Космическое землеведение: информационно-динамические исследования Садовничий В.А., Козодеров В.В., Ушакова Л.А., Ушаков С.А. МГУ им.М.В.Ломоносова E-mail:

Презентация:



Advertisements
Похожие презентации
Мониторинг растительного покрова 1.Засуха 1998 года (Самарская область)Засуха 1998 года (Самарская область) 2.Лесопарковая зона южнее Мюнхена (Германия)Лесопарковая.
Advertisements

ОПРЕДЕЛЕНИЕ ДИНАМИКИ ИЗМЕНЕНИЯ ДИФФЕРЕНЦИАЛЬНОГО АЛЬБЕДО ТЕРРИТОРИИ Исаков Сергей Викторович Аспирант кафедры метеорологии и охраны атмосферы ПГНИУ.
Дешифровка снимков. Космический этап съемки Земли завершается передачей снимков на наземные пункты, где они дешифрируются. Дешифрирование - это распознавание.
Лесоизбыточные районы России 1.Архангельская областьАрхангельская область 2.Республика КомиРеспублика Коми 3.Красноярский крайКрасноярский край 4.Хабаровский.
Засуха 1.Состояние растительности Австралии в апреле 2007 г.Состояние растительности Австралии в апреле 2007 г. 2.Южная Африка в незасушливый и засушливый.
Практические аспекты обучения нейронных классификаторов для распознавания объектов на космических снимках высокого разрешения Гамбарова Е.М. НИИ Аэрокосмической.
Природные зоны Австралии 1.ЛесаЛеса 2.Саванны и редколесьяСаванны и редколесья 3.Полупустыни и пустыниПолупустыни и пустыни КРАТКОЕ ТЕМАТИЧЕСКОЕ ОПИСАНИЕ.
Результаты регионального космомониторинга атмосферного аэрозоля по данным NOAA/AVHRR Белов В.В., Афонин С.В. Институт оптики атмосферы СО РАН ,Томск,
Районы лесозаготовок на территории России 1.Архангельская областьАрхангельская область 2.Иркутская областьИркутская область 3.Республика КарелияРеспублика.
Наводнения, паводки и межень на реках России 1.Реки Обской и Тазовской губ (половодье)Реки Обской и Тазовской губ (половодье) 2.Река Обь (паводок и межень)Река.
Экологические проблемы индустриальных и сельскохозяйственных районов 1.Кольский полуостров. Загрязнение водоёмовКольский полуостров. Загрязнение водоёмов.
4 разрешения в ДЗЗ. В наше время на орбитах вокруг Земли вращаются одновременно сотни различных спутников, осуществляющих наблюдение и съемку ее поверхности.
Растительные сообщества Московского региона 1.Талдомский районТалдомский район 2.Можайский районМожайский район 3.Каширский районКаширский район 4.Орехово-Зуевский.
Высотная поясность в Кордильерах 1.КанадаКанада 2.СШАСША 3.МексикаМексика КРАТКОЕ ТЕМАТИЧЕСКОЕ ОПИСАНИЕ.
Растительные сообщества суши 1.Лесотундра (Канада)Лесотундра (Канада) 2.Болота Западной Сибири (Россия)Болота Западной Сибири (Россия) 3.Лесостепь (Украина)Лесостепь.
Защита природных объектов 1.Рекультивация земельРекультивация земель 2.Террасирование склоновТеррасирование склонов 3.Дернование овраговДернование оврагов.
Северный лесной пояс 1.Британская Колумбия (Канада)Британская Колумбия (Канада) 2.Леса Скандинавии (граница Швеции и Финляндии)Леса Скандинавии (граница.
Корреляционный анализ детерминированных дискретных сигналов.
Телегина А.А. Географический факультет МГУ имени М.В.Ломоносова Использование методов дистанционного зондирования в задачах исследования снежного покрова.
ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ДИСТАНЦИОННОГО ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ПЕРВИЧНОЙ ПРОДУКТИВНОСТИ В СИСТЕМАХ МОНИТОРИНГА ОКЕАНА Всероссийский научно-исследовательский.
Транксрипт:

Космическое землеведение: информационно-динамические исследования Садовничий В.А., Козодеров В.В., Ушакова Л.А., Ушаков С.А. МГУ им.М.В.Ломоносова ПЛАН ДОКЛАДА Особенности решения обратных задач оценки параметров состояния природных образований по данным их наблюдения из космоса. Некоторые примеры получения новой информационной продукции обработки многоспектральных спутниковых изображений растительного покрова суши и фитопланктона океана. Информационно-динамические модели описания фенологического развития растительности как комбинационно активной среды.

