Android-приложение для поиска дешевых авиабилетов: play.google.com
Главная -> Дистанционное зондирование

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 [111] 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129

спектральных подклассов: четыре подкласса песчаника, три - глинистого сланца, один - аллювия и один - теней. При еще более тщательном разделении обучающих данных прибавилось два подкласса аллювия, один подкласс глинистого сланца и два подкласса теней. Главное преимущество этого подхода - алгоритм кластерного анализа позволил разделить каждый тип покрытия на спектрально различные подклассы путем уменьшения спектральной дисперсии кластеризованных областей.


Рис. VI. 19. Физическая карта области Дьюранго, Колорадо, полученная на ЭВМ

Целями проекта предусматривалось получение физико-географической и геологической карт области. На рис. VI.19 приведена модель физико-географической карты, на которой показаны четыре основных класса; три самых светлых класса представляют области, освещенные солнечным светом, самый темный класс - область в тени. Такое изображение четырех классов-дает трехмерную иллюзию, позволяющую понять физическую-географию исследуемой области.

Геологическую карту нельзя было подготовить до тех пор,, пока не исключен класс «тень». Вследствие той связи, которая обычно существует между типами коренных пород и их топографическим выражением, аналитики могли с большой степенью-уверенности предположить, что области в тени были представлены глинистым сланцем. Сделав это предположение, они могли объединить классы глинистого сланца и теней и аналогичным образом воспроизвести их на результирующей карте.. 340



Рис. VI.20, а представляет собой карту классификации исследуемой области, на которой показано местоположение трех исследуемых геологических объектов: аллювия, глинистогО сланца и песчаника.

Оценивание. Эффективность геологического картографирования с помощью данных дистанционного зондирования зависит от спектральной информации, а также от текстурных признаков. Поэтому процесс анализа, основанный на спект-




Рис. VI.20. Геологическая карта области Дьюранго, Колорадо:

а - полутопова.ч классификационная карта (белым цветом обозначен аллювий, серым - глинистый сланец, черным - песчаник): б - воспроизведение на алфавитно-цифровом, печатающе.ч устройстве закодированной области (см. прямоугольник на рис. VI.20, а): А - аллювий, I - глинистый сланец, . - песчаник. Полужирная черная линия обозначает разлом, обнаружить который помогла интерпретация результатов классификации

ральной информации, значительно соверщенствуется благодаря участию интерпретатора - человека, достаточно хорощо знающего геологию данной области. Методы, использованные в этом исследовании, дали обнадеживающие результаты. На рис. VI.20, б показана воспроизведенная на АЦПУ подобласть рис. VI.20, а в более крупном масштабе, причем линии вычерчены в соответствии с масштабом, взятым из работы Цапп [22]. При визуальном просмотре этого изображения видно, что между двумя картами имелось общее соответствие; там, где есть-различия, наземные наблюдения служат доказательством и проверкой того, что карта, полученная на ЭВМ, часто более надежна, чем имеющаяся геологическая карта. В данном примере-показан другой метод представления результатов: использование одного множества результатов классификации позволило-получить различные виды карт (физико-географические и геологические) в нескольких масштабах (1:24 000-1:1 000 000). Этот метод дает потенциальную возможность совершенствования существующих геологических карт, а это важный шаг на пути к более успешному управлению природными ресурсами Земли. Совершенствование методов машинного анализа про-



странственных признаков в будущем должно привести к получению методов геологического картографирования, требующих меньшего участия человека.

Пример 5. Kapтoгpaфиpoвaнte с целью получения температурных изменений воды [23]

Требования и возможность выполнения. Одной из целей исследования было картографирование температурных изменений в нижней части течения р. Уобаш (штат Индиана, США), где расположена электростанция, работающая на твердом топливе. Предыдущие исследования показали, что сток горячих вод электростанции, влияющий на популяции рыбы, не имел большого распространения вниз по течению. Для оценки этого влияния была необходима количественная карта температурных изменений.

Дистанционное измерение поверхностных температур возможно благодаря наличию двух атмосферных окон - от 4,5 до 5,5 мкм и от 8,0 до 14,0 мкм, через которые без рассеяния проходит энергия излучения от поверхности Земли к датчику (см. разд II.2).

Есть определенная зависимость между энергией, излучаемой -объектом, и температурой излучения. Кроме того, это почти линейная зависимость при небольших температурах (например, между 20 и 30 °С), позволяющая использовать простую линейную функцию калибровки для преобразования измерений энергии излучения в температурные значения.

Планирование и реализация проекта. Первичные данные, которые использовали при анализе, были собраны бортовым многоспектральным сканером в 24-километровом (15 миль) сегменте р. Уобаш. Хотя сканер записывал энергию излучения с Земли в видимом, ближнем инфракрасном, среднем инфракрасном (0,4-2,6 мкм) и двух тепловых инфракрасных диапазонах (4,5-5,5 и 8,0-13,5 мкм), на борту было два тепловых исходных черных тела для калибровки измерений тепловой энергии. Температура одного из них была ниже предполагаемых температур сцены, другого - выше этих температур.

Интересно отметить, что в данном исследовании описывается задача картографирования, в которой для выполнения поставленных целей использовались данные, собранные самолетом, а не спутником. Во время планирования проекта на борту спутника не было действующего сканера, который бы собирал данные в тепловых длинах волн и с соответствующим наземным разрешением. До анализа данных кроме стандартных шагов оцифровки и форматных преобразований данных было вьшолнено два важных этапа предварительной обработки. Один из таких этапов - преобразование записанных данных об излучении в температурные данные (это относительно простой этап благодаря существованию почти линейной зависимости между



0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 [111] 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129



0.0066
Яндекс.Метрика