автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Методы автоматизированной обработки данных дистанционного зондирования метеорологических ИСЗ

МИНИСТЕРСТВО НАУКИ, ШСИЕЯ ШС0Я4 II ТЕХНИЧЕСКОЙ ПОЛИТИКИ PI

ОБШШСКШ ИНСТИТУТ АТСМНОП ЭНЕРГЕТИКИ

lin прапях рукописи

ФЕДОРОВ Вля^ш'р Викторович

МЕТОДУ АОТеиТЙЗИРОВАШОЯ ОБРАБОИЯ1 ЕШ&К ЯЖГАШЩСШЮГО 30fUjfP0BAiü;H

^королспжскях IÍC-З

C5.J3.JS - прлчитстазь ыгш8глт>гЕьпса тетпяш, жгайатазсзем кетодоэ :¡ i--a * •!>»/ ясоизопаняш (¡^такв, '3,'íopüiTr.xs, гмча&л:«-.-льтая vmcíics

XX.m.09 - тштэс.рсдеЛм, кгшмлтохот, агро-

А В 7 О р С О О р « Г CÎPT.-Î.rt* M CCnCKSKJS y«*}'»? CTUÎS!^ ••сг.ЧС^дчт"' '!>".з ":зг«

".njC 631.559ï519.92

и ггтсчгтязоьяя)

¡¿атз'.'ро.тсп;.'!

Работа выполнена во ВсеросгаСскои научно-исследовательской институте сельскохозяйственной метеорологии

Научные руководители: доктор технических наук,

старший научный сотрудник Федченко П.П.

кандидат географических наук, старший научный сотрудник Клеценко Д.Д.

Официальные оппоненты: доктор физако-натецатичсских наук,

Козодеров В.В.

кандидат фнзихо-иатгматических наук, доцент Островский К. И.

Ведущая организация: Главшй вычислительный центр Роскоигидроиета

Защита состоится 2.Ц июня 1992 г. в 14 часов но заседании специализированного совета К 064.27.01 в Обнинской институте атошюа энергетики (249020, Калужская обл., Обнинск, ИАТЭ). С диссертацией можно ознакомиться в библиотеке ИАТЭ.

Автореферат разослан /£* мая 1992 г.

А.И.Перегуда

Учений секретарь специализированного совета-кандидат технических наук, доцент .

ОБЩАЯ ХАРАКТЕРИСТИКА PüBOTIJ

АКТУАЛЬНОСТЬ 1ТССЛЕДОВЛ1!11Я. Достикения в области дистанционного зондирования (ДЗ) за последние два десятилетия показали, что прцродоресурсше и иетеорологиччские искусствешше спутники Земли (ИСЗ) яшшшся иоаяши техническим средство« для решеш1я иногш: задач мониторинга поверхности нашей планеты. Дашше дистанционного зондирования (ДДЗ) успешно используются в картографии, сельском хозяйстве, метеорология и в других направлениях науки о Зеиле.

НаиСолер подробную информацию о свойствах назешшх объектов дают прцродоресурсше ИСЗ. Однако особенности установлении* va этих спупшках сканирующих мультиспектралышх радиометров и малая высотя полета не обеспечивают высокуи периодичность получения информации, необходимую при исследовании таких динамичных процессов, как, например, состояние биосферы. Кроив того, при изучении наземных объектов часто сталкиваются с проблемой "загрязнения" спутникового снимка облаками, поскольку на большинстве ныне действущих

спутниках установлена аппаратура пассивного зондирования.

t

Трудности, связанные' с низкой периодичностью съемки и "загрязнением" снимков облаками, во многом преодолеваются за счет использования ДДЗ метеорологических спутников, обеспечивающих исследователей ежедневной оперативной информацией о подстилашай поверхности Земля. Однако ыелкомасштабность сшшков, получаемых с таких спутников, усугубляет проблему "смешанных" элементов изображения (пэлоп), отображающих одновременно фрагменты нескольких разнородных объектов. Такие "мелкие" объекты, как, например, поля посевов сельскохозяйственных культур, на космических снимках метеорологически! спутников практически полностью представлены "сне-

ианшаи" палаш. ^Появляется необходимость пересиотра как сацей постановки задач распознавания псследуеыах объектов, так и штегга-шчесхих юетодов их реношл.

