Разработка методик космического дистанционного исследования региональных экосистем: На прим. зоны Чернобыл. АЭС тема диссертации и автореферата по ВАК РФ 01.04.03, кандидат физико-математических наук Чимитдоржиев, Тумэн Намжилович

• Чимитдоржиев, Тумэн Намжилович
• кандидат физико-математических наук
• 1998

Оглавление диссертации кандидат физико-математических наук Чимитдоржиев, Тумэн Намжилович

стр.

Введение

Глава 1. Космические дистанционные исследования региональных 11 экосистем и методы обработки мультиспектральных данных.

1.1. Концепция спутникового мониторинга региональных эко- 11 систем.

1.2. Спектральные характеристики природных объектов в опти- 23 ческом диапазоне.

1.3. Алгоритмы обработки спекгрозональных изображений оп- 32 тического диапазона.

Глава 2. Исследование растительности в зоне Чернобыльской 44 АЭС на основе данных спектрозонального сканера МСУ-Э.

2.1. Анализ информативности индексов вегетации

2.2. Описание тестового полигона

2.3. Применение вегетационных индексов для исследования рас- 60 тительности зоны отчуждения ЧАЭС.

2.4. Алгоритм трехканальной обработки спекгрозональных 71 изображений.

2.5. Методика выявления угнетенной растительности с исполь- 81 зованием алгоритма трехканальной обработки.

Глава 3. Совместная обработка спектрозональных и радиолока- 87 ционных изображений для улучшения классификации лесных массивов.

3.1. Обоснование необходимости совместной обработки спек- 87 трозональных и радиолокационных изображений.

3.2. Алгоритм совместной обработки и методика исследования

3.3. Использование кластерного анализа для оценки методики 95 совместной обработки.

3.4. Исследование лесных массивов в зоне ЧАЭС при помощи 107 методики совместной обработки.

Заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Разработка методик космического дистанционного исследования региональных экосистем: На прим. зоны Чернобыл. АЭС»

Введение

В настоящее время резко возросла научно-практическая и прикладная значимость исследований земной и морской поверхности космическими дистанционными методами [1, 2]. В рамках этих исследований одними из наиболее актуальных и важных на сегодняшний день являются задачи регионального мониторинга [3, 4]. Для решения подобных задач требуется информация с высоким временным и пространственным разрешением, обеспечить которое могут лишь спутниковые данные [5, 6].

С постоянным развитием приемной аппаратуры и систем дистанционного наблюдения следует также развивать и системы обработки спутниковой информации, поэтому данная задача относится к числу первоочередных. При этом необходимо обеспечивать должный уровень тематической обработки, оперативность, наглядность и высокое информационное содержание получаемых данных.

Из всего многообразия аппаратуры, применяемой для дистанционного изучения подстилающей поверхности, наиболее часто используют мультиспектральные сканирующие устройства (часто используют термин «многоспектральный сканер») [7-9] и радиолокационные системы с синтезированной апертурой (РСА) [10-12]. Термин «многоспектральный (мультиспектральный) сканер» следует считать уже устоявшимся, хотя такие системы можно рассматривать и как радиометры, и как телевизионные системы [13].

На данный момент широко используются две категории методов обработки изображений мультиспектральных сканирующих устройств (в дальнейшем МСУ):

• методы, улучшающие визуальную интерпретацию без учета спектральных характеристик объектов исследования;

• методы, основанные на учете различий в спектральном отражении для разных каналов.

Методы второй группы несут более высокое информационное содержание об объекте исследования и основываются на анализе различий в отражении хлорофиллом в «красном» канале (0.6 - 0.7 мкм) и в ближнем инфракрасном диапазоне (0.8 - 0.9 мкм). Эти методы используют преобразования, которые принято называть вегетационными индексами (ВИ) [14]. Вегетационные индексы - это определенная комбинация спектральных каналов, основанная на эмпирическом опыте, которая дает численное значение для характеристики и оценки пространственной вариации биофизических параметров растительного покрова

Основные работы по созданию ВИ проводятся за рубежом на основе данных мультиспектральных сканеров MSS (от англ. Multy Spectral Scanner) и ТМ (от англ. Thematic Mapper), установленных на борту спутников серии Landsat [13]. Эти исследования направлены на уменьшение искажающего влияния почвы и атмосферы при определении характеристик растительности. При этом ВИ, уменьшающие атмосферное влияние, предполагают наличие «голубого» спектрального канала, которого нет у отечественных МСУ. Кроме того, так называемые «почвенные» ВИ и соответствующие весовые коэффициенты были рассчитаны именно для обработки изображений сканеров спутника Landsat.

