WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

Чимитдоржиев Тумэн Намжилович

ОПТИКО-МИКРОВОЛНОВЫЕ МЕТОДЫ ДИСТАНЦИОННОГО КОНТРОЛЯ ЛЕСНЫХ РЕСУРСОВ

Специальность 05.11.13 - Приборы и методы контроля природной среды, веществ, материалов и изделий

Автореферат диссертации на соискание ученой степени доктора технических наук

Красноярск - 2008

Работа выполнена в Отделе физических проблем при Президиуме Бурятского научного центра СО РАН.

Научный консультант – академик РАН, доктор технических наук, профессор Бондур Валерий Григорьевич

Официальные оппоненты: доктор технических наук, профессор Кашкин Валентин Борисович доктор физико-математических наук, профессор Бобров Павел Петрович доктор технических наук, профессор Романов Андрей Николаевич Ведущая организация – ФГУП Государственный научноисследовательский и производственный центр "Природа" (Госцентр "Природа").

Защита состоится 6 ноября 2008 г. в 14 часов в аудитории Г4-18 на заседании диссертационного совета ДМ 212.099.05 при Институте космических и информационных технологий ФГОУ ВПО «Сибирский федеральный университет» по адресу: г.

Красноярск, ул. академика Киренского, 26. Тел. (3912) 91-21-94, факс (3912) 91-21-98.

С диссертацией можно ознакомиться в библиотеке Института космических и информационных технологий ФГОУ ВПО «Сибирский федеральный университет».

Автореферат разослан ______________ 2008 г.

Ученый секретарь диссертационного совета кандидат технических наук, профессор Е.А. Вейсов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы В последние годы отмечается устойчивая тенденция по увеличению количества спутников, оборудованных радиолокационной аппаратурой, а также мультиспектральными и гиперспектральными сенсорами оптического диапазона. Существующие методы обработки космической информации для исследования лесов предусматривают, как правило, независимый анализ изображений, полученных в разных диапазонах спектра. При этом практически не изучены вопросы комплексного использования многоспектральных оптических и микроволновых данных для контроля лесных ресурсов.

Суть решаемой в диссертации научной проблемы сводится к дистанционному исследованию био- и геофизических параметров древесных насаждений с использованием мультиспектральных оптических и поляриметрических радиолокационных изображений, что позволит более точно оценить состояние и прогнозировать динамику изменений лесов, а также классифицировать их по степени рентабельности для намечаемого лесопользования. При этом появляется возможность одновременного исследования ряда важных характеристик лесных ресурсов, таких как содержание хлорофилла в листве (хвое); проективное покрытие листвой; полнота древостоя; объем биомассы на единицу площади и прочих таксационных параметров.

Таким образом, актуальность решаемой проблемы определяется, с одной стороны, необходимостью развития эффективных методов контроля лесных ресурсов, с учетом их реальных спектральных и пространственных особенностей, а с другой стороны, недостаточным развитием в настоящее время методов и технологий комплексного анализа аэрокосмических данных, полученных в различных диапазонах спектра электромагнитных волн, которые обеспечивают определение значимых характеристик растительности.

В настоящей диссертационной работе объектом исследования являются неоднородные природные среды, каковыми являются лесные сообщества. В качестве предмета исследования выбрана методология комплексного анализа радиолокационных и оптических спутниковых изображений для целей мониторинга состояния и динамики изменения лесных ресурсов.

Для решения поставленной проблемы в качестве методов исследования используются методы кластерного, корреляционного и текстурного анализов, геоинформационные технологии, а также и фрактальный подход, являющийся развитием методов текстурного анализа.

Цель работы заключается в создании научных основ комплексирования данных многодиапазонного аэрокосмического зондирования для контроля за био- и геофизическими параметрами лесных ресурсов.

В соответствии с поставленной целью задачи исследования представляются в следующем виде:

• обоснование совместного использования данных оптического и микроволнового диапазонов для более полного описания состояния лесных ресурсов;

• разработка и усовершенствование наиболее адекватных методов и алгоритмов тематической и проблемно-ориентированной обработки поляриметрических радарных и многоспектральных оптических изображений;

• выявление основных закономерностей двумерных распределений яркости исходных оптических и радиолокационных изображений, производных от них и дисперсий яркости для различных пространственных масштабов, полученных специфичными для каждого диапазона методами;

• создание эффективных, физически обоснованных методов синтеза разнородной пространственной информации для улучшения возможностей тематического дешифрирования аэрокосмических изображений различных диапазонов спектра в целях мониторинга лесных ресурсов.

Научные положения, выносимые на защиту:

- Концепция радарных индексов интерферометрической когерентности, основанная на обобщенной методологии анализа многоспектральных оптических данных, которая улучшает точность оценки таксационных параметров равнинных лесов до 70 %.

- Трехканальный метод обработки многозональных оптических изображений, корректирующий влияние аддитивной и мультипликативной составляющих помехи, при условии их равных значений во всех каналах, обеспечивающий однозначное разделение почвенных и растительных покровов по пороговому значению, выраженному в виде перехода от отрицательных к положительным величинам.

- Эффективные технологии обнаружения лесных аномалий, основанные на предложенных методах синтезирования массивов УЭПР или интерферометрической когерентности радиолокационных изображений, а также соответствующих значений вегетационных индексов, полученных по многоспектральным оптическим изображениям, которые улучшают разделение перекрывающихся кластеров на величину до 45%.

- Новая поляризационная сигнатура пространственных разномасштабных флуктуаций обратного радарного рассеяния, позволяющая классифицировать земные покровы по степени неоднородности и оценить их характерную геометрическую структуру.

- Методология количественной оценки низкочастотных вариаций разности фаз сополяризованных радиолокационных сигналов, обеспечивающая разделение исходного одномодального распределения на три моды и позволяющая при автоматизированной классификации выделять леса с преобладающими диаметрами стволов деревьев менее 12 см.

Научная новизна заключается в разработке новых подходов и методов дистанционного контроля био- и геофизических параметров лесных ресурсов при совместном использовании аэрокосмических изображений радио и оптического диапазонов спектра. В частности:

• разработана концепция совместного использования оптических и радарных изображений для мониторинга лесных ресурсов путем одновременного учета интерферометрической когерентности на различных поляриметрических комбинациях, а также характерного для оптического диапазона двумерного распределения яркостей, являющегося обобщением метода расчета индексов вегетации;

• предложен новый метод классификации основных типов земных покровов по 8битовым изображениям, в котором учитывается форма спектральной кривой, восстанавливаемой по трем ключевым каналам, и корректируется влияние двух составляющих шума, неизвестных, но одинаковых во всех анализируемых спектральных диапазонах;

• разработана технология комплексирования в одном изображении спектральных особенностей отражения в оптическом диапазоне и величин обратного радарного рассеяния в дециметровом диапазоне длин волн, позволяющая одновременно оце нивать состояние лесных массивов по уровням неоднородностей микронного и дециметрового масштабов;

• предложен метод синтеза разнородных спутниковых данных, основанный на установленной высокой положительной корреляции значений интерферометрической когерентности на согласованных поляризациях с изображениями индексов, характеризующих свойства почв в оптическом диапазоне, и отрицательной корреляции с индексами, связанными с биологическими параметрами растительности;

• впервые предложен метод классификации земных покровов по степени шероховатости и объемной неоднородности на основе количественной оценки разномасштабных пространственных флуктуаций обратного радарного рассеяния при различных углах наклона линейной поляризации на приеме, обеспечивающий возможность оценки преобладающей геометрической структуры пространственных неоднородностей леса;

• установлено, что высокочастотные пространственные флуктуации разности фаз сополяризованных радиосигналов искажают самоподобную структуру изображений, а низкочастотные вариации несут дополнительную информацию об объекте исследования и поэтому должны учитываться при контроле лесных ресурсов.