ЗМективное извлаченго полегши сведений из ДДЗ, когда лиаь один снимок является носитллеи нескольких мегабайт информации, нсиысяшо баз применения ЭШ. (.изша'гюраяьцая вичисжнтелыюй тех<ш-ки и доступность ДДЗ изтеоролсгическзх спутышда позволяет реализовать настольную систему автоиатизировышой обрчбот::н снимков, обеспечивазздуп полную технолотическу» цепочку обработка ДДЗ от предварительной обработки до тематической интерпретации как в исследовательских целях, так и длл решет-я практических задач. Поэтому поиша^ разработки новых катодов распознавании возникает необ-ходоиост-. выбора методов предварительной обработки ДЦЗ, ренее возлагавшейся на специализированные центры приема спутниковой информации .

ЦЕЛЬ РАБОТЫ И ЗАДАЧИ ИССЛЕДОВАНИЯ. Целью работы является разработка комплекса математических иетодов а алгоритмов обработки ДДЗ метеорологических спутников для космических систем мониторинга динамичных объектов поверхности Зешш. Поставлены и решены следу*>-

I.

Е|Ие Задачи:

1) разработан метод автоматизированной классификации основных природных образованна на спутниковых снимках иалого разрешения, основанный на применении математического аппарата теории нечетких множеств;

2) разработан метод перехода от нечеткой спектрально-яркостной характеристики класса объектов к лингвистической оценке его состояния 1

*

3) созданы алгоритмы предварительной обработки ДДЗ, включав-

щие навигации спутниковых снимков и коррекцию искакл«цего влияния атмосферы на регистрируемое рппаратурой спутника отраженное поверхность^ Земли солнечное излучение в красном и ближнем инфракрасной диапазонах спектре;

4) разработана методика автоматизированной обработки спутниковых и наземных данных дя.ч оперативной оценки состояния посевов озимых культур на ранних стадиях вегетации.

НАУЧНАЯ НОВИЗНА РАБОТЫ заключается в следующем: Г) предложен новый в ДЗ подход к интерпретации нечетких кластеров как нечетких спектральных характериспг: классов объектов поверхности Земли;

2) разработан новый метод автоматизированного обучения классификатора ДДЗ метеорологических спупшков;

?>) предлодан новый мртод построения лингвистической оценки состояния класса объектов по ДДЗ п наземной опорной изформащга;

4) получено репзние с дней из вазшых задач агрометеорологии за счет использования ДДЗ п применения нових иетодов^их сЗработти. IIA ЗАЩИТУ ВЧН0С1ПСЯ: : ■

I) нптод интерпретации результатов нечеткой кластеризации мультпепектральннх ДДЗ кэк нечетких спектральных характеристик классов объектов поверхности Зешш;

?,) метод построении не'.'етгагг спектральных эталон:)» классов объектов поверхности Зешш', основсюшй на пчсперг<оЧ i«nfiwn»i«KM4ra типовых нечетких спектральных характерен« спектрлльнорчзделЕмш классов объектов;

Я) метод автомьтической классификации основных классов объектов поверхности Зсшя, опновакннЛ на птишедании алгориги» нечеткой кластеризация ДДЗ с аослодуидем сравнением нечетких кластеров г.

нечеткими спектральными эталонами;

4) метод восстановления параметров зависимости между данными дистагагпонного зондирования и точечными наземными измерениям исследуемого классе объектов и получения литсгвистической оценка его состояния;

5) методика аптоматизировашгой обработки ДДЗ метеорологических ИСЗ и неземных данных для оперативной оценки состояния посевов озимой пшеницы на ранних стадиях вогетацга для степных районов.

ПРАКТИЧЕСКАЯ Зг*ЛЧШССТЬ работы:

1) методика оценки состояния посевов озимых культур, утвержденная и рекомендованая Роскомгидрометом в качества руководящего документа для специалистов агрометелухби, используется в практике агрометеорологического обеспечения сельскохозяйственного производства;

2) программы предварител1.ной обработки ДДЗ метеорологически* спутников используются Главным вычислительным центром Роскоигидро-иета; •

I

3) разработанный комплекс методов л алгоритмов автоматизированной обработки ДДЗ может служить основой при создании систем космического мониторинга динамичных объектов поверхности Земли.

