Журнал

О журнале Новости Редколлегия Информация для авторов и рецензентов Публикационная этика Дискуссия Контакты ЛИЧНЫЙ КАБИНЕТ:
отправка и рецензирование статей
Архив
Том 23, 2026
Номер 1
Том 22, 2025
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 21, 2024
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 20, 2023
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 19, 2022
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 18, 2021
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 17, 2020
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 16, 2019 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 15, 2018 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 14, 2017 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 13, 2016 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 12, 2015 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 11, 2014 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 10, 2013 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 9, 2012 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5
Том 8, 2011 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 7, 2010 г.
Номер 1 Номер 2 Номер 3 Номер 4
Выпуск 6, 2009 г.
Том 1 Том 2
Выпуск 5, 2008 г.
Том 1 Том 2
Выпуск 4, 2007 г.
Том 1 Том 2
Выпуск 3, 2006 г.
Том 1 Том 2
Выпуск 2, 2005 г.
Том 1 Том 2
Выпуск 1, 2004 г.
Том 1
Поиск
Найти:
Подписка/отписка
на рассылку новостей
Ваш e-mail:
подписаться отписаться
English version
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. 2026. Т. 23. № 1. С. 9-28

Реализация математических алгоритмов преобразования RGB-снимков с БПЛА в альбедо поверхности сверхвысокого разрешения с использованием спутниковых данных на примере полигона «Плейстоценовый парк»

Н.А. Петров 1 , И.А. Репина 2, 3, 4 , В.М. Степаненко 1, 3 , М.И. Варенцов 1, 2, 3 , Д.Г. Чечин 2 , В.Ю. Слободян 5 , М.В. Зимин 1, 6 , Н.С. Зимов 7 
1 Московский государственный университет имени М.В. Ломоносова, Москва, Россия
2 Институт физики атмосферы им. А.М. Обухова РАН, Москва, Россия
3 Научно-исследовательский вычислительный центр МГУ имени М.В. Ломоносова, Москва, Россия
4 Майкопский государственный технологический университет, Майкоп, Россия
5 АО «Институт экологического проектирования и изысканий», Москва, Россия
6 Институт географии РАН, Москва, Россия
7 Тихоокеанский институт географии ДВО РАН, Владивосток, Россия
Одобрена к печати: 30.09.2025
DOI: 10.21046/2070-7401-2026-23-1-9-28
Восстановление альбедо поверхности со сверхвысоким пространственным разрешением — актуальная задача для детальных расчётов компонент радиационного и теплового баланса. В данной работе обсуждаются методы восстановления альбедо поверхности в коротковолновом диапазоне спектра по RGB-снимкам (цветовая модель Red, Green, Blue) с беспилотных летательных аппаратов (БПЛА) с помощью двух реализованных математических алгоритмов с привлечением данных обработки спутниковых снимков. Математическая постановка задачи связана с решением обратной задачи по восстановлению интеграла спектральной функции отражённого излучения и её нормировке по известным реперным значениям альбедо поверхности, полученным по спутниковым данным. В статье дано описание двух реализованных математических алгоритмов, которые отличаются способом решения обратной задачи (итерационным и неитерационным методом), а также указаны области их применимости. Так, значительным ограничением методов является требование однородных условий освещённости (суммарной коротковолновой радиации) по территории. Алгоритмы были протестированы в холодный (снежный) и тёплый (бесснежный) периоды по данным съёмок надирных ортофотопланов с БПЛА на территории полигона «Плейстоценовый парк» (Республика Саха). Проведена нормировка алгоритмов на реперных площадках по данным обработки снимков со спутников Landsat-8, -9 и Sentinel-2. Полученные значения альбедо поверхности имеют высокое пространственное разрешение, соответствующее разрешению ортофотоплана. Выявлены оптимальные условия использования алгоритмов при наличии однородной слоистой облачности, а также негативное влияние теней от прямой солнечной радиации. Таким образом, в настоящей работе показана возможность использования алгоритмов преобразования RGB-сигналов для многократного увеличения пространственного разрешения альбедо поверхности, получаемого со спутниковых снимков. В будущем планируется доработка алгоритмов и их тестирование на большей статистической выборке.
