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

Прочитайте еще раз п. VI.2 по этому вопросу и затем дайте Ваш ответ.

V .4. Если зерно не перевозится с места обработки или хранения свое- временно, могут произойти существенные потери, потому что продукты портятся, поедаются грызунами и т. д. Можете ли Вы предложить способ использования дистанционного зондирования при определении количества товарных вагонов и грузовых машин для перевозок зерна?

Список литературы

1. Bauer М. Е. Crop Identification and Area Estimation Over Large Geographic Areas Using LANDSAT MSS Data, Final Report on LANDSAT Investigation no. 21330. NASA Contract NAS5-20793, LARS Information Note 012477, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind., 1977.

2. Eisgruber L. M. Potential Benefits of Remote Sensing: Theoretical Framework and Empirical Estimates, LARS Information Note 030872, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind., 1972.

3. Ewart R. Effect of Information on Marker Behavior. Ph. D. Thesis, School of Agriculture. Purdue University, West Lafayette, Ind., 1972.

4. MacDonald R. В., Bauer M. E., Allen R. D., Clifton J. W., Ericson I. D., Landgrebe D. A. Results of the 1971 Corn Blight Watch Experiment, in Proc.

. of the Eighth International Symposium on Remote Sensing of Environment, vol. I, Environmental Research Institute of Michigan, Ann Arbor, Mich., pp. 157- 190, 1972.

5. Bauer M. E., Cipra J. E. Identification of Agricultural Crops by Computer Processing of ERTS MSS Data, in Proc. of the Symposium on Significant Results from ERTS-1. NASA Document no. SP-327, Washington, D. C, pp. 205- 212, 1973.

6. Bauer M. E. Quarterly Progress Report on LANDSAT Investigation no. 21330, 1 October to 31 December, 1975. NASA Contract NAS5-20793, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette. Ind., 1975.

7. Cochran W. G. «Sampling Techniques», John Wiley and Sons, New York, 1963.

8. Anuta P. E. Geometric Correction of ERTS-1 Digital Multispectral Scanner Data. LARS Information Note 103073, Laboratory for Applications of Remote Sensing. Purdue University, West Lafayette, Ind., 1973.

9. Proc. of the Symposium on Machine Processing of Remotely Sensed Data. IEEE Cat. No. 76, CH 1103-1 MPRSD, IEEE Single Copy Sales, Piscataway, N. J., 1976.

10. National Aeronautics and Space Administration: Proceedings of the NASA Earth Resources Survey Symposium, 3 vols., NASA Document TMX-58168 (JSC-09930), Johnson Space Center, Houston, Tex., 1975.

11. Weismiller Richard A. Land Use Inventory of the Great Lakes Basin Using Computer Analysis of Satellite Data, Final Report on U. S. Environmental Protection Agency Contracts No. 68-01-2551 and -3552, LARS Information Note 011077, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind., 1977.

12. Anderson J. R.. Hardy E. E., Roach J. T. A Land Use Classification System for Use with Remote Sensor Data. USGS Circular no. 671, U.S. Geological Survey, Washington, D. C, 1972.

13. Hoffer R. M., Staff N. Computer-Aided Analysis of SKYLAB Multispectral Scanner Data in Mountainous Terrain for Land Use, Forestry, Water Resources, and Geologic Applications, Final Report on NASA Contract no. NAS9-13380, SKYLAB EREP Project 398, LARS Information Note 121275, Laboratory for Applications of Remote Sensing. Purdue University, West Lafayette, Ind., 1975.

14. Kettig R. L., Landgrdbe D. A. Classification of Multispectral Image Data by Extraction and Classification of Homogeneous Objects. IEEE Trans, on Geoscience Electronics, vol. GE-.14, pp. 19-26, 1976.



15. Hoffer R. M., Staff N. Computer-Aided Analysis of SKYLAB Multispectral Scanner Data in Mountainous Terrain for Land Use, Forestry, Water Resource, and Geologic Applications, Final Report on Contract no. NAS9-13380, SKYLAB EREP Project 398, LARS Information Note 121275, Laboratory for Дpp]ications of Remote Sensing. Purdue University, West Lafayette, Ind., 1975.

16. Hoffer R. M., Staff N. Natural Resource Mapping in Mountainous Terrain by Computer Analysis of ERTS-1 Satellite Data. Research Bulletin no. 919, Agricultural Experiment Station. Purdue University, West Lafayette, Ind., 1975.

