Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

ЧЕТВЕРТАЯ ВСЕРОССИЙСКАЯ ОТКРЫТАЯ ЕЖЕГОДНАЯ КОНФЕРЕНЦИЯ СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

IV.F.104

Разработка обучаемого алгоритма классификации наземных экосистем по данным Terra-MODIS с использованием опорных тематических данных

Уваров И.А., Барталев С.А.
Институт космических исследований РАН
Наземные экосистемы Северной Евразии играют важную роль в глобальных экологических процессах и являются объектом исследования множества ученых и специалистов. Исследование этого непрерывно изменяющегося природного объекта сопряжено с необходимостью получения регулярно обновляемых данных. Созданная ранее карта наземных экосистем Северной Евразии получена по данным прибора SPOT-Vegetation 2000 г. и имеет пространственное разрешение 1 км.
В настоящее время существует возможность создания регулярно обновляемой и более детальной карты наземных экосистем региона с использованием данных прибора Terra-MODIS с пространственным разрешением 250 м.
Разработанная в ИКИ РАН методика построения композитных изображений, очищенных от влияния облачности, теней и других нежелательных факторов, позволяет подготовить необходимые для картографирования наземных экосистем входные данные.
Целью данной работы является разработка методики автоматизированного картографирования, позволяющей сократить участие человека в процессах принятии решений при классификации спутниковых изображений благодаря использованию для обучения ранее созданной карты наземных экосистем Северной Евразии. Алгоритм основан на использовании кластерного анализа спутниковых изображений с выделением большого (от одной до нескольких тысяч) числа спектрально-временных кластеров и последующей автоматической контекстно-зависимой идентификации кластеров с учетом статистических данных, полученных по опорной карте.

Дистанционное зондирование растительных и почвенных покровов

238