Разработка и использование технологии локально-адаптивной классификации данных спутниковых наблюдений для распознавания типов земного покрова тема диссертации и автореферата по ВАК РФ 25.00.34, кандидат технических наук Уваров, Иван Александрович

  • Уваров, Иван Александрович
  • кандидат технических науккандидат технических наук
  • 2010, Москва
  • Специальность ВАК РФ25.00.34
  • Количество страниц 128
Уваров, Иван Александрович. Разработка и использование технологии локально-адаптивной классификации данных спутниковых наблюдений для распознавания типов земного покрова: дис. кандидат технических наук: 25.00.34 - Аэрокосмические исследования земли, фотограмметрия. Москва. 2010. 128 с.

Оглавление диссертации кандидат технических наук Уваров, Иван Александрович

Глава 1. Задачи и методы распознавания типов земного покрова по данным дистанционного зондирования со спутников

1.1 Анализ задач глобальной оценки состояния и динамики земного покрова

1.2 Физические основы дистанционного зондирования растительности

1.3 Спутниковые системы дистанционного зондирования для картографирования земного покрова

1.4 Методы автоматизированной обработки спутниковых данных для картографирования земного покрова

1.5 Использование оптимума Парето для оценки качества результатов классификации

Выводы к первой главе

Глава 2. Исследование возможностей использования данных спутникового спектрорадиометра МСШК! для распознавания типов земного покрова

2.1 Архив и методы предварительной обработки спутниковых данных радиометра МСЮК в ИКИ РАН

2.2 Оценка возможностей распознавания типов земного покрова на основе их спектрально-временных отражательных характеристик по данным МСЮТБ

2.3 Оценка пространственной вариабельности спектрально-отражательных характеристик типов земного покрова Выводы ко второй главе

Глава 3. Метод локально-адаптивной классификации и его 69 использование для картографирования растительности России

3.1 Алгоритм обучаемой классификации земного покрова по спутниковым данным МОЭК

3.2 Метод формирования обучающей выборки с использованием опорных данных

3.3 Разработка карты растительности России на основе локально-адаптивной обучаемой классификации данных МСЮК

3.4 Валидация результатов картографирования растительности России 88 Выводы к третьей главе

Глава 4. Программный комплекс автоматизированной обработки спутниковых данных и информационная система представления результатов мониторинга земного покрова

4.1 Программный комплекс локально-адаптивной обучаемой классификации данных спутниковых наблюдений

4.2 Система управления распределенными вычислениями для, картографирования больших территорий 98;

4.3 Структура и функциональные возможности информационной; системы мониторинга земного покрова ТеггаЫоЛе 101 Выводы к четвертой главе; 108 Заключение 110 Библиографический список 112 Приложение А. Список опубликованных работ по теме диссертации 122. Приложение Б. Список докладов на конференциях по теме диссертации 126:

Сокращения на русском языке

БИК - Ближний инфракрасный

ГИС - Географическая информационная система

ДДЗ - Данные дистанционного зондирования

ДЗЗ - Дистанционное зондирование Земли

ИК - Инфракрасный

ИКИ РАН - Учреждение Российской академии наук Институт космических исследований РАН ИСЗ - Искусственный спутник Земли

КСЯ - Коэффициент спектральной яркости

ОС - Операционная система

ПЗС - Прибор с зарядовой связью

РС - Росстат (Федеральная служба государственной статистики)

СУБД - Система управления базами данных

УФ - Ультрафиолетовый

ЦЭПЛ РАН - Учреждение Российской академии наук Центр по проблемам экологии и продуктивности лесов РАН

Сокращения на иностранных языках

AVHRR - Advanced Very High Resolution Radiometer

Усовершенствованный радиометр очень высокого разрешения

AWiFS - Advanced Wide Field Sensor

Улучшенный сенсор широкого поля

BRDF - Bidirectional reflectance distribution function

Двунаправленная функция распределения отражения

DAAC - Distributed Active Archive Centers

Распределенные центры активных архивов

ENVISAT - Environmental Earth-Observing Satellite (ESA) Природоресурсный спутник (EKA)

