Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 6. С. 138-150
Развитие индексной парадигмы в дистанционном зондировании почвенно-растительного покрова
И.М. Михайленко
1 , В.Н. Тимошин
1 1 Агрофизический научно-исследовательский институт, Санкт-Петербург, Россия
Одобрена к печати: 22.11.2022
DOI: 10.21046/2070-7401-2022-19-6-138-150
Цель работы — системный анализ и обобщение общепринятой индексной парадигмы использования данных дистанционного зондирования Земли (ДЗЗ) для оценивания состояния почвенно-растительного покрова. Установлено, что скалярная форма и отсутствие математической основы не позволяют использовать общепринятые вегетационные и подобные им индексы для оценивания векторов количественных показателей почвенно-растительного покрова. В то же время для принятия многих видов управляющих решений в земледелии актуально построение индексных изображений, отражающих такие неколичественные показатели, как виды культурных и сорных растений, наличие болезней растений, повреждений посевов и почв, физических и химических стрессов. По своему информационному содержанию оценивание таких неколичественных (счётных) состояний представляет собой процедуры распознавания образов или классов объектов почвенно-растительного комплекса. Субъективный эмпирический подход при выборе спектрального состава индексов и их комбинаций, используемый в настоящее время, не позволяет обеспечить достаточную надёжность таких процедур. Поэтому целью исследования в настоящей работе стала формализация процесса, благодаря чему можно полностью исключить эмпирический подход построения индексов и автоматизировать всю процедуру их формирования для любого числа и вида распознаваемых объектов. Основу формализации составляют алгоритмы оценивания и отбора информативности признаков с последующим построением индексных моделей, представляющих собой линейные решающие правила для распознавания классов. При этом признаками классов представляются спектральные поддиапазоны, на которые разбивается весь спектр данных ДЗЗ, а число информативных признаков выбирается из условия обеспечения требуемой надёжности распознавания всех наблюдаемых объектов (классов).
Ключевые слова: индексные модели, распознавание образов, информативные признаки, алгоритмы, информативность признаков, идентификация моделей
Полный текстСписок литературы:
- Андреев Г. Г., Бочаров В. П., Сазонов Н. В., Чабан Л. Н. Автоматизация тематической обработки космических снимков при оценке состояния сельскохозяйственных культур // Исслед. Земли из космоса. 1986. № 5. С. 95–102.
- Данилов Р. Ю., Кремнева О. Ю., Исмаилов В. Я., Третьяков В. А., Ризванов А. А., Кривошеин В. В., Пачкин А. А. Общая методика и результаты наземных гиперспектральных исследований сезонного изменения отражательных свойств посевов сельскохозяйственных культур и отдельных видов сорных растений // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 1. С. 113–127. DOI: 10.21046/2070-7401-2020-17-1-113-127.
- Дуда Р., Харт П. Распознавание образов и анализ сцены: пер. с англ. Г. Г. Вайнштейна, А. М. Васьковского / под ред. В. Л. Стефанюка. М.: Мир, 1976. 507 с.
- Кашкин В. Б., Сухинин А. И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений. М.: Логос, 2001. 264 с.
- Михайленко И. М. Основные задачи оценки состояния посевной и почвенной среды по данным космического зондирования // Экологические системы и приборы. 2011. № 8. С. 17–24.
- Ту Дж., Гонсалес Р. Принципы распознавания образов: пер. с англ. И. Б. Гуревича / под ред. Ю. И. Журавлева. M.: Мир, 1978. 411 с.
- Шеннон К. Работы по теории информации и кибернетике: пер. с англ. / с предисл. А. Н. Колмогорова; под ред. Р. Л. Добрушина, О. Б. Лупанова. М.: Изд-во иностр. лит-ры, 1963. 829 с.
- Эйкхофф П. Основы идентификации систем управления. Оценка параметров и состояний: пер. с англ. В. А. Лотцкого, А. С. Манделя / под ред. Н. С. Райбмана. М.: Мир, 1975. 683 с.
- Baret F., Guyot G., Major D. TSAVI: A vegetation index which minimizes soil brightness effects on LAI or APAR estimation // 12th Canadian Symp. Remote Sensing and Remote Sensing Symp. (IGARSS’89). 10–14 July 1989, Vancouver, Canada. 1989. P. 1355–1358. DOI: 10.1109/IGARSS.1989.576128.