АПРОБАЦИЯ РАБОТЫ. Основные положения диссертационной работы докладывались и обсуждались не научном семинаре НПО "Планета'' (г. Москве, апрель 1986г.); Рабочем Совещании в Центральном институте прог зоя ВНР (г. Будапешт, октябрь 1985 г.); Всесоюзной конференции "Обработка изображений и ¿иствнцлоюаш исследования" ( г. Новосибирск , июнь 1984 г.); Всесоюзной конфоренции "Метода и средств» тсмптическоЗ обработки аэрокосыической тфэрмаиии" (г. Звенигород, впредь 1986г.); Центральной мегодичоской кои ссии по

гидрометеорологическим прогнозам Роскомгидромета (г. Москва, нарт 1988г.); Всесоюзном совещании "Агрометеорологическое обеспечения агропромышленного комплекса стряиГ (г. Целиноград, 26-28 сентября 1988 г.)! Всесоюзном совещании "Применение спутниковой информации в работе прогностических подразделений Роскомгидромета при гидрометеорологическом обеспечении народного хозяйства" (г. Москва, 7-11 декабря 1988г.>; Всесоюзной конференции "Метода и средства дистанционного зондирования Земли и обработки космической информа--щш в интересах народного хозяйства" (г. Рязань, сентябрь 1989г.); Межведомственном Научном совете по проблеме "Агрометеорология" (г. Ашхабад, сентябрь 1991 г.); Конференции по экологии Восточных Карпат (г. Кошице, ЧСФР, 1991 г.).

ПУБЛИКАЦИИ. По теме диссертации опубликовано 9 печатных работ, выпущено 3 научно-технических отчета.

СТРУКТУРА И ОБЪЕМ РАБОТЫ. Диссертация состоит из введения, трех глав, заключения и списка литературы из 78 н;.именований. Общий объем работы 108 страниц, включая 18 рисунков и 4 таблицы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Первая глава посвящена вопросам представления ДДЗ, их структурирования, распознавания и интерпретации.

В раздело 1.1 описана модель ДДЗ и физические предпосылки их интерпретации. Процесс сканирования поверхности Земли мультиспект-ралышм радиометром можно рассматривать как построение сетки с переменным размером ячейки и последах *цее случайное покрытие этой сеткой фрагмента сферы, содержащего пространственные объекты нескольких классов. Имеется взаимооднозначное соответствие мемду ячейками сетки и элементами сканерного изображения, называемыми

полами шю пикселами - Соотношения размеров ячеек сеткп, определяешь пространственный разрешением (игновшпши полем зрения сканера), углом сканирования и сферичностью Зпшш, и объектов таковы, что палы иогут отображать как отдельные объекты классов покрытия земной поверхности, так и совокупности их фрагментов. ДЦЗ об объектах суш, получаемые^ с помощью метеорологических спутников, чаще всего представлены "сыешагашш" пэллии . Каждый пзл космического снимка, представлен набором спектрально-яркосткых величин (признаков), количество которых определяется числом спектраль-тх каналов радиометра. В основе методов пассивного да лежит различие в характере отражения солнечного нзлучешя поверхностями объектов pajHUj классов и ънутрпклассовыын особенностями. Помимо спектраль;ш величин, измеряемых радиометром часто используются спектрэлышэ показатели производные от них, такие как вегетационные индексы.

Для тематической обработки ДЦЗ используются сложные процедуры, включающие классификацию пэлов в пространстве спектралыю-яркоепшх признаков' и согласова1ше результатов классификации с априорной информацией и квазиевнхроюшш! наземными наблюдениями.

Предполагается, tío большинство пэлов, условно относящихся к одному типу покрытия земной по верхности, но полученных для .различных точек Земли, располагаются в пространстве спектральных признаков в виде облака точек или локализованного кластера. Накопленный опыт показывает, что это явление в той или иной степени свойственно ДДЗ, и поэтему имеется возможность связать кластеры пространства спектральных измерений с конкретными типами земного покрытия.

♦

В классической постановке задача проектирования классификато-

ра образов заключается в разбивши пространства измерений на области решения так, чтобы кахдан область относилась к одному из разделимых классов, и построении правила, по которому можно отнести любой пэл к тому классу, которому соответствует область пространства измерений. Если структура данных в пространстве спектральных признаков такова, что кластеры не пересекаются и известны типы объектов, реально присутствующих на обрабатываемом фрагменте снимка, построение решающего правила не вызывает особых затруднений. Чаще всего это не так и мы сталкиваемся с неопределешгостью, присущей самой задяче распознавания.

В задаче классификации природных объектов неопределенност: может определяться стохастическим характером природных процессов, совпадением спектральных признаков пэлов и сомнениями и ошибками эксперта при анализе данных. Выделяют две грани неопределешюсти: нечеткость и случайность. Нечеткость связана с явлением, неопределенность которого выражается в его частичной принадлежности к заданной категории, в то время как случайность связана с проявлением (или непроявлением) хорошо определенной концепции; *

Для управления неопределенностью -разработано множество разнообразных методов, но на сегодняшний день нет консенсуса в выборе "наилучшего" подхода п нет согласия в критериях определения, что такое "наилучший" подход. Каждый из подходов имеет в своей основе определенную модель мира и метода описания структур и процессов в рамках принятой модели. Традиционно для обработки неточных данных применяется вероятностная модель и статистические метода. Однякп в последнее время интенсивно развиваются метода нового направления прикладной математики - теории нечетких множеств, построенные на модели частичной принадлежности элемента одному или одновременно

нескольким множествам.