До настоящего времени в России подобные работы по созданию ВИ не проводились, и при исследованиях, как правило, применяются преобразования, основанные на концепции Каута-Томаса

[15-17], либо применяется традиционное преобразование - нормированная разность [18-20]. Из вышеизложенного вытекает следующая постановка одной из задач диссертационной работы - анализ применимости существующих ВИ для обработки изображений отечественных сканеров.

Известно, что по форме спектральной кривой можно идентифицировать основные типы подстилающей поверхности (ПП) и оценить состояние растительных сообществ и почвенных образований. Использование вегетационных индексов позволяет различать основные виды ПП: редкая чахлая растительность имеет значение ВИ меньше, чем густая сочная, а почвенные образования имеют более низкое значение индекса, по сравнению с растительностью. При подобном подходе обычно не учитываются спектральные особенности ПП в зеленой зоне спектра (0.5-0.6 мкм), по которым растительные и почвенные сообщества существенно различаются. Отсюда следует другая задача данной работы, которая заключается в создании методики обработки, учитывающей информацию о форме спектральной кривой по трем каналам: зеленому, красному и ближнему ИК.

В последнее время поиск путей повышения надежности тематической интерпретации данных ДЗЗ связывают с совместной обработкой изображений оптического МСУ и РСА. Значительный интерес к подобной обработке связан с тем, что информация, получаемая с этих приборов, взаимно дополняет друг друга, несмотря на различный физический механизм получения изображений.

На данный момент принято раздельно обрабатывать эти изображения с последующим комплексированием информации. Под комплексированием информации понимают синтезирование данных

радара и сканера на основе процедуры псевдоцветового представления, которое заключается в кодировании данных различных датчиков основными цветами. При подобном рассмотрении улучшается визуальное восприятие полученного изображения, однако при этом сложно оценить состояние основных видов ПП, так как не учитываются спектральные особенности объекта исследования в различных каналах, и тем самым теряется информационное содержание полученного изображения. Таким образом следующей задачей данной работы является создание алгоритма совместной обработки изображений МСУ и РСА, учитывающего выше обозначенные недостатки.

Требования к алгоритмам обработки данных ДЗЗ, предназначенным для тематической интерпретации изображений можно сформулировать следующим образом:

1) алгоритм обработки мультиспектральных изображений должен использовать спектральные характеристики исследуемых объектов;

2) изображение, полученное с помощью данного алгоритма, должно быть достаточно простым для интерпретации данных;

3) алгоритм совместной обработки данных МСУ и РСА в качестве конечного результата должен выдавать одно изображение, которое содержало бы информацию, полученную на основе спектральных особенностей объекта исследования, и информацию об удельной эффективной поверхности рассеяния (УЭПР).

Цель настоящей работы состоит в разработке алгоритмов и реализации экспериментальных методик, удовлетворяющих перечисленным требованиям и позволяющих достаточно точно интерпретировать типы и состояние ПП.

Основные задачи исследования состоят в следующем:

• анализ известных зарубежных методик обработки многозональных изображений для определения наилучшего преобразования, применительно к отечественной аппаратуре серии МСУ;

• создание методики обработки данных спекгрозонального сканера МСУ-Э с учетом особенностей российской многозональной сканирующей аппаратуры и недостатков других методик;

• проведение модельного исследования данной методики на основе табличных данных с целью определения возможностей интерпретации спекгрозональных снимков;

• создание методики совместной обработки радиолокационного изображения и данных мультиспектральных сканеров для улучшения распознавания растительности;

• проведение кластерного анализа с целью определения информативности методики совместной обработки по сравнению с традиционными методами;

• исследование растительности в зоне отчуждения Чернобыльской АЭС при помощи разработанных методик.

Предлагаемые методики различаются по подходу к поставленной задаче. Первый подход к созданию алгоритма обработки данных отечественных МСУ основывается на распознавании по конфигурации спектральной кривой. Второй - на получении взаимно дополняющей информации, что следует из различия механизмов получения изображений РСА и МСУ. По мнению диссертанта, подобное рассмотрение позволяет, полноценно использовать информацию, получаемую с различных приборов.

