Том 29, номер 07, статья № 1

Козодеров В. В., Дмитриев Е. В. Прямые и обратные задачи самолетного гиперспектрального зондирования. // Оптика атмосферы и океана. 2016. Т. 29. № 07. С. 533-540. DOI: 10.15372/AOO20160701.    PDF
Скопировать ссылку в буфер обмена

Аннотация:

С целью развития когнитивных технологий распознавания лесной растительности разного породного состава и возраста при обработке гиперспектральных самолетных изображений рассмотрены особенности формирования получаемых изображений с помощью оптических приемных устройств, а также модели описания регистрируемых спектров и восстановления параметров лесного покрова. Показаны характерные условия решения прямых задач в виде зависимости спектрального функционала от оптических свойств лесного полога и обратных задач восстановления объема фитомассы лесной растительности и параметров ее биологической продуктивности в возможных приложениях этих параметров в моделях климата.

Ключевые слова:

дистанционное зондирование, обработка гиперспектральных изображений, распознавание лесной растительности, восстановление параметров, прямые и обратные задачи

Список литературы:

1. Kozoderov V.V., Dmitriev E.V., Sokolov A.A. Improved technique for retrieval of forest parameters from hyperspectral remote sensing data // Opt. Express. 2015. V. 23, N 24. P. A1342–A1353.
2. Козодеров В.В., Косолапов В.С. Обратные задачи атмосферной оптики: приложения к оценке параметров // Оптика атмосф. и океана. 1993. Т. 6, № 5. С. 529–538.
3. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Kamentsev V.P. Bayesian classifier applications of airborne hyperspectral imagery processing for forested areas // Adv. Space Res. 2015. V. 55, N 11. P. 2657–2667.
4. Козодеров В.В., Дмитриев Е.В., Каменцев В.П. Когнитивные технологии обработки оптических изображений высокого пространственного и спектрального разрешения // Оптика атмосф. и океана. 2014. Т. 27. № 7. С. 593–600; Kozoderov V.V., Dmitriev E.V., Kamentsev V.P. Cognitive technologies for processing optical images of high spatial and spectral resolution // Atmos. Ocean. Opt. 2014. V. 27, N 6. P. 558–565.
5. Kozoderov V.V., Dmitriev E.V., Sokolov A.A. Cognitive technologies in optical remote sensing data processing // Climate & Nature. 2015. N 1(2). P. 5–45.
6. Козодеров В.В., Дмитриев Е.В. Дистанционное зондирование лесного покрова: инновационный подход // Вестник Московского государственного университета леса – Лесной Вестник. 2012. № 1(84). С. 19–33.
7. Козодеров В.В., Дмитриев Е.В., Каменцев В.П. Система обработки данных самолетного зондирования высокого спектрального и пространственного разрешения // Исслед. Земли из космоса. 2013. № 6. С. 57–64.
8. Козодеров В.В., Кондранин Т.В., Дмитриев Е.В. Методы обработки многоспектральных и гиперспектральных аэрокосмических изображений. Учебное пособие. М.: МФТИ, 2013. 224 c.
9. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Sokolov A.A. Retrieval of forest attributes using optical airborne remote sensing data // Opt. Express. 2014. V. 22, N 13. P. 15410–15423.
10. Kozoderov V.V., Kondranin T.V., Dmitriev E.V., Kamentsev V.P. A system for processing hyperspectral imagery: Application to detecting forest species // Int. J. Remote Sens. 2014. V. 35, N 15. P. 5926–5945.
11. Kozoderov V.V., Dmitriev E.V. Remote sensing of soils and vegetation: Pattern recognition and forest stand structure assessment // Int. J. Remote Sens. 2011. V. 32, N 20. P. 5699–5717.
12. Козодеров В.В. Особенности реализации моделей оценки фитомассы растительности по наблюдениям из космоса // Исслед. Земли из космоса. 2006. № 2. С. 79–88.
13. Tompsett M.F., Amelio G.F., Bertram W.J. Jr., Buckley R.R., McNamara W.J., Mikkelsen J.C. Jr., Sealer D.A. Charge-coupled imaging devices: Experimental results // IEEE Trans. Electron. Devices. 1971. V. 18, N 11. P. 992–996. 
14. Goetz A.F.H., Vane G., Solomon J.E., Rock B.N. Imaging spectrometry for Earth remote sensing // Science. 1985. V. 228, iss. 4704. P. 1147–1153.
15. Козодеров В.В., Кондранин Т.В., Дмитриев Е.В., Казанцев О.Ю., Персев И.В., Щербаков М.В. Обработка данных гиперспектрального аэрокосмического зондирования // Исслед. Земли из космоса. 2012. № 5. С. 3–11.
16. Vane G., Goetz A.F.H. Terrestrial imaging spectroscopy // Remote Sens. Environ. 1988. V. 24. P. 1–29.
17. Thenkabail P.S., Enclonab E.A., Ashtonb M.S., Van Der Meerd B. Accuracy assessments of hyperspectral waveband performance for vegetation analysis applications // Remote Sens. Environ. 2004. V. 91. P. 354–376.
18. Bunting P., Lucas R. The delineation of tree crowns in Australian mixed species forests using hyperspectral Compact Airborne Spectrographic Imager (CASI) data // Remote Sens. Environ. 2006. V. 101. P. 230–248.
19. Suits G.H. The calculation of directional reflectance of a vegetation canopy // Remote Sens. Environ. 1972. V. 2. P. 117–125.
20. Verhoef W. Light scattering by leaf layers with application to canopy reflectance modeling: The SAIL model // Remote Sens. Environ. 1984. V. 16. P. 125–141.
21. Goel N.S. Models of vegetation canopy reflectance and their use in estimation of biophysical parameters from reflectance data // Remote Sens. Rev. 1988. V. 4. P. 1–212.
22. Roberts G. A review of the application of BRDF models to infer land cover parameters at regional and global scales // Progress Phys. Geog. 2001. V. 25, N 4. P. 483–511.
23. Rosema A., Verhoef W., Noorbergen H., Borgesius J.J. A new forest light interaction model in support of forest monitoring // Remote Sens. Environ. 1992. V. 42. P. 23–41.
24. Gastellu-Etchegorry J.P., Demarez V., Pinel V., Zagolski F. Modelling radiative transfer in heterogenous 3-D vegetation canopies // Remote Sens. Environ. 1996. V. 58. P. 131–156.
25. Kozoderov V.V., Kosolapov V.S. Modelling the fields of outgoing solar radiation from a forest vegetation canopy // Earth Observ. Remote Sens. 1997. V. 14, N 6. P. 959–971
26. Тарасенков М.В., Белов В.В. Комплекс программ восстановления отражательных свойств земной поверхности в видимом и УФ-диапазонах // Оптика атмосф. и океана. 2014. Т. 27, № 7. С. 622–627; Tarasenkov M.V., Belov V.V. Software packade for reconstructing reflective properties of the Earth’s surface in the visible and UV ranges // Atmos. Ocean. Opt. 2015. V. 28, N 1. P. 89–94.
27. Zarco-Tejada P.J., Miller J.R., Harron J., Hu B., Noland T.L., Goel N., Mohammed G.H., Sampson P. Needle chlorophyll content estimation through model inversion using hyperspectral data from boreal conifer forest canopies // Remote Sens. Environ. 2004. V. 89. P. 189–199.
28. North P. Estimation of fAPAR, LAI and vegetation fractional cover from ATSR-2 imagery // Remote Sens. Environ. 2002. V. 80. P. 114−121.