В статистической интерпретации элемент изображения рассматривается как "чистый" представитель определенного класса объектов или как "смешанный" элемент, с некоторой вероятностью относимый к одному из классов. В любом случае необходимо принять решение: принадлежит пэл к даюгой группе ила нет. Однако ранее показано, что пэл, может отображать фрагменты объектов нескольких классов. Тогда было бы логичным считать такой пал принадлежащим в некоторой степени к какдоиу из отоброжешшх в него пг.юв земной поверхности, т.е. однсвремешю к Нескольким »массам. Формализовать такое гибкое описание принадлежности позволяет теория нечетки иножеств. Гносеологические рассуздошш показывают, что нечеткие множества более пригодны в качестве инструмента представлешя непрерывных кластеров, чем теория вероятностей. Теория нечетких множеств, ззиенял строгую принадлежность множеству на непрерывную степень принадлежности, позволяет боло о удовлетворительно прег-,ставлять то-'та, которые лежат снаружи ядра или прототилной части каждого кластера. Степень принадлежности служит для представления сходства точки с прототипным элементом кластера, а не вероятности ошибки класс»!«-кации.

Б разделе 1.2 приведено формальнее определение нечеткою кластера и некоторые алгоритмы нечеткой кластеризации.

Процедура нечеткой кластеризации порождает нечеткое разбиение миом- тва на априорно заданное количество нечетких кластеров. Нечеткое представление налагает на элемента кластера менее жесткие ограничения, чем в традиционных истодах, поскольку в нечетком кластере элекрнты должны быть лишь в большей степени похожи друг на друга, у:?и элемента другого клястера, э че яививвгрнтге!.

Оптимальная нечеткая кластеризация определяется кок разбиение мно-вества элементов на нечеткие подмножества, доставляющее экстремальное значение некоторому функционалу, соответствующему интуитивному пониманию "качества классификации".

Самим популярным алгоритмом нечеткой кластеризации является алгоритм нечетких К-средних (fcm). Этот алгоритм имеет недостаток, заключающийся п том, что формируются примерно равше по объем/ кластеры гиперефернчной формы. Существует обобщенный вариант алгоритма fcm (Gfcm), ыишмизирующив функционал вида

к j-N "Iа Г Г N П14

j'q'Hcu,v> - Е E<J |F Е,иЛх/у.) ' cli

l = I Ц = 1 L Ц: I

где q - любое действительное число больше i , - j-й ш-меркий вектор признаков, - центроид i-ro кластера, ч - степень принадлежности х( i-му кластеру, j*cx .v^ - какое-либо В1гутреш;ее произведите (расстояние между х g у ), к - количество точек данных, к - количество кластеров. Параметр q управляет "нечеткостью" кластеров, f- оператор либо следа, либо детерминанта матрицы, о и ч- независимые переменные, обо положительные, а их сумма меньше I.

В автоматизированной системе обработки ДДЗ метеорологических спутников предлагается использовать алгоритм, минимизирующий Функционал со. Дяя поиска начальных приближений центроидов нечетких кластеров используется расстояние Махаланобиса, которое в дальнейшем заменяется на экспоненциальное расстояние

j^.JiHCA >j

J'CX.VÎ - - ех^ГсХ -V >ТА"'СХ -V i/'sl , СИ)

• > v L ' 1 1 ' L J

где р - нечеткий аналог априорной вероятности выбора 1-го кластера при' классификации по методу максимального правдоподобия; л -

нечеткая ковариационная патрица 1-го нечеткого кластера. В результате получаются гипврзллшсоидньв нечеткие кластеры с компактными ядрами. Такая процедура кластеризации особешго полезна при наличии кластеров с различными плотностями и оуществешюй разнице в количестве точек в кавдом из кластеров.

Для поиска оптимального ^количества кластеров иошю использовать меры качества нечеткой кластеризации, та.ше как нечеткие гиперобъем, плотность разбитая, или эмпирические пороги нечеткого варианта алгоритма гиоилтл.

Попытки использования нечеткой кластеризации имели место только при обработке снимков высокого разрешения, получешшх с помощью при^одо-ресурсных спутников серии Lan.i-.aL, ы ограничивались применением алгоритма гсм.