На защиту выносятся следующие положения:

1. Разработана и модельно обоснована методика определения основных типов подстилающей поверхности (ПП) на основе данных спектрозонального оптического сканера. Показано, что методика позволяет определить тип ПП на основе формы спектральной кривой в оптическом и ближнем ИК диапазонах.

2. Предложена методика совместной обработки изображений МСУ и изображений РСА Ь-диапазона, основанная на поэлементном перемножении массивов УЭПР радиолокационного изображения на соответствующее значение индекса вегетации.

3. При помощи кластерного анализа исследована информативность изображений, полученных различными методами обработки. Установлено, что процедура совместной обработки изображений МСУ и изображения РСА Ь-диапазона на НУ поляризации позволяет наилучшим образом распознавать угнетенные лесные массивы.

4. Экспериментально обоснованы предлагаемые методики обработки на примере исследования зоны Чернобыльской АЭС. Продемонстрировано хорошее согласие полученных результатов с данными наземных исследований.

Перечисленные положения отражены в трех главах диссертации. В первой главе представлена общая концепция регионального спутникового мониторинга. Приведены основные спектральные зависимости, используемые для идентификации ПП. Рассмотрены основные направления исследований по созданию ВИ и в табличной форме представлены основные алгоритмы вычисления ВИ.

Глава 2 посвящена обработке данных спектрозонального сканера МСУ-Э. Приводится анализ применимости индексов вегета-

ции для обработки данных отечественных МСУ. Анализ проведен на основе гистограммных признаков с точки зрения информативности изображения. Предложен и модельно обоснован метод выявления угнетенной растительности, основанный на алгоритме трехка-нальной обработки. Приведены качественные оценки атмосферного влияния на данные спекгрозонального сканера. При помощи данного алгоритма проведено исследование зоны Чернобыльской АЭС. Результаты сравниваются с наземными исследованиями. Описана зона отчуждения ЧАЭС, как основного тестового полигона исследования.

В третьей главе обоснована необходимость совместной обработки изображений РСА и МСУ с целью получения максимально возможной информации. Приведены алгоритм и методика совместной обработки. При помощи кластерного анализа проведена оценка информативности данной методики с точки зрения наилучшей разделимости кластеров и определения их количества. С использованием данного метода исследован тестовый полигон - зона отчуждения ЧАЭС; результаты также сравниваются с наземными наблюдениями.

Заключение содержит основные результаты работы. Сделаны выводы по применимости созданных алгоритмов к исследованию региональных экосистем на предмет выявления угнетенной растительности.

Заключение диссертации по теме «Радиофизика», Чимитдоржиев, Тумэн Намжилович

Заключение.

Основные результаты работы заключаются в следующем:

1. На основе проведенного анализа известных ВИ показано, что в каждом отдельном случае для получения информативного изображения различных экосистем следует выбирать наиболее подходящий ВИ, опираясь на характеристики гистограммы. Под термином «информативное изображение» подразумевалось изображение, на котором выделяется максимально возможное количество природных образований и отчетливо просматриваются особенности подстилающей поверхности (ПП). В качестве критериев информативности использовались принципы, лежащие в основе процедур, улучшающих визуальный анализ изображений, такие как ширина динамического диапазона и форма гистограмм яркостей.

2. Разработана новая методика обработки спектрозональных изображений для выявления угнетенной растительности, основанная на расположении спектральных каналов отечественного сканера МСУ-Э, которые, как известно, выбраны в соответствии с особенностями спектральных характеристик природных сообществ. При разработке методики учитывались недостатки других подобных методик, основанных на определении индексов вегетации: ВИ, как правило, определяются по измерениям отраженного сигнала в красном и в ближнем ИК диапазонах, реже используется еще голубой спектральный диапазон. При таком подходе не учитывается форма спектральной кривой в зеленой части оптического диапазона, по которой можно более надежно разделять растительность, почву и водную поверхность. В предлагаемой же методике, обработка ведется по изображениям, полученным в зеле-

ной, красной и в ближней ИК зонах спектра, что дает возможность определить тип кривой - возрастающая, вогнутая (с минимумом в красной зоне) или убывающая кривая. А по типу спектральной кривой можно уже утверждать о типе ПП.

