Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Оптико-микроволновые методы дистанционного контроля лесных ресурсов

Диссертация: Оптико-микроволновые методы дистанционного контроля лесных ресурсов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Для определения высоты рельефа по паре радиолокационных снимков также используется более современный метод, который основан на принципах интерферометрии. В интерферометрии основным измеряемым параметром является разность фаз радиолокационных сигналов, которые принимаются на разнесенные в пространстве антенны. Обе антенны интерферометра могут находиться на одной и той же платформе или же их данные… Читать ещё >

Содержание

  • Основные обозначения и используемая терминология
  • Введение
  • 1. Особенности интерпретации оптических и радиолокационных изображений
    • 1. 1. Спектральные характеристики природных объектов в оптическом диапазоне
    • 1. 2. Классификация земных покровов по спектральным характеристикам
      • 1. 2. 1. Алгоритмы обработки спектрозональных изображений оптического диапазона
      • 1. 2. 2. Современные тенденции по использованию ВИ
    • 1. 3. Оценка параметров земной поверхности по радиолокационным данным
      • 1. 3. 1. Краткие сведения о радиолокационной съемке
      • 1. 3. 2. Влияние влажности почвы на рассеянный радиолокационный сигнал
      • 1. 3. 3. Определение биофизических характеристик растительного покрова
      • 1. 3. 4. Использование данных РСА для мониторинга снежного покрова
      • 1. 3. 5. Построение цифровой модели рельефа на основе интерферометрической обработки радарных наблюдений
  • 2. Метод обработки и интерпретации радарных изображений когерентности
    • 2. 1. Возможности поляриметрической когерентности
    • 2. 2. Обоснование применимости методики расчета вегетационных индексов для анализа изображений когерентности. 2.3.Анализ методики и обсуждение результатов
  • 3. Полуэмпирические методы обработки спектрозональных и радиолокационных изображений
    • 3. 1. Методика трехканальной обработки спектрозональных изображений. 3.2.Экспериментальные исследования угнетенной растительности
    • 3. 3. Совместная обработка радиолокационных данных и изображений спектрозонального сканера
      • 3. 3. 1. Обоснование совместного использования
      • 3. 3. 2. Алгоритм совместной обработки и методика исследования
      • 3. 3. 3. Использование кластерного анализа для оценки методики совместной обработки
      • 3. 3. 4. Исследование лесных массивов в зоне Чернобыльской АЭС
    • 3. 4. Корреляция изображений интерферометрической когерентности и индексов «зелености» растительности и «яркости» почв
  • 4. Методология количественной оценки пространственных флуктуаций радиолокационных изображений для классификации земных покровов
    • 4. 1. Свойства самоподобия и фрактальности радиолокационных изображений
    • 4. 2. Поляриметрические особенности флуктуаций обратного рассеяния
      • 4. 2. 1. Описание алгоритма расчета и тестового полигона
      • 4. 2. 2. Классификация природных неоднородностей
      • 4. 2. 3. Количественная оценка геометрической структуры неоднородностей леса
    • 4. 3. Анализ флуктуаций радарного изображения разности фаз
      • 4. 3. 1. Постановка задачи
      • 4. 3. 2. Фрактальный анализ данных
      • 4. 3. 3. Сравнительный анализ методов и обсуждение результатов
    • 4. 4. Возможные ограничения по пространственному разрешению при исследовании радарной текстуры леса

Оптико-микроволновые методы дистанционного контроля лесных ресурсов (реферат, курсовая, диплом, контрольная)

За последние два десятилетия опытная эксплуатация космических мультиспектральных и радиолокационных систем дистанционного зондирования доказала высокую эффективность их применения в решении ряда информационных задач в области управления природно-сырьевой базой [1−20], а также в технологиях, непосредственно связанных с охраной окружающей среды и мониторингом состояния лесов [21−28]. В США, в странах Европейского союза и России выполнены и осуществляются в настоящее время научные программы по дистанционным исследованиям системы океан-атмосфера, суши и различным экологическим проблемам, включая аспекты глобального потепления климата, круговорота воды, сохранения бореальных лесов Сибири (GOFC/GOLD, SIBERIA).

В последние годы в ИРЭ РАН [5, 10, 29], ИКИ РАН [22−24, 28], ЦЭПЛ РАН [30, 31], ИОА СО РАН [32, 33], ИФ им. Киренского СО РАН [34−36], ИСЗФ СО РАН [24], ИЛ СО РАН [25, 26], ЦПАМ «Аэрокосмос» [13, 15], ТГУ [35, 36], Югорском НИИ ИТ [37, 38] и во многих др. получены значительные научные и практические результаты по вопросам дистанционной оценки биосферной роли, биологического разнообразия, продуктивности лесов и мониторинга пожаров по данным NOAA [24, 26, 28], MODIS [10, 37], SPOT Vegetation [22, 23, 27, 28], ERS [19, 37, 38], ENVISAT [19, 38] и т. д. Вместе с тем необходимо отметить, что исследования в каждой из организаций в целом не дублируют друг друга, и это обстоятельство свидетельствует о различных направлениях развития дистанционного мониторинга лесных сообществ. При этом значительная часть упомянутых работ направлена на использование либо мультиспектральных [4, 9−11, 18,], либо радиолокационных данных и их моделировании [5, 19, 20, 22−24, 26−28]. Также создаются ложноцветовые композиты путем кодирования основными цветами изображений [37], полученных в оптическом и микроволновом диапазонах. Здесь можно выделить два направления исследований: а) раздельная обработка данных специфичными для каждого диапазона методами с последующим совмещением в одном изображении всей полученной информации, б) параллельный анализ данных, полученных в радио и оптическом диапазонах. Первый вариант удобен как для визуального анализа, так и для численного, второй — предусматривает в большей степени раздельный количественный анализ.

Как указывается выше, в России для дистанционного изучения лесов в большей степени используются данные оптического диапазона. Данное обстоятельство связано с отсутствием отечественных радиолокационных систем природоохранного назначения, а также с высокой стоимостью зарубежных радарных изображений и более сложной когерентной обработкой таковых. Что касается исследований иностранных ученых, то подобного дисбаланса в использовании спутниковых данных не наблюдается. Более того, в последнее время отмечается тенденция по количественному увеличению и качественному совершенствованию аэрокосмических технологий в области именно микроволнового зондирования земных покровов.

Значительные научные и прикладные результаты получены на основе интерферометрической [39−60], поляриметрической [60−75] обработке и текстурном анализе [76−88] радарных данных. В настоящее время наблюдается ориентированность на интеграцию выше указанных методов, при этом в большей степени первых двух [65, 66, 80]. В связи с этим, в зарубежной литературе, введен термин «поляриметрическая интерферометрия» — Ро11п8АЯ [44, 45, 54, 58]. Данное направление исследований позволяет оценить объем надземной биомассы лесов, среднюю высоту деревьев и т. д.

Однако практически не изучены вопросы совместного использования когерентных, текстурных свойств поляриметрических радарных изображений и особенностей мультиспектральных снимков для определения биофизических параметров лесных сообществ. Подобный подход позволит комплексно исследовать лесные массивы, включая содержание хлорофилла в листве и хвое, проективное покрытие листвой, полноту древостоя, объем биомассы на единицу площади и прочие таксационные параметры леса.

Таким образом, актуальной проблемой при обработке данных дистанционного зондирования является исследование лесных массивов с учетом состояния всей толщи леса, включая подстилающую поверхность и подлесок, что может быть реализовано только при совместном использовании комплексных (амплитуда и фаза) радиолокационных изображений дециметрового, сантиметрового диапазонов и мультиспектральных оптических снимков. Ее решению посвящена данная диссертационная работа, в которой на основании выполненных исследований изложены научно обоснованные технологические решения по использованию дистанционных методов для картографирования и оценки биои геофизических параметров лесных массивов при комплексном применении данных оптического и микроволнового диапазонов.

Научное и практическое значение проблемы дистанционного исследования лесов Сибири, занимающих 30% площади бореальных лесов мира, и вместе с ним возросшая потребность в оперативных пространственных данных по лесному фонду определяют актуальность работы. Суть данной научной проблемы, имеющей большое значение для намечаемого социально-экономического развития Сибири и Дальнего Востока, сводится к дистанционному исследованию биои геофизических параметров леса, комплексная количественная оценка которых позволит точнее оценить состояние леса, спрогнозировать динамику изменений сибирских лесов и классифицировать их по степени рентабельности для намечаемой глубокой переработки древесины. Последнее становится все более актуальным в связи с изменениями налоговой ставки на экспорт необработанной древесины.

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

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

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

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

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

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

• выявление основных закономерностей двумерных распределений яркости исходных оптических и радиолокационных изображений, производных от них и дисперсий яркости для различных пространственных масштабов, полученных специфичными для каждого диапазона методами- • создание эффективных, физически обоснованных методов синтеза разнородной пространственной информации для улучшения возможностей тематического дешифрирования аэрокосмических изображений различных диапазонов спектра в целях мониторинга лесных ресурсов.

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

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

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

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

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

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

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

Результаты диссертационной работы могут быть использованы для:

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

• разработки новых автоматизированных технологий формирования и обновления материалов лесоустройства;

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

Практическая значимость и использование результатов исследований.