17. Wu C. L., Landgrebe D. A., Swain P. H. The Decision Tree Approach to Classification. LARS Information Note 090174, Laboratory for Applications of Remote Sensing; also Technical Report TR-EE 75-17, School of Electrical Engineering. Purdue University, West Lafayette, Ind., 1974.

18. Swain P. H., Wu C. L., Landgrebe D. A, Hauska H. Layered Classification Techniques for Remote Sensing Applications, in Proc of the Earth Resources Survey Symposium, vol. 1-B, NASA Document TMX-58168 (JSC-09930), NASA Johnson Space Center Houston, Tex., pp. 1087-1097.

19. Melhorn W. N., Slnnock S. Recognition of Surface Lithologic and Topographic Patterns in Southwest Colorado with ADP Techniques, presented at the Symposium on Significant Results Obtained from ERTS-1 Data, Coddard Space Flight Center, Greenbelt, Md., March 5-9, 1973. Also, LARS Information Note 030273, Laboratory for Applications of Remote Sensing. Purdue University, West Lafayette, Ind., 1973.

20. Atwood W. W., Mather K. F. Physiography and Quaternary Geology of the San Juan Mountains, Colorado. Prof. Paper no. 166, U.S. Geological Survey, 1932.

21. Mather J. F. Geomorphology of the San Juan Mountains, in «New Mexico Geological Society Guidebook*. Eighth Field Conference, Southwestern San Juan Mountains, Colorado, 1957.

22. Zapp A. D. Geology and Coal Resources of the Durango Geologic Survey, Oil and Gas Investigations Preliminary Area, La Plata and Montezuma Counties, Colorado, U. S. Map 109, 1949.

23. Barolucci-Castedo L. A., Hoffer R. M., West T. R. Computer - Aided Processing of Remotely Sensed Data for Temperature Mapping of Surface Water from Aircraft Altitudes. LARS Information Note 042373, Laboratory for Applications of Remote Sensing, Purdue University, West Lafayette, Ind.,. 1973.

24. Lindenlaub J. C, Keat J. Use of Scan Overlap Redundancy to Enhance Multispectral Aircraft Scanner Data. LARS Information Note 120271, Laboratory for Applications of Remote Sensing. Purdue University. West Lafayette,, Ind., 1971.



ГЛАВА

ПОЛЬЗА МНОГОСПЕКТРЛЛЬНОЙ ВИДЕОИНФОРМАЦИИ: ДРУГОЙ ВЗГЛЯД НА ПРОБЛЕМУ

В гл. I мы рассмотрели в обзорной форме общее представление о системе, предназначенной для извлечения полезной информации из многоспектральных данных дистанционного зондирования. В последующих главах были подробно изложены все компоненты подсистем для данного подхода. В этой главе мы вновь обращаемся к широкому обзору перспектив. Ее цель - представление еще некоторых основ метода, чтобы читатель знал критерии оценки его развития в будущем, а также потенциаль-!ные возможности метода.

Цели изучения.

.После изучения разд. УП.1 читатель должен уметь:

1. Описывать систему дистанционного зондирования в плане -трех больших функциональных компонент.

2. Описывать соответствующий уровень управления каждой частью системы проектировщиком и оператором.

V[[.1. Перспектива систем

В соответствии с рис. УП.1 мы рассмотрели структуру системы дистанционного зондирования. Сейчас мы будем исходить из предыдущих положений. Вся система состоит из трех различных частей: 1) сцены, 2) системы датчиков, 3) системы обработки.

Сцена - та часть системы, которая находится перед датчиком. Она включает не только поверхность Земли, но и атмосферу, через которую энергия Солнца достигает поверхности Земли и снова возвращается к датчику. Характерной чертой этой части системы является то, что она не управляется человеком: ни проектировщиком системы до ее создания, ни оператором -системы после. Поскольку такое управление отсутствует и мы не можем ни проектировать эту часть системы, ни управлять ее работой, как в случае с другими частями системы, то здесь необходимо как можно больше узнать о сцене. И, действительно, понимание сцены так же важно для успешного управления всей системой, как и понимание других частей системы.

Функция системы датчиков - сбор основной массы данных (но не всех) о сцене. Параметры при ее проектировании следует



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



0.011
Яндекс.Метрика