Результаты диссертационной работы могут быть использованы для:

• создания и модернизации аэрокосмических систем междисциплинарного мониторинга состояния и динамики изменения лесных ресурсов;

• разработки новых автоматизированных технологий формирования и обновления материалов лесоустройства;

• развития фундаментальных основ новых геоинформационных технологий многодиапазонного зондирования природной среды.

Практическая значимость и использование результатов исследований. Результаты диссертации имеют практическое значение для комплексной оценки состояния лесных ресурсов с учетом содержания хлорофилла, определенного по мультиспектральным оптическим изображениям, а также объема надземной биомассы и геометрической структуры природных неоднородностей, определяемых по поляриметрическим радиолокационным данным. Комплексирование многодиапазонных данных позволяет более полно и точно оценить различные аномалии в лесных сообществах. Полученные в диссертационной работе выводы дополняют и расширяют существующие представления о возможностях аэрокосмических методов мониторинга таких неоднородных природных сред, как леса.

Значительная часть результатов диссертации использована при проведении работ в рамках: Международного целевого комплексного проекта «Природа» на базе одноименного модуля орбитальной станции «Мир» (1996-1998гг.); интеграционного комплексного проекта СО РАН №13 «Аэрокосмическая радиолокация и радиометрия» (2003-2006 гг.); проекта «Разработка методов космической радиолокации и радиометрии территории Сибири» по Федеральной целевой программе «Интеграция» 2002-2006 гг.; комплексного проекта «Технологии оценки состояния и динамики растительных ресурсов наземных экосистем на основе дистанционного мониторинга» в рамках Федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технического комплекса России на 2007–20гг.»; проектов РФФИ-Байкал №№ 05-02-97201, 05-02-97205; РФФИ-Сибирь №№ 0802-98003, 08-02-98010; программы фундаментальных исследований СО РАН на 20072009 гг. «Радиофизические методы диагностики окружающей среды».

Материалы диссертации применялись для оперативного обновления лесоустроительного материала в Байкало-Кударинском лесничестве Кабанского лесхоза Республики Бурятия, при создании цифровых тематических карт особо охраняемых природных территорий по договорам с Министерством природных ресурсов Республики Бурятия и Экологическим фондом республики, а также используются в лекционных и практических занятиях по дисциплине «Фотограмметрия и дистанционное зондирование территорий» в Бурятском госуниверситете.

Достоверность полученных результатов обеспечивается использованием методов и подходов, описанных в научной литературе, апробированных и хорошо себя зарекомендовавших при проведении научных исследований, а также отсутствием противоречий с известными достоверными общепризнанными научными результатами. Кроме того, для подтверждения достоверности полученных результатов была проведена их валидация на основе материалов лесоустройства и полевого дешифрирования, продемонстрировавшая хорошее согласие: по разделению основных типов земной поверхности (до 90%), а по определению полноты древостоя на уровне 70%.

Личный вклад автора. В совместных работах [1-3, 8-12] автору принадлежат выбор направления исследований, постановка задачи и непосредственная эксперименталь ная обработка данных. Интерпретация и обсуждение результатов проведены с соавторами. В работах [6, 7] выбор направления исследований и интерпретация результатов выполнены совместно с соавторами, постановка конкретной задачи с точки зрения поляриметрии и обработка выполнены лично автором.

Апробация результатов. Основные результаты исследований, изложенные в диссертации, докладывались на XVIII, ХХ, XXI Всероссийских конференциях по распространению радиоволн (Санкт-Петербург, 1996; Нижний Новгород, 2002; Йошкар-Ола, 2005), Российской научно-технической конференции по дифракции и распространению волн (Улан-Удэ, 1996), Юбилейной сессии РАЕН (Москва, 1997), ХХ юбилейной научно-технической конференции ЦНИИ «Комета» «Новые технологии создания и испытаний глобальных информационно-управляющих систем (ГИУС). Диверсификация систем оборонного назначения» (Москва, 1997), Всероссийской научной конференции «Физические проблемы экологии (Физическая экология)» (Москва, 1997), II, IV Всероссийских совещаниях «Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве» (Москва, 1998; 2007); III, IV Всероссийских научных конференциях «Применение дистанционных радиофизических методов в исследованиях природной среды (Муром, 1999; 2000), European Symposium on “Remote Sensing”, (Firenze, Italy, 1999), XI International conference IFBRA. Workshop GOFC. “Boreal forests and environment: local, regional and global scales” (Krasnoyarsk, Russia, 2002), Всероссийской научной конференции «Физика радиоволн» (Томск, 2002), International Geoscience and Remote Sensing Symposium – IGARSS-2004, 20(Anchorage, USA, 2004; Seoul, Korea, 2005), Международной конференции «Научные основы сохранения водосборных бассейнов: Междисциплинарные подходы к управлению природными ресурсами» (Улан-Удэ – Улан-Батор, 2004), Всероссийской научно-методической конференции «Моделирование географических систем» (Иркутск, 2004), Международной конференции по вычислительно-информационным технологиям для наук об окружающей среде «CITES 2005» (Новосибирск, 2005), III-V всероссийских конференциях "Современные проблемы дистанционного зондирования Земли из космоса" (Москва, 2005; 2006; 2007), международном симпозиуме «AsiaPacific Remote Sensing» (Goa, Индия, 2006), III Международном научном конгрессе «ГЕО-Сибирь-2007» (Новосибирск, 2007), XIV International Symposium "Atmospheric and Ocean Optics, Atmospheric Physics" (Бурятия, 2007), Международной конференции «Геоинформатика: технологии, научные проекты» (Иркутск, 2008).

Публикации. Результаты диссертации опубликованы в 54 печатных работах и трудах конференций, симпозиумов, включая 3 учебных пособия. Из них 12 статей опубликовано в рецензируемых журналах, рекомендованных ВАК.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и библиографического списка из 238 литературных источников. Объем диссертации составляет 217 страниц, включая 64 рисунка и 7 таблиц.