3 разделе 1.3 рассматриваются вопроси семантической интерпретации кластеров в ДЗ. Присвоение соматической метки югастеру г ДЗ сопряжено с представлешями. эксперта о возможных спектралышх характеристиках классов объектов. Знания эксперта о спектральных свойствах типовых объектов земной поверхности обычно представляют зтьлошшш наборами спектралышх интервалов в диапазонах значений, спектральных признаков. О соответствии кластера определенно^ классу объектов судят по принадлежности вектора признаков типового элемента ("центра") кластера и.оЕеству, образованному декартрвьш прензведешем множеств значений признаков, образующих эталонные ишервалы, количество которых определяется числом каналов сканера. Прг, сильно пересекаюграся кластерах такая процедура не всегда прп-во;лт к адекватному результату.

Предлагается новая ичтерпретя^я клвстгра как спектр^ль:;аго отсбражения общего текущего состояния элементов класса в целбм. В

том случае представление о кластера как интегральной спектральной арактяристике всей совокупности объектов одного класса мохет ока-.яться едикстветшм средством оценки неспектралышх параметров >бъектов. Поскольку для разбиения множества точек пространства [рпзнаков применялась процедура нечеткой кластеризации, то естест-¡ега.'о рассматривать полученные кластеры как нечеткие спектральные [арак^ерастики классов объектов. Степень принадлежности элемент» мастера можно трактовать как ту степень, в которой данная точка фостранства спектральных признаков характеризует спектральные :'^ойства класса объектов. Мозасо провести аналогию мевду понятием гачеткой ситуации в системах управления с нечеткой логикой и понятием нечеткой спектральной характеристики класса объектов.

Обучение нечеткого шгассификатора сводится к выявлению тшю-зых нечетких спектральных характеристик и построению нечетких ;пектралышх эталонов. Для этто эксперт-аналитик анализирует результаты нечеткой кластеризации ДДЗ по небольшому фрагменту сшшкм 1 принимает реше1шэ о соответствии нечетких кластеров классам объектов земной поверхности. К каздоиу помеченному нечеткому кляссеру применяется опер£ц:'я' цилиндрического продолжения на гаозестс« зпектралышх признаков. Повторное выполнение таких деЛстзьЛ дает наборы нечетких спектральных признаков для каждого саектрслькориз-делимсл) класса наземных объектов. Совокупность объэдиненуГ: одноименных нечетких признаков порождает нечеткий спектра льны Л : талон класса объектов.

После обучения классификатора присвоение оемангичэсьо,! метки кластеру производится евтомотичелеи сравнением текущей нечеткой сщуьции после применения онерацш цилиндрического продолжения с каждым из нечетки* г-прктпалмих этхппиоп. п щмптчг меры С.'Я^«^-;тп

нечеткой ситуации нечеткому спектральному эталону выбрано нечеткое в:у"1чение нечетких множеств. Последовательно определяя степени включения признаков нечеткой ситуации в нечеткий эталон, можно прийти к общему заключению о соответствии нечеткого кластера нечеткому спектральному эталону класса объектов, достоверность которого определяется по формулам^

мне 11 = мис1-1> + с1-мвс1-и>ср ; мвсо:>-о; -1<1<п;

М1Х.13 » ш>с1-и + с 1 —мгк_ ; м1хо^~о; 1<1<п; сз>

ос: « О, В - О, ЬС МПС г<3 -МЫС п5 > ,

где мне о и мши- мера уверенности и кера сомнения, соответственно, в справедливости итогового заключения после проверки 1-го признака; с:к ю<ср «аэ и сг' (сг-=1-сг ) означают степень подтверждения и неподтверждения, соответственно, гипотезы о природе кластера после появления А-го нечеткого спектрального признака нечеткой ситуации, причем величина ск численно равна степенч включения 1-го признака в нечеткий епктральный эталон класса объектов; <х.-окончательная степень уверенности в йравильности итого вого заключения поело учета последнего признака, причем ос-о.н означает полную неопределенность итогового заключения.

По максимальному итоговому заключению делаем вывод о возможности присвоения нечеткому кластеру семантической метки одного из классов покрытия земной поверхности';

Отметин тот факт, что оптимальность кластеризации по формальный признакам компактности и разделимости не всегда соответствует семантической значимости получаемых кластеров. По аналогии с процедурой получения итогового заключения относительно нечеткого кластера мотно определить качество разбиения пространства признаков на № кластеров в зависимости от степени определенности нечет-

них ситуаций.

