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 Номер 2 Номер 3 Номер 4
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. № 4. С. 70-88

Применение видеоспектральной системы ВСС для картографирования типов растительного покрова по результатам космических съёмок

Б.И. Беляев 1 , М.Ю. Беляев 2 , Ю.С. Давидович 1 , Л.В. Катковский 1 , С.В. Конев 2 , В.М. Кузнецов 2 , Г.С. Литвинович 1 , А.О. Мартинов 1 , Л.А. Смоленцева 2 
1 Институт прикладных физических проблем им. А.Н. Севченко БГУ, Минск, Беларусь
2 Ракетно-космическая корпорация «Энергия» имени С.П. Королёва, Королёв, Московская обл., Россия
Одобрена к печати: 03.06.2026
DOI: 10.21046/2070-7401-2026-23-4-70-88
Представлены результаты обработки отдельных съёмок с борта Международной космической станции с использованием научной аппаратуры видеоспектральной системы (ВСС) в рамках космического эксперимента «Ураган», направленного на мониторинг природных и техногенных катастроф. Этот аппаратный комплекс, разработанный в Институте прикладных физических проблем имени А. Н. Севченко Белорусского государственного университета, объединяет синхронную видеосъёмку высокого разрешения (видимый и ближний инфракрасный диапазоны) с гиперспектральными измерениями (400–950 нм), что обеспечивает повышение точности анализа визуальных и спектральных данных. В рамках эксперимента в 2024 г. проведена съёмка территории Беларуси с участием первой белорусской женщины-космонавта М. Василевской. Цель данной работы — классификация данных спектральной плотности энергетической яркости и оценка значимости спектральных каналов. Для обработки данных применён метод главных компонент PCA (англ. principal component analysis), позволивший снизить размерность исходных спектров (700 каналов) до двух компонент, объясняющих 95,6 % дисперсии. Иерархическая кластеризация в редуцированном пространстве выделила пять классов природных объектов: водные поверхности, озимые культуры на стадии кущения, хвойные леса, торфяно-болотные и дерново-подзолистые почвы. Предложен метод оценки значимости спектральных каналов на основе матрицы нагрузок PCA, выявивший значимость всего спектрального диапазона ВСС (400–950 нм, кроме полос поглощения O2 и H2O) для анализа поверхностей с доминированием растительности. Результаты подтвердили корреляцию биофизических параметров объектов с их оптическими характеристиками, а также продемонстрировали воспроизводимость метода за счёт сохранения параметров PCA для обработки новых данных. Практическая значимость работы заключается в создании универсального инструмента для оперативного анализа гиперспектральных данных дистанционного зондирования Земли, адаптированного для задач мониторинга земных покровов и природных катастроф.
Ключевые слова: классификация, метод главных компонент, спектральная плотность энергетической яркости, спектр, спектральные каналы, Random Forest
Полный текст

Список литературы:

  1. Балабко П. Н., Хуснетдинова Т. И., Метечко Л. Б., Сорокин А. Е. Аэрокосмический и почвенно-экологический мониторинг педосферы Земли (на примере Российской Федерации и некоторых сопредельных территорий): моногр. М.: Издательско-торговая компания «Дашков и К», 2024. 276 с.
  2. Бамбалов Н. Н., Ракович В. А. Спектральная отражательная способность торфа // Вестн. Белорусского гос. ун-та имени В. И. Ленина. Сер. 2. Химия. Биология. География. 1992. № 1. С. 68–71.
  3. Беляев М. Ю. Научная аппаратура и методы изучения Земли в космическом эксперименте «Ураган» на Международной космической станции // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 3. С. 92–107. DOI: 10.21046/2070-7401-2021-18-3-92-107.
  4. Беляев Б. И., Курикина Т. М., Лисица В. Д., Сергеенко В. Т. Спектральные отражательные свойства почв: аналитический обзор / под ред. Б. И. Беляева. Минск: Белорусский филиал ВНИИТЭЙ агропром, 1991. 58 с.
  5. Беляев Б. И., Беляев М. Ю., Гусев В. Ф., Иванов В. А., Крот Ю. А., Рязанцев В. В., Сосенко В. А., Чумаков А. В. (2014а) Видеоспектральная система для мониторинга земной поверхности с борта МКС // 6-й Белорусский космич. конгресс: материалы конгресса. Минск, 2014. Т. 1. С. 211–214.