Исследования по теме диссертации были начаты в лаборатории 243 ИРЭ РАН к.ф.-м.н. В.В. Ефременко под руководством и завершены в Отделе физических проблем при Президиуме БНЦ СО РАН. При выполнении работы автор пользовался научными консультациями генерального директора ГУ «Научный центр аэрокосмического мониторинга «Аэрокосмос» академика РАН В.Г. Бондура. Успешному выполнению работы способствовали исследования в рамках научно-исследовательских проектов СО РАН и ФЦП «Интеграция», курируемых членом-корреспондентом РАН В.Л. Мироновым. Формированию научных взглядов автора способствовали научные дискуссии с сотрудниками ИРЭ РАН: д.т.н. Н.А. Армандом, к.ф.-м.н. А.В. Мошковым, к.ф.-м.н. А.И. Захаровым, А.А. Семеновым; сотрудниками ОФП БНЦ СО РАН:

д.ф.-м.н. В.Е. Архинчеевым, к.ф.-м.н. П.Н. Дагуровым.

Автор выражает всем искреннюю признательность и благодарность.

СОДЕРЖАНИЕ ДИССЕРТАЦИИ Во введении обсуждается актуальность выбора объекта исследования и перспективные направления в развитии дистанционного зондирования с учетом особенностей современной аппаратуры. Излагаются основные методы, цели исследования и описывается структура диссертации.

Первая глава диссертации посвящена современному состоянию дистанционных исследований лесных сообществ.

В разделе 1.1 излагается общая концепция по использованию мультиспектральных данных оптического диапазона. Значительное место отводится литературному анализу мирового опыта по созданию различных вегетационных индексов (ВИ).

Проведен анализ различных ВИ, большей частью предназначенных для обработки данных сенсоров Landsat MSS и TM. Сделан вывод, что для надежной классификации земных покровов по мультиспектральным снимкам и увеличения востребованности спектрозональных данных отечественных спутников Ресурс-01, Метеор-3М, РесурсДК, Монитор-Э необходимо разработать эффективный алгоритм, который учитывал бы характерные спектральные каналы этой аппаратуры и в тоже время позволил бы скорректировать атмосферные и в большей степени аппаратурные помехи.

В разделе 1.2 описываются современные тенденции развития радиолокационного зондирования. Показано, что наряду с классическим разделением земных покровов по величине обратного радарного рассеяния, в последнее время активно используются возможности радарграмметрии, интерферометрии, поляриметрии, текстурного анализа, математического моделирования и различных информационных технологий.

В главе 2 обсуждаются возможности когерентной обработки поляриметрических радиолокационных изображений и способ обобщения методологии расчета ВИ на случай изображений интерферометрической когерентности на различных поляризациях при приеме/излучении.

Для создания изображения когерентности радиолокационные данные разных сеансов (пролетов) были совмещены при помощи попиксельного корреляционного анализа. Степень когерентности двух комплексных радарных изображений z1 и z2 определяется формулой:

* E {z z } 1 = (1) int 2 E {z } E {z }, 1 где Е{.} - операция усреднения, * -комплексно сопряженное, 0 1.

Были получены изображения когерентности для L-диапазона (=24 см): HHHH, HV-HV и HH-VV, VV-VV, HH-HV, VV-HV. Первые две буквы обозначают поляризацию на излучении и приеме для первого изображения, вторые - соответственно для изображения, полученного на вторичном витке.

Несмотря на достаточно хорошие результаты классификации земных покровов по изображениям когерентности, многочисленные исследования демонстрируют, что таксационные параметры лесных сообществ, в частности, объем биомассы на единицу площади, могут быть корректно определены только до некоторого порогового значения. Следовательно, возникает необходимость в увеличении (смещении) данного порогового значения, что может быть реализовано с учетом многополяриметрической комбинации изображений когерентности.

На рис.1 представлена двумерная гистограмма яркостей, где по оси абсцисс отложены значения интерферометрической когерентности в L-диапазоне для поляриметрической комбинации HH-VV, по оси ординат для комбинации VV-VV. Значения когерентности представлены в градациях серого 0255, что соответствует нормированным величинам 01.

рис.1. Двумерное распределение яркости изображений когерентности в градациях серого 0255.

Наблюдается подобие треугольного распределения яркости, аналогичное таковому в координатах ближняя ИК – красная зона спектра. На аналогичном распределении основана методология определения индексов вегетации в оптическом диапазоне.

На гистограмме выделяется «почвенная линия», служащая основанием треугольника.

Однако, в отличие от оптического диапазона, в данном случае вдоль нее расположены яркости элементов, различающихся по механизму обратного рассеяния. Распределение вдоль этой линии характеризуется увеличением когерентности. Ближе к началу координат расположены яркости пикселов водных объектов, что объясняется временной декорреляцией, так как водные поверхности – это быстро изменяющиеся структуры. С удалением от начала координат вдоль почвенной линии наблюдается постепенный переход от шероховатых поверхностей с низкорослой растительностью к относительно ровным поверхностям с редкой растительностью или без нее. Ближе к вершине треугольника группируются яркости пикселов, соответствующие густым лесным массивам, которые деполяризуют сигнал. Между вершиной треугольника и почвенной линией располагаются яркости пикселов редколесья.

На основе выше изложенного и по аналогии с NDVI предложено использовать нормированную разность значений когерентности для улучшения возможностей классификации и определения таксационных параметров леса. Для иллюстрации результата обработки на рис. 2 приведены исходные изображения интерферометрической когерентности и изображение индекса когерентности, полученное с помощью предлагаемого подхода.

HH-HH HV-HV HH-VV индекс когерентности рис. 2. Изображения исходных когерентностей и предлагаемого индекса.

Более светлым тоном на последнем изображении выделяются хвойные леса, а увеличение градаций яркости соответствует увеличению биомассы и полноты древостоя. В данном случае удается с точностью порядка 70% разделить леса со значением полноты выше и ниже характерного порога (0.70.8), что не удавалось на исходных данных когерентности.

Таким образом, проведенная аналогия с традиционным направлением обработки спектрозональных изображений оптического диапазона позволяет получить дополнительную информацию об объекте исследования – степень объемной неоднородности леса, т.е. полноту древостоя.

В главе 3 предложены полуэмпирические методы обработки многодиапазонных данных. В разделе 3.1 акцент сделан на три спектральных канала, характерных для отечественных оптических сенсоров. Предложены и модельно обоснованы алгоритм трехканальной обработки и методика выявления угнетенной растительности.

Трёхканальный метод обработки основан на вычислении следующего норми(Re d - Gr)- (Nir - Re d) рованного выражения: TCHVI =, (2) Re d - Gr + Nir - Re d где TCHVI (three-channel VI) - трёхканальный нормированный вегетационный индекс; Gr, Red, NIR - измеренные значения яркости одного и того же элемента разрешения на поверхности Земли в зелёном, красном и ближнем инфракрасном спектральных каналах соответственно. При использовании алгоритма обработки многозональных изображений (2) необходимо учитывать, что в некоторых случаях (например, для растительности, то есть при вогнутой спектральной кривой) ± TCHVI 1. Поэтому требуется некоторая модификация. Образуем две разности:

D1=Red-Gr и D2=Nir-Red.