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

Значительная часть результатов диссертации использована при проведении работ в рамках: Международного целевого комплексного проекта «Природа» на базе одноименного модуля орбитальной станции «Мир» (1996;1998гг.) — интеграционного комплексного проекта СО РАН № 13 «Аэрокосмическая радиолокация и радиометрия» (2003;2006 гг.) — проекта «Разработка методов космической радиолокации и радиометрии территории Сибири» по Федеральной целевой программе «Интеграция» 2002;2006 гг.- комплексного проекта «Технологии оценки состояния и динамики растительных ресурсов наземных экосистем на основе дистанционного мониторинга» в рамках Федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технического комплекса России на 2007;2012 гг." — проектов РФФИ-Байкал №№ 05−02−97 201, 05−02−97 205- РФФИ-Сибирь №№ 08−298 003, 08−02−98 010- программы фундаментальных исследований СО РАН на 2007;2009 гг. «Радиофизические методы диагностики окружающей среды».

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

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

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

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

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

— Методология количественной оценки низкочастотных вариаций разности фаз сополяризованных радиолокационных сигналов, обеспечивающая разделение исходного одномодального распределения на три моды и позволяющая при автоматизированной классификации выделять леса с преобладающими диаметрами стволов деревьев менее 12 см. Первая глава диссертации посвящена современному состоянию дистанционных исследований лесных сообществ.

В разделе 1.1 излагается общая концепция по использованию мультиспектральных данных оптического диапазона. Анализ литературы показал, что перспективу решения проблемы идентификации земных покровов по данным мультиспектральных сканеров связывают с разработкой универсального преобразования (комбинации спектральных каналов), корректирующего атмосферное влияние и так называемые почвенные «шумы» [89−132]. По мнению большинства авторов, это преобразование позволит идентифицировать основные природные образования и различать растительность в состоянии стресса на фоне здоровой.

Значительное место отводится литературному анализу мирового опыта по созданию различных вегетационных индексов (ВИ) — рассмотрены основные направления исследований по созданию ВИ, и в табличной форме представлены основные алгоритмы вычисления ВИ. Проведен анализ различных ВИ, большей частью предназначенных для обработки данных сенсоров Ьапс^ М88 и ТМ. Установлено, что для атмосферной коррекции снимков, полученных зарубежными сканерами, используется голубой канал оптического диапазона [90, 105, 116, 117], а для уменьшения влияния почвы при определении параметров растительности применяются.

ВИ с корректировочными коэффициентами, рассчитанными только для выше обозначенной аппаратуры [90, 91, 98, 102, 103, 105, 110, 112−117].

Однако на отечественные спутники народнохозяйственного назначения устанавливались оптические сканеры МСУ-Э [90, 131, 132 135]. Отличительной особенностью данной аппаратуры (по сравнению с зарубежными аналогами) является наличие только трех каналов для съемки: в зеленой, красной и ближней ИК зонах спектра. Современные отечественные оптические сенсоры (Ресурс-ДК, Монитор-Э) унаследовали выше перечисленные спектральные каналы, что позволяет выполнить построение спектральной кривой по основным точкам экстремума, характерным для зеленой растительности.

В России, как правило, подобные исследования проводятся либо на основе концепции Каута-Томаса [90, 91], либо применяется традиционное преобразование — нормированный вегетационный индекс (NDVI от англ. normalized difference vegetation index). Сделан вывод, что для надежной классификации земных покровов по мультиспектральным снимкам необходимо разработать алгоритм, который учитывал бы характерные спектральные каналы отечественной аппаратуры и в тоже время позволял бы в некоторой степени уменьшать влияние атмосферы.

В разделе 1.2 описываются современные тенденции развития радиолокационного зондирования. Указывается, что в настоящее время традиционное зондирование земных покровов при помощи спектрозональных оптических сканеров все более дополняется, а в ряде случаев, и заменяется технологиями микроволнового радарного зондирования. Благодаря всепогодности, высокой когерентности и проникновению зондирующего электромагнитного излучения внутрь растительного и почвенного покровов, данные технологии позволяют получать принципиально новую информацию о состоянии лесов и динамике биосферных процессов. Кроме того, в последнее время радары позволяют получать изображения с разрешением на местности до единиц метров (RADARSAT, PALSAR, TerraSAR-X), что вплотную приближается к разрешению оптической аппаратуры (Ресурс-ДК, SPOT, Ikonos, QuickBird).

Наряду с классическим разделением земных покровов по величине обратного радарного рассеяния, в последнее время активно используются возможности радарграмметрии, интерферометрии, поляриметрии, текстурного анализа, математического моделирования и других информационных технологий.

Радарграмметрия по сути своей подобна фотограмметрии, принципы радарграмметрии аналогичны традиционно используемым стереофотосъемкам. Основное различие — активная локация в микроволновом диапазоне.

Для определения высоты рельефа по паре радиолокационных снимков также используется более современный метод, который основан на принципах интерферометрии [39−60]. В интерферометрии основным измеряемым параметром является разность фаз радиолокационных сигналов, которые принимаются на разнесенные в пространстве антенны. Обе антенны интерферометра могут находиться на одной и той же платформе или же их данные могут быть получены одной антенной, но с двух различных проходов аэрокосмического носителя. Путём измерения фазы двух волн разность наклонных дальностей может быть вычислена с точностью порядка длины волны (т.е. сантиметры). При известном положении антенн относительно Земли можно определить координаты и высоту элемента поверхности. Необходимым условием для реализации данного метода является когерентность сигналов.

Наконец, радиолокационная поляриметрия [60−75] основана на зависимости отражающих свойств объектов от вида поляризации. Большинство радиолокаторов излучают микроволны либо на горизонтальной (Н), либо на вертикальной (V) поляризациях и, соответственно, принимают отражённый сигнал на одной соответствующей поляризации.

В главе 2 обсуждаются возможности когерентной обработки поляриметрических радиолокационных изображений, и методология обобщения алгоритмов расчета ВИ на случай изображений интерферометрической когерентности на различных поляризациях при приеме/из лучении [44, 45, 58].

Для создания изображения когерентности радиолокационные данные разных сеансов (пролетов) были совмещены при помощи попиксельного корреляционного анализа [136, 137]. Были получены изображения когерентности для Ь-диапазона (А,=24 см): НН-НН, НУ-НУ и НН-УУ, УУ-УУ, НН-НУ, УУ-НУ. Первые две буквы обозначают поляризацию на излучении и приеме для первого изображения, вторые — соответственно для второго изображения, полученного на вторичном витке.

Было установлено, что на когерентность влияют различные источники декорреляции:

1. НН-НН, УУ-УУ Низкий уровень когерентности наблюдается на реке и еще нескольких участках, покрытых водой. Этот факт объясняется временной декорреляцией. Для воды отсутствует зависимость от поляризации, что наглядно демонстрируется во всех рассматриваемых случаях.

2. НУ-НУ. Наряду с низкой когерентностью участков, покрытых водой, выделяются такие же участки — с темным фоном, которые соответствуют ровной поверхности. Данная декорреляция вызвана низким отношением сигнал/шум, поскольку на ровных поверхностях преобладает зеркальное отражение, и большая часть мощности сигнала отражается в противоположную сторону от радара.

3. НН-УУ. Низкий уровень когерентности наблюдается у лесных массивов и кустарника вдоль реки. Что объясняется поляриметрической декорреляцией между ННи УУсигналами, поскольку лес и кустарник по-разному рассеивают электромагнитные волны на горизонтальной и вертикальной поляризациях.

Отмечается, что двумерное распределение яркостей изображений когерентности формирует некоторое подобие треугольного распределения, аналогичное таковому в координатах БИК — Красная зона [90]. Поскольку на подобном распределении основана методология расчета ВИ, то предложено применить данную методологию к изображениям когерентности.

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

Для иллюстрации результата обработки приведены исходные изображения интерферометрической когерентности и изображение индекса когерентности, полученное с помощью предлагаемого подхода.

Сделан вывод, что предлагаемый многополяриметрический подход к обработке данных интерферометрической радиолокационной пары изображений значительно улучшает возможности классификации земных покровов и разделения лесных массивов по значению биомассы, а открытых поверхностей по величине шероховатости.

В главе 3 предложены полуэмпирические методы обработки многополосных данных. В разделе 3.1 акцент сделан на три спектральных канала, характерных для отечественных оптических сенсоров. Предложены и модельно обоснованы алгоритм трехканальной обработки и методика выявления угнетенной растительности [138].

Утверждается, что результат обработки данной методикой зависит только от значений разности измеренных яркостей, но не от их абсолютных величин, поэтому вычисляемое значение инвариантно относительно возможного неизвестного, но одинакового для всех 3-х спектральных каналов сдвига в измеренных значениях яркости (аддитивной составляющей помехи). Нормировка же позволяет избавиться также и от возможного неизвестного, но одинакового для всех каналов множителя в измеренных значениях яркости (мультипликативной составляющей помехи).

В п. 3.2 при помощи данного алгоритма проведено исследование зоны Чернобыльской АЭС. Установлено, что в западном направлении от промзоны ЧАЭС на расстоянии до 5−6 км расположена угнетенная лесная растительность. В северном и северо-западном направлении также находится растительность в состоянии стресса, однако определение точного расстояния затруднено. Результаты этого исследования достаточно хорошо согласуются с данными наземных исследований [139 143]. Сделан вывод, что применение данной методики позволяет более надежно определять леса в угнетенном состоянии, по сравнению с традиционными методиками индексов вегетации.

Для апробации трехканального алгоритма, на предмет информативности дешифрирования других растительных покровов, было проведено моделирование по табличным данным [93]. На различных почвенных покровах, при двух состояниях увлажненности почвы для сельскохозяйственных культур при различных величинах надземной фитомассы были построены зависимости для ТСНУ1 и №ЗУ1, что показало существенные преимущества первого.