3 разделе 1.3 описан метод перехода от нечеткой спектральной ситуации, характеризующей состояние исследуемого класса объектов, к лингвистической оценке его состояния. В качество опорюй информации используется набор точечных измерений параметра состояния исследуемого объекта, квззиспнхрогашх пролету спутника. Полегаем, что измерения проводились в различных пунктах исследуемой поверхности Земли; точечное измерение даст адекватную характеристику сост-шния объектов и пределах ближайшей окрестности пушета наблюдений; исиду спектралыши признаком и измеряемым параметром инеет-сп.функциональная зависимость, близкая к линейной; оценка состоя ния описывается лингвистической перемешгой, элементы терм-мнокествп которой определены ют базовом множестве измеряемой наземной характеристики исследуешх объектов.

Определение параметров линейной зависимости производится методом робастной, регрессии на множество точек, образованно* модами цилиндрических продолжений нечетких спеутралбшх - характеристи с исследуемого класса объектов в окрестностях точек' наземны.: наблп • дешй ка множество функционального спектрального признака и соот-ветствугацина наземными измерениями.

Оценка состояния класса объектов на произюльнои Фрагмеьге снимка получается в результате линейного преобразована! ,пчеткого спэктрсльного признака в нечеткий аналог газем;fc.ro кзмерешя и последуткцег'» определения степеней включения рассчитанного аналога в каждое из терм-множеств лшеглпеткчеекгй оерементой.

Во второй главе рассматриваются вс.проси наЕягацик ыимков и их радиационной чоррекции, традиционно относимые ч этап/ предеярл-

то/т^ио^1^ лЛп-'Ло'*'"'1

В раздело 2Л дан краткий обзор методов географической пр; вязки спутниковых снимков. Существуют два основных подхода: при вязка по орбитальным данным и привязка по опорным точкам. Преиму щоством первого подхода является возможность автоматического опре деления координат точек на спутниковом снимке, второго - боле высокая точность привязки. В данной работе предлагается комбини ровяшшй алгоритм, осуществляющий предварительную привязку по ор битзлышм дашшм и затем уточнение координат по опорным точкам Используется эллиптическая модель орбиты спутника, учитываете, несферичность Земга. В случае обработки снимков сканирующего ра диометря лупкк спутников серии подл обеспечивается точность при вязки 3-6 пэла по орбитальным дашшм и 0-3 пэла по опорным точкам Раздел 2.2 посвящен проблеме учета влияния атмосферы и уело вий освещения на регистрируемые сканирующим радиометром спектраль-нояркостные характеристики наземных объектов. Радиационная коррек ция ДДЗ повышает достоверность спектрально-яркостных характеристик

объектов поверхности Земли в видимом и ближнем инфракрасном диапа *

зонах и дает возможность совмещения разновременных снимков шп сопоставления со спектрозоналышми измерениями, проведенными I помошью другой аппаратуры. Предлагается использовать метод радиа циоююй коррекции, построенный на безе физической модели перенос; излучения в атмосфере и оперативной информации с сети метеостан ций. Согласно используемой модели, спектральная двунаправленна; отряш альная способность поверхности Земли в диапазоне участк спрктрв 1-го канала определяется выражением

I -1 С I, V. ФУ -I с п, Ф> тол ялу »г«

I ,п\<-ж> Гт (*>Т «<■»■»!«С*>Т СО>*г(»>Т (2)1' .С»!

* | | ~ I | о I 1С.» I о * I '' < • " I J

где 1 тоизлучение, регистрируемое датчиком на спутнике, 1(1ЛУ-рзлеевское рассеянное излучение, 1Д1.К- излучение, раесеяшк ,1 аэро-эол-зм, 2- занитюй угол Солнца, зенитный угол спутника, ф- от-иосителышй азиууталышй угол нь поверхности Зешга иехду Солнцем и гаутник^м. 1;.- эквивалентное для спектрального диапазона канал;, солнечное излуче1ше на верхней грянице атмосферы, г^с^) - полной ослаблоннг атмосферой солнечного излучения, приходящего от верхней границы атмосферы к поверх- ности Земли, г1о[<&">- ослабление излучения по пути от поверхности Земли до спутника, т',пропускная способность для диффузного излучения, г- отношение диффузно*о излучения к прямо'прошедшему.

Оцеш<я содержания в атмосфере паров воды и аэрозоля произволен по дашшы ближайших метеостанций о температуре и влажности воздуха и дрлыюсти видимости. Для расчетов компонент оптичегкой злотности используются эмпирический табличные и графические зависимости. Модель позволяет оценить коэффициенты к и преобр; аова-1ШП цифровых отсчетов в энергетические яркости в выражении 1..д, ■■ + I. и восстановить действительную интенсивность отра-

женного излучения по излучешно I , дошедшему до спутника.