Тогда алгоритм обработки измеренных значений яркости одного и того же элемента разрешения в трёх спектральных каналах можно представить в следующем виде:

если D1>0 и D2<0 или D1<0 и D2>0, то вычисляется величина ( -Gr + Nir - Red ) ( ) Red, (3) Red -Gr + Nir - Red если D1>0 и D2 >0 или D1<0 и D2<0, то вычисляется величина (2).

Сделан вывод, что результат обработки данной методикой зависит только от значений разности измеренных яркостей, но не от их абсолютных величин, поэтому вычисляемое значение инвариантно относительно возможного неизвестного, но одинакового для всех 3-х спектральных каналов сдвига в измеренных значениях яркости (аддитивной составляющей помехи). Нормировка же позволяет избавиться и от возможного неизвестного, но одинакового для всех каналов множителя в измеренных значениях яркости (мультипликативной составляющей помехи). Предполагается, что влияние помехи учитывается исходя из следующего: дистанционно измеряемая спектральная яркость Lи объекта исследования определяется, как спектральными свойствами самого объекта Lоб, так и условиями его наблюдения и состоянием атмосферы или аппаратуры. Предполагая, что объект исследования и среда распространения не имеют собственного излучения эту яркость можно представить как.

Lи = Lоб + Lф Тогда для определения спектральной яркости объекта необходимо знать оптические свойства атмосферы или аппаратуры, характеризующиеся пропусканием и яркостью создаваемого ею фона Lф. Однако, предполагая, что данные величины равны в указанных выше трех спектральных каналах, выражения (2) и (3) позволят частично скорректировать влияние атмосферы или аппаратурной помехи.

В п. 3.2 при помощи выше описанного алгоритма проведено исследование зоны Чернобыльской АЭС. Установлено, что в западном направлении от промзоны ЧАЭС на расстоянии до 5-6 км расположена угнетенная лесная растительность. В северном и северо-западном направлении так же находится растительность в состоянии стресса, однако определение точного расстояния затруднительно. Результаты этого исследования хорошо согласуются с данными наземных наблюдений.

Для проверки трехканального алгорис. 3. Результаты модельного ритма, на предмет информативности дисэксперимента.

VI танционного контроля состояния других растительных покровов, было проведено 0,моделирование по табличным данным (см.

рис. 3). На различных почвенных покро0 1 2 3 5 8 15 -0,вах, при двух состояниях увлажненности М, т/га -почвы для сельскохозяйственных культур ndvi tchvi при различных величинах надземной фитомассы были построены зависимости для TCHVI и NDVI. Результаты расчетов продемонстрировали существенные преимущества трехканального метода: по величинам NDVI разделение почвы и растительности проводится по некоторому пороговому значению, которое невозможно корректно определить на монотонно возрастающей кривой, а в случае TCHVI однозначно можно классифицировать почвы (отрицательные значения) и растительность (положительные).

В разделе 3.3 предлагается простая в реализации и интерпретации методика совместной обработки радиолокационных изображений дециметрового диапазона и спектрозональных данных оптического диапазона. Предлагается домножать значение обратного радарного рассеяния (яркость) каждого пикселя радиолокационного изображения на соответствующее значение NDVI для этого пикселя. Приводится обоснование объединения этих данных. Формулируется основная цель данного метода обработки – выделение мелких безлесных участков, редколесья или угнетенных лесов, включая последствия лесных пожаров.

Представлены результаты кластерного анализа, проведенного для определения информативности совместной обработки. В данном исследовании применялся метод кластеризации ISODATA. В качестве тестового полигона была использована зона Чернобыльской АЭС. Для представительности различных типов подстилающей поверхности, были исследованы четыре различных фрагмента: 1 - лес, кустарники и луга на восточном берегу пруда-охладителя; 2 - луга, заброшенные сельскохозяйственные поля и частично лес южнее промзоны ЧАЭС; 3 - хвойный лес с различной степенью угнетенности к западу от промзоны; 4 - водная поверхность и луга юго-восточнее промзоны ЧАЭС.

В качестве меры разделения (разнесенности) кластеров, т.е. удаленности друг n-от друга, использовалась следующая величина: S = , где n - общее коi di n -1 + i+i=личество кластеров, di - расстояния между центрами i и i+1 кластеров, i - соответствующие среднеквадратичные отклонения от центра кластеров.

Количество кластеров, которое можно классифицировать, является мерой разнообразия или другими словами количественной мерой информативности изображения, а степень разнесенности кластеров S является количественной оценкой достоверности результатов классификации. Для совместного учета этих значений была n предложена величина F = * S, где n0 - максимально возможное количество кластеnров (входной параметр для алгоритма кластеризации Isodata), в данном случае n0=10.

Результаты расчетов выше введенной величины F продемонстрировали увеличение достоверности классификации при совместной обработке в пределах 530 % только для фрагментов с лесными массивами, в частности, для выделения мелких безлесных участков на фоне густого леса. В случае открытой поверхности целесообразнее применять методы, использующие традиционные ВИ.

В разделе 3.4 рассмотрены корреляционные связи между характерными для оптического диапазона «зеленостью» растений и «яркостью почв», полученными на ос нове преобразования «Tasseled cap» и величинами интерферометрической когерентности на разных комбинациях поляризаций.

Первоначально для сравнения когерентных свойств различных поляриметрических комбинаций были проанализированы значения когерентности для 30 профилей указанных изображений. Для сглаживания кривых была проведена фильтрация медианным фильтром с шагом 10. На рис.4 представлен один из характерных профилей.

По оси абсцисс – номер пикселя, по оси ординат – величина когерентности.

Рис. 4. Профиль для изображений Рис. 5. Профиль для изображений когерентности. когерентности HH-VV, индексов зелености и яркости почв.

Характерно, что когерентность при сочетаниях HH-HH, VV-VV и HV-HV достаточно стабильна по всему профилю, т.е. эти комбинации малоинформативны для классификации и контроля лесных ресурсов. Когерентность же HH-VV имеет низкое значение для лесного массива и более высокое значение порядка 0.50.6 для безлесного участка. Кроме того, данная когерентность хорошо коррелирует с «яркостью» почв (soil brightness index), что следует из рис. 5, где представлен характерный профиль совмещенных изображений когерентности HH-VV, индексов «зелености» и «яркости» почв (рис. 6).

Для проверки данного факта были рассчитаны коэффициенты корреляции данных интерферометрической когерентности (рис. 7) и изображений указанных индексов (рис. 6) для 30 профилей, выбранных равномерно по рассматриваемому фрагменту. Диапазоны изменения этих коэффициентов представлены в табл. №1 для различных сочетаний когерентности.

а б рис. 6. Изображения индексов: а – «зелености», б – «яркости почв».

HH-HH HV-HV HH-VV рис. 7. Изображения интерферометрической когерентности.