- Clevers J. G. P. W. The derivation of a simplified reflectance model for the estimation of leaf area index // Remote Sensing of Environment. 1988. V. 35. P. 53–70. DOI: 10.1016/0034-4257(88)90041-7.
- Crippen R. E. Calculating the Vegetation Index Faster // Remote Sensing of Environment. 1990. V. 34. P. 71–73. DOI: 10.1016/0034-4257(90)90085-z.
- Crist E. P., Cicone R. C. Application of the tasseled cap concept to simulated thematic mapper data // Photogrammetric Engineering and Remote Sensing. 1984. V. 50. P. 343–352.
- Huete A. R. A Soil-Adjusted Vegetation Index (SAVI) // Remote Sensing of Environment. 1988. V. 25. P. 295–309. DOI: 10.1016/0034-4257(88)90106-X.
- Huete A. R., Jackson R. D., Post D. F. Spectral response of a plant canopy with different soil backgrounds // Remote Sensing of Environment. 1985. V. 17. P. 37–53. DOI: 10.1016/0034-4257(85)90111-7.
- Jackson R. D. Spectral indices in n-space // Remote Sensing of Environment. 1983. V. 13. P. 409–421. DOI: 10.1016/0034-4257(83)90010-X.
- Jordan C. F. Derivation of leaf area index from quality of light on the forest floor // Ecology. 1969. V. 50. P. 663–666. DOI: 10.2307/1936256.
- Kaufman Y. J., Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS// IEEE Trans. Geoscience and Remote Sensing. 1992. V. 30. Iss. 2. P. 261–270. DOI: 10.1109/36.134076.
- Kauth R. J., Thomas G. S. The tasseled cap-A graphic description of the spectral-temporal development of agricultural crops as seen by Landsat // Proc. Symp. Machine Processing of Remotely Sensed Data. 29 June – 1 July 1976. Paper 159. P. 4B-41–4B-51.
- Kriegler F. J., Malia W. A., Nalepka R. F., Richardson W. Preprocessing transformations and their effects on multispectral recognition // Proc. 6th Intern. Symp. Remote Sensing of Environment. Ann Arbor, MI: Univ. Michigan, 1969. P. 97–131.
- Leprieur C., Verstraete M. M., Pinty B., Chehbouni A. NOAA/AVHRR Vegetation Indices: Suitability for Monitoring Fractional Vegetation Cover of the Terrestrial Biosphere // Physical Measurements and Signatures in Remote Sensing: Proc. 6th ISPRS Symp. 1994. P. 1103–1110.
- Lillesand T. M., Kiefer R. W. Remote Sensing and Image Interpretation. 2nd ed. N. Y.; Chicheste; Brisbane; Toronto; Singapore: John Wiley and Sons, 1987. 721 p. DOI: 10.1080/01431168708954824.
- Pinty B., Verstraete M. M. GEMI: A Non-Linear Index to Monitor Global Vegetation from Satellites // Plant Ecology. 1991. V. 101. P. 15–20. DOI: 10.1007/ BF0031911.
- Qi J., Chehbouni A., Huete A. R., Ker Y. H. Modified Soil Adjusted Vegetation Index (MSAVI) // Remote Sensing of Environment. 1994. V. 48. P. 119–126. DOI: 10.1016/0034-4257(94)90134-1.
- Richardson A. J., Everitt J. H. Using spectral vegetation indices to estimate rangeland productivity // Geocarto Intern. 1992. V. 1. P. 63–69. DOI: 10.1080/10106049209354353.
- Richardson A. J., Wiegand C. L. Distinguishing vegetation from soil background information // Photogrammetric Engineering and Remote Sensing. 1977. V. 43. P. 1541–1552.
- Rouse J. W., Haas R. H., Schell J. A., Deering D. W. Monitoring vegetation systems in the great plains with ERTS // Third ERTS-1 Symp. NASA, Goddard Space Flight Center, 1973. V. 1. P. 309–317.
- Tu T.-M., Chen Ch.-H., Wu J.-L., Chang Ch.-I. A Fast Two-Stage Classification Method for High Dimensional Remote Sensing Data // IEEE Trans. Geoscience and Remote Sensing. 1998. V. 36. No. 1. P. 182–191. DOI: 10.1109/36.655328.