
  22. Haboudane D., Miller J.R., Tremblay N., Zarco-Tejada P.J., Dextraze L. Integrated narrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agriculture // Remote Sensing of Environment. 2002. Vol. 81. P. 416–426.
  23. Herrmann I., Karnieli A., Bonfil D. J., Cohen Y., Alchanatis V. SWIR-based spectral indices for assessing nitrogen content in potato fields // International Journal of Remote Sensing. 2010. Vol. 31. Issue 19. P. 5127–5143.
  24. Hsu P.-H. Spectral Feature Extraction of Hyperspectral Images using Wavelet Transform. Ph. D. Thesis. Tainan, Taiwan: National Cheng Kung University, R.O.C, 2003. 158 P.
  25. Huang X.-M., Hsu P.-H. Comparison of wavelet-based and HHT-based feature extraction methods for hyperspectral image classification // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2012. Vol. 39. Pt. B7. P. 121–126.
  26. Huete A.R., Justice C., Van Leeuwen W. Modis Vegetation Index (MOD 13). Algorithm Theoretical Basis Document Version 3. 1999. 129 p.
  27. James G., Witten D., Hastie T., Tibshirani R. An introduction to statistical learning // Springer. 2013. P. 204.
  28. Karnieli A., Kaufman Y.J., Remer L., Wald A. AFRI – aerosol free vegetation index // Remote Sensing of Environment. 2001. Vol. 77. P. 10–21.
  29. Luo Zh., Yaolin L., Jian W., Jing W. Quantitative mapping of soil organic material using field spectrometer and hyperspectral remote sensing // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2008. Vol. 37. Part B8. P. 901–906.
  30. Mathieu R., Pouget M. Relationships between satellite-based radiometric indices simulated using laboratory reflectance data and typic soil colour of an arid environment // Remote Sensing of Environment. 1998. Vol. 66. P. 7–28.
  31. Merzlyak M.N., Solovchenko A.E., Smagin A.I., Gitelson A.A. Apple flavonols during fruit adaptation to solar radiation: spectral features and technique for non-destructive assessment // Journal of Plant Physiology. 2005. Vol. 162. P. 151–160.
  32. Merzlyak M.N., Gitelson A.A., Chivkunova O.B., Solovchenko A.E., Pogosyan S.I. Application of Reflectance Spectroscopy for Analysis of Higher Plant Pigments // Russian Journal of Plant Physiology. 2003. Vol. 50. No. 5. P. 704–710.
  33. Peñuelas J., Filella I., Gamon J.A. Assessment of photosynthetic radiation-use efficiency with spectral reflectance // The New Phytologist. November 1995. Vol. 131. No. 3, P. 291–296.
  34. Rondeaux G., Steven M., Baret F. Optimization of soil-adjusted vegetation indices // Remote Sening of Environment. 1996. Vol. 55. P. 95–107.
  35. Rouse J.W., Haas R.H., Scheel J.A., Deering D.W. Monitoring Vegetation Systems in the Great Plains with ERTS // Proceedings 3rd Earth Resource Technology Satellite (ERTS) Symposium. 1974. Vol. 1. P. 48–62.
  36. Sims D.A., Gamon J.A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages // Remote Sensing of Environment. August 2002. Vol. 81, Issues 2–3, P. 337–354.
  37. Smith R.B. Introduction to Hyperspectral Imaging // MicroImages, Inc. 2010. 24 p. http://www.microimages.com/documentation/Tutorials/hyprspec.pdf.
  38. Yakushev V.P., Kanash E.V., Osipov Yu.A. Optical Criteria in Estimating Deficiency of Basic Macroelements and Plant Fertilizer Requirements // EFITA-WCCA-CIGR Conference “Sustainable Agriculture through ICT Innovation”. Turin, Italy, 24-27 June 2013. http://www.cigr.org/Proceedings/uploads/2013/0217.pdf.