В разделе 3.3 предлагается простая в реализации и интерпретации методика совместной обработки радиолокационных изображений дециметрового диапазона и спектрозональных данных оптического диапазона [144−147]. Приводится обоснование объединения этих данных. Формулируется основная цель данного метода обработки — выделение редколесья или угнетенных лесов, включая последствия лесных пожаров. Описывается алгоритм совместной обработки и методика его применения. Предлагается домножать значение обратного радарного рассеяния (яркость) каждого пикселя радиолокационного изображения на соответствующее значение 1чГОУ1 для этого пикселя.

Представлены результаты кластерного анализа, проведенного для определения информативности совместной обработки. В данном исследовании был использован метод кластеризации, известный как КОБАТА [148−152]. Для представительности различных типов подстилающей поверхности, были исследованы четыре различных фрагмента: 1 — лес, кустарники и луга на восточном берегу пруда-охладителя- 2 — луга, заброшенные сельскохозяйственные поля и частично лес южнее промзоны ЧАЭС- 3 — хвойный лес с различной степенью угнетенности к западу от промзоны- 4 — водная поверхность и луга юго-восточнее промзоны ЧАЭС.

По результатам кластерного анализа сделан вывод, что совместная обработка позволяет повысить информативность изображения только для фрагментов с лесными массивами, а в случае — открытой поверхности целесообразнее применять методы, использующие традиционные ВИ.

В разделе 3.4 рассмотрены корреляционные связи между характерными для оптического диапазона «зеленостью» растений и «яркостью почв», полученными на основе преобразования «Tasseled cap» [91] и величинами интерферометрической когерентности на разных поляриметрических комбинациях [153−156].

Из полученных данных следует, что наблюдается высокая положительная корреляция между «яркостью» почв и когерентностью HH-VV, а также заметная отрицательная корреляция между HH-VV и индексом «зелености». Иные комбинации коррелируют в меньшей степени.

По результатам исследования сделаны следующие выводы:

• Высокая положительная корреляция (0.72-Ю.87) интерферометрической когерентности HH-VV и индекса «яркости» почв свидетельствует о некотором сходстве результатов, получаемых данными методами.

• Отрицательная корреляция (-0.71-^-0.5) этой же поляриметрической комбинации с индексом «зелености» позволяет утверждать, что в данном случае информация различна.

Для исследования возможностей совместного использования изображений когерентности и индексов был проведен кластерный анализ RGB композитов, составленных из изображений: индекса «яркости почв», индекса «зелености» и когерентности на одной из поляриметрических комбинаций.

На основе выше изложенного предложено комбинировать данные интерферометрической когерентности HH-VV и индекса «зелености». В заключение 3 главы указывается, что для улучшения классификации земных покровов и получения более достоверной полной информации о состоянии леса следует использовать многополосные данные аэрокосмического зондирования. При этом для дистанционной диагностики предлагается следующее:

• для распознавания земных покровов достаточно использовать традиционные методы анализа мультиспектральных оптических снимков, однако для более уверенного разделения растительности и обнаженной почвы рекомендуется применить алгоритм трехканальной обработки спектрозональных изображений;

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

В главе 4 предлагается методология классификации земных покровов на основе количественной оценки пространственных вариаций яркости полностью поляриметрических радиолокационных данных. В качестве инструмента исследований предлагается использовать мультифрактальный анализ текстуры изображения [157−184].

В параграфе 4.1, на основе иллюстрации разномасштабных профилей изменения яркости снимка, показано самоподобие и фрактальность радиолокационных изображений [157]. Приводится постановка задачи на основе сравнения с поляризационными сигнатурами [72], которые характеризуют особенности обратного радарного рассеяния при различных состояниях эллипса поляризации. Введено понятие мультифрактальности объектов исследования [157, 158]. Приводится алгоритм расчета и описание графического представления результатов.

В разделе 4.2 установлено, что по величине локальной фрактальной размерности можно классифицировать основные типы земных покровов [157]. На основе данного факта сделан вывод, что неоднородности леса, на которых происходит обратное рассеяние, имеют в большей степени вертикальную структуру, тогда как горизонтальные размеры этих неоднородностей существенно меньше вертикальных размеров.

В разделе 4.3 приводятся результаты обработки поляриметрических радиолокационных данных с использованием предлагаемого подхода [158, 179−184].

В С-диапазоне поляриметрическая зависимость фрактальной размерности от угла наклона поляризации на приеме указывает на значительные пространственные флуктуации при углах ~ 50 — 130. Это вызвано рассеянием от сучьев, веток, хвои, листвы, т. е. структурами, которые расположены под подобными углами. В тоже время обратное рассеяние и полученные пространственные флуктуации такового при углах, близких к горизонтальным меньше, т. е. объемная доля горизонтальных рассеивающих элементов лесной кроны мала.

Фрактальная размерность лесного массива с полнотой более 0.7-Ю.8 в Lдиапазоне близка к 3 при всех углах наклона, т. е. это объемная неоднородность. Соответственно, пространственные флуктуации величины обратного рассеяния не зависят от угла наклона поляризации. Данное обстоятельство связано с тем, что рассеяние в дециметровом (L) диапазоне определяется всей толщей леса, неоднородности которого в свою очередь ориентированы равномерно под углами от 0° до 180°.

В случае редкого леса с полнотой менее 0.7-Ю.8 наблюдается обратная ситуация: в С-диапазоне размерность достаточно постояннадля дециметровых волн значения фрактальной размерности на углах ~ 60° 120° ниже, чем на других. Данные результаты связаны с уменьшением количества вертикально ориентированных стволов, что существенно для дециметрового диапазона.

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

Полученные результаты согласуются со статистикой наземных наблюдений на тестовом полигоне, которые показали: 1) реальные неоднородности верхнего яруса густого хвойного леса ориентированы именно под углами ~ от 50° до 130° от горизонтали- 2) неоднородности всей толщи густого хвойного леса, соизмеримые с длиной волны Ь-диапазона, располагаются равномерно в промежутке углов ~ 0°-^180° от горизонтали.

Что касается флуктуаций обратного рассеяния от мелкого кустарника в дециметровом диапазоне, то увеличение размерности при углах 40°-140° с локальным минимумом на кроссполяризации, объясняется характерной для кустарника ориентацией ветвей под этими углами. Небольшое уменьшение на поперечной поляризации связано с тем, что отсутствуют ярко выраженные вертикально ориентированные стволы. Аналогично трактуются флуктуации обратного радарного рассеяния от лиственных деревьев, с той лишь разницей, что локальный минимум менее выражен вследствие наличия в нижнем и среднем ярусах вертикальных стволов деревьев, в то время как верхний ярус не имеет ярко выраженной вертикальной ориентации. Большая размерность при других углах свидетельствует о наличии неоднородностей (ветвей) в нижнем ярусе.

Таким образом, составляющая предлагаемой поляризационной сигнатуры локальных фрактальных размерностей, в данном случаелинейная поляризация, позволяет существенно увеличить возможности классификации и количественной оценки геометрической структуры лесных сообществ. Дальнейшие исследования могут быть направлены на анализ трехмерной поляризационной сигнатуры локальной фрактальной размерности неоднородных природных сред.

В разделе 4.4 исследована возможность классификации земных покровов и определения параметров леса при помощи количественной оценки пространственных флуктуаций яркости радиолокационного изображения разности фаз сополяризованных сигналов [159]. С этой целью проведен сравнительный анализ алгоритмов расчета пространственной автокорреляции [176] и метода вариограмм [177], основанного на расчете локальной фрактальной размерности. Установлено, что высокочастотные спекл-шумы значительно искажают самоподобную фрактальную структуру неоднородных природных сред и поэтому необходимо проводить фильтрацию для устранения спеклов. Показано, что полученное поле фрактальных размерностей наилучшим образом разделяет основные типы поверхностных шероховатостей, однако объемные неоднородности объединяются в один класс.

Анализ гистограмм демонстрирует эффективность применения фрактального подхода для разделения земных покровов по низкочастотным пространственным флуктуациям разности фаз — получена трехмодальная гистограмма. Гистограммы яркости изображений, полученных при помощи методик расчета пространственной автокорреляции, имеют одномодальное распределение, которое малоинформативно для разделения основных типов земных покровов.

В следующем параграфе рассмотрено влияние пространственного разрешения радарных изображений при исследовании текстуры леса [160]. Показано, что в целом, можно говорить лишь о существовании ограничения по пространственному разрешению радарных данных при изучении текстуры леса. Однако для более точного определения порогового значения необходимо проведение исследований по.

Основные результаты работы сводятся к следующему:

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

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

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

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

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

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

7. Установлено, что при пространственном разрешении космических радиолокационных изображений грубее 24−25 м классификация лесов на основе фрактального анализа текстуры этих изображений позволяет разделить лесные массивы с полнотой древостоя более и менее 0.7-Ю.8.

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

ЗАКЛЮЧЕНИЕ

.

Таким образом, совокупность полученных результатов, изложенных в настоящей диссертационной работе, можно рассматривать как решение важной научной проблемы в области разработки методов синтеза оптико-микроволновых аэрокосмических данных для улучшения количественной оценки биои геофизических характеристик лесных ресурсов. Внедрение результатов работы вносит значительный вклад в создание новых методов дистанционного мониторинга лесов.

