Пятая всероссийская открытая ежегодная конференция
«Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 12-16 ноября 2007 г.
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)
V.A.163
Методы анализа гиперспектральных временных рядов на основе баз данных многократных наблюдений
Балтер Б.М., Д.Б. Балтер, В.А. Котцов
Институт космических исследований РАН
Задача анализа временной динамики – одна из важнейших при многозональном дистанционном зондировании Земли из космоса. Для гиперспектральных данных это пока не так, потому что они намного более редки, и случаи покрытия одной и той же точки поверхности гиперспектральной съемкой – исключение, а не правило. Однако, несомненно, с накоплением временных рядов гиперспектральная съемка станет одним из важнейших средств наблюдения временной динамики тонких характеристик, таких, как химический состав наземных объектов.
В настоящий момент длинные ряды гиперспектральных наблюдений имеются только для Марса по данным прибора «Омега» за 2004 – 2007 гг – в основном для полярных областей, где пересекаются орбиты и временные ряды для некоторых точек насчитывают сотни наблюдений. Именно этот массив данных мы использовали для отработки методов анализа временной динамики гиперспектральных данных. Приводятся результаты моделирования временной динамики Южной полярной шапки Марса (CO2 и H2O в форме газа и льда) с использованием следующих методов.
1. Построение временных гиперкубов для характерных спектральных линий избранных веществ с заменой оси «длина волны» на ось «время».
2. Построение «спектрально-временных» гиперкубов для выбранных контуров на поверхности с заменой одной из пространственных координат на ось «время». Обычно такие контура выбираются вдоль границ характерных зон.
3. Разбиение территории на области с разным типом временной динамики вещества с помощью кластеризации пространственно-временных гиперкубов методом Кохонена.
4. Картирование типов взаимосвязанной динамики нескольких веществ по сходству корреляционного портрета участка с портретами обучающих участков, представляющих характерные типы динамики рассматриваемого набора веществ.
5. Построение дифференциальных уравнений, аппроксимирующих взаимосвязанную динамику нескольких веществ в одной пространственной зоне или динамику одного вещества в нескольких соседних взаимосвязанных зонах. Зоны строятся по п. 3.
6. Картирование характерных динамических явлений для отдельного вещества в виде зон с характерными значениями первых и вторых производных глубины спектральных линий.
7. Выявление взаимосвязанных динамических явлений, происходящих с разными веществами, по корреляционным портретам динамики спектральных линий этих веществ.
Представляется, что эти методы имеют общий характер и могут быть приложены с равным успехом к гиперспектральному зондированию Земли.
Методы и алгоритмы обработки спутниковых данных
16