3.На основе модельных расчетов продемонстрированы следующие существенные преимущества данной методики по сравнению с методикой вычисления индексов вегетации:

• основные виды ПП - растительность и почва имеют разный знак - в отличие от ВИ, где различие проводится по величине самого индекса;

• распознавание угнетенной или редкой растительности ведется по близости к порогу, что позволяет более надежно распознавать подобные состояния растительности;

• при редкой растительности, т.е. при малой величине надземной фитомассы наблюдается лучшее разрешение по фитомас-се.

4. Разработана методика совместной обработки данных РСА и МСУ, которая заключается в домножении массивов УЭПР, полученных в Ь - диапазоне, на соответствующее значение ВИ. При помощи кластерного анализа продемонстрировано, что данная методика позволяет повысить информативность изображения для фрагментов с лесными массивами. При этом увеличивается количество кластеров (количественный признак повышения информативности) и их разнесенность (качественный признак), а так же величина, совместно учитывающая оба критерия.

5. На примере 30-км зоны отчуждения ЧАЭС показана возможность применения разработанных методик для исследования растительности в регионах с высокой антропогенной нагрузкой. Установ-

лено, что в непосредственной близости от промзоны ЧАЭС растительность отсутствует, к западу от промзоны на расстоянии от 2-3 км и до 5-6 км находится либо угнетенная растительность, либо редкая растительность. При помощи совместной обработки показано, что часть лесного массива, расположенная ближе к западному следу радиоактивного загрязнения, находится в угнетенном состоянии, т.е. хвоя (листва) на деревьях в этой части массива либо отсутствует, либо пожухла.

На основе полученных результатов можно сделать следующие выводы:

• для распознавания основных типов подстилающей поверхности по данным спектрозонального сканера МСУ-Э следует использовать алгоритм трехканальной обработки изображений;

• при исследовании лесных массивов рекомендуется проводить совместную обработку изображений РСА и МСУ;

• при определении величины надземной фитомассы сельскохозяйственных растений при низких ее значениях лучше использовать алгоритм трехканальной обработки изображений МСУ, а в случае более высоких значений целесообразнее использовать методику определения ВИ.

Список литературы диссертационного исследования кандидат физико-математических наук Чимитдоржиев, Тумэн Намжилович, 1998 год

Список литературы

1. Кондратьев К.Я., Поздняков Д.В. Новое в дистанционном зондировании окружающей среды (по материалам книги «Успехи дистанционного зондирования окружающей среды»). // Исследование Земли из космоса. - 1996 г. - №1. -С. 107-124.

2. Кондратьев К.Я., Поздняков Д.В. Третья тематическая конференция по применению дистанционного зондирования при изучении морских акваторий и прибрежных зон (18-20 сентября 1995 г., Сиэтл, США): краткий обзор. // Исследование Земли из космоса. - 1996 г. - №3. -С. 113-118.

3. Небел Б. Наука об окружающей среде: как устроен мир: в 2 т.

- М.: «Мир». - 1993 г.

4. Чимитдоржиева Г.Д., Чимитдоржиев Т.Н., Основы почвенно-экологического мониторинга. - Учебно-методическое пособие, Улан-Удэ: изд-во Бур. гос. ун. 1997. - 153 с.

5. Букчин М.А., Захаров М.Ю., Крайнев А.Г., Лупян Е.А., Мазуров A.A., Нартов И.Ю., Флитман Е.В. Первичная обработка данных метеорологических спутников на локальных станциях приема. // Исследвание Земли из Космоса. - 1994. - №5. - С. 112-117;

6. Захаров М.Ю., Лупян Е.А., Мазуров A.A., Нартов И.Ю. Географическая привязка данных прибора AVHRR для задач регионального мониторинга. // Исследование Земли из Космоса.

- 1993. - №5. - С. 27-32.

7. Myneni R.B., Nemani R.R., Running S.W. Estimation of global leaf area index and absorbed PAR using radiative transfer models. //

IEEE Transactions on geoscience and remote sensing. - 1997. - Vol. 35. - №6. - P. 1380-1393.

8. Price J.C. Spectral band selection for visible-near infrared remote sensing: spectral-spatial resolution tradeoffs. // IEEE Transactions on geoscience and remote sensing. - 1997. - Vol. 35. - №5. - P. 1277-1285.

