Использование коэффициента спектральной яркости(КСЯ) и спектральной плотности энергетической яркости (СПЭЯ) при дистанционном мониторинге объектов
|
Введение 5
1. Глава 1 8
1.1. Дистанционное зондирование земли (ДЗЗ) 8
1.2. Активные источники 9
1.3. Пассивные источники 10
1.4. Электромагнитное излучение 12
1.5. Взаимодействие электромагнитного излучения с атмосферой 16
1.6. Основные характеристики спутников 19
1.7. Спутники 18
1.7.1. Спутники программы Landsat 20
1.7.2. Спутник SPOT 21
1.7.3. Спутник Ресурс-01 22
1.7.4. Спутник Электро-Л 22
2. Глава 2 25
2.1. Коэффициент спектральной яркости (КСЯ) 25
2.2. Моделирование коэффициента спектральной яркости 27
2.3. Спектральная плотность энергетической яркости (СПЭЯ) 31
2.4. Отражательная способность 31
2.5. Вегетационные индексы 33
2.6. NDVI (Normalized Difference Vegetation Index) 35
2.7. Приборы, работающие на КСЯ И СПЭЯ 40
2.7.1. Прибор MSS (спутник Landsat) 40
2.7.2. Прибор HRV (спутник SPOT) 43
2.7.3. Прибор МСУ-Э (Спутник Ресурс-01) 46
2.7.4. Микроволновые радиометры SMMR и SSM/1 46
2.7.5. Аппаратура МСУ-ГС 48
3. Глава 3 51
3.1. Методы и алгоритмы тематической обработки данных космического
дистанционного зондирования 51
3.2. Основные принципы построения систем дешифрирования ДДЗ 54
3.3. Программное обеспечение, используемое для автоматизированной
обработки данных дистанционного зондирования 55
3.4. Материалы и методы исследования 56
3.5. Результаты обработки 49
Заключение 62
Список используемых источников 65
1. Глава 1 8
1.1. Дистанционное зондирование земли (ДЗЗ) 8
1.2. Активные источники 9
1.3. Пассивные источники 10
1.4. Электромагнитное излучение 12
1.5. Взаимодействие электромагнитного излучения с атмосферой 16
1.6. Основные характеристики спутников 19
1.7. Спутники 18
1.7.1. Спутники программы Landsat 20
1.7.2. Спутник SPOT 21
1.7.3. Спутник Ресурс-01 22
1.7.4. Спутник Электро-Л 22
2. Глава 2 25
2.1. Коэффициент спектральной яркости (КСЯ) 25
2.2. Моделирование коэффициента спектральной яркости 27
2.3. Спектральная плотность энергетической яркости (СПЭЯ) 31
2.4. Отражательная способность 31
2.5. Вегетационные индексы 33
2.6. NDVI (Normalized Difference Vegetation Index) 35
2.7. Приборы, работающие на КСЯ И СПЭЯ 40
2.7.1. Прибор MSS (спутник Landsat) 40
2.7.2. Прибор HRV (спутник SPOT) 43
2.7.3. Прибор МСУ-Э (Спутник Ресурс-01) 46
2.7.4. Микроволновые радиометры SMMR и SSM/1 46
2.7.5. Аппаратура МСУ-ГС 48
3. Глава 3 51
3.1. Методы и алгоритмы тематической обработки данных космического
дистанционного зондирования 51
3.2. Основные принципы построения систем дешифрирования ДДЗ 54
3.3. Программное обеспечение, используемое для автоматизированной
обработки данных дистанционного зондирования 55
3.4. Материалы и методы исследования 56
3.5. Результаты обработки 49
Заключение 62
Список используемых источников 65
Изучение спектральных отражательных свойств ландшафта считается одним из ведущих составляющих в исследовании природной среды аэрокосмическими методами. Невозможно проектировать съемочные системы, а тем более прогнозировать результаты дистанционного зондирования земли без знания спектральных характеристик природных образований в области отражения, пропускания и поглощения падающего на них солнечного излучения.
Научные исследования в спектральных характеристик природных объектов были начаты в 30-х годах прошлого века. Первая и наиболее полная классификация объектов ландшафта по спектральным отражательным характеристикам в «фотографическом», видимом диапазоне длин волн 0,40 - 0,85 мкм была разработана в лаборатории аэрометодов под руководством Е.Л.Кринова только в 1947 году.