Поскольку квазисинхрбтаые точечные измерения параметров атмосферы производятся на нерегулярно расположенных метеостанциях, для ах перерасчета на узлы равномерной сейш, координаты которых определяются центрами ячеек, предлагается использовать двумерную интерполяцию и сглажчнную аппроксимации поверхности для нерегулярно распределенных данных (метод Aki.na), Коэффициенты к и вичиелн-отся в узлах регулярной сетки. Их зтгчения в лгбой точки снимка определяются двумерной интерполяцией по Бесселю. Абсолютная точ-

ность восстановления спектрального альбедо по используемой модели в к; асном и ближнем инфракрасном диапазонах солнечного спектра составляет около Л%. Относительная погрешность метода радиационной коррекции не превышает 20%.

Третья глава посвящена практическому использованию предлагаемых в первой и второй главах уито^ов при разработке автоматизированной системы обработки спутниковых и наземных данных.

В разделе 3.1 подчеркнута важность такой задачи агрометеорологии, как задача оценки состояния посевов озимых культур на ран-ш«х стадиях вегетации. Ценность применения ДДЗ при решении этой задачи заключается в ш; глобальности и оперативности, что позволяет, при наличии соответствующей методики, по одному- двум снимкам получить информацию о состоянии посовов на территории, измеряемой десятками тысяч квадратных километров. Регистрируемое аппаратурой ДЗ отраженное посевами солнечное излучение представляет сос'ой сложную комбинацию отражений от почвы и элементов растительности. С ростом и развитием посевов характер отраженного излучения су-щестьвшю изменяется 'в первую очередь из-за того, насколько элементы растительности закрывают почву. Обоснован выбор биометрического параметра "густота стеблестои" для оценки состояния посевов озимых.

В качестве спектральной характеристики посева предлагается использовать нормализованную разность, ыоут, интьнсивностей отраженного излучения я красном и ближнем инфракрасном диапазонах I -г

миух . СВ)

1Й м

Выбор этого индекса обусловлен тем фактом, что между шу! и густотой стеблестоя имеется связь, близкая к линейной, а он более чув-

ствителен к изменениям проектив)юго покрытия на ранних стадиях вегетации озимы:.

Предлагаемый в дашюй работе метод оценки состояния посевов основан на предположении, что вся идентифицируемая растительность относится к посевам. Такое предположение оправдывается областью применения методе, которая ограничена природнычн условиями зоны степей и сезонами года (осень или весна). Сложность решения поставленной задачи в основном обусловлена недостаточным для распознавания отдельных полей посевов пространственным разрешением сканеров метеорологических спутников. Решить поставлегагую задачу позволяет метод построения нечеткого классификатора, изложенный : первой главе дашюй работы.

В разделе 3.2 описана технология автоматизированной оценки состояния посевов озимых по дшпшм сканирующего мультпепектралыш-го радиометра лушгк метеорологических спутников серии кплл , демонстрирующая практотеское применение разработанных методов предварительной и тематической обработки ДДЗ. • .

Приведет основные технические характеристики спутников серил ноал и радиометра аункй. Описана процедура преобразования цифрозчх квантованных отсчетов в каналах рздаомзтра лункр в значения энергетической яркости.

В качестве спектральных признаков выбрага вегет-'л-чонный индекс кг)У1 я температурно-нозавист'кй индекс поверхности ттт.

Для упрощения рассчетов и'сокращения времена оТрв5(;тад даьтшг применяете1! ь-и-аппроксинация нечетких спектральных характеристик. Предлагается способ оцеюся стзпенк нечеткого включения 1.-? аппроксимированных нечетких множеств, построенный на сеометуиччской интерпретация вклпченЕя нечеткие множестп.

Показан вид лингвистической прреиошой "состояние посевов озимей пшениц,!". описывающей состояния "хорошо", "удовлетворительно" и "плохо" по биометрическому показателю "густота стеблестоя" и построенной на основании прямого опроса эксперта-агрометеоролога.

Результаты испытаний методики показали, что средняя опюбка определения густота стеблестоя посевов составляет около 6Х от измеряемого значения. Спе;оше абсолютные отклонения для каждой из оценок состояния составили: для оценки со2тояго)я "плохо"-10%, состояния "удовлстворителъно-5%, состояния "хорошо"-1055.

Методика оценки ссэтогпшн посевов озииых культур на ранних стадиях вегетации одобрена Центральной методической комиссией по гидрометеорологическим прогнозам и утБоридоиа Роскоишдроиетоу в качество руководящего документа (иетодичссгах указаний), предназначенного для специалистов вычислительных центров подррздалегай Роскоигидроиета, зашмахвдюся обработкой спутниковой информации, и специалистов- агрометеорологов Гидрометеорологичзскою н.учно-иоследоватсльского центра и управлилй по гидрометеорологии.