Высокая положительная корреляция (0.720.87) когерентности HH-VV и индекса «яркости» почв свидетельствует о некотором сходстве изображений. Отрицательная корреляция (-0.71-0.5) с индексом «зелености» объясняется следующим образом: в случае радарного зондирования рассеяние происходит от стволов и веток, а в оптическом диапазоне – в основном от листвы, хвои.

ТАБЛИЦА № 1.

КОЭФФИЦИЕНТЫ КОРРЕЛЯЦИИ ДЛЯ ПОЛУЧЕННЫХ ИЗОБРАЖЕНИЙ.

HH-HH VV-VV HV-HV HH-VV HH-HV Зеленость -0.630.36 -0.620.16 -0.30.36 -0.71-0.5 -0.370.Яркость -0.35-0.16 -0.1-0.01 -0.72-0.55 0.720.87 0.230.почвы Для оценки возможностей совместного использования изображений когерентности и индексов были сформированы RGB композиты, которые были исследованы при помощи кластерного анализа. А поскольку нередко соседние кластеры перекры ваются, то в качестве меры разделения или разнесенности использовалась величина S (табл. №2), введенная выше.

ТАБЛИЦА № 2.

РАЗНЕСЕННОСТЬ КЛАСТЕРОВ.

когерентность HH-HH VV-VV HV-HV HH-VV HH-HV S 2.91 2.85 3.51 4.39 0.По табличным данным видно, что предложенное комбинирование изображений индексов «яркости почв» и «зелености» с данными интерферометрической когерентности HH-VV улучшает разделение соседних (перекрывающихся) кластеров на 45% и 18%, по сравнению с изображениями только когерентности (S=2.42) и только указанных индексов (S=3.59) соответственно.

В заключение 3 главы предложено следующее:

• для более уверенного разделения растительности и обнаженной почвы рекомендовано применить алгоритм трехканальной обработки спектрозональных изображений;

• при исследовании лесных массивов необходимо интегрировать особенности радиолокационных и спектрозональных изображений, с большим акцентом на поляриметрическую когерентность первых.

В главе 4 предложена методология классификации земных покровов на основе количественной оценки пространственных вариаций яркости полностью поляриметрических радиолокационных данных. В качестве инструмента исследований предлагается использовать мультифрактальный анализ текстуры изображения.

В параграфе 4.1 при помощи разномасштабных профилей изменения яркости показаны самоподобие и фрактальность радиолокационных изображений. Приводится постановка задачи. Введено понятие мультифрактальности объектов исследования.

В разделе 4.2.1 приведено описание алгоритма расчета и тестового полигона.

По радиолокационным поляриметрическим изображениям, представленным в градациях серого 0255, на первом этапе строится поле локальных фрактальных размерностей (далее фрактальное изображение). Для их создания был использован метод вариограмм, основанный на статистическом моделировании изображений. Предполагается, что изображение может быть аппроксимировано случайным стохастическим процессом - фрактальным броуновским движением, когда среднеквадратичное смещение (дисперсия) диффундирующей частицы зависит от времени не как обычно линейно, а аномальным степенным образом:

2H < (X (t) - X (0))2 > t, здесь H - критический индекс аномальной диффузии.

Таким образом, ставится задача определить критический индекс, который и будет служить характеристикой фрактальной поверхности. В соответствии с этим методом статистическое соотношение, которое существует для расстояния между двумя пикселями и дисперсией их значений (яркостей), может быть представлено в логарифмическом виде следующим соотношением:

log([g(x + ) - g(x)]2)= 2H log + logC, где g – значение яркости пикселя в точке x, - расстояние между точками, Н – критический индекс фрактального броуновского движения, описывающий шероховатость поверхности, С – постоянный коэффициент. Он несущественен для дальнейших вычислений, поскольку фрактальная размерность (критический индекс) вычисляется по тангенсу угла наклона. Тогда фрактальная размерность может быть вычислена следующим образом: D = 3 – H = 3 – B/2, где В – тангенс угла наклона линии регрессии дисперсии g в зависимости от расстояния .

В разделе 4.2.2 установлено, что по величине локальной фрактальной размерности можно классифицировать основные типы земных покровов, и проведен предварительный анализ фрактальных размерностей. На рис. 8 представлено полученное поле локальных фрактальных размерностей, где светлыми тонами отображаются объемные неоднородности, серыми – шероховатые, более темными – ровные однородные, по сравнению с длиной волны, земные покровы.

Показано, что количественный анализ пространственных флуктуаций обратного радарного рассеяния позволяет разделить природные сообщества на три больших класса: лесные массивы с полнотой древостоя более и менее 0.70.8; ровные однородные безлесные участки; фрагменты шероховатой земной поверхности с луговой растительностью и мелким кустарником. Кроме того, различия в значениях фрактальных размерностей на разных поляризациях позволяют сделать вывод о преобладающей структуре неоднородностей – вертикальной или горизонтальной.

рис. 8. Поле локальных фрактальных размерностей в дециметровом диапазоне на кросс поляризации.

В развитие результатов, полученных в предыдущем разделе, в 4.2.3 по аналогии с поляризационными сигнатурами (рис.9-а), характеризующими поляриметрическую зависимость усредненного обратного радарного рассеяния, предлагается анализировать разномасштабные пространственные флуктуации радарного эхо-сигнала при различных углах наклона линейной поляризации на приеме.

0 30 60 90 120 150 1-5 , град ---0, дБ -а б рис. 9. Поляризационная сигнатура (а) лесного массива и ее профиль (б).

Первоначально был рассмотрен профиль поляризационной сигнатуры (см. рис.

9-б) с углом эллиптичности, равным 00. Как показал анализ, характерная угловая зависимость не изменяется для лесных массивов с различной полнотой древостоя. Кривая,не изменяя формы, варьирует в пределах ±3 дБ от уровня, показанного на рис. 9б. Далее были построены поля локальных фрактальных размерностей для указанных состояний эллипса поляризации.

На рис. 10 представлена угловая зависимость фрактальной размерности для леса. По оси абсцисс также отложен угол наклона линейной поляризации на приеме в градусах. По оси ординат отложено значение фрактальной размерности D в промежутке 23. Сплошной линией обозначена усредненная по 30 реализациям зависимость в L- диапазоне (=24 см), пунктирной (прерывистой) линией – усредненная по 30 реализациям зависимость в С- диапазоне (=5.6 см). Среднеквадратичные отклонения в L-диапазоне составили 0.02, для C-диапазона – 0.05.

3,0 D D 2,8 2,2,6 2,2,4 2,2,2 2,,град ,град 2,0 0 30 60 90 120 150 180 0 30 60 90 120 150 1а б рис. 10. Зависимость фрактальной размерности от угла наклона линейной поляризации на приеме для леса: а - с полнотой древостоя более 0.70.8; б - с полнотой древостоя менее 0.70.8.