ERTS - Earth Resources Technological Satellite

Технологический спутник для ресурсов Земли

GLC2000 - Global Land Cover

Карта наземных экосистем

GNU - GNU's Not UNIX

GNU — не UNIX (операционная система)

IGBP-DIS - International Geosphere-Biosphere Programme Data and Information Services

Служба данных и информации Международной программы по геосфере и биосфере

IRS - Indian Remote Sensing satellite

Индийский спутник дистанционного зондирования

ISODATA - Iterative Self-Organizing Data Analysis Technique

Итерационный самоорганизующийся метод анализа данных

Landsat - Land Remote-Sensing Satellite

Спутник дистанционного зондирования Земли

MERIS - Medium Resolution Imaging Spectrometer Спектрометр среднего разрешения

MODIS - Moderate Resolution Imaging Spectroradiometer Спектрорадиометр среднего разрешения

MSS - Multispectral scanner

Мультиспектральный сканер

MSS - Multi-Spectral Scanner

Многоспектральный сканер

NASA - National Aeronautic and Space Agency

Национальное агентство по космосу и аэронавтике (США)

NDSI - Normalized Difference Snow Index

Нормализованный разностный индекс снега

NDVI - Normalized Difference Vegetation Index

Нормализованный разностный вегетационный индекс

NOAA - National Oceanic and Atmospheric Administration

Национальная администрация по океану и атмосфере (США)

RLC - Land Cover of Russia

Земной покров России

SPOT - Satellite Pour l'Observation de la Terre

Спутник для наблюдения Земли

SSH - Secure Shell

Безопасная оболочка

TIROS - Television Infrared Observation Satellite

Спутник инфракрасного телевизионного наблюдения

ТМ — Thematic Mapper

Тематический картограф

USGS - United States Geological Survey

Геологическая служба США

Рекомендованный список диссертаций по специальности «Аэрокосмические исследования земли, фотограмметрия», 25.00.34 шифр ВАК

Введение диссертации (часть автореферата) на тему «Разработка и использование технологии локально-адаптивной классификации данных спутниковых наблюдений для распознавания типов земного покрова»

Распознавание типов земного покрова на основе результатов измерения их спектрально-отражательных характеристик представляет собой одну из фундаментальных задач дистанционного зондирования. Получаемая по данным дистанционных наблюдений пространственная информация о типах земного покрова позволяет создавать тематические цифровые карты и базы данных, необходимые, в частности, для оптимального управления территориями, организации рационального природопользованиям охраны окружающей среды, проведения фундаментальных исследований по ряду научных направлений наук о Земле.

В настоящее время в мире находят широкое использование методы и технологии обработки данных дистанционного зондирования для создания карт земного покрова, различных по пространственному охвату административно-политических или природно-географических образований. Сравнительно1 недавно, в- конце 1990-х годов, было положено начало интенсивным исследованиям и разработкам* в области методов* и технологий спутникового картографирования земного покрова'» на уровне* отдельных континентов или всей планеты. Вместе с тем, в силу научной- и технологической- сложности задачи, реальные успехи в этом направлении к настоящему времени достигнуты лишь в нескольких крупных научно-исследовательских центрах мира. К числу зарубежных организаций такого рода могут быть отнесены Геологическая служба США, Университеты Мэриленда и Бостона, Объединенный исследовательский центр Европейской комиссии. В настоящее время создан ряд информационных продуктов глобального уровня, такие как карты наземных экосистем, полученные по данным NOAA-AVHRR в рамках проектов- IGBP-DIS [9,46] и Университета Мэриленд [10], по данным SPOTVegetation в рамках проекта Global Land Cover 2000 [11] и по данным Тегга-MODIS в рамках проекта, выполняемого Университетом Бостона [12].

