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. 2008. В.5. Т.1. С. 181-188

Комплексирование радиолокационных данных для решения задач спутникового мониторинга

А.Ю. Шелестов 1, С.В. Скакун 1, Ю.Г. Тищенко 2
1 Институт космических исследований НАНУ-НКАУ, 03680 Киев, Украина, пр-т Глушкова 40, корп. 4/1
2 Фрязинский филиал Института радиотехники и электроники РАН, 141190 Московская обл., г. Фрязино, пл. акад. Введенского, 1
В работе предложен подход для определения затопленных территорий на основе радиолокационных
данных. Для сегментации и классификации спутниковых изображений используются нейронные сети ⎯
самоорганизующиеся карты Кохонена. Предложенный подход верифицирован для данных, полученных
радиолокаторами с синтезированной апертурой с трех разных спутников: ERS-2 (во время наводнения на
р. Тиса в марте 2001 г.), Envisat/ASAR WSM и Radarsat-1 (во время наводнений на р. Хуайхе, Китай, в июле
2007 г.). Для реализации предложенного подхода и эффективного управления данными используется Grid-
технология.
Полный текст

Список литературы:

  1. Corbley K.P. Radar Imagery Proves Valuable in Managing and Analyzing Floods Red River flood demonstrates operational capabilities. Earth Observation Magazine. 1999. Vol. 8, num. 10.
  2. Elachi C. Spaceborne Radar Remote Sensing: Applications and Techniques // New York: IEEE Press, 1988.
  3. Rees W.G. Physical Principles of Remote Sensing // Cambridge University Press, 2001.
  4. Haykin S. Neural Networks: A Comprehensive Foundation // Upper Saddle River, New Jersey: Prentice Hall, 1999. 824 p.
  5. Kohonen T. Self-Organizing Maps // Series in Information Sciences, Vol. 30. Springer, Heidelberg, 1995.
  6. Cunjian Y., Yiming W., Siyuan W., Zengxiang Z., Shifeng H. Extracting the flood extent from satellite SAR image with thesupport of topographic data // Proc. of International Conference on Information Technology and Information Networks (ICII 2001). Beijing, China. Volume 1. P. 87-92.
  7. Csornai G., Suba Zs., Nador G., Laszlo I., Csekх Б., Wirnhardt Cs., Tikбsz L., Martinovich L. Evaluation of a remote sensing based regional flood/waterlog and drought monitoring model utilising multi-source satellite data set including ENVISAT data // Proc. of the 2004 ENVISAT & ERS Symposium. Salzburg, Austria. 2004 (ESA SP-572).
  8. Laur H., Bally P., Meadows P., Sanchez J., Schaettler B., Lopinto E., Esteban D. ERS SAR Calibration: Derivation of the Backscattering Coefficient in ESA ERS SAR PRI Products // ES-TN-RSPM- HL09 05. 2004. Issue 2, Rev. 5f.
  9. Rosich B., Meadows P. Absolute calibration of ASAR level 1 products generated with PF-ASAR // ESA-ESRIN, ENVI-CLVL-EOPG-TN-03-0010. 2004.
  10. Gonzalez R.C., Woods R.E. Digital Image Processing // Prentice Hall, Upper Saddle River: New Jersey, 2002. 793 p.
  11. Low A., Ludwig R., Mauser W. Use of microwave remote sensing data to monitor spatio temporal characteristics of surface soil moisture at local and regional scales // Advances in Geosciences. 2005. Vol. 5. Р. 49-56.
  12. Арманд А.Н., Тищенко Ю.Г., Аблязов В.С., Халдин А.А. Спутниковая СВЧ радиометрия L- диапазона // Современные проблемы дистанционного зондирования Земли из космоса: Физиче- ские основы, методы и технологии мониторинга окружающей среды, потенциально опасных объ- ектов и явлений. Сборник научных статей. М.: ООО «Азбука-2000», 2006. Вып. 3. Т. 1. С. 221-223.