В С- диапазоне (рис. 10-а) поляриметрическая зависимость фрактальной размерности от угла наклона поляризации на приеме указывает на значительные пространственные флуктуации при углах ~ 500 1300. Это вызвано рассеянием от сучьев, веток, хвои, листвы, т.е. структурами, которые расположены под подобными углами.

Пространственные флуктуации при иных углах меньше, т.е. объемная доля рассеивающих элементов лесной кроны, ориентированных под углами, близкими к горизонтальным, мала.

Фрактальная размерность лесного массива с полнотой более 0.70.8 в L- диапазоне близка к 3, т.е. это объемная неоднородность и, как видно по рис. 10-а, размерность изменяется незначительно. Соответственно, пространственные флуктуации величины обратного рассеяния не зависят от угла наклона поляризации. Данное обстоятельство связано с тем, что рассеяние в дециметровом диапазоне определяется всей толщей леса, неоднородности которого в свою очередь ориентированы равномерно под углами от 00 до 1800.

В случае редкого леса с полнотой менее 0.70.8 (рис. 10-б) наблюдается обратная ситуация: в С- диапазоне размерность достаточно постоянна; для дециметровых волн значения фрактальной размерности на углах ~ 600 1200 ниже, чем на других.

Данные результаты связаны с уменьшением количества вертикально ориентированных стволов, что существенно для дециметрового диапазона.

Отсутствие существенной угловой зависимости для сантиметрового диапазона указывает только на тот факт, что древостой достаточно редкий, а рассеяние определяется неоднородностями леса и подстилающей поверхности, размеры которых соизмеримы с длиной волны 5.6 см. Общий низкий уровень фрактальной размерности в С- диапазоне (небольшие пространственные флуктуации) порядка 2.2 позволяет сделать предположение о диффузном характере обратного радиолокационного рассеяния в сантиметровом диапазоне, соответственно высокий уровень размерности в L- диапазоне (значительные пространственные флуктуации) об уголковом механизме рассеяния (подстилающая поверхностьстволы деревьев) для дециметровых длин волн.

Полученные результаты согласуются со статистикой наземных наблюдений на тестовом полигоне, которые показали: 1) реальные неоднородности верхнего яруса густого хвойного леса ориентированы именно под углами ~ от 500 до 1300 от горизонтали; 2) неоднородности всей толщи густого хвойного леса, соизмеримые с длиной волны L- диапазона, располагаются равномерно в промежутке углов ~ 001800 от горизонтали.

На рис. 11 представлены аналогичные зависимости для кустарника и лиственного леса. Высокий уровень пространственных флуктуаций (фрактальная размерность порядка 2.8) в С- диапазоне указывает на тот факт, что обратное рассеяние возникает большей частью от природных неоднородностей, соизмеримых с длиной волны сантиметрового диапазона (листва, мелкие и крупные ветви кустарника и лиственного леса). При этом неоднородности ориентированы равномерно по всем указанным на графике углам наклона.

Что касается вариаций обратного рассеяния от мелкого кустарника в дециметровом диапазоне (рис. 11-а), то увеличение размерности при углах 4001400 с локальным минимумом на кроссполяризации объясняется характерной для кустарника ориентацией ветвей под этими углами. Небольшое уменьшение на поперечной поляризации связано с тем, что отсутствуют ярко выраженные вертикально ориентированные стволы. Аналогично трактуется рис. 11-б, с той лишь разницей, что локальный минимум менее выражен вследствие наличия в нижнем и среднем ярусах вертикальных стволов лиственных деревьев, в то время как верхний ярус не имеет ярко выраженной вертикальной ориентации. Большая размерность при других углах свидетельствует о наличии соответственно ориентированных неоднородностей (ветвей) в нижнем ярусе.

D 3 D 2,2,2,2,2,2,2,2,, град , град 2 0 30 60 90 120 150 180 0 30 60 90 120 150 1а б Рис. 11. Зависимость фрактальной размерности от угла наклона плоскости поляризации на приеме для: а – редкого низкорослого кустарника, б – для лиственного леса и крупного кустарника.

Таким образом, мультифрактальный анализ разномасштабных пространственных флуктуаций позволяет существенно увеличить возможности классификации и количественной оценки геометрической структуры лесных сообществ, по сравнению с традиционным рассмотрением на основе поляризационных сигнатур. А поскольку в данном случае локальная фрактальная размерность характеризует пространственные флуктуации обратного рассеяния, то фактически поляриметрические особенности фрактальной размерности можно трактовать как поляризационную сигнатуру пространственных флуктуаций.

Дальнейшие исследования могут быть направлены на анализ трехмерной поляризационной сигнатуры локальной фрактальной размерности неоднородных природных сред.

В разделе 4.3 исследована возможность классификации земных покровов и определения параметров леса на основе количественной оценки пространственных флуктуаций разности фаз сополяризованных сигналов (рис. 12-а). С этой целью проведен сравнительный анализ алгоритмов расчета пространственной автокорреляции и метода вариограмм, основанного на расчете локальной фрактальной размерности. Установлено, что высокочастотные спекл-шумы значительно искажают самоподобную фрактальную структуру неоднородных природных сред, а низкочастотные вариации несут дополнительную информацию. Поэтому для корректного анализа необходимо предварительно устранить высокочастотный спекл-шум усредняющей фильтрацией.

Показано, что полученное поле фрактальных размерностей наилучшим образом разделяет основные типы поверхностных шероховатостей, однако объемные неоднородности объединяются в один класс.

а б рис. 12. Изображение разности фаз сополяризованных сигналов:

а – исходное, б – фрактальное.

Горизонтально поляризованное излучение слабее взаимодействует со стволами деревьев, чем вертикально поляризованное излучение. Поэтому при проникновении в лес горизонтально поляризованной волны волновой фронт разрушается слабее, а глубина интерференционных замираний больше, чем для вертикальной поляризации.

Следовательно, флуктуации разности фаз отраженного сигнала на согласованных поляризациях HH и VV для лесов с различными таксационными параметрами будут различаться. При этом степень отличия будет существенно зависеть от полноты древостоя и преобладающего диаметра стволов деревьев. Данное обстоятельство позволяет утверждать, что по флуктуациям разности сополяризованных фаз (HH-VV) возможно классифицировать лесные массивы по полноте древостоя и преобладающему диаметру стволов деревьев.

На рис. 13-а представлена гистограмма поля локальных фрактальных размерностей для L-диапазона, фрагмент которого приведен на рис. 12-б. По оси абсцисс отложена фрактальная размерность D, а по оси ординат – относительная частота FD ее появления на анализируемом изображении. Для сравнения, на рис. 13-б приведена гистограмма яркостей, полученная по исходному изображению разности фаз (рис. 12а), где по оси абсцисс отложены значения яркости, а по оси ординат – относительная частота появления данной яркости. Анализ гистограмм демонстрирует эффективность применения фрактального подхода для разделения земных покровов по низкочастотным пространственным флуктуациям разности фаз.

а б рис. 13. Гистограммы фрактального (а) и исходного изображений разности фаз (б).