Показать весь текст

Список литературы

  1. В.Chapman, «SIR-С/AIRSAR data conversion guide», JPL, Cal. Inst. Techn., Pasadena, Ca., 1994.
  2. У. Цифровая обработка изображений: Пер. с англ. М.: «МИР», 1982.-Кн. 2.-480 е., с ил.
  3. Буряад Республикыи Байгаалиин неесын ба тойронхи оршон хамгаалгын министерство
  4. Министерство природных ресурсов и охраны окружающей среды Республики Бурятия
  5. ОЙН АЖАХЫН РЕСПУБЛИКАНСКОЕ АГЕНТСТВО
  6. РЕСПУБЛИКЫН АГЕНТСТВО ЛЕСНОГО ХОЗЯЙСТВА
  7. Начальник отдела лесопользования1. О.Л. Мартынова1. УТВЕРЖДАЮ
  8. Заместитель генерального директора1. Омического1. Шахраманьяноб использовании результатов диссертационной работы Т. Н. Чимитдоржиева на тему: «Оптико-микроволновые методы дистанционного контроля лесных ресурсов».
  9. Начальник отдела, д.т.н. профессор Руководитель группы" к.т.н. И. о начальника отдела
  10. Р.Г.Мамин -— И. П. Карачевцева В. Е. Воробьев
  11. Бурятскорогюсударственного университета. у к.х.н., доц. Батуева И.С.а У «» '2008 г. 1. Утверждаю"проректор по учебной работе1. АКТо внедрении результатов НИР доцента Т. Н. Чимитдоржиевав учебный процесс
  12. Результаты полученных исследований внедрены в учебный процесс на основании рекомендаций кафедры землепользования и земельного кадастра, а именно:
  13. Фотограмметрия и дистанционное зондирование территорий" по специальностям 120 302.65 земельный кадастр, 120 303.65 — городской кадастр-- в дипломном проектировании. в лекционных и практических курсах по дисциплине
  14. Заведующий кафедрой землепользования и земельного кадастра, к.б.н., проф.1. Хертуев В.Н.
  15. , К.Я. Глобальные изменения: итоги новых разработок в США / К. Я. Кондратьев // Исследование Земли из Космоса. 1997. -№ 3. — С. 95−109.
  16. , К.Я. Новое в дистанционном зондировании окружающей среды (по материалам книги «Успехи дистанционного зондирования окружающей среды») / К. Я. Кондратьев, Д. В. Поздняков // Исследование Земли из космоса. 1996. — № 1. — С. 107−124.
  17. Природа Земли из космоса / В. В. Козодеров и др. Под ред. Н. П. Козлова. JL: Гидрометеоиздат, 1984. — 151 с.
  18. , К.Я. Проблемы изучения биосферы из космоса / К. Я. Кондратьев, В. В. Козодеров, B.C. Косолапов // Исследование Земли из космоса. -1992. № 2. — С. 15−23.
  19. , П. Дистанционное изучение Земли / П. Кронберг. М: Мир, 1988. — 343 с.
  20. Биосфера: Методы и результаты дистанционного зондирования / К. Я. Кондратьев и др. М.: Наука, 1990. — 222 с.
  21. Оценка параметров почвенно-растительного покрова по многоспектральным спутниковым данным / К. Я. Кондратьев и др. // Исследование Земли из Космоса. 1992. — № 3. — С. 88−95.
  22. Overview of the SMOS Sea Surface Salinity Prototype Processor / S. Zine et all. // IEEE Transactions on Geoscience and remote sensing. 2008. -Vol. 46, № 3. — P. 621 -645.
  23. Проблемы мониторинга и предсказания природных катастроф / В. Г. Бондур и др. // Исследования Земли из космоса. 2005. — № 1. — С. 314.
  24. , В.Г. Методы моделирования полей излучения на входе аэрокосмических систем дистанционного зондирования / В. Г. Бондур // Исследования Земли из космоса. 2000. — № 5. — С. 16−27.
  25. , В. Г. Основы аэрокосмического мониторинга окружающей среды / В. Г Бондур. М.: Изд. Московского государственного университета геодезии и картографии, 1998. — 546 с.
  26. В.Г. Исследование высокочастотных внутренних волн на границе шельфа по спектрам космических оптических изображений / В. Г. Бондур, А. Ш. Замшина // Известия вузов. Геодезия и аэрофотосъемка. 2008. — № 1.
  27. , В.Г. Механизмы формирования линеаментов, регистрируемых на космических изображениях при мониторингесейсмоопасных территорий / В. Г. Бондур, А. Т. Зверев // Исследования Земли из космоса. 2007. — № 1. — С. 47−56.
  28. Восстановление объема фиотомассы и других параметров состояния почвенно-растительного покрова по результатам обработки многоспектральных спутниковых изображений / В. В. Козодеров и др. // Исследования Земли из космоса. 2007. — № 1. — С. 57−65.
  29. Митник, J1.M. Динамические явления в проливе Ломбок и окружающих водах: отпечатки на изображениях PC, А со спутников ERS и Envisat. / Л. М. Митник. // Исследование Земли из космоса. -2006. № 6. — С. 83−92.
  30. Об особенностях РЛ-изображений прибрежной зоны моря. / В. Н. Кудрявцев и др. // Исследование Земли из космоса. 2007. — № 6. -С. 11−21.
  31. Myneni, R.B. Estimation of global leaf area index and absorbed PAR using radiative transfer models / R.B. Myneni, R.R. Nemani, S.W. Running // IEEE Transactions on Geoscience and remote sensing. 1997. -Vol. 35, № 6. — P. 1380−1393.
  32. Multi-year circumpolar assessment the area burnt in boreal ecosystems using SPOT-Vegetation / S.A. Bartalev et all. // International Journal of Remote Sensing. 2007. — Vol. 28, № 6 — P.1397−1404.
  33. A new SPOT4-VEGETATION derived land cover map of Northern Eurasia / S.A. Bartalev et all. // International Journal of Remote Sensing. -2003. Vol.24, № 9 — P. 1977−1982.
  34. Опыт организации оперативного спутникового мониторинга территории России в интересах службы пожароохраны леса / И. А. Абушенко и др. // Исследование Земли из космоса. 1998. — № 3. -С. 89−95.
  35. , Е.М. Инвентаризация и мониторинг лесов: лазерная локация и цифровая аэрофотосъемка / Е. М. Медведев, И. М. Данилин // Лесное хозяйство. 2007. — № 6. — С. 25−29.
  36. , А. И. Использование информации с ИСЗ NOAA для пространственной оценки пожарной опасности лесных территорий /
  37. A. И. Сухинин, Е. И. Пономарев // Сибирский экологический журнал. -2001. -№ 6. С. 112−119.
  38. Съемка SPOT-Vegetation в анализе динамики повреждения горнотаежных лесов сибирским шелкопрядом / С. Т. Им и др. // Исследования Земли из космоса. 2007. — № 1. — С. 74−80.
  39. , С.А. Разработка методов оценки состояния и динамики лесов на основе данных спутниковых наблюдений : автореф. дис.докт. техн. наук: 01.04.01 / Барталев Сергей Александрович. -Москва, 2007. 48 с.
  40. , Н.В. Классификация поверхности на поляриметрических РЛИ с использованием текстуры и разложения по механизмам рассеяния / Н. В. Родионова // Исследования Земли из космоса. 2007. -№ 4.-с. 8−14.
  41. , В.М. Динамические значения вегетационного индекса и ландшафтные особенности растительного покрова / В. М. Жирин,
  42. B.И. Сухих, С. П. Эйдлина // Исследование Земли из Космоса. 1996. -№ 4.-С. 29−41.
  43. , В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: Учебник. / В. И. Сухих. Йошкар-Ола: МарГТУ, 2005. — 392с. ISBN 5−8158−0457−6.
  44. Afonin, S.V. Atmospheric correction in the problem of fire detection from space / S.V. Afonin, V.V. Belov, // Proc. SPIE, 2005, Vol. 5979, P. 345 352.
  45. Afonin, S.V. Fire detection from space: correction for the distorting effect of the atmosphere / S.V.Afonin, V.V.Belov // Proc. SPIE, 2005, Vol. 6160, part I, P.240−247.
  46. Coprocessing of radar coherence and spectral optical data. / V.L. Mironov et all., // Proc. IGARSS 2005, Seoul, Korea, 2005,-vol. I.- P. 3913−3915.
  47. Векторное радиопросвечивание лесного полога / В. П. Якубов и др. // Журнал радиоэлектроники. 2002, — № 1.http ://jre. cplire .ru/jre/j ап02/1 /text.html
  48. Measured spectrum and polarization of wideband radar signal from forest stand. / V.P. Yakubov et all. // Proceedings IGARSS 2004, Toulouse, France, P. 4195−4197.
  49. , JI.H. Сравнение некоторых современных методов разворота разности фаз в радиолокационной интерферометрии / JI.H. Захарова, А. И. Захаров // Радиотехника и электроника. 2003.- том 48, № 10. — С. 1208−1213.
  50. Synthetic Aperture Radar Interferometry / P.A. Rosen et all. // Proc. of the IEEE. 2000. — v.88, № 3. — P. 333−382.
  51. Goldstein, R.M. Satellite radar Interferometry: Two-dimensional phase unwrapping / R.M. Goldstein, H.A. Zebker, C.L. Werner //Radio Sci. -1988.-v. 23, № 4 -P. 713−720.
  52. Ghiglia, D.C. Robust two-dimensional weighted and unweighted phase unwrapping that uses fast transform and iterative methods / D. C Ghiglia, L.A. Romero // J. Opt. Soc. Amer. A, 1994. — v. 11, № 1. — P. 107−117.