Эта спектрофотометрическая классификация природных образований широко применяется до сих пор. В настоящее время в литературе не имеется более поздних обобщенных данных спектральных коэффициентов яркости по всем видам природных образований, как это сделано Е.Л.Криновым. [13]
До последнего времени в дистанционном зондировании базовой основой исследования закономерностей конфигурации оптических данных объектов считается коэффициент спектральной яркости (КСЯ). Это отношение спектральной плотности энергетической яркости (СПЭЯ) объекта и образца. При применении для этих задач точечных (профильных) спектрорадиометров это обосновывалось важным взаимодействием на итоги критериев выполнения аэрокосмической или же полевой съёмки, некорректностью сравнения при этом СПЭЯ объектов. КСЯ в значимой мере избавляет эти влияния, но и вносит при вычислениях искажения характера начальных (измеренных) данных СПЭЯ. К этому не проявлялся интерес до появления в последние десятилетия видеоспектрометров - устройств, позволяющих получать спектральную информацию по площади аэрокосмической или полевой съёмки практически одновременно. Это, в свою очередь, позволяет объективно в одинаковых условиях проводить сравнение оптических характеристик в пределах площади съёмки. При этом встаёт вопрос о «потерях и искажениях» спектральной информации при вычислениях КСЯ.
Целью данной работы является исследовать использование коэффициента спектральной яркости и спектральной плотности энергетической яркости при дистанционном мониторинге объектов.
Основными задачами работы являются рассмотрение сущности и задач мониторинга, изучение приборов работающих на КСЯ И СПЭЯ, анализ снимков, полученных с помощью данных приборов.
В первой главе дано определение дистанционному зондированию земли и кратко описаны его методы. В этом разделе мы сначала обсудим некоторые важные характеристики спутников, а так же приведем примеры таких спутников как Landsat, SPOT, Ресурс-01. Спутники имеют несколько уникальных характеристик, которые делают их особенно полезными для дистанционного зондирования поверхности Земли.
Во второй главе даны определения коэффициенту спектральной яркости (КСЯ) и спектральной плотности энергетической яркости (СПЭЯ). Рассказано о моделирование коэффициента спектральной яркости (КСЯ). Так же обсудим отражательную способность и вегетационные индексы, а затем рассмотрим различные спутниковые приборы.
В третьей главе разберем методы и алгоритмы обработки данных космического дистанционного зондирования, основные принципы построения систем дешифрирования ДЗЗ, приведем примеры изображений полученных с помощью приборов HRV, МСУ-Э.
Научные исследования в спектральных характеристик природных объектов были начаты в 30-х годах прошлого века. Первая и наиболее полная классификация объектов ландшафта по спектральным отражательным характеристикам в «фотографическом», видимом диапазоне длин волн 0,40 - 0,85 мкм была разработана в лаборатории аэрометодов под руководством Е.Л.Кринова только в 1947 году.
Эта спектрофотометрическая классификация природных образований широко применяется до сих пор. В настоящее время в литературе не имеется более поздних обобщенных данных спектральных коэффициентов яркости по всем видам природных образований, как это сделано Е.Л.Криновым. [13]
До последнего времени в дистанционном зондировании базовой основой исследования закономерностей конфигурации оптических данных объектов считается коэффициент спектральной яркости (КСЯ). Это отношение спектральной плотности энергетической яркости (СПЭЯ) объекта и образца. При применении для этих задач точечных (профильных) спектрорадиометров это обосновывалось важным взаимодействием на итоги критериев выполнения аэрокосмической или же полевой съёмки, некорректностью сравнения при этом СПЭЯ объектов. КСЯ в значимой мере избавляет эти влияния, но и вносит при вычислениях искажения характера начальных (измеренных) данных СПЭЯ. К этому не проявлялся интерес до появления в последние десятилетия видеоспектрометров - устройств, позволяющих получать спектральную информацию по площади аэрокосмической или полевой съёмки практически одновременно. Это, в свою очередь, позволяет объективно в одинаковых условиях проводить сравнение оптических характеристик в пределах площади съёмки. При этом встаёт вопрос о «потерях и искажениях» спектральной информации при вычислениях КСЯ.
Целью данной работы является исследовать использование коэффициента спектральной яркости и спектральной плотности энергетической яркости при дистанционном мониторинге объектов.
Основными задачами работы являются рассмотрение сущности и задач мониторинга, изучение приборов работающих на КСЯ И СПЭЯ, анализ снимков, полученных с помощью данных приборов.
В первой главе дано определение дистанционному зондированию земли и кратко описаны его методы. В этом разделе мы сначала обсудим некоторые важные характеристики спутников, а так же приведем примеры таких спутников как Landsat, SPOT, Ресурс-01. Спутники имеют несколько уникальных характеристик, которые делают их особенно полезными для дистанционного зондирования поверхности Земли.
Во второй главе даны определения коэффициенту спектральной яркости (КСЯ) и спектральной плотности энергетической яркости (СПЭЯ). Рассказано о моделирование коэффициента спектральной яркости (КСЯ). Так же обсудим отражательную способность и вегетационные индексы, а затем рассмотрим различные спутниковые приборы.