Три моды на гистограмме (рис. 13-а) соответствуют:

1) относительно ровным однородным участкам на равнине и смешанным лесам с диаметром ствола менее 12 см в межгорных впадинах;

2) лугам, полям и другим неоднородным шероховатым поверхностям;

3) лесным массивам, густым кустарникам вдоль реки.

Первая мода плавно переходит во вторую, в отличие от более значительного разделения между второй и третьей. Данное обстоятельство подчеркивает различие между обратным рассеянием от шероховатых и объемно неоднородных поверхностей. Первый – плавный переход от одной моды к другой соответствует кустарнику и редким лесным сообществам с диаметром ствола менее 12 см.

Поскольку, количественная оценка пространственных флуктуаций может быть получена также с помощью алгоритмов расчета пространственной автокорреляции, то для сравнения результатов фрактального анализа исходное изображение разности фаз было исследовано при помощи индексов Moran’s (I) и Geary’s (C). Индекс Moran’s (I) рассчитывается по следующей формуле:

n n n w z z ij i j i = 1 j = I ( d ) =, n W z i i = для вычисления индекса Geary’s (C) используется выражение:

n n ( n - 1) w ( y - y ) ij i j i = 1 j = C ( d ) = n 2 W z i i = где wij - весовой коэффициент, который равен 1, если j пиксель находится в пределах расстояния d от i пикселя, иначе wij =0; z – отклонение от среднего по y или х, например zi = yi - ; W – сумма всех весовых коэффициентов, где i j.

Гистограммы яркости изображений, полученных при помощи данных методик расчета пространственной автокорреляции, имеют одномодальное распределение, аналогичное рис. 13-б. Подобное распределение малоинформативно для разделения основных типов земных покровов, в отличие от гистограммы, изображенной на рис.

13-а. Далее, для количественной оценки результатов классификации по изображениям, полученным с использованием фрактального подхода и выше указанных алгоритмов пространственной автокорреляции, дополнительно был проведен кластерный анализ.

Для сегментации использовался алгоритм кластеризации ISODATA с одинаковыми входными параметрами, в результате были получены 4 кластера для всех изображений. Затем была рассчитана степень взаимного перекрытия соседних кластеров (или иначе – разнесенность) для каждого полученного изображения. Значения величины S распределились следующим образом: для изображения разности сополяризованных фаз без обработки – 1.46; для поля локальных фрактальных размерностей – 2.01; для изображений, построенных с помощью алгоритмов Moran’s и Geary’s, соответственно – 1.73 и – 1.81.

Полученные значения величины S и анализ гистограмм позволяют утверждать, что по степени различия (разнесенности) кластеров, а, следовательно, и по более достоверной классификации земных покровов наилучшие результаты продемонстрировало изображение, полученное на основе фрактального подхода.

В следующем параграфе 4.4 рассмотрено влияние пространственного разрешения радарных изображений при исследовании текстуры леса. Показано, при пространственном разрешении космических радиолокационных изображений грубее 2425 м классификация лесов на основе фрактального анализа текстуры этих изображений позволяет разделить лесные массивы с полнотой древостоя более и менее 0.70.8, а при более детальной съемке необходимо проведение дополнительных исследований на конкретных тестовых участках.

По главе 4 сделаны следующие выводы:

1. Мультифрактальный анализ поляриметрических радарных данных, учитывающий пространственные флуктуации изображений, позволяет количественно оценить геометрическую структуру неоднородностей, что не возможно с помощью традиционного представления результатов в виде поляризационной сигнатуры, которая формируется на основе усредненных значений интенсивности.

2. Высокочастотные флуктуации (спеклы), вызванные интерференцией волн в пределах элемента разрешения, искажают фрактальную структуру радарного изображения разности фаз и поэтому необходимо уменьшать влияние спекл-шумов с помощью использования различных фильтров. Низкочастотные пространственные флуктуации фазы возникают, как правило, вследствие неоднородности земной поверхности, следовательно, должны учитываться при классификации и определении био- и геофизических характеристик различных типов земной поверхности.

3. Сравнительный анализ предлагаемого подхода с методами расчета пространственной автокорреляции показал, что гистограмма яркостей поля локальных фрактальных размерностей разности фаз имеет три моды, что позволяет более надежно классифицировать земные покровы по степени неоднородности, в то время как алгоритмы построения автокорреляционного поля позволяют получить только одномодальное распределение.

4. В целом для информативного анализа текстуры необходимо учитывать ограничения по пространственному разрешению радарных изображений.

Заключение Таким образом, совокупность полученных результатов, изложенных в настоящей диссертационной работе, можно рассматривать как решение важной научной проблемы в области разработки методов синтеза оптико-микроволновых аэрокосмических данных для улучшения количественной оценки био- и геофизических характеристик лесных ресурсов.

Основные результаты работы сводятся к следующему:

1. Разработаны методы синтеза и совместной обработки многоспектральных оптических и микроволновых данных, заключающиеся в комплексировании зна чений ЭПР или величин, характеризующих поляриметрическую декорреляцию, с вегетационными индексами, полученными по мультиспектральным оптическим изображениям, которые обеспечивают одновременную оценку состояния и динамики изменения листвы (хвои) и древостоя равнинных лесов и позволяют улучшить точность классификации основных типов растительных покровов до 90%.

2. Установлено, что двумерные гистограммы яркости радиолокационных изображений интерферометрической когерентности на различных поляризациях имеют распределения, аналогичные распределениям в координатах ближняя ИКкрасная зоны спектра. Это позволило обобщить методологию расчета индексов вегетации с использованием многоспектральных оптических изображений на случай радиолокационных данных интерферометрической когерентности и использовать нормированную разность значений когерентности для улучшения точности оценки полноты древостоя равнинных лесов на основании спутниковых данных до 70%.

3. Теоретически обоснован и экспериментально подтвержден метод классификации земных покровов по характерным для отечественной многозональной аппаратуры трем спектральным каналам, позволяющий частично скорректировать влияние аппаратурной и атмосферной помех, а также определить форму спектральной кривой по 8-битовому изображению.

4. Установлено, что мультифрактальный анализ поляриметрических радиолокационных изображений позволяет получить принципиально новую, по сравнению с традиционным рассмотрением на основе поляризационных сигнатур, информацию об объектах исследования, в частности, оценить степень объемной неоднородности по горизонтали и вертикали, что является новым критерием для классификации и контроля состояния лесных ресурсов.

5. На основании результатов анализа радиолокационных изображений лесных массивов выявлена поляриметрическая угловая зависимость пространственных разномасштабных флуктуаций обратного радарного рассеяния для сантиметрового и дециметрового диапазонов длин волн, позволяющая оценивать характерную геометрическую структуру реальных неоднородностей леса, обусловленных ветвями, стволами деревьев.