  53. Constantini, M. A novel phase unwrapping method based on network programming / M. Constantini // IEEE Trans. Geosci. Remote Sensing. -1998. -v.36. P. 813−821
  54. Cloude, S.R. Polarimetric SAR Interferometry / S.R. Cloude, K.P. Papathanassiou // IEEE Transactions on Geoscience and Remote Sensing. 1998.- 36(5),-P. 1551−1565.
  55. Rowland, C.S. Data fusion for reconstruction of a DTM, under a woodland canopy, from airborne L-band InSAR. / C.S. Rowland, H. Balzter // IEEE Trans. Geosci. Remote Sensing. 2007. — vol. 45, no. 5. — P. 1154−1163.
  56. Ferretti, A. Submillimeter accuracy of InSAR time series: experimental validation. / A. Ferretti et all. // IEEE Trans. Geosci. Remote Sensing. -2007. vol. 45, no. 5. — P. 1142−1153.
  57. Praks, J. Height Estimation of Boreal Forest: Interferometric Model-Based Inversion at L- and X-Band Versus HUTSCAT Profiling Scatterometer. / J. Praks. // IEEE Geosci. And Remote Sensing Letters. 2007. — vol. 4, no. 3. — P. 466−470.
  58. Askne, J. Selection of Forest Stands for Stem Volume Retrieval From Stable ERS Tandem InSAR Observations. / J. Askne, M. Santoro. // IEEE Geosci. And Remote Sensing Letters. 2007. — vol. 4, no. 1. — P. 46−50.
  59. Guarnieri, A.M. SAR Interferometry: A «Quick and Dirty» Coherence Estimator for Data Browsing. Images / A.M. Guarnieri, C. Prati// IEEE Trans. Geosci. Remote Sensing. 1997. — vol. 35, no. 3. — P. 660−669.
  60. Dammert, P.B.G. Unsupervised Segmentation of Multitemporal Interferometric SAR Images. / P.B.G. Dammert, J.I.H. Askne, S. Kuhlmann. // IEEE Trans. Geosci. Remote Sensing. 1999. — vol. 37, no. 5.-P. 2259−2271.
  61. Lee, J.-S. Intensity and Phase Statistics of Multilook Polarimetrie and Interferometric SAR Imagery. / J.-S. Lee et all. // IEEE Trans. Geosci. Remote Sensing. 1994. — vol. 32, no. 5. — P. 1017−1028.
  62. Stem volume estimation in boreal forests using ERS-½ coherence and SPOT XS optical data. / J. E. S. Fransson et all. // International Journal of Remote Sensing. 2001. — vol. 22. — P. 2777−2791.
  63. Stebler, O. Multi-baseline Polarimetrie SAR Interferometry—first experimental spaceborne and airborne results / O. Stebler, E. Meier, D. Nuesch // ISPRS Journal of Photogrammetry & Remote Sensing. 2002. -№ 56.-P. 149−166.
  64. Crosetto, M. Calibration and validation of SAR Interferometry for DEM generation / M. Crosetto // ISPRS Journal of Photogrammetry & Remote Sensing. 2002. — vol.57. — P.213−227.
  65. Hellwich, О. Geocoding SAR interferograms by least squares adjustment / O. Hellwich, H. Ebner // ISPRS Journal of Photogrammetry & Remote Sensing. 2000. — vol.55. — P.277−288.
  66. Neumann, М. Multibaseline Polarimetric SAR Interferometry Coherence Optimization / M. Neumann, L. Ferro-Famil, A. Reigber // IEEE Geoscience and Remote Sensing Letters. -2008. vol.5, no.l. — P. 93−97.
  67. Blanchard, A.J. Volumetric effects in cross polarized airborne radar data / A.J. Blanchard et all. // IEEE Trans. Geosci. Remote Sensing. 1982.-vol. GE-20-P. 36−41,
  68. Cloude, S.R. A review of target decomposition theorems in Radar Polarimetry / S.R. Cloude, E. Pottier // IEEE Transactionson Geoscience and Remote Sensing. 1996. — 34(2). — P. 498−518.
  69. Freeman, A. A three-component scattering model for polarimetric SAR data / A. Freeman, S.L. Durden // IEEE Trans. Geoscience and Remote Sensing 1998. — 36(3) — P. 963- 973.
  70. Ferro-Famil, L. Unsupervised classification of multifrequency and fully polarimetric SAR images based on the Н/А/Alpha- Wishart classifier / L.
  71. Ferro-Famil, E. Pottier, J.-S. Lee // IEEE Trans. Geoscience and Remote Sensing. 2001. — 39(11) — P. 2332- 2342.
  72. Champion, I. Simple modeling of radar backscattering coefficient over a bare soil: Variation with incidence angle, frequency and polarization /1. Champion // Int. J. Remote Sensing -1996. vol. 17. — P. 783−800.
  73. Champion, I. Sensitivity of the Radar Signal to Soil Moisture: Variation with Incidence Angle, Frequency and Polarization /1. Champion, R. Faivre // IEEE Trans. Geosci. Remote Sensing 1997. — vol. 35, no. 3, — P. 781−783,
  74. Volumetric effects in cross polarized airborne radar data /A.J. Blanchard et all., // IEEE Trans. Geosci. Remote Sensing. 1982. — vol. GE-20. — P. 36−41.
  75. Hirosawa, H. Cross-polarized radar backscatter from moist soil. / H. Hirosawa, S. Komiyama, Y. Matsuzaka. // Remote Sens. Environ. 1978. -vol. 7.-P. 211−217,
  76. Freeman, A. Fitting a Two-Component Scattering Model to Polarimetric SAR Data from Forests. / A. Freeman. // IEEE Trans. Geosci. Remote Sensing. 2007. — vol. 45, no. 8. — P. 2583−2592.
  77. Van Zyl, J.J. Imaging radar polarization signatures: theory and observation / J.J. Van Zyl, H.A. Zebker, C. Elachi // Radio Science. 1987. — vol. 2, no 4.-P. 529−543.
  78. Pellizzeri, T.M. Classification of polarimetric SAR images of suburban areas using joint annealed segmentation and «H/A/a» polarimetric decomposition / T.M. Pellizzeri // ISPRS Journal of Photogrammetry & Remote Sensing. 2003. — № 58. — P.55−70.
  79. Kimura, H. Radar Polarization Orientation Shifts in Built-Up Areas / H. Kimura // IEEE Geoscience and Remote Sensing Letters. -2008. vol.5, no.2.-P. 217−221.
  80. Carr, J.R. The semivariogram in comparison to the co-occurrence matrix for classification of image texture / J.R. Carr, F.P. Miranda // IEEE Transactions on Geoscience and Remote Sensing. 1998. — V.36, No.6. -P. 1945−1952.
  81. Ulaby, F.T. Microwave backscatter dependence on surfase roughness, soil moisture, and soil texture: Part I, bare soil / F.T. Ulaby, P.P. Batlivala, M.C. Dobson // IEEE Trans. Geosci. Remote Sensing. 1978. — vol. GE-16. — P. 286−295.
  82. Textural information in SAR images / F. Ulaby et all. // IEEE Trans. Geosci. Remote Sensing. 1986. — vol. GE-24. — P. 235−245.
  83. SAR image recognition by integration of intensity and textural information / S. Dellepiane et all. // Int. J. Remote Sensing. 1991. — vol. 12, no.9. — P. 1915−1932,
  84. Kurvonen, L. Textural information of multitemporal ERS-1 and JERS-1 SAR images with applications to land and forest type classification in boreal zone / L. Kurvonen, M. Hallikainen // IEEE Trans. Geosci. Remote Sensing. 1999. — vol. 37. — P. 680−689.
  85. Ulaby, F.T. Microwave backscatter dependence on surface roughness, soil moisture, and soil texture: Part I, bare soil. / F.T. Ulaby, P.P. Batlivala, M.C. Dobson. // IEEE Trans. Geosci. Remote Sensing. 1978. — vol. GE-16.-P. 286−295.
  86. Garrigues, S. Using first- and second-order variograms for characterizing landscape spatial structures from remote sensing imagery. / S. Garrigues, D. Allard, F. Baret // IEEE Trans. Geosci. Remote Sensing. 2007. — vol. 45, no. 6. — P. 1823−1834.
  87. Wang, Z. Color- and Texture-Based Image Segmentation for Improved Forest Delineation. / Z. Wang, R. Boesch. // IEEE Trans. Geosci. Remote Sensing. 2007. — vol. 45, no. 10. — P. 3055−3062.
  88. De Grandi, G. Texture and Speckle Statistics in Polarimetric SAR Synthesized Images / G. De Grandi et all. // IEEE Trans. Geosci. Remote Sensing. 2003. — vol. 41, no. 9. — P. 2070−2088.
  89. Lopes, A. Optimal Speckle Reduction for the Product Modelin Multilook Polarimetric SAR Imagery and the Wishart Distribution. / A. Lopes, F. Sery. // IEEE Trans. Geosci. Remote Sensing. 1997. — vol. 35, no. 3. — P. 632−647.
  90. Forest textural properties from simulated microwave backscatter: the influence of spatial resolution / J.F. Weishampel et all. // Remote sensing of environment. 1994. — vol. 47. — P. 120−131.
  91. , P.M. Статистический и структурный подходы и описанию текстур / P.M. Харалик // ТИИЭР. 1979. — № 5. — С. 98−120.
  92. Определение возможностей космического мониторинганеобследованных территорий на основе сканерной информациивысокого и среднего разрешения (на примере Южной Кореи) / Г. Г. Андреев и др. // Исследование Земли из Космоса. 1996. — № 3. — С. 57−67.
