Применение многочастичного фильтра Калмана и модели растительности PROSAIL к обработке данных гиперспектрального дистанционного зондирования

Фильтр Калмана используется для совместной обработки гиперспектральных и радиолокационных данных дистанционного зондирования растительности. С его помощью оба типа данных подгоняются под единую модель объекта (зерновые культуры, основные параметры - LAI и влажность почвы). Первоначально фильтр Калмана работал только с радарными данными; гиперспектральные давали начальное приближение параметров. Здесь фильтр Калмана работает с гиперспектральными данными; радарные дают начальное приближение. Конечная цель – чтобы оба типа данных работали «в тандеме». Фильтр Калмана зависит от качества модели, описывающей связь наблюдений с оцениваемыми параметрами. В классическом фильтре Калмана эта модель линеаризуется через взятие производной. Но современные, наиболее точные модели растительности неаналитичны: алгоритмы и программы. Чтобы работать с такой моделью растительности PROSAIL, мы используем многочастичный фильтр Калмана, который обходится без производных. PROSAIL рассчитывает спектр растительности в диапазоне 0.4-2.5 мкм как функцию 18 параметров: листа, растительного слоя, почвы и освещения. Реально подгоняются 1-4 параметра, остальные фиксируются. Альтернативой PROSAIL служила регрессионная модель. Регрессионная модель более гибкая, но не включает физику, заложенную в PROSAIL. На первом этапе состояние почвы фиксировалось и фильтром Калмана подгонялись LAI, влажность листа и средний угол ориентации листа – по отдельности и в разных комбинациях. Приводятся точностные характеристики результатов. Истинное поле значений параметров было неизвестно. Средняя точность предсказания спектра – 2%. На втором, - в набор параметров включалась влажность почвы. Это параметр очень важен для объединения с радарными данными, но плохо оценивается по спектральным данным для густой растительности. с космическими снимками. Результаты сравнения с космическими снимками по рисунку влажности неоднозначны, для оценки последней необходима работа двух типов данных «в тандеме». Использовался также картографический рисунок восстановленного LAI. Карты LAI сравниваются с картами, полученными по спектральным индексам.
Работа выполнена при финансовой поддержке Российского агентства по науке и инновациям