К особенностям спутникового картографирования земного покрова на 7 глобальном и континентальном уровнях можно отнести сильнейшее и, как правило, возрастающее по мере расширения охвата территории, проявление неоднородности физических и природно-географических характеристик семантически однотипных объектов. При этом увеличение такого рода неоднородностей при обработке спутниковых изображений проявляется в повышении вариабельности значений используемых признаков распознавания, а в ряде случаев и необходимости модификации набора последних с учетом региональных различий уровня их информативности. Для учета данного фактора глобальное спутниковое картографирование на практике зачастую сводится к разработке и последующему объединению совокупности региональных информационных продуктов. Такой подход сопряжен с необходимостью привлечения большого количества.региональных экспертов, а также нарушением принципов унификации процессов, обработки спутниковых данных, что существенно затрудняет возможность получения устойчиво' повторяемых результатов.

Для решения-задач спутникового мониторинга динамики земного покрова, на континентальном и глобальном уровнях необходимо создание технологий, характеризующихся высокой» степенью автоматизации и использованием унифицированных алгоритмов распознавания на основе единой базы опорных данных, репрезентативно отражающих региональную изменчивость спектрально-отражательных характеристик различных типов земного покрова.

В* рамках международного проекта Global Land. Cover 2000 Институтом космических исследований РАН в сотрудничестве с Центром по проблемам экологии и продуктивности лесов РАН и Объединенным Исследовательским Центром Европейской Комиссии разработана с использованием спутниковых данных SPOT-Vegetation карта наземных экосистем Северной Евразии [13, 36]. Метод создания карты включал классификацию типов земного покрова с использованием спектральных, спектрально-временных и спектрально-угловых индексов, отражающих фенологические, влажностные и структурные свойства наблюдаемой поверхности. Полученная карта дает наиболее современное и 8 точное описание земного покрова региона, что позволило включить ее в глобальную базу данных Global Land Cover 2000.

Разработанная в ИКИ РАН технология предварительной обработки данных прибора Terra-MODIS позволяет получать улучшенные помесячные и сезонные композитные изображения, очищенные от влияния облачности, снежного покрова, аппаратных сбоев и других нежелательных факторов. Существующая карта наземных экосистем GLC2000, в свою очередь, является источником опорной информации о пространственной структуре земного покрова региона и может использоваться- при разработке современных и более детальных картографических продуктов на основе методов и автоматизированных технологий классификации спутниковых данных. Учитывая существенное научное, социально-экономическое и политическое значение картографирования немного покрова, а также имеющийся недостаток объективных, достоверных и современных данных такого рода, можно утверждать, что развитие" методов' автоматизированной классификации спутниковых данных относится к числу важнейших задач и определяет актуальность представленной диссертационной работы.

Цель и задачи! исследований. Выполненные в рамках диссертационной работы, исследования и разработки были направлены на построение эффективной автоматизированной технологии распознавания^ типов земного покрова по данным спутниковых наблюдений и создания на' ее основе карты растительности России.

Достижение вышеуказанной цели потребовало решения ряда научно-исследовательских задач, в частности, таких как:

Анализ и экспериментальная апробация существующих подходов к распознаванию по данным дистанционного зондирования типов земного покрова для решения задач его глобального спутникового картографирования; разработка алгоритма локализованной оценки спектрально-отражательных характеристик (сигнатур) типов земного покрова на основе 9 пространственно нерегулярной опорной выборки; разработка метода, локально-адаптивной обучаемой классификации в многомерном пространстве признаков с целью распознавания типов земного покрова по спутниковым данным; разработка и экспериментальная апробация программного комплекса автоматического распознавания типов земного покрова по спутниковым данным; создание карты растительности России на основе разработанной технологии распознавания- типов земного покрова и данных спектрорадиометра МСЮК; анализ эффективности разработанной технологии обработки, спутниковых данных и валидация.полученной на ее основе карты растительности России; разработка информационной системы ТеггаТМойе для обеспечения доступа к результатам спутникового мониторинга земного покрова.