В третьей главе разберем методы и алгоритмы обработки данных космического дистанционного зондирования, основные принципы построения систем дешифрирования ДЗЗ, приведем примеры изображений полученных с помощью приборов HRV, МСУ-Э.
В данной работе были изложены базовые понятия дистанционного зондирования, физические основы дистанционных методов зондирования Земли. Освещено понятие коэффициента спектральной яркости и спектральной плотности энергетической яркости, электромагнитного излучения и его взаимодействие с атмосферой, а так же с подстилающей поверхностью и т. д. Кроме этого, рассмотрены основные технологии получения снимков и наиболее важные характеристики сканеров, описаны этапы предварительной обработки цифровых снимков, классификации и визуального дешифрирования снимков.
Главным преимуществом вегетационных индексов является легкость их получения и широкий диапазон решаемых с их помощью задач. Так, NDVI часто используется как один из инструментов при проведении более сложных типов анализа, результатом которых могут являться карты продуктивности лесов и сельскохозяйственных земель, карты ландшафтов и природных зон, почвенные, аридные, фито-гидрологические, фенологические и другие эколого-климатические карты. Также на его основе возможно получение численных данных для использования в расчетах оценки и прогнозирования урожайности и продуктивности, биологического разнообразия, степени нарушенности и ущерба от различных стихийных бедствий, техногенных аварий и т. д.
Следует отметить, что любые вегетационные индексы не дают абсолютных количественных показателей исследуемого свойства, и их значения зависят от характеристик сенсора (ширина спектральных каналов, разрешения), условий съемки, освещенности, состояния атмосферы. Они дают только относительные оценки свойств растительного покрова, которые могут быть интерпретированы и с привлечением полевых данных пересчитаны в абсолютные. Многие индексы, корректирующие влияние почвы, требуют предварительной атмосферой коррекции. Если вы планируете использовать вегетационные индексы для долговременного мониторинга, вы должны очень внимательно проанализировать вариабельность почв и выполнить атмосферную коррекцию.
Совокупность технических средств и технологических процессов космической съемки образует информационную систему получения сведений о земной поверхности, необходимых для изучения природных ресурсов, мониторинга различных природных процессов, охраны окружающей среды, решения других народнохозяйственных и научных задач. Рассмотрена спектральная область от 400 до 2500 нм, включающая ближний ИК участок спектра. Данные работы дают возможность составить общее представление о закономерностях формирования поля восходящих отраженных излучений. Дальнейшие исследования в данной области должны быть натравлены на получение экспериментальных данных, которые бы в итоге позволили разработать общенаучный и специализированные статистически обеспеченные каталоги оптических характеристик природных и искусственных объектов.
Главным преимуществом вегетационных индексов является легкость их получения и широкий диапазон решаемых с их помощью задач. Так, NDVI часто используется как один из инструментов при проведении более сложных типов анализа, результатом которых могут являться карты продуктивности лесов и сельскохозяйственных земель, карты ландшафтов и природных зон, почвенные, аридные, фито-гидрологические, фенологические и другие эколого-климатические карты. Также на его основе возможно получение численных данных для использования в расчетах оценки и прогнозирования урожайности и продуктивности, биологического разнообразия, степени нарушенности и ущерба от различных стихийных бедствий, техногенных аварий и т. д.
Следует отметить, что любые вегетационные индексы не дают абсолютных количественных показателей исследуемого свойства, и их значения зависят от характеристик сенсора (ширина спектральных каналов, разрешения), условий съемки, освещенности, состояния атмосферы. Они дают только относительные оценки свойств растительного покрова, которые могут быть интерпретированы и с привлечением полевых данных пересчитаны в абсолютные. Многие индексы, корректирующие влияние почвы, требуют предварительной атмосферой коррекции. Если вы планируете использовать вегетационные индексы для долговременного мониторинга, вы должны очень внимательно проанализировать вариабельность почв и выполнить атмосферную коррекцию.
Совокупность технических средств и технологических процессов космической съемки образует информационную систему получения сведений о земной поверхности, необходимых для изучения природных ресурсов, мониторинга различных природных процессов, охраны окружающей среды, решения других народнохозяйственных и научных задач. Рассмотрена спектральная область от 400 до 2500 нм, включающая ближний ИК участок спектра. Данные работы дают возможность составить общее представление о закономерностях формирования поля восходящих отраженных излучений. Дальнейшие исследования в данной области должны быть натравлены на получение экспериментальных данных, которые бы в итоге позволили разработать общенаучный и специализированные статистически обеспеченные каталоги оптических характеристик природных и искусственных объектов.