  6. Беляев Б. И., Беляев М. Ю., Десинов Л. В. и др. (2014б) Обработка спектров и изображений с фотоспектральной системы в космическом эксперименте «Ураган» на МКС // Исслед. Земли из космоса. 2014. № 6. С. 54–65. DOI: 10.7868/S0205961414060025.
  7. Беляев М. Ю., Десинов Л. В., Караваев Д. Ю., Легостаев В. П., Рязанцев В. В., Юрина О. А. (2015а) Особенности проведения и использования результатов съемки земной поверхности, выполняемой экипажами российского сегмента МКС // Космич. техника и технологии. 2015. № 1 (8). С. 17–30.
  8. Беляев М. Ю., Десинов Л. В., Караваев Д. Ю., Сармин Э. Э., Юрина О. А. (2015б) Изучение с борта российского сегмента Международной космической станции в рамках программы «Ураган» катастрофических явлений, вызывающих экологические проблемы // Космонавтика и ракетостроение. 2015. № 1 (80). С. 71–79.
  9. Беляев Б. И., Беляев М. Ю., Сармин Э. Э., Гусев В. Ф., Десинов Л. В., Иванов В. А., Крот Ю. А., Мартинов А. О., Рязанцев В. В., Сосенко В. А. Устройство и летные испытания научной аппаратуры видеоспектральная система на борту российского сегмента МКС // Космич. техника и технологии. 2016. № 2 (13). С. 70–79.
  10. Беляев М. Ю., Беляев Б. И., Катковский Л. В. и др. Классификация водных объектов по спектрам, измеренным с борта МКС в космическом эксперименте «Ураган» // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 6. С. 201–208. DOI: 10.21046/2070-7401-2019-16-6-201-208.
  11. Бручковская С. И., Литвинович Г. С., Бручковский И. И., Катковский Л. В. Алгоритм коррекции дифракции второго порядка в спектрометре с вогнутой дифракционной решеткой // Журн. приклад. спектроскопии. 2019. Т. 86. № 4. С. 620–627.
  12. Лагутин Б. М. Наглядная математическая статистика: учеб. пособие. М.: БИНОМ. Лаборатория знаний, 2007. 472 с.
  13. Мартинов А. О. (2022а) Алгоритм автоматического определения спектральных линий на подверженных аберрациям снимках при калибровке спектрометров изображения по длинам волн // Материалы 20-й Международ. конф. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2022. С. 135. DOI: 10.21046/20DZZconf-2022a.
  14. Мартинов А. О. (2022б) Классификация состояний усыхания ели обыкновенной на основе спектров отражения // Журн. Белорусского гос. ун-та. Физика. 2022. № 3. С. 26–38. DOI: 10.33581/2520-2243-2022-3-26-38.
  15. Мартинов А. О., Литвинович Г. С., Гуляева С. И., Смоленцева Л. А., Рассказов И. В. Метод математической коррекции эффекта двоения изображения после отражения от светоделительной пластины // Журн. Белорусского гос. ун-та. Физика. 2024. № 3. С. 25–40.
  16. Научные основы технологий возделывания озимых зерновых культур, рапса и кукурузы / под ред. А. А. Аутко, Ф. И. Привалова. Минск: Беларуская навука, 2021. 495 с.
  17. Нацыянальны атлас Беларусі. Мінск: Белкартаграфія, 2024. 348 с.
  18. Почвы Республики Беларусь / под ред. В. В. Лапы. Минск: ИВЦ Минфина, 2019. 632 с.
  19. Семененко Н. Н. Торфяно-болотные почвы Полесья: трансформация и пути эффективного использования. Минск: Беларуская навука, 2015. 281 с.
  20. Смеян Н. И., Цытрон Г. С. Классификация, диагностика и систематический список почв Беларуси. Минск: РУП «Институт почвоведения и агрохимии», 2007. 220 с.
  21. Смоленцева Л. А. Научно-техническая поддержка экспериментов ПАО «РКК «Энергия» с помощью наземного сегмента планирования и экспресс-анализа результатов исследований // Современ. проблемы ракетной и космич. техники: сб. ст. секции «Проблемы ракетной и космической техники» в рамках 58 Научных чтений. Казань, 2024. С. 92–101.