9. Андреев Г.Г., Кравцова В.И., Михайлов В.И., Чабан JI.H. Определение возможностей космического мониторинга необследованных территорий на основе сканерной информации высокого и среднего разрешения (на примере Южной Кореи). // Исследование Земли из Космоса. - 1996. - №3. - С. 57-67.

10. Shi J., Wang J., Hsu A.Y. and et all. Estimation of bare surface soil moisture and surface roughness parameter using L-band SAR image data. // IEEE Transactions on geoscience and remote sensing. -1997. -Vol. 35. - №5. - P. 1254-1266.

11. Nance C.E., Blanchard A.J. Backscatter measurments from a vegetation-like structure. // International Journal of Remote Sensing, -1990. -V. 11. - P. 1205-1222.

12. Арманд H.A., Захаров А.И., Шмаленюк A.C. Дистанционные исследования Земли спутниковыми радарами с синтезированной апертурой. - Тез. докл. XVIII Всероссийской конференции по распространению радиоволн. 17-19 сентября 1996 г. -Санкт-Петербург, 1996. - T.l. - С.242.

13. Савиных В.П., Соломатин В.А. Оптико-электронные системы дистанционного зондирования: Учеб. для вузов. - М.: Недра, 1995. - 315 с.

14. Чимитдоржиев Т.Н., Ефременко В.В., Об использовании различных индексов вегетации в дистанционном зондировании

экосистем. // Исследование Земли из космоса. - 1998. - №3. -С. 49-56.

15. Kauth R.J., Thomas G.S. The tasseled cap - A graphic description of the spectral-temporal development of agricultural crops as seen by Landsat // Proc. Symposium on Machine Processing of Remotely Sensed Data. Purdue University, West Lafayette, Indiana. - 1976. -P. 41-51.

16. Кондратьев К.Я., Вандьпнева H.B., Козодеров В.В., Косолапое

B.C. Оценка параметров почвенно-растительного покрова по многоспектральным спутниковым данным. // Исследование Земли из Космоса. - 1992. - №3. - С. 88-95.

17. Кондратьев К.Я., Козодеров В.В., Косолапов B.C. Проблемы изучения биосферы из космоса // Исслед. Земли из космоса. -1992. - № 2. - С. 15-23.

18. Жирин В.М., Сухих В.И., Эйдлина С.П. Динамические значения вегетационного индекса и ландшафтные особенности растительного покрова. // Исследование Земли из Космоса. - 1996. - №4. - С. 29-41.

19. Коробов P.M., Войнов О.А., Райлян В.Я. Оценка информативности спектральных характеристик посевов озимой пшеницы для прогноза их биологической продуктивности. // Исследование Земли из Космоса. - 1991. - №1. -С. 26-37.

20. Kozoderov V.V., Vandysheva N.M., Maslov A.V. et all. Cosmos 1939 data processing for FIFE 1989 // J. Geophys. Res. - 1992. - V. 97. - № D17. - P.18,779-18,784.

21. Кондратьев К.Я. Глобальные изменения: итоги новых разработок в США. // Исследование Земли из Космоса. - 1997. - №3. -

C. 95-109.

22. Vidal A., Pinglo F., Devaux-Ros C., Maillet A. Evaluation of Temporal Fire Risk Index in Mediterranean Forests from NOAA Thermal IR. // J. Remote Sens. Environ. - 1994. - V. 49. - P.296-303.

23. Dewey K.F., Heim R. Satellite Observations of Variations in Northern Hemisphere Seasonal Snow Cover. // NOAA Technical Report, NESDIS 87.

24. Захаров М.Ю., Лупян E.A., Назиров P.P. Создание информационного центра для поддержки пользователей спутниковых данных. // Исследование Земли из Космоса. - 1994. - №4. - С. 88-91.

25. Захаров М.Ю., Лупян Е.А. Организация формата записи данных, поступающих со спутников серии NOAA, для решения локальных задач. // Исследование Земли из Космоса. - 1993. -N 3. - С. 66-70.

26. Захаров М.Ю., Лупян Е.А., Мазуров А.А., Флитман Е.В. Гибкая система модификации программного обеспечения для обработки спутниковых изображений. // Исследование Земли из Космоса. -1994. - N 1. - С. 48-53.