ИСХОДНЫЕ ПОЛОЖЕНИЯ Существующие технологии географических информационных систем (ГИС) обработки многоспектральных спутниковых изображений основаны на концепции «вегетационных индексов», но имеются возможности получения новой информационной продукции для каждого элемента изображений в терминах тех параметров состояния, которые характеризуют состояние почвенно-растительного покрова суши и фитопланктона океана и которые определяются специалистами- биологами на дискретных тестовых участках. Применение методов нелинейной оптики комбинационно активных сред позволяет находить функции преобразования спектров падающего солнечного излучения в спектры отраженного излучения для соответствующих классов состояния растительности суши и океана. Имеется необходимость развития новых подходов к построению информационно-динамических моделей описания наблюдаемых на многоспектральных изображениях изменений состояния объектов с помощью операторных уравнений для основных характеристик (корреляционные и спектральные функции, матрицы плотности и собственных энергий и др.) исследуемых статистических ансамблей выделяемых в процессе обработки классов объектов.

ОБРАТНЫЕ ЗАДАЧИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ Исходный функционал J ij {F (n) [(, ); 0 ; A; M (П k )]} M ij мгновенных значений яркости для строк и столбцов (i, j) многоспектральных изображений оптического диапазона (n измерительных каналов) при заданных углах визирования (, ), зенитного угла Солнца 0, состояния атмосферы А (прозрачность + яркость дымки) и функции чувствительности F соответствующей измерительной системы преобразуется в предметно-специфические характеристики природных объектов M ij, инвариантные относительно угловых условий съемки и визирования этих объектов. Проблема предсказуемости глобальных и региональных изменений – это проблема нахождения статистической значимости кросс-корреляций аномалий значений M ij (t) при анализе временных рядов спутниковых наблюдений.

РАСТИТЕЛЬНОСТЬ Значения M ij для каждого элемента разрешения - это объем зеленой фитомассы, зависящей от набора текущих параметров П k, число которых k (например, для лесных экосистем это сомкнутость полога и ажурность крон деревьев). Изображение тестового участка территории Финляндии 40 км х 40 км, полученное 20 июня 2000 года аппаратурой ETM+ спутника Landsat-7 и представленное в близких к естественным цветах. Черный цвет – водоемы; интуитивно более темно-зеленые тона характеризуют хвойные породы (ель более темная, чем сосна), более светло-зеленые тона – лиственные породы (преобладание осины), а светлые пятна с красноватыми оттенками – вырубки, кустарники и подлесок.

Спектральные каналы (СК) аппаратуры ETM+ Landsat-7 СК, мкм 0,45-0,52 0,53-0,61 0,63-0,69 0,78-0,90 1,55-1,75 2,09-2,35

Спектральное распределение отражательной способности: листьев осины (слева), хвои ели (справа). Спектральное распределение отражательной способности: хвои сосны (слева), кустарниковой растительности (справа).

ПРИМЕНЕНИЕ НОВЕЙШИХ ТЕХНОЛОГИЙ ВОССТАНОВЛЕНИЯ ЗНАЧЕНИЙ Mij Открытые места (трава и кустарники), менее 6 т/га Сплошной покров, хвойные породы (преобладание ели), менее 18 т/га Сплошной покров, листвен-ные породы, менее 12 т/га Хвойные породы с большим запасом фитомассы (более 18 т/га) Смешанный лес, (12-18) т/гаОткрытая вода

МИРОВОЙ ОКЕАН (данные обработки текущих измерений) Глобальное распределение концентрации хлорофилла в водах Мирового океана по данным аппаратуры MODIS спутника Terra на дату 1 декабря 2000 года (цветовая шкала соответствует десятичному логарифму концентрации; в частности, голубой цвет соответствует значениям этого логарифма от –2 до +2). Величины Mij - это содержание хлорофилла (специфического пигмента фитопланктона) в воде; изменяются от минимальных значений (10-3 мг/м3) до максимальных значений (60 мг/м3).