Методы исследований. В работе использованы методы контроля состояния ь природной среды с помощью- оптико-электронных систем дистанционного зондирования, методы распознавания» образов^ и обработки изображений, математического моделирования, математической статистики, геоинформатики, системного, и прикладного программирования;

Научная» новизна работы: В-диссертационной работе впервые предложен метод и разработана автоматизированная- технология локально-адаптивной классификации спутниковых данных для- распознавания типов земного покрова. Метод предусматривает, в частности, использование предложенного автором оригинального алгоритма локализованной оценки сигнатур различных типов земного покрова, на основе пространственно нерегулярной опорной выборки. Разработанная автором автоматизированная технология позволяет унифицировано создавать континентальные и глобальные карты земного покрова; что обеспечивает высокий^ уровень повторяемости результатов при обработке временных серий спутниковых данных. Разработанная технология позволила создать новую карту растительности России на основе спутниковых

10 данных спектрорадиометра МОБК.

Основные результаты диссертационной работы, выносимые на защиту: метод распознавания типов земного покрова на основе локализованных опорных сигнатур классов и локально-адаптивной классификации спутниковых данных для решения задач континентального и глобального картографирования; автоматизированная технология локально-адаптивной классификации спутниковых данных для распознавания типов земного покрова; созданная на основе разработанной технологии и спутниковых данных спектрорадиометра МООШ новая карта растительности России; информационная система ТеггаИойе для обеспечения доступа к результатам спутникового мониторинга земного покрова.

Все основные результаты получены автором лично.

Практическая значимость. Полученные автором результаты нашли использование при создании действующих систем спутникового мониторинга лесов-, и сельскохозяйственных земель, выполнении научно-исследовательских и прикладных проектов. На основе разработанной автором технологии- и данных спектрорадиометра МОБ18 создана карта растительности России, активно используемая в составе Информационной системы дистанционного мониторинга лесов Федерального агентства лесного хозяйства (ИСДМ-Рослесхоз) и Системы- дистанционного мониторинга земель агропромышленного комплекса (СДМЗ АПК). Разработанная автором информационная система ТеггаЭДоЛе насчитывает в, настоящее время около 300 зарегистрированных пользователей и активно используется для моделирования биогеохимических циклов, оценки биологического разнообразия и исследований динамики биосферы в условиях глобальных изменений климата.

Апробация. Основные положения и результаты диссертационной работы представлены на 17 международных и российских симпозиумах, конференциях и семинарах в Москве, Санкт-Петербурге, Сыктывкаре, Красноярске, а также в

11

Великобритании (Лейстер), Германии (Йена), Словакии (Братислава), Эстонии (Тарту).

Публикации. По результатам исследований и разработок опубликовано 22 печатные работы по теме диссертации в российских и зарубежных научных изданиях, сборниках докладов симпозиумов и конференций.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и списка литературы. Объем диссертации составляет 128 страниц, включая 41 рисунок и 9 таблиц.

Похожие диссертационные работы по специальности «Аэрокосмические исследования земли, фотограмметрия», 25.00.34 шифр ВАК

Заключение диссертации по теме «Аэрокосмические исследования земли, фотограмметрия», Уваров, Иван Александрович

Выводы к четвертой главе Разработанный метод локально-адаптивной обучаемой классификации лег в основу созданного автором программного комплекса. Функциональные возможности комплекса обеспечивают автоматизированное картографирование типов земного покрова по спутниковым данным с использованием обучающей выборки. Комплекс имеет модульную структуру и предназначен для работы под управлением ОС Linux.

Процесс разработки глобальных карт связан с необходимостью многократно производить классификацию, экспертную оценку результатов и исправление ошибок. Это делает особенно актуальным вопрос минимизации затрат времени на классификацию. Для сокращения затрат времени реализована система управления распределенными вычислениями. Система предназначена для работы на нескольких компьютерах (обработчиках), оснащенных многоядерными процессорами.

Разработана информационная система мониторинга земного покрова TerraNorte, обеспечивающая удаленный доступ пользователей к результатам исследований, проводимых в ИКИ РАН. В частности, в рамках информационной системы была опубликована полученная карта растительности России. Созданная информационная система используются при моделировании биогеохимических циклов, оценке биологического разнообразия и в исследованиях динамики биосферы в условиях глобальных изменений климата.

ЗАКЛЮЧЕНИЕ

Представленная диссертационная работа содержит результаты исследований и научных разработок автора, которые можно рассматривать как решение важной научной проблемы развития методов и технологий распознавания типов земного покрова по данным спутниковых наблюдений, прежде всего в и интересах глобального картографирования и мониторинга растительности.