Ключевые слова: RGB-снимки, альбедо поверхности, БПЛА, ортофотоплан, спутниковые снимки, математические алгоритмы
Полный текст

Список литературы:

  1. Алиева А. Дж., Алиева Х. С., Ашрафов М. Г., Мустафазаде Н. Х. Оптимизация альбедометрических измерений с применением беспилотного летательного аппарата // Измерение. Мониторинг. Управление. Контроль. 2024. № 4(50). С. 68–75. DOI: 10.21685/2307-5538-2024-4-8.
  2. Валиев И. В., Волобой А. Г., Денисов Е. Ю., Ершов С. В., Поздняков С. Г. Преобразования XYZ в спектр для свойств поверхности // Тр. Юбилейной 25-й Международ. конф. «ГрафиКон’2015». Протвино: Ин-т физико-техн. информатики, 2015. С. 209–213.
  3. Джадд Д. Р. Цвет в науке и технике / пер. с англ.; под ред. П. Ф. Артюшина. М.: Мир, 1978. 592 с.
  4. Жданов Д. Д., Потемин И. С. Построение спектрального представления из RGB данных в задачах спектрального моделирования // Тр. 20-й Международ. конф. по компьютерной графике и зрению «ГрафиКон’2010». СПб.: Санкт-Петербургский гос. ун-т информац. технологий, механики и оптики, 2010. С. 144–147.
  5. Журавский Д. М., Иванов Б. В., Кашин С., Куприков Н. М. Способ дистанционной оценки альбедо при помощи фоторегистрирующего оборудования // Исслед. Земли из космоса. 2018. № 1. С. 52–59. DOI: 10.7868/S0205961418010050.
  6. Завалишин Н. Н. Модель зависимости температуры приземной атмосферы от альбедо Земли и тепловой инерции гидросферы // Оптика атмосферы и океана. 2010. Т. 23. № 6. С. 480–484.
  7. Корнева И. А., Семенов С. М. Чувствительность температуры земной поверхности к изменению альбедо атмосферы: оценка радиационного эффекта // Метеорология и гидрология. 2016. Т. 41. № 5. С. 307–311.
  8. Лыкосов В. Н., Глазунов А. В., Кулямин Д. В., Кулямин Д. В., Мортиков Е. В., Степаненко В. М. Суперкомпьютерное моделирование в физике климатической системы: учеб. пособие. М.: Из-во Московского ун-та, 2012. 408 с.
  9. Тимофеев Ю. М., Васильев А. В. Теоретические основы атмосферной оптики. СПб.: Наука, 2003. 475 с.
  10. Afanasiev V., Ignatenko A., Voloboy A. The simple method of the RGB to spectrum conversion for tasks of physically based rendering // Scientific Visualization. 2015. V. 7. No. 4. P. 20–26.
  11. Agisoft Metashape user manual: professional edition, version 1.5 / Agisoft LLC. 2019. 139 p.
  12. Andres-Anaya P., Sanchez-Aparicio M., Del Pozo S. et al. A new methodology for estimating surface albedo in heterogeneous areas from satellite imagery // Applied Sciences. 2023. V. 14. Iss. 1. Article 75. DOI: 10.3390/app14010075.
  13. Angelini L. P., Biudes M. S., Machado N. G. et al. Albedo and temperature models for surface energy balance fluxes and evapotranspiration using SEBAL and Landsat 8 over Cerrado-Pantanal, Brazil // Sensors. 2021. V. 21. Iss. 21. Article 7196. https://doi.org/10.3390/s21217196.
  14. Baldinelli G., Bonafoni S., Rotili A. Albedo retrieval from multispectral Landsat 8 observation in urban environment: Algorithm validation by in situ measurements // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2017. V. 10. Iss. 10. P. 4504–4511. DOI: 10.1109/JSTARS.2017.2721549.