  22. Цытрон Г. С., Бубнова Т. В., Дробыш С. В., Горбачева Е. В. Использование показателей спектральной отражательной способности дерново-подзолистых почв в диагностике степени их антропогенной трансформации // Почвоведение и агрохимия. 2011. № 1. С. 29–36.
  23. Червань А. Н., Давидович Ю. С. Типология геосистем Белорусского Полесья // Журн. Белорусского гос. ун-та. География. Геология. 2024. № 2. С. 3–23.
  24. Шалькевич Ф. Е., Курьянович М. Ф. Тематическое дешифрирование: пособие. Минск: БГУ, 2022. 131 с.
  25. Andrew A. L. Eigenvectors of certain matrices // Linear Algebra and its Applications. 1973. V. 7. Iss. 2. P. 151–162. DOI: 10.1016/0024-3795(73)90049-9.
  26. Bai Z. D., Miao B. Q., Pan G. M. On asymptotics of eigenvectors of large sample covariance matrix // The Annals of Probability. 2007. V. 35. No. 4. P. 1532–1572. DOI: 10.1214/009117906000001079.
  27. Belgiu M., Drăguţ L. Random Forest in remote sensing: A review of applications and future directions // ISPRS J. Photogrammetry and Remote Sensing. 2016. V. 114. P. 24–31. DOI: 10.1016/j.isprsjprs.2016.01.011.
  28. Biau G., Scornet E. A random forest guided tour // TEST. 2016. V. 25. P. 197–227. DOI: 10.1007/s11749-016-0481-7.
  29. Estornell J., Martí-Gavilá J. M., Sebastiá M. T., Mengual J. Principal component analysis applied to remote sensing // Modelling in Science Education and Learning, 2013. V. 6. P. 83–89. DOI: 10.4995/msel.2013.1905.
  30. Han H., Guo X., Yu H. Variable selection using mean decrease accuracy and mean decrease Gini based on random forest // 2016 7th IEEE Intern. Conf. on Software Engineering and Service Science (ICSESS). IEEE, 2016. P. 219–224. DOI: 10.1109/ICSESS.2016.7883053.
  31. Jolliffe I. T. Principal Component Analysis. N. Y.: Springer-Verlag, 2002. 488 p. DOI: 10.1007/b98835.
  32. Jolliffe I. T., Cadima J. Principal component analysis: a review and recent developments // Philosophical Trans. Royal Soc. A: Mathematical, Physical and Engineering Sciences. 2016. V. 374. Article 20150202. DOI: 10.1098/rsta.2015.0202.
  33. Kumar S. Efficient K-mean clustering algorithm for large datasets using data mining standard score normalization // Intern. J. Recent and Innovation Trends in Computing and Communication. 2014. V. 2. Iss. 10. P. 3161–3166.
  34. Mestre X., Improved estimation of eigenvalues and eigenvectors of covariance matrices using their sample estimates // IEEE Trans. Information Theory. 2008. V. 54. No. 11. P. 5113–5129. DOI: 10.1109/TIT.2008.929938.
  35. Palacios-Orueta A., Ustin S. L. Remote sensing of soil properties in the Santa Monica Mountains. I. Spectral analysis // Remote Sensing of Environment. 1998. V. 65. No. 2. P. 170–183. DOI: 10.1016/S0034-4257(98)00024-8.
  36. Ran X., Xi Y., Lu Y. et al. Comprehensive survey on hierarchical clustering algorithms and the recent developments // Artificial Intelligence Review. 2022. V. 56. P. 8219–8264. DOI: 10.1007/s10462-022-10366-3.
  37. Uddin M. P., Mamun M. A., Hossain M. A. PCA-based feature reduction for hyperspectral remote sensing image classification // IETE Technical Review. 2021. V. 38. No. 4. P. 377–396. DOI: 10.1080/02564602.2020.1740615.
  38. Yin L., Zhang C., Liu K., Wang X. Low-tillering winter wheat cultivars are more adaptable to late sowing // J. Agricultural Science. 2020. V. 158. No. 10. P. 870–883. DOI: 10.1017/S002185962100023X.