Разработанный метод локально-адаптивной обучаемой классификации спутниковых данных лег в основу созданного автором программного комплекса. Функциональные возможности программного комплекса обеспечивают автоматизированное картографирование типов земного покрова по спутниковым данным с использованием опорных данных обучающей выборки. Для сокращения затрат времени реализована система управления распределенными вычислениями.

С использованием разработанного программного комплекса на основе данных Тегга-МСЮК создана карта растительности России, превосходящая по пространственному разрешению (250 м) другие существующие карты аналогичного назначения на территорию России.

Независимая валидация, проведенная с использованием данных Федеральной службы государственной статистики продемонстрировала высокую корреляцию (К2=0,997) оценок. площадей лесов в субъектах РФ, полученных на основе созданной карты и официальных данных. Исследование пространственной детальности карты в сравнении со спутниковыми данными высокого пространственного разрешения было выполнено на основе оптимума Парето и показало приемлемый для данного пространственного разрешения уровень точности карты, превышающий соответствующий показатель для исходных обучающих данных.

Благодаря высокой степени автоматизации разработанный программный комплекс позволяет получать временные серии карт типов земного покрова.

Разработана информационная система поддержки мониторинга бореальных экосистем ТеггаЫойе, обеспечивающая удаленный доступ пользователей к результатам обработки спутниковых данных. В частности, в рамках информационной системы реализована возможность доступа пользователей к созданной в рамках настоящей диссертационной работы карте растительности России.

Список литературы диссертационного исследования кандидат технических наук Уваров, Иван Александрович, 2010 год

1. Дейвис Ш.М., Ландгребе Д.А., Филлипс Т.Л. и др. Дистанционное зондирование: количественный подход // Пер. с англ. М.: Недра, 1983. -415 с.

2. Кравцова В.И. Космические методы картографирования / Под редакцией Ю.Ф. Книжникова. М.: Изд-во МГУ, 1995 - 240 е.: ил.

3. Кравцова В.И., Уваров И.А. Гиперспектральная система MODIS для глобального мониторинга Земли // Информационный бюллетень ГИС-Ассоциации. 2001. - № 2(29)-3(30). - С. 39-41.

4. Межеловский Н. В. и др. Аэрокосмический мониторинг геологической среды. (Особенности и возможности космических съемок). — М.: Знание, 1988. 64 с, ил. - (Новое в жизни, науке, технике. Сер. «Космонавтика, астрономия»; № 6).

5. Kidwell, Katherine В., сотр. and ed., NOAA Polar Orbiter Data (TIROS-N, NOAA-6, NOAA-7, NOAA-8, NOAA-9, NOAA-IO, NOAA-11, NOAA-12, and NOAA-14) Users guide: Washington,.D.C., NOAA/NESDIS, 1995.

6. Jensen, John R. Remote Sensing of the Environment: An Earth Resource Perspective. Prentice-Hall, New Jersey, 1996

7. Cihlar J., 2000, Land Cover Mapping of Large Areas from Satellites: Status and Research Priorities // International Journal of Remote Sensing, Vol. 21, № 6/7, 2000.-P. 1093-1114

8. Eidenshink J.C., Faundeen J.L. The AVHRR global land data set: first stages in implementation // International Journal of Remote Sensing, Vol. 15, № 17, 1994. -P. 3443-3462

9. Loveland, T. R., Zhu, Z., Ohlen, D. O., Brown, J. F., Reed, В. C., and Yang, L. 1999, An analysis of the IGBP Global Land-Cover Characterization Process, Photogrammetric Engineering and Remote Sensing, 65, 1021 1032

10. O.Hansen, M., DeFries, R., Townshend, J. R. G. and Sohlberg, R., 2000, Global land cover classification at 1km resolution using a decision tree classifier, International Journal of Remote Sensing. 21: 1331-1365.

11. Bartholome, E. and Belward, A. S., 2005, GLC2000: a new approach to global land cover mapping from Earth Observation data. International Journal of Remote Sensing in press, March 2005.