  93. , Т.Н. Об использовании различных индексов вегетации в дистанционном зондировании экосистем / Т. Н. Чимитдоржиев, В. В. Ефременко // Исследование Земли из космоса. -1998.-№ 3,-С. 49−56.
  94. Альбедо и угловые характеристики отражения подстилающей поверхности и облаков./ К. Я. Кондратьев и др. Под ред. К. Я. Кондратьева. JL: Гидрометеоиздат, 1981. — 232 с.
  95. Рачку лик, В. И. Отражательная способность и состояние растительного покрова. / В. И. Рачкулик, М. В. Ситникова Л.: Гидрометеоиздат, 1981. -288 с.
  96. Baret, F. Potentials and limits of vegetation indices for LAI and APAR assessment / F. Baret, G. Guyot // Remote Sens. Environ. -1991. -V. 35. -P.161−173.
  97. Clevers, J. G. P. W. The derivation of a simplified reflectance model for the estimation of leaf area index / J. G. P. W. Clevers // Remote Sens. Environ. -1988. -V. 25. P. 53−70.
  98. Vegetation Indices in Crop Assessments / C.L. Wiegand et all. // Remote Sens. Environ. -1991. -V. 35. PP. 105−119.
  99. Dusek, D.A. Winter wheat vegetation indices calculated from combinations of seven spectral bands / D.A. Dusek, R.D. Jackson, J.T. Musick // Remote Sens. Environ. 1985. — V. 18. -P. 255−267.
  100. Evaluation and interpretation of Thematic Mapper ratios in equations for estimating corn growth parameters / B.R. Gardner et all. // Remote Sens. Environ. -1985. -V. 18. -P. 225−234.
  101. Smith, R.C.G. Analysis of normalized difference and surface temperature observations over southeastern Australia / R.C.G. Smith, B.J. Choudhury // Int. J. Remote Sens. 1991. -V. 12, no. 10. -P. 2021−2044.
  102. Relationship between satellite-derived vegetation indices and aircraft-based C02 measurements / J. Cihlar et all. // J. Geophys. Res. -1992. -V. 97, no. D17. -P. 18,515−18,521.
  103. Air-surface exchange of H20, C02 and 03 at a tallgrass prairie in relation to remotely sensed vegetation indices / W. Gao et all. // J. Geophys. Res. -1992. -V. 97, no. D17. -P. 18,663−18,671.
  104. Korolyuk, Т. V. Compiling soil maps on the basis of remotely-sensed data digital processing: soil interpretation / T.V. Korolyuk, H.V. Shcherbenko // Int. J. Remote Sens. -1994. -V. 15, no. 7. P. 1379−1400.
  105. Li Xia. A two-axis adjusted vegetation index (TWVI) / Li Xia // Int. J. Remote Sens. -1994. -V. 15, no. 7. -P. 1447−1458.
  106. Jasinski, M.F.The structure of red-infrared scattergrams of semivegetated landscapes / M.F. Jasinski, P. S. Eagleson // IEEE Trans. Geosci. Remote Sens. -1989. -V. 27. -P. 441−451.
  107. Liu, H.Q.A feedback based modification of the NDVI to minimize canopy background and atmospheric noise / H.Q. Liu, A.R. Huete // IEEE Trans. Geosci. Remote Sens. -1995. -V. 33, no. 2. -P. 457−465.
  108. Jackson, R. D. Spectral indices in n-space / R.D. Jackson, // Remote Sens. Environ. -1983. -V. 13. -P. 409−421.
  109. Пространственное изменение связи между аномалиями NDVI и соотношения тепла и влаги на равнинах России / А. Н. Золотокрылин и др. // Исследования Земли из космоса. 2007. — № 1. — С. 66−73.
  110. , Д.А. Гистограмма как основа статистической классификации изображений / Д. А. Усиков, Т. В. Пятибрат // Исследование Земли из космоса. 1986. — № 1. — С. 99 — 103.
  111. Richardson, A.J. Distinguishing vegetation from soil background information / A.J. Richardson, C.L. Wiegand // Photogrammetric Engineering and Remote Sens. -1977. -V. 43. -P. 1541−1552.
  112. Clevers, J.G.P.W. The application of a weighted infrared-red vegetation index for estimating leaf area index by correcting for soil moisture / J.G.P.W. Clevers // Remote Sens. Environ. 1989. — V. 29. — P. 25−37.
  113. Richardson, A.J. Using spectra vegetation indices to estimate rangeland productivity / A.J. Richardson, J.H. Everitt // Geocarto International. -1992. -V. 1. P. 63−69.
  114. Huete, A.R. A soil-adjusted vegetation index (SAVI) / A.R. Huete // Remote Sens. Environ. 1988. — V. 25. — P. 295−309.
  115. Qi, J. Modified soil adjusted vegetation index (MSAVI) / J. Qi, A.R. Huete // Remote Sens. Environ. 1994. — V. 48. — P. 119−126.
  116. Qi, J. External Factor Consideration in Vegetation Index Development / J. Qi, Y. Kerr, A. Chehbouni // Proc. of Physical Measurements and Signatures in Remote Sensing, ISPRS. 1994. — P. 723−730.
  117. Baret, F. TSAVI: A vegetation index which minimizes soil brightness effects on LAI or APAR estimation / F. Baret, G. Guyot, D. Major // Proc. 12th Canad. Symp. Remote Sens. Vancouver, Canada. — July 10−14, 1989.
  118. Kaufman, Y.J. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS / Y.J. Kaufman, D. Tanre // IEEE Trans. Geosci. Remote Sens. 1992. — V. 30, no. 2. — P. 261−270.
  119. Huete, A.R. An error and sensitivity analysis of the atmospheric- and soil-correcting variants of the NDVI for the MODIS-EOS / A.R. Huete,
  120. H.Q. Liu // IEEE Trans. Geosci. Remote Sens. -1994. -V. 32, no.4. P. 897−905.
  121. , Б. Наука об окружающей среде: как устроен мир: в 2 т. -М.: «Мир». 1993 г.
  122. Price, J.C. Spectral band selection for visible-near infrared remote sensing: spectral-spatial resolution tradeoffs / J.C. Price // IEEE Transactions on Geoscience and remote sensing. 1997. — Vol. 35, № 5. -P. 1277−1285.
  123. , P.M. Оценка информативности спектральных характеристик посевов озимой пшеницы для прогноза их биологической продуктивности / P.M. Коробов, О. А. Войнов, В. Я. Райлян. // Исследование Земли из Космоса. 1991. — № 1. — С. 26−37.
  124. Kozoderov, V.V. Cosmos 1939 data processing for FIFE 1989 / V.V. Kozoderov et all. // J. Geophys. Res. 1992. — V. 97, no. D17.1. P. 18,779−18,784.
  125. Evaluation of Temporal Fire Risk Index in Mediterranean Forests from NOAA Thermal IR / A. Vidal et all. // J. Remote Sens. Environ. 1994. -V. 49. — P.296−303.
  126. Modified perpendicular drought index (MPDI): areal-time drought monitoring method / A. Ghulam et all. // ISPRS Journal of Photogrammetry & Remote Sensing. 2007. — vol. 62. — P. 150−164.
  127. , Т.Н. Разработка методик космического дистанционного исследования региональных экосистем на примере зоны Чернобыльской АЭС : автореф. дис.канд. физ-мат. наук: 01.04.03 / Чимитдоржиев Тумэн Намжилович. Москва, 1998. — 17 с.
  128. Исследование растительности в зоне Чернобыльской АЭС с помощью спектрозонального сканера космического базирования МСУ-Э / Т. Н. Чимитдоржиев и др. // Тез. докл. XVIII
  129. Всероссийской конференции по распространению радиоволн. Санкт-Петербург, 17−19 сентября 1996, — т.1. С. 253−254.
  130. Анализ индексов вегетации при помощи гистограммных признаков / В. В. Ефременко и др. // Тез. докл. Российской научно-технической конференции по дифракции и распространению волн. Улан-Удэ, 18−20 июня 1996. С. 194 — 199.
  131. , Т.Н. Использование данных спектрозонального сканера для экологического мониторинга / Т. Н. Чимитдоржиев // Тез. докл. Юбилейной сессии РАЕН. Москва, 28 февраля 1997. С. 77.
  132. , Г. Д. Основы почвенно-экологического мониторинга. Учебно-методическое пособие / Г. Д. Чимитдоржиева, Т. Н. Чимитдоржиев // Улан-Удэ: изд-во БГУ. — 1997. — 153 с.
  133. , В.П. Оптико-электронные системы дистанционного зондирования: Учеб. для вузов / В. П. Савиных, В. А. Соломатин. М.: Недра, 1995. — 315 с.
  134. Сопоставление информативности данных МСУ Э и самолетного сканера на примере решения задач дистанционного зондирования агроресурсов / A.A. Феоктистов и др. // Исследование Земли из космоса. — 1991. — № 1. — С. 54 — 63.
  135. , Т.Н. Исследование возможностей когерентной обработки радиолокационных изображений для классификации земных покровов / Т. Н. Чимитдоржиев // Вестник БГУ 2006. -выпуск 5, Серия 9 «Физика и техника» — С. 78−91.
  136. , Т.Н. Графическое обоснование применимости методики вычисления вегетационных индексов для обработки изображений интерферометрической когерентности / Т. Н. Чимитдоржиев // Исследование Земли из космоса. 2007 г. — № 3. — С. 53−58.