27. Gesell G. An algorithm of snow and ice detection using AVHRR data: an extension of the APOLLO software package.// Int. J. Remote Sensing. - 1989. - V. 10. - P. 897-905.

28. Baumgarther M.F. Snowmelt runoff simulations based on snow cover mappingusing digital LANSAT-MSS and NOAA/AVHRR data. // Hydrology Laboratory Techinical Report HL16 - 1990& -52p.

29. Lopez S., Gonzalez F., Llop R., Cuevas J.M An evaluation of the utility of NOAA AVHRR images for monitoring forest fire risk in Spain. // Int. J. Remote Sensing. - 1991. - V.12. - P.1941-1851.

30. McMillin L.M., Crosby D.S. Theory and validation of the multiple window sea surface temperature technique. // J. Geophys. Res. -1984. -V. 89. - P.3655-3661.

31. Walton C. The AVHRR/HIRS operational method for Satellite Based sea surface temperature determination. // NOAA Tech. Rep. NESDIS, -1987. - V. 28.

32. Научная программа экспериментов: Международный целевой комплексный проект "Природа", - М.: ротапринт ИРЭ РАН. -1993.

33. Чимитдоржиев Т.Н. «Использование данных спектрозональ-ного сканера для экологического мониторинга». - Тез. докл. Юбилейной сессии РАЕН. 28 февраля 1997 г. - Москва, 1997. -С. 77.

34. Ефременко В.В., Мошков А.В., Семёнов А.А. Чимитдоржиев Т.Н., «Тематическая обработка данных сканера МСУ-Э при мониторинге региональных экосистем». - Тез. докл. XX юбилейной научно-технической конференции ЦНИИ «Комета»: «Новые технологии создания и испытаний глобальных информационно-управляющих систем (ГИУС). Диверсификация систем оборонного назначения». 15-17 апреля 1997 г. - Москва, 1997.(в печати).

35. Природа Земли из космоса./ В.В. Козодеров, Л.Б. Карвовская, А.Д. Клещенко и др.; Под ред. Н.П. Козлова. - Л.: Гидроме-теоиздат, 1984. - 151 с.

36. Федченко П.П., Кондратьев К.Я. Спектральная отражательная способность некоторых почв. - JI.: Гидрометеоиздат, 1981. - 232 с.

37. Альбедо и угловые характеристики отражения подстилающей поверхности и облаков./ К.Я. Кондратьев, В.И. Биненко, JI.H. Дьяченко и др.; Под ред. К.Я. Кондратьева. - Л.: Гидрометеоиздат, 1981.- 232 с.

38. Кронберг П. Дистанционное изучение Земли. - М: "Мир", 1988. - 343 с.

39. Рачкулик В.И., Ситникова М.В. Отражательная способность и состояние растительного покрова. - Л.: Гидрометеоиздат, 1981. - 288с.

40. Baret F., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment // Remote Sens. Environ. -1991. -V. 35. -P.161-173.

41. Clevers J. G. P. W. The derivation of a simplified reflectance model for the estimation of leaf area index // Remote Sens. Environ. -1988. -V. 25. - P. 53-70.

42. Wiegand C.L., Richardson A.J., Escobar D.E. et all. Vegetation Indices in Crop Assessments // Remote Sens. Environ. -1991. -V. 35. PP. 105-119.

43. Dusek D.A., Jackson R.D., Musick J.T. Winter wheat vegetation indices calculated from combinations of seven spectral bands //Remote Sens. Environ. - 1985. - V. 18. -P. 255-267.

44. Gardner B.R., Blad B.L., Thompson D.R. et all. Evaluation and interpretation of Thematic Mapper ratios in equations for estimating corn growth parameters // Remote Sens. Environ. -1985. -V. 18. -P. 225-234.

45. Smith R.C.G., Choudhury B.J. Analysis of normalized difference and surface temperature observations over southeastern Australia // Int. J. Remote Sens. - 1991. -V. 12. -№ 10. -P. 2021-2044.

46. Cihlar J., Caramori P.H., Schuepp P.H. et all. Relationship between satellite-derived vegetation indices and aircraft-based C02 measurements // J. Geophys. Res. -1992. -V. 97. -№ D17. -P. 18,515-18,521.