12. Bartalev, S.A., A.S. Belward, D. V. Erchov, and A. S. Isaev, 2003, A new SPOT4-VEGETATION derived land cover map of Northern Eurasia, International Journal of Remote Sensing, Vol. 24, No. 9, 1977 1982

13. Лурье И.К., Косиков А.Г. Теория и практика цифровой обработки изображений / Дистанционное зондирование и географические информационные системы. Под ред. A.M. Берлянта. М.: Научный мир, 2003.- 168 е., 8 с цв. вкл.

14. Книжников Ю.Ф., Кравцова В.И., Тутубалина О.В. АэрокосмическиеNметоды географических исследований // М.: Академия, 2004. 336 с.

15. Jones P.D., Moberg A. Hemispheric and large-scale surface air temperature variations: an extensive revision and an update to 2001. // Journal of Climate 16 — 2003 P. 206-223

16. Richards J.A., Jia X. Remote Sensing Digital Image Analysis: An Introduction. Springer, 2005 439 p.

17. Lucht W., Schaaf C.B., Strahler A.H. An algorithm for the retrieval of albedo from space using semiempirical BRDF models. // IEEE Transactions on Geo-science and Remote Sensing, vol. 38 № 2 - 2000 - P. 977 - 998.

18. Ershov D., Bartalev S., Deshayes M., Dymond J. R. BRDF correction in SPOT4-Vegetation ten-days composite imagery for mapping of boreal forest // Abstract VEGETATION 2000 conference Italy - 2000. - P. 53.

19. Bartalev S., Achard F., Erchov D., and Gond V., 2000, The potential contribution of SPOT4/VEGETATION data for mapping Siberian forest cover at the continental scale. // In proceedings of the VEGETATION conference, Italy. 2000. -P.127-142.

20. Kalvelage Т., Willems J. Supporting users through integrated retrieval, processing, and distribution systems at the Land Processes Distributed Active Archive Center // Acta Astronáutica. Vol. 56. - № 7. - P. 681-687.

21. MODIS Level 1А Earth Location: Algorithm Theoretical Basis Document Version 3.0, eds. Nishihama M., Wolfe R., Solomon D. et al., 1997.

22. Hall D.K., Riggs G.A., Salamonson V.V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data // Remote Sensing of Environment, 54. 1995. - P. 27-40.

23. Исаев A.C., 1990, Карта лесов СССР

24. CAVM Team. 2003. Circumpolar Arctic Vegetation Map. Scale 1:7,500,000. Conservation of Arctic Flora and Fauna (CAFF) Map No. 1. U.S. Fish and Wildlife Service, Anchorage, Alaska

25. TerraNorte. A new boreal ecosystems monitoring data access facility. Land Cover and Change. Newsletter of the GOFC-GOLD Land Cover Project Office, no. 9, February 2006.

26. Bartalev, S., Ershov, D., Isaev, A., Potapov, P., Turubanova, S. and Yaroshenko A.Yu. Russia's Forests. Dominating Forest Types and Their Canopy Density. Scale 1 : 14 000 000. Moscow, 2004

27. Нейштадт И.А., Барталев С.А., Ершов Д.М., Лупян Е.А., Савин И.Ю. Алгоритмы анализа данных спутниковых наблюдений TERRA-MODIS для мониторинга сельскохозяйственных земель // Геоинформатика, Москва: МИИГАиК, 2004. С. 205-209.

28. Барталев С.А., Белвард А.С, Ершов Д.В. Новая карта типов земного покрова бореальных систем Евразии по данным SPOT 4-VEGETATION // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве. М.: ЦЭПЛ РАН, 2002. - С. 30-34.

29. Курнаев С.Ф., 1973, Лесорастительное районирование СССР, Москва

30. Lucht W., Schaaf C.B., Strahler A.H. An algorithm for the retrieval of albedo from space using semiempirical BRDF models. // IEEE Transactions on Geo-science and Remote Sensing, vol. 38 № 2 - 2000 - P. 977 - 998.

