Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
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. 2022. Т. 19. № 2. С. 57-69

Построение и радиометрическая нормализация безоблачных композитных спутниковых изображений покрытой снегом земной поверхности для мониторинга лесов

С.А. Барталев 1, 2 , И.И. Ворушилов 1, 2 , В.А. Егоров 1, 2 
1 Институт космических исследований РАН, Москва, Россия
2 Центр по проблемам экологии и продуктивности лесов РАН, Москва, Россия
Одобрена к печати: 22.04.2022
DOI: 10.21046/2070-7401-2022-19-2-57-69
Получаемые спутниковые данные дистанционного зондирования Земли (ДЗЗ) в видимом и ближнем инфракрасном диапазонах спектра при наличии снежного покрова на земной поверхности характеризуются высоким уровнем информативности для решения ряда задач мониторинга лесов. Использование таких данных приводит к повышению яркостного контраста между древесной растительностью и свободной от неё земной поверхностью, а также к снижению вариабельности спектрально-отражательных характеристик последней. Предложен метод построения на основе временных рядов данных ДЗЗ безоблачных композитных изображений, включающий в себя выделение на первом этапе свободных от снежного покрова территорий, а также безлесных и покрытых лесом участков с наличием снега на земной поверхности. Последующий статистический анализ временных рядов данных ДЗЗ направлен на фильтрацию ошибок классификации, восстановление пропущенных измерений спектрально-отражательных характеристик земной поверхности и формирование композитных изображений в заданном временном интервале спутниковых наблюдений. Предложенный метод продемонстрировал свою применимость к построению для территории России композитных изображений земной поверхности с наличием снежного покрова по данным систем ДЗЗ MODIS, Proba V и Sentinel 2. Для повышения эффективности анализа многолетних временных серий композитных спутниковых изображений разработан метод их взаимной радиометрической нормализации, обеспечивающий компенсацию не обусловленных влиянием динамики леса межгодовых вариаций спектрально-отражательных характеристик земной поверхности. В основу метода радиометрической нормализации временных рядов композитных спутниковых изображений покрытой снегом земной поверхности положено использование локализованных нормализующих соотношений, оцениваемых по значениям спектральной яркости свободных от лесного покрова опорных участков. Применение разработанного метода для радиометрической нормализации временного ряда композитных изображений, полученных по данным MODIS за период 2001–2021 гг. для территории России, свидетельствует о снижении межгодовых вариаций спектрально-отражательных характеристик для 93 % пикселей, соответствующих участкам земной поверхности с наличием снежного покрова.
Ключевые слова: дистанционное зондирование, композитные изображения, снежный покров, мониторинг лесов
Полный текст

Список литературы:

  1. Барталев С. А., Егоров В. А., Ершов Д. В., Исаев А. С., Лупян Е. А., Плотников Д. Е., Уваров И. А. Спутниковое картографирование растительного покрова России по данным спектрорадиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 4. С. 285–302.
  2. Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабанов Н. В. Спутниковое картографирование растительного покрова России, М.: ИКИ РАН, 2016. 208 c.
  3. 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. P. 263–284.
  4. Миклашевич Т. С., Барталев С. А., Плотников Д. Е. Интерполяционный алгоритм длинных временных рядов спутниковых наблюдений растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 6. P. 143–154. DOI: 10.21046/ 2070-7401-2019-16-6-143-154.
  5. Ховратович Т. С., Барталев С. А., Кашницкий А. В. Метод детектирования изменений лесов на основе подпиксельной оценки проективного покрытия древесного полога по разновременным спутниковым изображениям // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 4. С. 102–110. DOI: 10.21046/2070-7401-2019-16-4-102-110.
  6. Bartalev S. A., Belward A., Ershov D. V., Isaev A. S. A New SPOT4-VEGETATION Derived Land Cover Map of Northern Eurasia // Intern. J. Remote Sensing. 2003. V. 24. No. 9. P. 1977–1982.
  7. Bartalev S. A., Egorov V. A., Loupian E. A., Khvostikov S. A. A new locally-adaptive classification method LAGMA for large-scale land cover mapping using remote-sensing data // Remote Sensing Letters. 2014. V. 5(1). P. 55–64. DOI: 10.1080/2150704X.2013.870675.1.
  8. Hall D. K., Riggs G. A., Salomonson V. V. Development of methods for mapping global snow cover using Moderate Resolution Imaging Spectroradiometer (MODIS) data // Remote Sensing of Environment. 1995. V. 54. P. 127–140.
  9. Hall D. K., Riggs G. A., Salomonson V. V., DiGirolamo N. E., Bayr K. J. MODIS snow-cover products // Remote Sensing of Environment. 2002. V. 83. P. 181–194.
  10. Holben B. N. Characterization of maximum value composites from temporal AVHRR data // Intern. J. Remote Sensing. 1986. V. 7. P. 1417–1434.
  11. Khovratovich T. S., Bartalev S. A., Kashnitskiy A. V., Balashov I. V., Ivanova A. A. Forest change detection based on sub-pixel tree cover estimates using Landsat-OLI and Sentinel 2 data // IOP Conf. Series: Earth and Environmental Science. IOP Publ., 2020. V. 507. No. 1. Art. No. 012011. DOI: 10.1088/1755-1315/507/1/012011.
  12. Pisek J., Chen J. M., Miller J. R., Freemantle J. R., Peltoniemi J. I., Simic A. Mapping forest background reflectance in a boreal region using multi-angle Compact Airborne Spectrographic Imager (CASI) data // IEEE Trans. Geoscience and Remote Sensing. 2010. V. 48. P. 499–510.
  13. Riggs G. A., Hall D. K. MODIS Snow Products Collection 6 User Guide. National Snow and Ice Data Center, 2015. 66 p. URL: https://nsidc.org/sites/nsidc.org/files/files/MODIS-snow-user-guide-C6.pdf.
  14. Tran H., Nguyen P., Ombadi M., Hsu K., Sorooshian S., Qing X. A cloud-free MODIS snow cover dataset for the contiguous United States from 2000 to 2017 // Scientific Data. 2019. V. 6. Art. No. 180300. https://doi.org/10.1038/sdata.2018.300.
  15. Zharko V. O., Bartalev S. A., Sidorenkov V. M. Forest growing stock volume estimation using optical remote sensing over snow-covered ground: a case study for Sentinel 2 data and the Russian Southern Taiga region // Remote Sensing Letters. 2020. V. 11. Iss. 7. P. 1–2. DOI: doi.org/10.1080/2150704X.2020.1755473.