Вся обработка спупшковой и наземной шгЛормации к настоящему времени выполняется на ПЭВМ типа хии лт гпи, В целом, рассчеты пс методике совпадают с экспертной оценкой ведущих спе1[иалисгов-ягромитеорологов Гидроу1теорологичсского научно-исследовательскогс центра и ныне используется иш как т.акнпя .информация при прогнозировании урожая озимых зерновых культур.

Г- Заключении сформулированы вывода по диссертационной работе;

I. Отрешение расширить область применения ДДЗ, получаемых I помощью мультиспектральшх сканеров метеорологических спутников, I повысить эффективность их использования привело к даобходимосп создания новых методов автоматизированной обработки я интнриратл-

дин ДЦЗ.

2. Малое ризреиише сншхов, получьемых с псмоцьь сканеров ■-¡атеорологмческщ спутников, во цчогнх задачах исследования объектов суии не позволяет ¡ыдетао идентифицировать элементы оСучакэдх выборок для построения классификатора. 3 то ке время дашше иптеороЛогических спутников содеряят ценную информацию о класса}: снектрлльнорапдилиных объектов поверхности Земли. Выделить в ДДГ1 ко(Л1йкт1ше кластеры гнперэлляпсоиднсй формы, отображайте основный клчссы объектов земной поверхности, 1 позволяет ыодафицировшпшй алгоритм нечеткой кластеризации.

3. Представление ДЦЗ в виде нечетких кластеров дает возможность более х'пбио и естественно интерпретировать " мешанные" ->лп-ивнти изображении. Развитием интерпретации нечетких кластеров является введеное в данной работе понятие нечеткой ^центральной характеристики класса объектов. Множество нечетких спектральных характеристик описывает мгновенное состоя!ше класса объекюр (нечеткую ситуацию) и позволяет строить нечеткие спектральные •.■талоны для автоматического присвоения кластеру семантической метки.

4. Нечеткая спектральная характеристика классч объектов и ¿го описать лингвистической переменной на базовом множестве наземных измерений позволяют легко" перейти от спектральных параметров объектов к их наземным показателям.

5. Предложены эффективные методы навигации спутниковых снимков и их радиационной коррекции.

6. С помощью новых методов автоматизированной обработки ДДЗ рзепна однь из важных задач вгрометеолигин- оценка состояния посевов озтаых культур на ранних стэдиях В-гетации.

7. Методы, предлагаемые в данной работе, образуют базоы^й

HLÖop средств обработки ДДЗ и могут найти широкой применение npt ркзпаботке 'космических систем мониторинга i миродных ресурсов Зешв л охраны скрухакцей среда.

П./ теме диссертации опубликованы 9 работ, отражающие основное ьодерншшо диссертации, основные из которых:

1. Кле^енкэ А.Д., Федоров В.В. Оценка состояния посевов ози-т v культур по информации с метеорогических спутников Труда В1ШС1Ч, 1989, вып.25, с.58- 69.

2. Клещенко А.Д., Федоров В.В., Каретенкова Л.А. Руководящие докуыент. Методические указания. Оценка состояган посевов озимы; культур в осенний и весенний периода вегетации для ваашх paflouoi Европейской ¡асти СССР на основе цифровой обработки спутшковы: данных. РД 52.33.255-90, Госкоыгидромет СССР, T99I Г.

3. Федоров В.В., Воробей Е.В. Экспериментальная технологш текаплеской обработки дашшх дистанционного зондирования (;.д| задач агрометеорологии) (ехтес) у/ В сб. Алгоритмы и программа (Сводный аннотировашшй указатель по материалам информационно! части отраслевого фонда алгоритмов а программ Госкомгидромета о< 1977- 1987 гг.), Обнчнск, 1989, с. II5-II6.

4/ Федоров В.В. Способ учрта влияния атмосферы при обработю дишшх спутниковых измерений ✓✓ Труды ВНИИСХМ, 1989, вып.25,f с, 19- 26.

5. Федоров В.В., Использований методов теории нечетких множеств в дистанционной рондаровании посевов сельскохозяйственны: культур ✓✓ в сб. Тезиги докладов Всесоюзной конференции "Методы i средства даотанционного зондирования Зеши и обработки космическо! информации в интересах народного хозяйства г. Рязань, сентябр!

1989 Г' НПОМТЯ" ■

joiojV/W