31. Hall D.K., Riggs G.A., Salamonson V.V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data // Remote Sensing of Environment, 54. 1995. - P. 27-40.

32. Belward A.S., Estes J.E., Kline K.D. The IGBP-DIS Global 1-km Land-Cover Data Set DISCover: A Project Overview // Photogrammetric Engineering and Remote Sensing, 65. 1999. - P. 1013-1020.

33. Рачкулик В.И., Ситникова М.В. Отражательные свойства и состояние растительного покрова // Ленинград: Гидрометеоиздат, 1981.- 284 с.

34. Ackerman S.A., Strabala K.I., Menzel P.W. et al. Discriminating clear sky from clouds with MODIS // Journal of Geophysical Research, 1998. № 103. - P. 141157.

35. Еремеев B.A., Мордвинцев И.Н., Платонов Н.Г. Современные гиперспектральные сенсоры и методы обработки гиперспектральных данных // Исследование Земли из космоса, 2003. № 6. - С. 80-90.

36. Cihlar J., Ly Н., Xiao Q. Land cover classification with AVHRR multichannel composites in northern environments // Remote Sensing of Environment, 1996. — №58.-P. 36-51.

37. Gallego F.J. Remote sensing and land cover area estimation // International Journal of Remote Sensing, 2004. Vol. 25. - № 14. - P. 3019-3047.

38. Zhang X., Friedl M.A., Schaaf C.B. et al. Monitoring vegetation phenology using MODIS // Remote Sensing of Environment, 2003. № 84. - P. 471-475.

39. Earth Observation System (EOS) Data Products Handbook, eds. King M.D., Closs J., Spangler S. et al. // Greenbelt Maryland: NASA Goddard Space Flight Center, 2003.-Vol. 1.-258 p.

40. Earth Observation System (EOS) Data Products Handbook, eds. Parkinson C.L., Greenstone R. // Greenbelt, Maryland: NASA Goddard Space Flight Center, 2000. -Vol. 2.-253 p.

41. Guenther B., Xiong X., Salomonson V.V. et al. On-orbit performance of the Earth Observing System Moderate Resolution Imaging Spectroradiometer; first year of data // Remote Sensing of Environment, 2002. № 83. - P. 16-30.

42. Justice C.O., Townshend J.R.G., Vermote E.F. et al. An overview of MODIS Land data processing and product status // Remote Sensing of Environment, 2002. -№83.-P. 3-15.

43. Justice C.O., Vermote E., Townshend J.R.G. et al. The moderate resolution imaging spectroradiometer (MODIS): land remote sensing for global research // IEEE Transactions on Geoscience and Remote Sensing, 1998. — Vol 36. № 4. — P. 1228-1249.

44. Justice C.O., Townshend J. Special issue on the moderate resolution imaging spectroradiometer (MODIS): a new generation of land surface monitoring // Remote Sensing of Environment, 2002. № 83. - P. 1-2.

45. Xiong X., Chiang K., Esposito J. et al. MODIS on-orbit calibration and characterization // Metrologia. № 40, 2003. P. 89-92.

46. Kalvelage T., Willems J. Supporting users through integrated retrieval, processing, and distribution systems at the Land Processes Distributed Active Archive Center // Acta Astronáutica. Vol. 56. - № 7. - P. 681-687.

47. Seong J.C., Mulcahy K.A., Usery E.L. The sinusoidal projection: a new importance in relation to global image data // The Professional Geographer, 2002. -№54.-P. 218-225.

48. Hall D.K., Riggs G.A., Salomonson V.V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data // Remote Sensing of Environment, 1995. -№ 54. P. 127-140.

49. Luigi Boschetti, Stéphane P. Fiasse, Pietro A. Brivio. Analysis of the conflict between omission and commission in low spatial resolution dichotomic thematic products: The Pareto Boundary // Remote Sensing of Environment, no 91 (2004). pp. 280-292

50. Нейштадт И.А. Методы обработки данных спутниковых наблюдений МСЮ18 для мониторинга пахотных земель. Диссертация на соискание ученой степени кандидата технических наук. Москва, 2007.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.