  15. Bartmiński P., Siłuch M. Mapping the albedo of the active surface at different stages of the growing season using data from various sources // Remote Sensing Applications: Society and Environment. 2022. V. 28. Iss. 3. Article 100818. https://doi.org/10.1016/j.rsase.2022.100818.
  16. Bonafoni S., Sekertekin A. Albedo retrieval from Sentinel-2 by new narrow-to-broadband conversion coefficients // IEEE Geoscience and Remote Sensing Letters. 2020. V. 17. Iss. 9. P. 1618–1622. DOI: 10.1109/LGRS.2020.2967085.
  17. Canisius F., Wang S., Croft H. et al. A UAV-based sensor system for measuring land surface albedo: Tested over a boreal peatland ecosystem // Drones. 2019. V. 3. Iss. 1. Article 27. https://doi.org/10.3390/drones3010027.
  18. Cao C., Lee X., Muhlhausen J. et al. Measuring landscape albedo using unmanned aerial vehicles // Remote Sensing. 2018. V. 10. Iss. 11. Article 1812. https://doi.org/10.3390/rs10111812.
  19. Corripio J. G. Snow surface albedo estimation using terrestrial photography // Intern. J. Remote Sensing. 2004. V. 25. Iss. 24. P. 5705–5729. DOI: 10.1080/01431160410001709002.
  20. Dumont M., Arnaud Y., Six D., Corripio J. G. Détermination de l’albédo de surface des glaciers à partir de photographies terrestres // La Houille Blanche. 2009. V. 95. Iss. 2. P. 102–108. DOI: 10.1051/lhb:2009021.
  21. D’Urso G., Calera Belmonte A. Operative approaches to determine crop water requirements from Earth observation data: Methodologies and applications // AIP Conf. Proc. 2006. V. 852. No. 1. P. 14–25. https://doi.org/10.1063/1.2349323.
  22. Fan Y., Yu J., Liu W. Cross-comparison of snow albedo products derived from satellite (Sentinel-2 and Landsat-8) optical data // IOP Conf. Series: Earth and Environmental Science. 2021. V. 658. No. 1. Article 012048. DOI: 10.1088/1755-1315/658/1/012048.
  23. Fischer W., Thomas C. K., Zimov N., Göckede M. Grazing enhances carbon cycling but reduces methane emission during peak growing season in the Siberian Pleistocene Park tundra site // Biogeosciences. 2022. V. 19. No. 6. P. 1611–1633. https://doi.org/10.5194/bg-19-1611-2022.
  24. Glassner A. S. How to derive a spectrum from an RGB triplet // IEEE Computer Graphics and Applications. 1989. V. 9. No. 4. P. 95–99.
  25. Grassmann H. Zur theorie der farbenmischung // Annalen Der Physik. 1853. V. 165. Iss. 5. P. 69–84.
  26. Hansen J. E., Takahashi T. Climate processes and climate sensitivity // Geophysical Monograph Series. 1984. V. 5. Article 29.
  27. Jiménez-Muñoz J. C., Sobrino J. A., Skoković D. et al. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data // IEEE Geoscience and Remote Sensing Letters. 2014. V. 11. Iss. 10. P. 1840–1843. https://doi.org/10.1109/LGRS.2014.2312032.
  28. Knap W., Reijmer C., Oerlemans J. Narrowband to broadband conversion of Landsat TM glacier albedos // Intern. J. Remote Sensing. 1999. V. 20. Iss. 10. P. 2091–2110. DOI: 10.1080/014311699212362.
  29. Latham J., Rasch P., Chen C.-C. et al. Global temperature stabilization via controlled albedo enhancement of low-level maritime clouds // Philosophical Trans. of Royal Soc. A: Mathematical, Physical and Engineering Sciences. 2008. V. 366. No. 1882. P. 3969–3987. DOI: 10.1098/rsta.2008.0137.
  30. Lebourgeois V., Bégué A., Labbé S. et al. Can commercial digital cameras be used as multispectral sensors? A crop monitoring test // Sensors. 2008. V. 8. Iss. 11. P. 7300–7322. DOI: 10.3390/s8117300.