47. Gao W., Wesely M.L., Cook D.R. et all. Air-surface exchange of H2O, CO2 and O3 at a tallgrass prairie in relation to remotely sensed vegetation indices // J. Geophys. Res. -1992. -V. 97. -№D17. -P. 18,663-18,671.

48. Korolyuk T.V., Shcherbenko H.V. Compiling soil maps on the basis of remotely-sensed data digital processing: soil interpretation // Int. J. Remote Sens. -1994. -V. 15. -№ 7. -P. 1379-1400.

49. Richardson A.J., Wiegand C.L. Distinguishing vegetation from soil background information // Photogrammetric Engineering and Remote Sens. -1977. -V. 43. -P. 1541-1552.

50. Clevers J.G.P.W. The application of a weighted infrared-red vegetation index for estimating leaf area index by correcting for soil moisture // Remote Sens. Environ. -1989. -V. 29. -P. 25-37.

51. Richardson A.J., Everitt J.H. Using spectra vegetation indices to estimate rangeland productivity // Geocarto International. -1992. -V. 1. -P. 63-69.

52. Huete A.R. A soil-adjusted vegetation index (SAVI) // Remote Sens. Environ. -1988. -V. 25. -P. 295-309.

53. Qi J., Huete A.R. Modified soil adjusted vegetation index (MSAVI) // Remote Sens. Environ. -1994. -V. 48. -P. 119-126.

54. Qi J., Kerr Y., Chehbouni A. External Factor Consideration in Vegetation Index Development // Proc. of Physical Measurements and Signatures in Remote Sensing, ISPRS. -1994. -P. 723-730.

55. Baret F., Guyot G., Major D. TSAVI: A vegetation index which minimizes soil brightness effects on LAI or APAR estimation // Proc. 12th Canad. Symp. Remote Sens. Vancouver, Canada, 1989. July 10-14, 1989. IGARSS'1990.

56. Li Xia. A two-axis adjusted vegetation index (TWVI) // Int. J. Remote Sens. -1994. -V. 15. -№7. -P. 1447-1458.

57. Jasinski M.F., Eagleson P.S. The structure of red-infrared scatter-grams of semivegetated landscapes // IEEE Trans. Geosci. Remote Sens. -1989. -V. 27. -P. 441-451.

58. Kaufman Y.J., Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS // IEEE Trans. Geosci. Remote Sens. -1992. - V. 30. 2. -P. 261-270.

59. Huete A.R., Liu H.Q. An error and sensitivity analysis of the atmospheric- and soil-correcting variants of the NDVI for the MODIS-EOS // IEEE Trans. Geosci. Remote Sens. -1994. -V. 32. -№ 4. -P. 897-905.

60. Liu H.Q., Huete A.R. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise // IEEE Trans. Geosci. Remote Sens. -1995. -V. 33. -№ 2. -P. 457-465.

61. Кондратьев К.Я., Козодёров B.B., Федченко П.П., Топчиев А.Г. Биосфера: Методы и результаты дистанционного зондирования. - М.: "Наука", 1990. - 222 с.

62. Jackson R. D. Spectral indices in n-space // Remote Sens. Environ. -1983. -V. 13. -P. 409-421.

63. Козодеров В.В., Косолапов B.C. Оптическое зондирование биосферы по многоспектральным аэрокосмическим изображениям // Оптика атмосферы и океана. -1992. -Т. 5. -№ 8. -С. 852-859.

64. Ефременко В.В., Чимитдоржиев Т.Н., Мошков A.B., Семёнов A.A.: Анализ индексов вегетации при помощи гистограммных признаков. - Тез. докл. Российской научно-технической конференции по дифракции и распространению волн. 18-20 июня 1996 г. - Улан-Удэ, 1996. -С. 194 - 199.

65. Прэтт У. Цифровая обработка изображений: Пер. с англ. М.: «МИР», 1982. - Кн. 2. - 480 е., с ил.

66. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин: Пер. с англ. М.: «Мир», 1972. - 230 с.

67. Дж. Ту, Р. Гонсалес. Принципы распознавания образов: Пер. с англ. - М.: «Мир», 1978. - 411 с.

