Применение лабораторных измерений в реляционной базе данных спектральных отражательных характеристик

Ежегодно с 2021 по 2023 в июле-августе в пределах Курильской островной дуги и на территории острова Сахалин сотрудниками НИИ ПФП им. А.Н. Севченко, БГУ, СКБ САМИ ДВО РАН, НИИ КС им. А. А. Максимова – филиала АО «ГКНПЦ им. М. В. Хруничева», ИМГиГ ДВО РАН были выполнены комплексные научные исследования в рамках совместной Программы Союзного государства «Интеграция-СГ». Основная задача исследований заключалась в получении массива данных по предметно-специфическим признакам и спектральным отражательным характеристикам тестовых участков в сейсмически и вулканически активных зонах. Полученные данные использованы для создания спектральных библиотек и наполнения реляционной базы данных ДЗЗ.
Для получения коэффициентов спектральной яркости (КСЯ) в суммарном диапазоне работы 400-1500 нм полевые измерения проводились с помощью спектрорадиометров ФСР-02 и ПСР-700, входящих в состав аппаратно-программного комплекса «Калибровка». Двухканальный альбедометр DED (от англ. Double-Eyed Device) использовался для измерения альбедо исследуемых поверхностей в диапазоне 400-900 нм.
Для образцов пород с мест полевых исследований был проведен лабораторный анализ с использованием комбинации спектрорадиометрического оборудования, объединенного в единый комплекс «Визир» и предназначенного для измерения КСЯ образцов в диапазоне 400–2500 нм.
Для работы с полученными данными сформирована реляционная база данных спектральных отражательных характеристик. По каждому исследованному тестовому участку база данных включает в себя данные об общих географических характеристиках участка, характеристиках ландшафта, наземных водоёмов, растительности, сейсмической и вулканической активности, геологических особенностях, а также спектральные характеристики участка.
Для взаимодействия с базой данных использован специально разработанный в НИИ ПФП программный комплекс «СПЕКТРАБОКС». Получить всю необходимую информацию об объекте библиотеки можно по внешнему ключу объекта. Это позволяет анализировать информацию по определенным критериям и упорядочивать результаты.
Благодаря проведённой работе создана основа для разработки подсистем аналитической обработки информации, в том числе для установления причинно-следственных взаимосвязей между наблюдаемыми явлениями в области мониторинга, становится возможной классификация типов вулканических поверхностей на спутниковых снимках сейсмически и вулканически активных регионов.
В предыдущих исследованиях отмечалось, что с использованием набора спектральных характеристик, полученных in situ, в качестве обучающей выборки возможно проведение классификации спутниковых мультиспектральных изображений, зарегистрированных системами Landsat-8 и Sentinel-2 [1]. В текущем исследовании был проведен мультивременной анализ данных Landsat 8 за период 3 года. База данных спектральных характеристик в данном случае использовалась в качестве валидационной выборки. Для этого спектральные отражательные характеристики пересчитывались по известной методике.
В качестве одного из параметров, мультивременной анализ которого проводился, был использован индекс Alteration (англ. – изменение) [2]. Индекс представляет собой соотношение значений КСЯ в 6 и 7 каналах Landsat-8 и позволяет оценить количество сульфидных отложений на поверхностях. При сравнении значений индекса, полученных по результатам анализа спутникового снимка вулкана Мачеха (о. Итуруп), зарегистрированного в июле 2023 года, и значений, полученных на основе преобразованных спектральных характеристик из базы данных, для различных точек измерений выявлены относительные различия, в среднем составляющие не более 36%. Это свидетельствует о том, что мультиспектральные данные валидны в контексте описанной задачи, а значит, их можно использовать при таком подходе.
Проведенное исследование показало возможность оценки динамики изменения количества отложений различных минералов на подверженных постоянным гидротермальным изменениям областях, расположенных в непосредственной близости от кратеров действующих вулканов.