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. 2023. Т. 20. № 2. С. 60-74

Анализ возможности использования данных различного пространственного разрешения при проведении мониторинга объектов

А.В. Кашницкий 1 , E.А. Лупян 1 , Д.Е. Плотников 1 , В.А. Толпин 1 
1 Институт космических исследований РАН, Москва, Россия
Одобрена к печати: 04.04.2023
DOI: 10.21046/2070-7401-2023-20-2-60-74
Проведён анализ пригодности использования данных различного пространственного разрешения при мониторинге объектов на основе осреднённых в их границах характеристик. Для этого изучалось влияние пространственного разрешения данных дистанционного зондирования Земли (ДЗЗ) на средние значения вегетационного индекса NDVI (англ. Normalized Difference Vegetation Index) в границах сельскохозяйственных полей в зависимости от их площади. Использовались три набора данных, полученных на основе информации с приборов MODIS (англ.Moderate Resolution Imaging Spectroradiometer), КМСС (Комплекс многозональной спутниковой съёмки) и MSI (англ. MultiSpectral Instrument) с пространственным разрешением 250, 60 и 10 м/пиксель соответственно. Для каждого набора использован временной ряд восстановленных ежедневных безоблачных изображений. Взята выборка сельскохозяйственных полей в различных регионах России. Для каждого поля рассчитано среднее значение индекса NDVI по каждому набору данных и проведён корреляционный анализ значений, полученных по разным наборам. Результаты анализа при учёте всего сезона вегетации показали общую высокую согласованность: даже для полей с размером менее 10 га значение коэффициента корреляции Пирсона превысило 0,75 для пар КМСС – MSI и MODIS – MSI и 0,85 для пары MODIS – КМСС. Однако коэффициент корреляции Пирсона существенно падает при анализе данных в отдельные периоды года: в начале сезона в паре MODIS – MSI для полей площадью менее 2,5 га — до 0,45, для полей площадью от 2,5 до 5 га — до 0,58. Далее минимальное за период значение равномерно растёт с увеличением полей и при площадях свыше 15 га уже для всех недель составляет более 0,82. Таким образом, сделан вывод о том, что для полей площадью более 10–15 га ход среднего индекса NDVI имеет схожие тренды по данным с пространственным разрешением 250, 60 и 10 м/пиксель. Для полей меньшего размера присутствуют большие различия в период наименьших значений индекса NDVI, соответствующих распашке. Точный критерий пригодности данных c низким пространственным разрешением для анализа объектов определённой площади зависит от задачи и используемого периода года.
Ключевые слова: КМСС, MSI, MODIS, ДЗЗ, корреляционный анализ, влияние пространственного разрешения, ход индекса NDVI, спутниковый мониторинг, сельскохозяйственные поля
Полный текст

Список литературы:

  1. Бурцев М. А., Успенский С. А., Крамарева Л. С., Антонов В. Н., Калашников А. В., Балашов И. В., Кашницкий А. В., Лупян Е. А., Матвеев А. М., Прошин А. А. Современные возможности и перспективы развития Объединённой системы распределённой работы с данными НИЦ «Планета» // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 198–212. DOI: 10.21046/2070-7401-2019-16-3-198-212.
  2. Денисов П. В., Середа И. И., Трошко К. А., Лупян Е. А., Плотников Д. Е., Толпин В. А. Возможности и опыт оперативного дистанционного мониторинга состояния озимых культур на территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 171–185. DOI: 10.21046/2070-7401-2021-18-2-171-185.
  3. Ёлкина Е. С., Егоров В. А., Плотников Д. Е., Самофал Е. В., Барталев С. А., Патил В. К., Сунил Д. К., Чаван В. К. Развитие методов спутникового мониторинга состояния посевов сахарного тростника в Южной Индии // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 5. С. 159–173. DOI: 10.21046/2070-7401-2019-16-5-159-173.
  4. Лупян Е. А., Прошин А. А., Бурцев М. А., Кашницкий А. В., Балашов И. В., Барталев С. А., Константинова А. М., Кобец Д. А., Мазуров А. А., Марченков В. В., Матвеев А. М., Радченко М. В., Сычугов И. Г., Толпин В. А., Уваров И. А. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151–170. DOI: 10.21046/2070-7401-2019-16-3-151-170.
  5. Лупян Е. А., Константинова А. М., Кашницкий А. В., Ермаков Д. М., Саворский В. П., Панова О. Ю., Бриль А. А. Возможности организации долговременного дистанционного мониторинга крупных источников антропогенных загрязнений для оценки их влияния на окружающую среду // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 1. С. 193–213. DOI: 10.21046/2070-7401-2022-19-1-193-213.
  6. Плотников Д. Е., Ёлкина Е. С., Дунаева Е. А., Хвостиков С. А., Лупян Е. А., Барталев С. А. (2020а) Развитие метода автоматического распознавания озимых культур на основе спутниковых данных для оценки их состояния на территории Республики Крым // Таврический вестн. аграр. науки. 2020. № 1(21). С. 64–83. DOI: 10.33952/2542-0720-2020-1-21-64-83.
  7. Плотников Д. Е., Колбудаев П. А., Жуков Б. С., Матвеев А. М., Барталев С. А., Егоров В. А., Кашницкий А. В., Прошин А. А. (2020б) Публикация коллекции мультиспектральных измерений прибором КМСС-М (КА «Метеор-М» № 2) для количественной оценки характеристик земной поверхности // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 7. С. 276–282. DOI: 10.21046/2070-7401-2020-17-7-276–282.
  8. Cleveland W. S. Robust Locally Weighted Regression and Smoothing Scatterplots // J. American Statistical Association. 1979. V. 74. Art. No. 368. P. 829–836. DOI: 10.2307/2286407.
  9. Denisov P. V., Kashnitskii A. V., Loupian E. A., Sereda I. I., Tolpin V. A., Troshko K. A. Possibilities of Vega satellite monitoring services for arable land use assessment on the example of Smolensk region // IOP Conf. Ser.: Earth and Environmental Science. 2021. V. 723. Art. No. 032072. DOI: 10.1088/1755-1315/723/3/032072.
  10. Kolbudaev P. A., Plotnikov D. E., Loupian E. A., Proshin A. A., Matveev A. M. The methods and automatic technology aimed at imagery georeferencing, cloud screening, atmospheric and radiometric correction of KMSS-M satellite data // E3S Web Conf. 2021. V. 333. Art. No. 01006. https://doi.org/10.1051/e3sconf/202133301006.
  11. Loupian E. A., Bourtsev M. A., Proshin A. A., Kashnitskii A. V., Balashov I. V., Bartalev S. A., Konstantinova A. M., Kobets D. A., Radchenko M. V., Tolpin V. A., Uvarov I. A. Usage Experience and Capabilities of the VEGA-Science System // Remote Sensing. 2022. V. 14. No. 1. Art. No. 77. DOI: 10.3390/rs14010077.
  12. Plotnikov D. E., Loupian E. A., Kolbudaev P. A., Proshin A. A., Matveev A. M. Daily surface reflectance reconstruction using LOWESS on the example of various satellite systems // 8th Intern. Conf. Information Technology and Nanotechnology (ITNT). 2022. P. 1–5. DOI: 10.1109/ITNT55410.2022.9848630.