  31. Lenton Т. М., Vaughan N. E. The radiative forcing potential of different climate engineering options // Atmospheric Chemistry and Physics. 2009. V. 9(1). P. 5539–5561. DOI: 10.5194/acp-9-5539-2009.
  32. Li Z., Erb A., Sun Q. et al. Preliminary assessment of 20-m surface albedo retrievals from Sentinel-2A surface reflectance and MODIS/VIIRS surface anisotropy measures // Remote Sensing of Environment. 2018. V. 217. Iss. G4. P. 352–365. DOI: 10.1016/j.rse.2018.08.025.
  33. Lin X., Wu S., Chen B. et al. Estimating 10-m land surface albedo from Sentinel-2 satellite observations using a direct estimation approach with Google Earth Engine // ISPRS J. Photogrammetry and Remote Sensing. 2022. V. 194. P. 1–20. DOI: 10.1016/j.isprsjprs.2022.09.016.
  34. Phiri D., Simwanda M., Salekin S. et al. Sentinel-2 data for land cover/use mapping: A review // Remote Sensing. 2020. V. 12. Iss. 14. Article 2291. https://doi.org/10.3390/rs12142291.
  35. Pielke R. A., Sr., Marland G., Betts R. A. et al. The influence of land-use changes and landscape dynamics on the climate system: relevance to climate-change policy beyond the radiative effect of greenhouse gases // Philosophical Trans. of Royal Soc. A: Mathematical, Physical and Engineering Sciences. 2002. V. 360. Iss. 1797. P. 1705–1719. DOI: 10.1098/rsta.2002.1027.
  36. Segarra J., Buchaillot M. L., Araus J. L., Kefauver S. C. Remote sensing for precision agriculture: Sentinel-2 improved features and applications // Agronomy. 2020. V. 10. Iss. 5. Article 641. DOI: 10.3390/agronomy10050641.
  37. Smits B. An RGB-to-spectrum conversion for reflectances // J. Graphics Tools. 1999. V. 4. Iss. 4. P. 11–22. DOI: 10.1080/10867651.1999.10487511.
  38. Stokes M. A., Anderson M., Chandrasekar S., Motta R. A standard default color space for the Internet — sRGB // http://www.w3.org. 1996. http://www.w3.org/Graphics/Color/sRGB.html.
  39. Sun Y., Fracchia F. D., Calvert T. W., Drew M. S. Deriving spectra from colors and rendering light interference // IEEE Computer Graphics and Applications. 1999. V. 19. Iss. 4. P. 61–67.
  40. van der Meer F. D., van der Werff H. M. A., van Ruitenbeek F. J. A. Potential of ESA’s Sentinel-2 for geological applications // Remote Sensing of Environment. 2014. V. 148. P. 124–133. DOI: 10.1016/j.rse.2014.03.022.
  41. Vanino S., Nino P., De Michele C. et al. Capability of Sentinel-2 data for estimating maximum evapotranspiration and irrigation requirements for tomato crop in Central Italy // Remote Sensing of Environment. 2018. V. 215. P. 452–470. DOI: 10.1016/j.rse.2018.06.035.
  42. Wang Z., Erb A. M., Schaaf C. B. et al. Early spring post-fire snow albedo dynamics in high latitude boreal forests using Landsat-8 OLI data // Remote Sensing of Environment. 2016. V. 185. P. 71–83. DOI: 10.1016/j.rse.2016.02.059.
  43. Wu S., Lin X., Bian Z. et al. Satellite observations reveal a decreasing albedo trend of global cities over the past 35 years // Remote Sensing of Environment. 2024. V. 303. Article 114003. DOI: 10.1016/j.rse.2024.114003.
  44. Wyman C., Sloan P., Shirley P. Simple analytic approximations to the CIE XYZ color matching functions // J. Computer Graphics Techniques. 2013. V. 2. No. 2. P. 1–11.
  45. Zimov S. A. Pleistocene Park: Return of the mammoth’s ecosystem // Science. 2005. V. 308. No. 5723. P. 796–798. DOI: 10.1126/science.1113442.