  137. Метод выявления угнетённой растительности по данным спектрозонального сканера / В. В. Ефременко и др. // Исследование Земли из космоса. 1997. — № 6. — С. 3−10.
  138. Информация об аварии на Чернобыльской АЭС и ее последствиях, подготовленная для МАГАТЭ // Атомная энергия. -1986. Т.61, Вып.5.-С. 301−320.
  139. , Г. М., Радиобиологические и радиоэкологические исследования древесных растений / Г. М. Козубов, А. И. Таскаев // -С.-Пб: Наука, 1994. -252 с.
  140. Влияние ионизирующего излучения на сосновые леса в ближней зоне Чернобыльской АЭС / Ю. Д. Абатуров и др. М.: Наука, 1996. -240 с.
  141. Подготовка методического и наземного обеспечения полигонов на территории Беларуси на примере Припятского полигона: Отчет о НИР (промежуточ.) // Респ. науч.-техн. центр дистан. диагостики природной среды «Экомир" — Инв. №. Минск, 1994. — 178 с.
  142. О возможностях совместной обработки радиолокационных изображений L диапазона и спектрозональных снимков оптического диапазона для классификации лесных массивов / H.A. Арманд и др. // Радиотехника и электроника. — 1998. — Т.43, № 9. -С. 1−5.
  143. Методика совмещения данных радара и спектрозонального сканера / H.A. Арманд и др. // Применение дистанционных радиофизических методов в исследованиях природной среды:
  144. Материалы III Всероссийской научной конференции, Муром, 17−18 июня 1999.
  145. , Т.Н. Сравнительный анализ возможностей радара SIR-C и спектрозонального сканера МСУ-Э для целей идентификации подстилающей поверхности / Т. Н. Чимитдоржиев // Материалы IV Всероссийской научной конференции, Муром, 20−22 июня 2001. С. 166.
  146. Методы компьютерной обработки изображений. Под. ред. Сойфера В. А. М.: Физматлит. 2001. — 782с.
  147. А. Распознавание и обработка изображений с помощью вычислительных машин: Пер. с англ. М.: «Мир», 1972. -230 с.
  148. , Л.П. Введение в цифровую обработку изображений, М.: «Сов. радио», 1979. — 312 с.
  149. , У. Цифровая обработка изображений: Пер. с англ. М.: «МИР», 1982. Кн. 2. — 480 е., с ил.
  150. Ту, Дж. Принципы распознавания образов: Пер. с англ. /Дж. Ту, Р. Гонсалес. М.: «Мир», 1978. — 411 с.
  151. , Т.Н. О комплексировании мультиспектральных и радарных данных для целей картирования / Т. Н. Чимитдоржиев, A.B. Дмитриев. // Геодезия и картография. 2007. — № 9. — С. 42−45.
  152. Mironov, V.L. Coprocessing of radar coherence and spectral optical data / V.L. Mironov, T. N. Chymitdorzhiev, P.N. Dagurov, A.V. Dmitriev // Proc. IG ARS S 2005, Seoul, Korea, 2005.-vol. VI.- P. 3913−3915.
  153. Фрактальный анализ радиолокационных поляриметрических данных для классификации земных покровов / Т. Н. Чимитдоржиев и др. // Исследование Земли из космоса. 2007. — № 4. — С. 27−33.
  154. , Т.Н. Поляриметрическая оценка пространственных флуктуаций радарных изображений для восстановления структуры лесного полога / Т. Н. Чимитдоржиев, В. Е. Архинчеев, A.B. Дмитриев. // Исследование Земли из космоса. 2007. -№ 5. — С. 80−82.
  155. , Т.Н. Поляриметрическая оценка пространственных флуктуаций радиолокационной фазы для классификации земных покровов. / Т. Н. Чимитдоржиев, В. Е. Архинчеев, A.B. Дмитриев. // Исследование Земли из космоса. 2008. — № 1.-С. 24−31.
  156. , Т.Н. О возможном ограничении по пространственному разрешению радарных данных при изучении текстуры леса. / Т. Н. Чимитдоржиев, А. И. Захаров. // Исследование Земли из космоса. 2008. — № 3. — С. 23−25.
  157. The fractal method study to distinguish road and water from the IKONOS image. / J. Zheng et all. // Proc. IGARSS 2005, Seoul, Korea, 2005. Vol. VI. — P. 3822−3825.
  158. Методы многочастотного радиолокационного зондирования лесов. / В. К. Иванов и др. // Зарубежная радиоэлектроника. Успехи современной радиоэлектроники. М.: Радиотехника. — 2005. — № 7. -С. 57−72.
  159. Применение фрактального анализа при обработке радиолокационных изображений сельскохозяйственных полей / В. К. Иванов и др. // Электромагнитные волны и электронные системы.2006.-Т. 11, № 7. с. 29−36.
  160. Mandelbrot, В.В. The fractal geometry of nature. New York: Freeman. — 1982.
  161. Richardson, L.F. General System Yearbook. 1961. — P. 139.
  162. , E. Фракталы. M.: Мир. — 1993.- 260 с.
  163. , А.А. Фракталы в дистанционном зондировании. / А. А. Потапов. // Зарубежная радиоэлектроника. Успехи современной радиоэлектроники. М.: Радиотехника. — 2000. — № 6. — С. 3−65.
  164. , В.Е. Случайные блуждания на иерархических фрактальных (гребешковых) структурах. / В. Е. Архинчеев. // ЖЭТФ.- 1999.-Т. 115, №. 4.-С. 1285−1294.
  165. Arkhincheev, V.E. Anomalous diffusion and charge relaxation on comb model: exact solutions / V.E. Arkhincheev // Physica A. 2000. — V. 273.- P.204−215.
  166. He Kai. The study of road extraction from remote sensing image with the method of fractal difference / He Kai, Yan Lei, Lu Shuqiang. // Proc. IGARSS 2005, Seoul, Korea, 2005. Vol. VI. — P. 3822−3825.
  167. Xia, Z-G. Approaches to scaling of geo-spatial data / Z-G. Xia, K.C. Clarice // Scale in Remote Sensing and GIS. Lewis Publishers. — 1997. -P. 309−360.
  168. Xu, T. Fractals, fractal dimensions and landscapes a review / T. Xu, I. D. Moore, J.C. Gallant // Geomorphology. — 1993. — Vol. 8. — P. 245−262.
  169. Mark, D.M. Scale-Dependent fractal dimensions of topographic surfaces: An empirical investigation with applications in geomorphology and computer mapping /D.M. Mark, P.B. Aronson // Mathematical Geology. 1984. — Vol. 16, № 7. — P. 671−683.
  170. Lam, N.S.-N. Fractal Measurement / N.S.-N. Lam, L. De Cola // Fractals in Geography. Englewood Cliffs, New Jersey: Prentice Hall. -1993.-P. 23−55.
  171. Fractal analysis of remotely sensed images: A review of methods and applications / W. Sun et all. // International Journal of Remote Sensing. -2006. vol. 27, no. 22. — P. 4963−4990.
  172. Lin, Y.C. Retrieval of forest parameters using a fractal-based coherent scattering model and genetic algorithm / Y.C. Lin, K. Sarabandi // IEEE Transactions on Geoscience and remote sensing. 1999. — vol. GRS-37, № 3.-P. 1415−1424.
  173. , Т.Н. Фрактальный анализ радиолокационных поляриметрических данных для классификации земных покровов /
  174. Т.Н. Чимитдоржиев и др. // Сб. тезисов IV всероссийской конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2006. — С. 242.
  175. Arkhincheev, V.E. Application of remote sensing methods, using fractal approach, for study of Baikal lake region / V.E. Arkhincheev, T.N. Chymitdorzhiev, A. Dmitriev, B. Tsydypov // SPIE Proc. 2006. V. 6404. -P. 134−141.
  176. Gerstl, S.A.W. Physics concepts of optical and radar reflectance signatures. A summary review / S.A.W. Gerstl // Int. J. Remote Sensing. -1990. -Vol. 11. -no.7. -P. 1109−1117.
  177. , П.Н. Методы дистанционного исследования земной поверхности. Учебное пособие / П. Н. Дагуров, Т. Н. Чимитдоржиев // Улан-Удэ: изд-во БГСХА. 2005. 87 с.
  178. , Т.Н. Дистанционное зондирование земной поверхности. Учебное пособие / Т. Н. Чимитдоржиев, П. Н. Дагуров Улан-Удэ: изд-во БГУ. 2006. — 133 с.
  179. Т.Н. Чимитдоржиев. Дистанционное зондирование территорий. -Учебное пособие, Улан-Удэ: изд-во БСХА. 2006. 133 с.
  180. , В.Н. Определение влажности почвы по данным активного микроволнового дистанционного зондирования в L-диапазоне / В. Н. Сагалович, Э. Я. Фальков, Т. П. Царева // Исследования Земли из космоса. 2007. — № 1. — С. 3−6.
  181. , Y. Н. Foreword to the Special Issue on the Soil Moisture and Ocean Salinity (SMOS) Mission / Y.H. Kerr, D. Levine // IEEE Transactions on Geoscience and remote sensing. 2008. — Vol. 46, № 3. -P. 583 — 585.
  182. Lang, M. W. Using C-Band Synthetic Aperture Radar Data to Monitor Forested Wetland Hydrology in Marylandapos- s Coastal Plain, USA / M.W. Lang, E.S. Kasischke. // IEEE Transactions on Geoscience and remote sensing. 2008. — Vol. 46, № 2. — P. 535 — 546
  183. Estimation of bare surface soil moisture and surface roughness parameter using L-band SAR image data / J. Shi et all. // IEEE Transactions on geoscience and remote sensing. 1997. -Vol. 35, № 5. — P. 1254−1266.
