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
Ваш e-mail:
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. 2024. Т. 21. № 6. С. 48-63

Технология автоматической коррекции географической привязки данных прибора МСУ-МР КА «Метеор-М»

Е.Е. Волкова 1 , А.И. Андреев 2 , М.А. Бурцев 1 , А.А. Мазуров 1 , А.М. Матвеев 1 , Е.И. Холодов 2 
1 Институт космических исследований РАН, Москва, Россия
2 Дальневосточный центр НИЦ «Планета», Хабаровск, Россия
Одобрена к печати: 28.11.2024
DOI: 10.21046/2070-7401-2024-21-6-48-63
Рассматривается применение корреляционных методов для повышения точности географической привязки данных многозонального сканирующего устройства малого разрешения (МСУ-МР), устанавливаемого на отечественных космических аппаратах серии «Метеор-М». Проводится анализ ключевых препятствий, мешающих автоматическому построению стабильных базовых продуктов на основе данных приборов МСУ-МР с помощью используемых в российских центрах приёма «штатных» процедур потоковой привязки. Рассматриваются возможные методы и подходы к коррекции географической привязки. Описывается разработанная автоматическая двухступенчатая схема привязки, реализованная на базе автоматического поиска контрольных точек и вычисления их смещений с помощью расчёта фазовой корреляции между привязываемым и опорными снимками. Схема включает в себя выявление контрольных точек по опорным данным, последующее восстановление параметров ориентации космического аппарата, переобработку данных с найденными параметрами и автоматическую оценку качества полученной привязки. Также приводится описание разработанного программного решения и особенности его реализации. Представлены результаты оценки точности автоматической привязки данных прибора МСУ-МР КА «Метеор-М» № 2-2 и № 2-3, полученной на основе предложенного решения, которая для примерно 70 % данных не превышает одного пикселя.
Ключевые слова: географическая привязка спутниковых данных, потоковая обработка спутниковых данных, приборы МСУ-МР, спутники «Метеор-М», AROSICS, фазовая корреляция
Полный текст

Список литературы:

  1. Акимов Н. П., Бадаев К. В., Гектин Ю. М., Рыжаков А. В., Смелянский М. Б., Фролов А. Г. Многозональное сканирующее устройство малого разрешения МСУ МР для космического информационного комплекса «Метеор-М»: Принцип работы, эволюция, перспективы // Ракетно-косм. приборостроение и информ. системы. 2015. Т. 2. Вып. 4. С. 30–39.
  2. Асмус В. В., Дядюченко В. Н., Загребаев В. А., Милехин О. Е., Соловьев В. И., Успенский А. Б. Развитие космического комплекса гидрометеорологического обеспечения на базе геостационарных спутников серии «Электро-Л» // Вестн. ФГУП НПО им. С. А. Лавочкина. 2012. № 1. С. 3–14.
  3. Асмус В. В., Загребаев В. А., Макриденко Л. А., Милехин О. Е., Соловьев В. И., Успенский А. Б., Фролов А. В., Хайлов М. Н. Система полярно-орбитальных метеорологических спутников серии «Метеор-М» // Метеорология и гидрология. 2014. № 12. С. 5–16.
  4. 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.
  5. Бурцева Т. Н., Абросимов Н. И. Научно-исследовательский центр «Планета» // Земля и Вселенная. 2009. № 1. С. 46–50.
  6. Волкова Е. В. Оценки параметров облачного покрова и осадков по данным радиометра МСУ-МР полярно-орбитального метеоспутника «Метеор-М» № 2 для Европейской территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 300–320. DOI: 10.21046/2070-7401-2017-14-5-300-320.
  7. Зубкова К. И., Гришанцева Л. А., Куревлев Т. Г. и др. Алгоритм анализа спектральных характеристик снежного и облачного покрова по данным МСУ-МР/«Метеор-М» № 2 // Ракетно-косм. приборостроение и информ. системы. 2019. Т. 6. № 2. С. 68–79. DOI: 10.30894/issn2409-0239.2019.6.2.68.79.
  8. Катаманов С. Н. Разработка автоматического метода географической привязки изображений МСУ-МР полярно-орбитального спутника «Метеор-М» № 1 // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 4. С. 276–285.
  9. Катаманов С. Н., Качур В. А. Результаты географической привязки изображений МСУ-МР полярно-орбитального спутника «Метеор-М» № 2 // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 2. С. 9–18. DOI: 10.21046/2070-7401-2018-15-2-9-18.
  10. Кашницкий А. В., Бурцев М. А., Прошин А. А. Технология создания безоблачных композитных изображений по данным спутников серии Sentinel-2 // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. С. 76–85. DOI: 10.21046/2070-7401-2022-19-5-76-85.
  11. Ковалев Н. А., Лупян Е. А., Балашов И.В и др. ИСДМ-Рослесхоз: 15 лет эксплуатации и развития // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 7. С. 283–291. DOI: 10.21046/2070-7401-2020-17-7-283–291.
  12. Кузнецов А. Е., Соловьёв В. И. Программное обеспечение комплекса тематической обработки целевой информации космического аппарата «Метеор-М» // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 2. С. 68–77.
  13. Лозин Д. В., Лупян Е. А., Балашов И. В. и др. Адаптация алгоритма детектирования пожаров MOD14 для работы с данными прибора МСУ-МР // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 1. С. 231–245. DOI: 10.21046/2070-7401-2024-21-1-231-245.
  14. Лупян Е. А., Прошин А. А., Бурцев М. А. и др. 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.
  15. Плотников Д. Е., Колбудаев П. А., Матвеев А. М. и др. Автоматическая технология построения ежедневных безоблачных композитных изображений КМСС для количественной оценки состояния земной поверхности // Материалы 19-й Международ. конф. «Современные проблемы дистанционного зондирования Земли из космоса». 15–19 нояб. 2021. М.: ИКИ РАН, 2021. С. 451. DOI: 10.21046/19DZZconf-2021a.
  16. Плотников Д. Е., Колбудаев П.А, Лупян Е. А. Автоматический метод субпиксельной географической привязки спутниковых изображений КМСС-М на основе актуализируемого эталона низкого пространственного разрешения // Компьютерная оптика. 2022. Т. 46. № 5. С. 818–827. DOI: 10.18287/2412-6179-CO-1098.
  17. Филей А. А. Восстановление высоты верхней границы облачности по данным спутникового прибора МСУ-МР КА «Метеор-М» № 2-2 // Оптика атмосферы и океана. 2020. Т. 33. № 12. С. 918–925. DOI: 10.15372/AOO20201203.
  18. Baldwin D., Emery W. J. Spacecraft attitude variations of NOAA-11 inferred from AVHRR imagery // Remote Sensing. 1995. V. 16. No. 3. P. 531–548. DOI: 10.1080/01431169508954417.
  19. Bessho K., Date K., Hayashi M. et al. An introduction to Himawari-8/9 — Japan’s new-generation geostationary meteorological satellites // J. Meteorological Soc. of Japan. Ser. II. 2016. V. 94. No. 2. P. 151–183. DOI: 10.2151/jmsj.2016-009.
  20. Brown L. G. A survey of image registration techniques // ACM Computing Surveys. 1992. V. 24. No. 4. P. 325–376. DOI: 10.1145/146370.146374.
  21. Iwasaki A. Detection and estimation of satellite attitude jitter using remote sensing imagery // Advances in Spacecraft Technologies. 2011. V. 13. P. 257–272. DOI: 10.5772/14402.
  22. Lim Y.-J., Kim M.-G., Kim T. et al. Automatic precision correction of satellite images using the GCP chips of lower resolution // 2004 IEEE Intern. Geoscience and Remote Sensing Symp. (IGARSS 2004). 2004. P. 1394-1397. DOI: 10.1109/IGARSS.2004.1368679.
  23. Lowe D. G. Distinctive image features from scale-invariant keypoints // Intern. J. Computer Vision. 2004. V. 60. P. 91–110. https://doi.org/10.1023/B%3AVISI.0000029664.99615.94.
  24. Scheffler D., Hollstein A., Diedrich H. et al. AROSICS: An automated and robust open-source image co-registration software for multi-sensor satellite data // Remote Sensing. 2017. V. 9. Article 676. DOI: 10.3390/rs9070676.
  25. Schott J. Image processing of thermal infrared images // Photogrammetric Engineering and Remote Sensing, 1989. V. 55. No. 9. P. 1311–1321.
  26. Schumann W., Stark H., McMullan K., Aminou D., Luhmann H. J. The MSG system // ESA Bull. 2002, P. 11–14.
  27. Vallado D. A., Cefola P. Two-line element sets — practice and use // Proc. 63rd Intern. Astronautical Congress. 2012. 14 p.
  28. Van Wie P., Stein M. A Landsat digital image rectification system // IEEE Trans. Geoscience Electronics. 1977. V. 15. No. 3. P. 130–137. DOI: 10.1109/TGE.1977.6498970.
  29. Zitova B., Flusser J. Image registration methods: a survey // Image and Vision Computing. 2003. V. 21. P. 977–1000. DOI: 10.1016/S0262-8856(03)00137-9.