using of multispectral and hyperspectral remote sensing data in thematic application
DESCRIPTION
Using of multispectral and hyperspectral remote sensing data in thematic application Julia Zhuravel State Research and Production Space Centre «TsSKB-Progress», Samara, Russia. Использование мультиспектральных и гиперспектральных данных дистанционного зондирования в решении тематических задач - PowerPoint PPT PresentationTRANSCRIPT
Using of multispectral and hyperspectralremote sensing data
in thematic application
Julia ZhuravelState Research and Production Space Centre «TsSKB-Progress»,
Samara, Russia
Использованиемультиспектральных и гиперспектральных данных
дистанционного зондирования в решениитематических задач
Ю.Н. ЖуравельГНПРКЦ «ЦСКБ-Прогресс», г. Самара, Россия
Multispectral and hyperspectral remote sensing dataМульти- и гиперспектральные данные ДЗЗ
Multispectral sensorМультиспектральный датчик
Hyperspectral sensor Гиперспектральный датчик
Spacecrafts with hyperspectral sensorКА с гиперспектральной аппаратурой
КАГод
запускаСпектральныйдиапазон, мкм
Число каналов
Захват, км
Разрешение, м
EO-1 (США) 2000 0,4 – 2,5 220 7,5 30
PROBA-1 (ЕКА) 2001 0,4 – 1,05 19 - 62 13 17/34
Ресурс-П (Россия)
2013 0,4 – 1,1 192 30 30
ALOS-3 (Япония) 2014 0,4 –2,5 185 30 30
PRISMA (Италия) 2014 0,4 –2,5 237 30 30
EnMAP (Германия)
2015 0,42 –2,45 232 30 30
HyspIRI (США) 20200,38 – 2,5
4 – 12210
8150 60
Data cube formation Формирование куба данных
Направление полетаНаправление полета
МаршрутМаршрутсъемкисъемки
YY
ХХ
YY
ХХ
Разложение Разложение изображения строкиизображения строки по по
спектруспектру
ДисперсионноеДисперсионноеустройствоустройство
Проекция строки на Проекция строки на местностиместности
λλминмин λλмаксмакс
λλ
Atmospheric correction Атмосферная коррекция
1 – почва первого типа 2 – растительность 3 – почва второго типа1 – почва первого типа 2 – растительность 3 – почва второго типа
CO2
H2O
H2O
O2O3 L д
L смеж
L пр
L диф
1 – 1 – soil 1 soil 1 2 – 2 – vegetation vegetation 3 – 3 – soil 2soil 2
Main directions of data using Направления использования данных
classification for applied problems solution in the area of environment monitoring, objects extraction from a set of similar objects or detection of objects with the
size less than the nominal size of pixel (target detection). проведение классификации для решения прикладных задач в интересах
мониторинга природной среды (состояние посевов, экологический контроль предприятий промышленности и городского хозяйства, ресурсно-сырьевое картографирование, т.е. составление карт материалов с указанием географических зон их распространения),
выделение объектов, в том числе искусственного происхождения, из множества подобных или обнаружение объектов, размер которых меньше номинального размера пиксела.
Automatic processing methodsМетоды автоматизированной обработки
Index images creationSupervised classificationSpectral dimension reduction transformations (PCA, ICA)Subpixel methods (matched filtering (MF), spectral unmixing)
Вычисление индексных изображенийКлассификация с обучением (выбор классов, формирование обучающей
выборки, определение параметров «спектрального образа», построение карты классификации)
Уменьшение размерности (РСА, ICA)Cубпиксельные методы (согласованная фильтрация, разделение смесей)
Vegetation indexesВегетационные индексы
NDVINDVI((индекс «зелёности»)индекс «зелёности»)
red green ratio red green ratio indexindex(индикатор листовой (индикатор листовой
продуктивности)продуктивности)
normalized Difference Lignin Indexnormalized Difference Lignin Index(содержание «сухого» углерода, (содержание «сухого» углерода,
старение)старение)
carotinoid Reflectance Indexcarotinoid Reflectance Index((концентрация каротиноида, концентрация каротиноида,
состояние стресса)состояние стресса)
moisture Stress Indexmoisture Stress Index(содержание влаги)(содержание влаги)
556600
620620
650650
680680
700700
680680
= 884 нм= 884 нм
Cyanobacterial bloom monitoringCyanobacterial bloom monitoringКонтроль Контроль процессов цветения водохранилищ
Classification by SAM methodКлассификация по методу спектрального угла
ALIALI
HyperionHyperion
лес лес
пашняпашня
ALIALI
HyperionHyperion
поле 1поле 1
поле 2поле 2
поле 3поле 3
поле 4поле 4
Classification by PCA methodClassification by PCA methodКлассификация по методу Классификация по методу PCAPCA
ALIALI
HyperionHyperion
Processing by ICA method Processing by ICA method Обработка по методу Обработка по методу ICAICA
Objects detection by MF methodObjects detection by MF methodОбнаружениеОбнаружение объектов методом объектов методом MF MF
0.0.665 – 0.755 – 0.75
0.75 – 1.00.75 – 1.0
0.8 – 0.9 0.8 – 0.9
0.9 – 1.00.9 – 1.0
Thanks for your attention!Thanks for your attention!Спасибо за внимание !Спасибо за внимание !