  184. Hirosawa, H. Cross-polarized radar backscatter from moist soil / H. Hirosawa, S. Komiyama, Y. Matsuzaka // Remote Sens. Environ. 1978. -vol. 7.-P. 211−217.
  185. Estimation of bare surface soil moisture and surface roughness parameter using L-band SAR image data. // Shi J. et all. // IEEE Transactions on geoscience and remote sensing. 1997. -Vol. 35. — no. 5. -P. 1254−1266.
  186. Engman, E.T. Progress in microwave remote sensing of soil moisture / E.T. Engman // Can. J. Remote Sensing. -1990. vol.16, no.3. — P.6−14,
  187. Ulaby, F.T. Radar measurement of soil moisture content / F.T. Ulaby. // IEEE Trans. Antennas Propagat. 1974. — vol. AP-22. — P. 257−265,
  188. Estimation of bare surface soil moisture and surface roughness parameter using L-band SAR image data / J. Shi et all. // IEEE Transactions on geoscience and remote sensing. 1997. -Vol. 35, № 5. — P. 1254−1266.
  189. Ulaby, F.T. Radar mapping of surface soil moisture / F.T. Ulaby, P.C. Dubois, J. Van Zyl // Journal of hydrology. 1996. — vol.184. — P. 57−84.
  190. Vegetation modeled as a water cloud / E.P. W. Attema, F.T. Ulaby // Radio Science. 1978. — vol. 13. — P. 357−364.
  191. Ulaby, F.T. Microwave Remote Sensing Active and Passive. / F.T. Ulaby, R.K. Moore, A.K. Fung, Vol. Ill, Norwood, MA: Artech House, 1986.
  192. Ulaby, F.T. SIR-B measurements and modeling of vegetation / F.T. Ulaby, M.C. Dobson // The Second Spaceborne Imaging Radar Symposium, -1986. JPL 86−26, April 28−30, Pasadena, CA.
  193. Radar estimates of aboveground biomass in boreal forests of interior Alaska / E. Rignot et all. // IEEE Trans. Geoscience and Remote Sensing. 1994.- vol. 32. — pp. 1117−1124.
  194. Ranson, K.J. Mapping biomass northern forest using multifrequency SAR data / K.J. Ranson, G. Sun // IEEE Trans. Geosci. Remote Sensing. -1994. -vol. 32.-pp. 338−396.
  195. Pulliainen, J. T. Multitemporal behavior of L- and C-band SAR observations of boreal forests / J. T. Pulliainen, L. Kurvonen, M.T. Hallikainen // IEEE Trans. Geosci. Remote Sensing. -1999. vol. 37, pp. 927−937.
  196. Garestier, F. Pine Forest Height Inversion Using Single-Pass X-Band PolInSAR Data / F. Garestier, P.C. Dubois-Fernandez, K.P. Papathanassiou // IEEE Transactions on Geoscience and remote sensing. -2008.-Vol. 46, № 1.-P. 59- 68.
  197. Kononov, A.A. Model-Associated Forest Parameter Retrieval Using VHF SAR Data at the Individual Tree Level / A.A. Kononov, Min-Ho Ka // IEEE Transactions on Geoscience and remote sensing. 2008. — Vol. 46, № 1. — P. 69−84.
  198. The potential of multifrequency polarimetric SAR in assessing agricultural and arboreous biomass / S. Ferrazzoli et all. // IEEE Transactions on Geoscience and Remote Sensing. -1997. -Vol. 35, № 1. P 5−17.
  199. Coops, N.C. Eucalypt forest structure and synthetic aperture radar backscatter: a theoretical analysis. / N.C. Coops. // Trees. 2002. — no. 16. — P. 28−46.
  200. Estimation of forest fuel load from radar remote sensing / S. Saatchi et all. // IEEE Trans. Geosci. Remote Sensing. 2007. — vol. 45, no. 6. — P. 1726−1740.
  201. Relating the microwave backscattering coefficient to leaf area index / F.T. Ulaby et all., // Remote Sens. Environ. 1984. — vol. 14. — P. 113 133.
  202. Nance, C.E. Backscatter measurements from a vegetation-like structure / C.E. Nance, A.J. Blanchard // International Journal of Remote Sensing, -1990.-V. 11.-P. 1205−1222.
  203. Dobson, M.G. Knowledge-based land-cover classification using ERS-1/JERS-l SAR composites / M.G. Dobson, L.E. Pierce, F.T. Ulaby // IEEE Transactions on Geoscience and Remote Sensing. 1996. — V.34, No.l. -P. 83−99.
  204. Baghdadi, N. Capability of multi-temporal ERS-1 SAR data for wet snow mapping / N. Baghdadi, Y. Gauthier, M. Bernier // Remote Sens. Environ. -1997. vol. 60, no. 2. — P. 174−186.
  205. Rott, T. Capabilities of ERS-1 SAR for snow and glacier monitoring in alpine areas / H. Rott, T. Nagler // Proc. 2nd ERS-1 Symp. Space Service Environ., Hamburg, Germany Oct. 11−14, 1993, — P. 965−970.
  206. Koskinen, J.T. The use of ERS-1 SAR data in snow melt monitoring / J.T. Koskinen, J.T. Pulliainen, M.T. Hallikainen. // IEEE Trans. Geosci. Remote Sensing. 1997. — vol. 35. — P. 601−610.
  207. Matzler, C. Snow mapping with active microwave sensors / C. Matzler, E. Schada. // Int. J. Remote Sensing. 1984. — vol. 5, no. 2. — P. 409−422.
  208. Baghdadi, N. Airborne C-band SAR measurements of wet snow-covered areas / N. Baghdadi, C.E. Livingstone, M. Bernier. // IEEE Trans. Geosci. Remote Sensing. 1998. — vol. 36, no.6. — P. 1977−1981.
  209. Радиолокационные методы исследования Земли / Под ред. Ю. А. Мельника. М.: Сов. радио, 1980 — 327с.
  210. Raney, R.K. Radar Fundamentals: Technical Perspective. In Manual of Remote Sensing / R.K. Raney. Boston, Artech House, 1998. — V.3, Ch.2.
  211. , В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений / В. Б. Кашкин, И. Сухинин М.: Логос, 2001.-256 с.
  212. Madsen, S.N. Imaging Radar Interferometry. In Manual of Remote Sensing / S.N. Madsen, H.A. Zebker Boston, Artech House, 1998 — V.3, Ch.6.
  213. Synthetic Aperture Radar Interferometry / P.A. Rosen et all. // Proc. of the IEEE 2000, v.88, № 3 — pp. 333−382.
  214. Ghiglia, D.C. Robust two-dimensional weighted and unweighted phase unwrapping that uses fast transform and iterative methods / D.C. Ghiglia, L.A. Romero //J. Opt. Soc. Amer. A, 1994, v. 11, № 1 — p. 107−117.
  215. Constantini, M. A novel phase unwrapping method based on network programming / M. Constantini // IEEE Trans. Geosci. Remote Sensing -1998, v.36 p. 813−821
  216. Stoll, B. SARvi: A vegetation index based on AirSAR data for south pacific volcanic islands vegetation mapping. / B. Stoll. //Proc. IGARSS 2005, Seoul, Korea, 2005.-vol. VI.- P. 4331−4334.
  217. , B.B. Оптическое зондирование биосферы по многоспектральным аэрокосмическим изображениям / В. В. Козодеров, B.C. Косолапов // Оптика атмосферы и океана. -1992. т. 5, № 8. — С. 852−859.
  218. Ulaby, F.T. Microwave Remote Sensing Active and Passive. / F.T. Ulaby, R.K. Moore, A.K. Fung, Vol. Ill, Norwood, MA: Artech House, 1986.
  219. , С.Г. Методика статистической обработки РСДБ-наблюдений / С. Г. Валеев, Т. Е. Родионова, В. Е. Жаров // Известия вузов. Геодезия и аэрофотосъемка. 2008. — № 1/.
  220. Bouman, В. A.M. The linking of crop growth models and multisensor remote sensing data / B.A.M. Bouman // Proc. Int. Symp. Microwave Signatures and Remote Sensing, Europ. Space Agency, Courchevel, France, Jan. 1−5, 1991.-vol. ESA SP-319. pp. 583−588.
  221. Chen, C.-M. Fusion of hyperspectral and radar data using the HIS transformation to enhance urban surface features / C.-M. Chen, G.F. Hepner, R.R. Forster // ISPRS Journal of Photogrammetry & Remote Sensing. 2003. — vol.58. — P. 19−30.
  222. Fusion of spectral and shape features for identification of urban surface cover types using reflective and thermal hyperspectral data / K. Segl // ISPRS Journal of Photogrammetry & Remote Sensing. 2003. — vol.58. -P.99−112.
  223. Tupin, F. Detection of building outlines based on the fusion of SAR and optical features / F. Tupin, M. Roux // ISPRS Journal of Photogrammetry & Remote Sensing. 2003. — vol.58. — P.71−82.
  224. , Т.Н. Предварительные результаты исследований водной поверхности и растительности с помощью спектрометров MIVIS и VIRS-200 / Т. Н. Чимитдоржиев и др. // Труды XX
  225. Всероссийской конференции по распространению радиоволн, Нижний Новгород, 2−4 июля 2002. С. 381.
  226. Chymitdorzhiev, T.N. Electromagnetic Wave Attenuation for Propagation Through a Forest Belt / T. N. Chymitdorzhiev et all. // Proc. IGARSS-2004, vol. III.- Anchorage, USA, 2004, — P. 2091−2094.
  227. Martino, G.Di. A novel approach for disaster monitoring: Fractal Models and tools / G. Di Martino et all. // IEEE Trans. Geosci. Remote Sensing. 2007. — vol. 45, no. 6. — P. 1559−1570.
Заполнить форму текущей работой

На отлично!