6. Установлено, что, в противоположность вариациям интенсивности обратного радарного рассеяния, высокочастотные пространственные флуктуации разности фаз сополяризованных сигналов носят шумовую природу, а низкочастотные вариации характеризуют пространственное распределение реальных неоднородностей леса, соизмеримых с длиной радиоволны, что позволяет, путем количественной оценки этих вариаций, выделить по радарным изображениям смешанный лес с преобладающим диаметром ствола менее 12 см.

7. Установлено, что при пространственном разрешении космических радиолокационных изображений грубее 24-25 м классификация лесов на основе фрактального анализа текстуры этих изображений позволяет разделить лесные массивы с полнотой древостоя более и менее 0.70.8.

8. На основании результатов дистанционных исследований тестовых участков лесных массивов подтверждена высокая эффективность предложенных методов комплексного анализа поляриметрических радиолокационных и многоспектральных оптических изображений, приводящая к улучшению разнесенности перекрывающихся кластеров, соответствующих близким по характеристикам лесным сообществам, на величину до 45 %.

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в рецензируемых журналах из списка, рекомендованного ВАК:

1. Ефременко, В.В. Метод выявления угнетённой растительности по данным спектрозонального сканера / В.В. Ефременко, А.В. Мошков, А.А. Семёнов, Т.Н Чимитдоржиев // Исследование Земли из космоса. – 1997. № 6. - С. 3-10.

2. Чимитдоржиев, Т.Н. Об использовании различных индексов вегетации в дистанционном зондировании экосистем / Т.Н. Чимитдоржиев, В.В. Ефременко // Исследование Земли из космоса. – 1998. № 3. –С. 49-56.

3. Арманд, Н.А. О возможностях совместной обработки радиолокационных изображений L - диапазона и спектрозональных снимков оптического диапазона для классификации лесных массивов / Н.А. Арманд, Т.Н. Чимитдоржиев, В.В. Ефременко, А.И. Захаров, А.А. Семенов, А.В. Мошков // Радиотехника и электроника. – 1998. т. 43. № 9. – С.

1070-1075.

4. Чимитдоржиев, Т.Н. Исследование возможностей когерентной обработки радиолокационных изображений для классификации земных покровов / Т.Н. Чимитдоржиев // Вестник БГУ. – 2006. Серия 9, «Физика и техника». - С. 78-91.

5. Чимитдоржиев, Т.Н. Графическое обоснование применимости методики вычисления вегетационных индексов для обработки изображений интерферометрической когерентности / Т.Н. Чимитдоржиев // Исследование Земли из космоса. – 2007. №3. - С. 5358.

6. Чимитдоржиев, Т.Н. Фрактальный анализ радиолокационных поляриметрических данных для классификации земных покровов / Т.Н. Чимитдоржиев, В.Е. Архинчеев, А.В. Дмитриев, Б.З. Цыдыпов // Исследование Земли из космоса. - 2007. № 4. - C. 2733.

7. Чимитдоржиев, Т.Н. Поляриметрическая оценка пространственных флуктуаций радарных изображений для восстановления структуры лесного полога / Т.Н. Чимитдоржиев, В.Е. Архинчеев, А.В. Дмитриев // Исследование Земли из космоса. - 2007. № 5. - С. 80-82.

8. Чимитдоржиев, Т.Н. О комплексировании мультиспектральных и радарных данных для целей картирования / Т.Н. Чимитдоржиев, А.В. Дмитриев // Геодезия и картография. - 2007. № 9. - С. 42-45.

9. Чимитдоржиев, Т.Н. Поляриметрическая оценка пространственных флуктуаций радиолокационной фазы для классификации земных покровов / Т.Н. Чимитдоржиев, В.Е.

Архинчеев, А.В. Дмитриев // Исследование Земли из космоса. - 2008. № 1. - С. 24-31.

10. Чимитдоржиев, Т.Н. О возможном ограничении по пространственному разрешению радарных данных при изучении текстуры леса / Т.Н. Чимитдоржиев, А.И. Захаров // Исследование Земли из космоса. - 2008. № 4. - С. 25-28.

11. Бондур В.Г. Анализ текстуры радиолокационных изображений / В.Г. Бондур, Т.Н. Чимитдоржиев. // Известия ВУЗов. Геодезия и аэрофотосъемка. - 2008г. № 5. – C. 135143.

12. Бондур В.Г. Дистанционное зондирование растительности с использованием космических радиолокационных и многоспектральных оптических изображений / В.Г. Бондур, Т.Н. Чимитдоржиев. // Известия ВУЗов. Геодезия и аэрофотосъемка. - 2008г. № 6. – C.

112-121.

Наиболее значимые труды в других изданиях:

13. Barducci, A. Analysis of Images Gathered by PRIRODA / MIR Optical Sensors for Environmental Monitoring of Italy / A. Barducci, I. Pippi, N.A. Armand, T.N. Chymitdorzhiev, V.V. Efremenko // SPIE vol. 3870 (Europto series) In "Sensors, Systems, and NextGeneration Satellites III” edited by H. Fujisada; - P. 112 - 116.

14. Chymitdorzhiev, T.N. Fusion of the multispectral and radar data for the forest classification in the lake Baikal region / T.N. Chymitdorzhiev, S.Y. Tsitsiktuev, S.G. Shapkhaev, V.A.

Dandarov // Abstracts of XI International conference IFBRA. Workshop GOFC. «Boreal forests and environment: local, regional and global scales». - Krasnoyarsk, Russia, 2002. - P.

22.

15. Chymitdorzhiev, T.N. Electromagnetic Wave Attenuation for Propagation Through a Forest Belt / T. N. Chymitdorzhiev, P.N. Dagurov, A.V. Dmitriev, V.L. Mironov // Proc. IGARSS2004, vol. III.- Anchorage, USA, 2004.- P. 2091-2094.

16. Mironov, V.L. Coprocessing of radar coherence and spectral optical data / V.L. Mironov, T.

N. Chymitdorzhiev, P.N. Dagurov, A.V. Dmitriev // Proc. IGARSS-2005. vol. VI.- Seoul, Korea, 2005.- P. 3913-3915.

17.. Arkhincheev, V.E. Application of remote sensing methods, using fractal approach, for study of Baikal lake region / V.E.Arkhincheev, Т.N. Chymitdorzhiev, A. Dmitriev, B. Tsydypov // SPIE Proc. - 2006. V. 6404. - P. 134-141.

18. Chimitdorzhiev, T.N. Spatial fluctuations estimation of polarimetric radar images by multifractal approach / T.N.Chimitdorzhiev, V.E. Arkhincheev, A.V.Dmitriev //XIV International Symposium "Atmospheric and Ocean Optics. Atmospheric Physics": Abstracts. - Tomsk: Institute of Atmospheric Optics SB RAS, 2007. - P.205.

19. Болсуновский, М.А. Возможности радиолокационного зондирования для целей картографирования земной поверхности / М.А. Болсуновский, О.Н.Колесникова, Т.Н. Чимитдоржиев, А.В. Дмитриев // Геопрофи. - 2007. № 6. - С. 19-22.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.