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

ленный подход уже достиг стадии практического применения, и, хотя он еще содержит нераскрытые возможности, сейчас начинает играть свою собственную роль наряду с более старой, ориентированной на изображение технологией.

В настоящее время мы получаем данные слежения за Землей, с орбитальных искусственных спутников Земли; большой обзор с высоты полета спутника, скорость движения спутниковых датчиков и число используемых спектральных каналов позволяют получать огромное количество данных. Поскольку во многих случаях получаемая при дистанционном зондировании информация имеет ценность только тогда, когда она может быть собрана одновременно и быстро, и достаточно дешево, естественно обратиться к ЭВМ для достижения этой экономии и быстроты в извлечении надежной информации из большого объема имеющихся данных.

Цель этой книги - дать описание подхода, в котором для создания ориентированной на число системы дистанционного зондирования вместе с человеком могут быть использованы современные системы датчиков, распознавание образов и ЭВМ. В следующем разделе приведен краткий обзор некоторых основных концепций этого подхода.

Цели изучения.

После изучения разд. 1.2 читатель должен уметь:

1. Назвать и привести примеры основных типов изменений, передающих информацию при дистанционном зондировании.

2. Дать, в крайнем случае, одну причину, почему величины данных одного и того же класса не идентичны, но стремятся сгруппироваться или кластеризоваться вокруг некоторой средней величины.

1.2. Как информация передается

данными дистанционного зондирования

Начнем с рассмотрения некоторых основных положений. Рис. 1.1 (между с. 32 и 33) представляет собой аэрофотоснимок участка земной поверхности, по которому сразу же можно получить информацию о том, что на нем изображено. Задумайтесь над тем, на основании чего вы приняли решение, едва только взглянув на изображение. Мы видим много линейных признаков, или прямых линий. Это наводит на мысль о деятельности человека в данной области.

Эти признаки делят область на поля, некоторые из которых довольно однородны, что снова говорит о человеческой деятельности, в данном случае сельскохозяйственной. Некоторые поля, особенно на переднем плане, испещрены. Если эти поля засеяны, то очевидно, что посевы развиты не настолько, чтобы замаскировать естественные изменения почв на этих полях.

Некоторые из линейных объектов - дороги, и около них мелкие контуры - здания ферм со службами. В этой области



люди не только работают, но и живут, и, кроме того, по числу домов можно оценить число проживающих в области людей.

Мы можем извлекать все больще и больше информации из аэрофотоснимка. Оценивая полученную информацию, мы понимаем, что пришли к таким выводам в основном из-за наличия ясно различимых геометрических форм на изображении, т. е. благодаря пространственной организации энергии, излучаемой объектом и записанной на фотопленку. Таким образом, на данном этапе мы можем заключить, что пространственная организация энергии содержит большую часть информации о том, что есть на сцене.

На рис. 1.2 (между с. 32 и 33) приведена та же самая сцена в то же самое время года, но в цвете. Теперь можно увидеть не только пространственное распределение энергии, но также и важное проявление ее спектрального распределения. Рассматривая этот рисунок таким же образом, как и рис. 1.1, мы можем получить даже больше информации о том, что есть на сцене и каковы были ее условия. Например, на цветном изображении рыжевато-коричневый цвет позволяет определить, где на полях убраны хлеба, а где нет.

На рис. 1.3 (между с. 32 и 33) снова показана та же сцена, но на этот раз на инфракрасной пленке. Более подробно этот тип пленки будет рассмотрен в гл. П. Сейчас мы все же просто отметим, что наряду с восприятием распределения энергии в синей, красной и зеленой частях спектра эта пленка также чувствительна к энергии ближнего инфракрасного диапазона, а это дает дополнительную информацию о сцене. Например, поскольку зеленая растительность обладает относительно высоким коэффициентом отражения в ближней инфракрасной области спектра, обнаружить относительно малые изменения в растительном покрове в этой части спектра легче, чем в видимом диа-лазоне.

Цветное и цветное инфракрасное изображения на рис. 1.4 и 1.5 (между с. 32 и 33) дают наглядный пример этого. Обратим внимание на трапецеидальное поле, расположенное справа на каждом изображении. Это кукурузное поле, на котором чередующиеся ряды были засеяны различными сортами. Один сорт был поражен заболеванием, и это состояние легко различимо на рис. 1.5 благодаря чувствительности пленки в инфракрасном диапазоне. Важно отметить, что, имея данные из ближней инфракрасной области длин волн, мы получаем больше информации, чем когда мы наблюдаем объект только в видимой части спектра*.

* Поскольку в дистанционном зондировании спектральная информация используется не только в видимом диапазоне спектра, в книге отдано предпочтение терминологии спектроскопии (длина волны, энергия на единицу длины волны и т. д.),-а не колориметрии (оттенок, насыщенность цвета и т. д.).



Частота (Гц)

10"

I-1-1-1-1-1-1-1-1-

- Космические лучи

Гамма-лучи

Рентгеновские лучи Ультрафиолетовые

Видимые

, Инфракрасные

Радиолокационные/ телевизионные/радио

10"

Длина волны (мкм) Оптические длины волн

I \

Фотографические , длины волн

11 гЫ

°g.

0,4 0,7 1,0 3,0 7,0 to Длина волны (мкм)

Рис. 1.6. Электромагнитный спектр

До СИХ пор МЫ ограничивали наши рассуждения областями спектра, где чувствительны фотографические датчики, но другие части спектра содержат больше информации о земном объекте. На рис. 1.6 представлен весь электромагнитный спектр. Сверху показаны различные виды излучения как функция длины волны. Именно эта часть оптической области, которая подробно представлена в нижней части рисунка, имеет для нас особенно важное значение, хотя и другие области электромагнитного спектра, такие, как микроволновая область, также полезны в дистанционном зондировании. Заметим, что измерения излучения, получаемые с фотографических датчиков, содержат измерения только в видимой области и небольшую часть измерений -

в инфракрасной области. Оптическая часть электромагнитного спектра будет более подробно рассмотрена в начале гл. II.

По существу мы показали, что можно получать информации? о покрывающих поверхность Земли материалах из пространственного и спектрального распределения энергии, излучаемой-: этими материалами. Кратко отметим, что временные изменения в сцене также полезны, так как много информации об области может быть получено при рассмотрении изменений в ней с течением времени.

Однако, прежде чем делать это, сначала рассмотрим способ анализа данных и использование информации об объекте [7]. На рис. 1.7 показана очень маленькая часть сельскохозяйственной области в трех различных областях спектра: видимой, ближней инфракрасной и дальней инфракрасной. Предположим на миг, что все собранные данные представляют только четыре класса покрытия, а именно кукурузу, люцерну, обнаженную почву и стерню. Таким образом, анализируя данные, собранные с области с неизвестным растительным покровом, мы можем выбирать только из четырех возможных случаев. На чем будет основан наш выбор?

Во-первых, мы можем тщательно исследовать изображение, полученное в видимом, диапазоне спектра. Заметим, что область,, помеченная как «кукуруза», имеет отличительную текстуру, не-



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



0.0077
Яндекс.Метрика