68. Феоктистов A.A., Бочаров В.П., Алферов Г.А., и др. Сопоставление информативности данных МСУ - Э и самолетного сканера на примере решения задач дистанционного зондирования агроресурсов. //Исследование Земли из космоса. -1991 г. -№1. -С. 54 - 63.

69. Усиков Д.А., Пятибрат Т.В. Гистограмма как основа статистической классификации изображений. //Исследование Земли из космоса. -1986. -№1. -С. 99 - 103.

70. Подготовка методического и наземного обеспечения полигонов на территории Беларуси на примере Припятского полигона: Отчет о НИР (промежуточ.) / Респ. науч.-техн. центр дис-

тан. диагостики природной среды «Экомир»; Инв. № . -Минск, 1994. - 178 с.

71. Козубов Г.М., Таскаев А.И. Радиобиологические и радиоэкологические исследования древесных растений, - С.-Пб: «Наука», 1994. -252 с.

72. Абатуров Ю.Д., Абатуров А.В., Быков А.В., и др. Влияние ионизирующего излучения на сосновые леса в ближней зоне Чернобыльской АЭС. - М.: «Наука», 1996. -240 с.

73. Атлас Мира. М.: Гл. упр. геодезии и картографии, второе издание.

74. Информация об аварии на Чернобыльской АЭС и ее последствиях, подготовленная для МАГАТЭ // Атомная энергия. -1986. -Т.61. Вып.5. С. 301-320.

75. Лялько В.И., Ходоровский А.Я., Сахацкий А.И. Использование многозональных космических фотоснимков для контроля за загрязнением растительности радионуклидами (в связи с аварией на ЧАЭС) // Чернобыль 94: 4 межд. науч. техн. конф. «Итоги 8 лет... на ЧАЭС», (Зеленый мыс): сб. тез. докл. Зеленый мыс. -1994. -С.61.

76. Sadowski F.G., Covington S.J. Processing and analysis of commercial satellite image data of the nuclear accident near Chernobyl, U.S.S.R. // U.S. Geological survey bulletin: 1785. - Washington. DC 20402. -1987. - 20 p.

77. Kneizys F.X., Shettle E.P., Gallery W.O. et all. Atmospheric transmittance/radiance: computer code Lowtran 6. - Hanscom AFB, Massachusetts 01731. AFGL-TR-83-0187, environmental research papers, no 846. -1983. - 200 p.

78. Чимитдоржиев Т.Н., Ефременко В.В., Мошков А.В, Семёнов А.А. Исследование растительности в зоне Чернобыльской АЭС с помощью спектрозонального сканера космического базирования МСУ-Э. - Тез. докл. XVIII Всероссийской конференции по распространению радиоволн. 17-19 сентября 1996 г. Санкт-Петербург, 1996. -Т.1. -С. 253-254.

79. Семенов А.А., Ефременко В.В. Алгоритмы обработки спекгро-зональных изображений, обладающие некоторыми инвариантными свойствами. // Исследование Земли из космоса. - 1998 г. (в печати).

80. Ефременко В.В., Мошков А.В., Семёнов А.А. Чимитдоржиев Т.Н., Некоторые результаты модельного эксперимента по трех-канальной обработке многозональных изображений. - Тез. докл. Всероссийской научной конференции «Физические проблемы экологии (Физическая экология)». 23-27 июня 1997 г. Москва, 1997. -Т.1. -С. 28.

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

82. Gerstl S.A.W. Physics concepts of optical and radar reflectance signatures. A summary review // Int. J. Remote Sensing. -1990. -Vol. 11. -№.7. -PP. 1109-1117.

83. Ferrazzoli, S. Paloscia, P. Pampaloni and et al. The potential of multifrequency polarimetric SAR in assessing agricultural and arboreous biomass //IEEE Transactions on Geoscience and Remote Sensing. -1997. -Vol. 35. -№1. -P. 5-17.

84. Ярославский Л.П. Введение в цифровую обработку изображений, - М.: «Сов. радио», 1979. -312 с.

85. Арманд Н.А., Чимитдоржиев Т.Н., Ефременко В.В., Захаров А.И., Семенов А.А., Мошков А.В. О возможностях совместной обработки радиолокационных изображений Ь - диапазона и спекгрозональных снимков оптического диапазона для классификации лесных массивов //Радиотехника и электроника. - 1998 г. -Т. 43. -№9. -С. 1-5.