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. 2018. Т. 15. № 3. С. 21-28

Возможности дистанционного мониторинга объектов земной поверхности с помощью гиперспектрального комплекса в диапазоне длин волн 400–1700 нм

А.Н. Виноградов 1 , Д.С. Демидова 1 , В.В. Егоров 2 , А.А. Ильин 1 , А.П. Калинин 3 , А.И. Родионов 1 , И.Д. Родионов 4 , И.П. Родионова 4 
1 ЗАО «Научно-технический центр «Реагент», Москва, Россия
2 Институт космических исследований РАН, Москва, Россия
3 Институт проблем механики им. А.Ю. Ишлинского РАН, Москва, Россия
4 Институт химической физики им. Н.Н.Семенова РАН, Москва, Россия
Одобрена к печати: 21.12.2017
DOI: 10.21046/2070-7401-2018-15-3-21-28
Рассматриваются вопросы авиационного гиперспектрального зондирования земной поверхности с использованием двух сенсоров видимого и ближнего инфракрасного диапазона. Приводятся тактико-технические характеристики бортовых гиперспектральных модулей со спектральными диапазонами 400–1000 и 900–1700 нм, обладающих высоким пространственным и спектральным разрешением. Даётся описание лётного эксперимента, проведённого в Московской области. Гиперспектральная съёмка проводилась с самолёта Ан-2 с высоты 800–900 м в полуденные часы. Методика обработки гиперспектральных кубов базировалась на использовании алгоритмов контролируемой и неконтролируемой классификации. Были получены RGB-изображения участков местности, занятых лесом, сельскохозяйственным посевом, травой, приусадебными участками и дорогами. Из исходных гиперспектральных кубов рассчитывались соответствующие изображения первых главных компонент. Статистическая обработка этих изображений сводилась к расчёту гистограмм с последующей их аппроксимацией набором гауссовых кривых методом разделения смесей. По полученным аппроксимациям производилось вычисление таблиц точности, относящихся как к раздельному, так и совместному использованию данных обоих гиперспектральных модулей. Показано, что вероятности правильной классификации объектов сцены при раздельной обработке в среднем составляли около 0,85 (исключая приусадебные участки и дороги), а при совместной обработке — 0,98.
Ключевые слова: гиперспектрометр, видимый и ближний инфракрасный диапазон, природный объект, главные компоненты, классификация, кластер, ложная тревога, матрица точности
Полный текст

Список литературы:

  1. Виноградов А. Н., Егоров В. В., Калинин А. П., Родионов А. И., Родионов И. Д., Родионова И. П. (2017а) Разработка и исследование гиперспектрометра ближнего инфракрасного диапазона БИК1: Препринт ИКИ РАН. Пр-2182. 2017. 22 с.
  2. Виноградов А. Н., Егоров В. В., Калинин А. П., Родионов А. И., Родионов И. Д., Родионова И. П. (2017б) Авиационная система дистанционного мониторинга Земли в видимом и ближнем инфракрасном диапазоне (400–1700 нм) // Датчики и системы. 2017. № 5. С. 32–36.
  3. Исимару А. Распространение и рассеяние волн в случайно неоднородных средах. Т. 2. М.: Мир, 1980. 280 c.
  4. Rodionov I. D., Rodionov A. I., Vedeshin L. A., Egorov V. V., Kalinin A. P. Airborne hyperspectral systems for solving remote sensing problems // Izvestija. Atmospheric and Oceanic Physics. 2014. V. 50. No. 9. P. 983–1003.
  5. VanderPlas J. Python Data Science Handbook. O’Reilly Media, 2016. 541 p.
  6. Vinogradov A. N., Egorov V. V., Kalinin A. P., Rodionov A. I., Rodionov I. D. A line of aviation hyperspectrometers in the UV, visible, and near-IR ranges // J. Optical Technology. 2016. V. 83. Iss. 4. P. 237–243.