Глобальное распределение первичной продукции океана dMij/dt (в Гигатоннах углерода на квадратный метр в год) по данным аппаратуры SeaWiFS за 2000 год

ВЗАИМОДЕЙСТВИЕ СОЛНЕЧНОГО ИЗЛУЧЕНИЯ С КОМБИНАЦИОННО АКТИВНЫМИ СРЕДАМИ (ВЕГЕТИРУЮЩАЯ РАСТИТЕЛЬНОСТЬ)

ОБЩАЯ СХЕМА ФОРМИРОВАНИЯ ПОЛЯ ОТРАЖЕННОГО ИЗЛУЧЕНИЯ

СПЕКТРАЛЬНАЯ И КОРРЕЛЯЦИОННАЯ МАТРИЦЫ

УРАВНЕНИЯ ЭВОЛЮЦИИ СЛОЖНЫХ СИСТЕМ

СВЯЗЬ С ТЕОРИЕЙ ПЕРЕНОСА

ЭТАПЫ ПРОВЕДЕНИЯ ПОДСПУТНИКОВЫХ ЭКСПЕРИМЕНТОВ ТИПА FIFE Упрощенная модель SiB (Simple Biosphere) – основа совместного использования данных дистанционного зондирования и спутниковых измерений Отдельные разделы FIFE: Коррекция-калибровка разных типов измерительной аппаратуры, включая наземные солнечные спектрофотометры и др. Измерение радиационных и тепловых потоков на выбранных тестовых участках земной поверхности Нахождение связей между радиационными и биологическими характеристиками выбранных образцов растительности и почв Дистанционное и наземное определение влажности почв Исследование процессов в атмосферном пограничном слое (температура и влажность разных слоев атмосферы, параметры аэрозольных частиц и др.)

Выделение отдельных классов объектов (стандартные процедуры распознавания образов, расчет NDVI и др.) Определение биомассы растительного покрова (LAI) для каждого элемента обрабатываемого изображения на основе предлагаемых новых подходов Построение информационно-динамических моделей функционирования экосистем А) Нахождение функций преобразования спектральных характеристик падающего солнечного излучения в спектральные характеристики разных классов состояния вегетирующей растительности Б) Уточнение спектральных и корреляционных функций исследуемых статистических ансамблей состояния экосистем и их связей с экофизиологическими параметрами состояния этих экосистем ЭТАПЫ ИНФОРМАЦИОННО-ДИНАМИЧЕСКИХ ИССЛЕДОВАНИЙ СОСТОЯНИЯ И ИЗМЕНЕНИЙ НАЗЕМНЫХ ЭКОСИСТЕМ ПО МНОГОСПЕКТРАЛЬНЫМ СПУТНИКОВЫМ ИЗОБРАЖЕНИЯМ

ВЫВОДЫ Показаны возможности получения новой информационной продукции при обработке многоспектральных изображений в терминах параметров состояния (для почвенно-растительного покрова – объем фитомассы в т/га, для океана – содержание фитопланктона в мг/куб. м), инвариантных относительно условий солнечного освещения соответствующих объектов биосферы, их визирования из космоса и состояния атмосферы. Обоснованы модели описания условий формирования спектральной отражательной способности наблюдаемых объектов по спектральным характеристикам падающего солнечного излучения с учетом флуктуаций предметно- специфических параметров («плотность полога – ажурность крон деревьев» для лесных экосистем). Перспективы программ типа NEESPI – в развитии программ спутниковых и наземных наблюдений экосистем с использованием предлагаемых информационно-динамических моделей оценки параметров состояния наблюдаемых объектов и их изменчивости.