Дешифровочные признаки Предобработка спутниковых данных Данные ежедневных

Дешифровочные признаки

Предобработка спутниковых данных Данные ежедневных наблюдений Маскирование снежного и облачного покрова Маскирование теней Выбор наилучшего разрешения и построение композитных изображений

Визуальное дешифрирование три основные стадии дешифрирования: 1 стадия – контурное дешифрирование. На этой стадии дешифровщик старается выделить контуры, отличающиеся характером изображения на дистанционных материалах конкретного типа; 2 стадия – содержательное дешифрирование. Основной целью этой стадии работ является интерпретация содержания выделов, полученных на 1 стадии. Контур каждого типа охарактеризовывается конкретным тематическим содержанием; 3 стадия – экстраполяция результатов. Данные о взаимосвязях характера изображения со свойствами растительности, полученных на 2 стадии, экстраполируются на соседние территории, имеющие сходные изобразительные свойства на дистанционных материалах.

Дешифровочные признаки Непосредственно дешифрирование на первых двух стадиях осуществляется с использованием так называемых дешифровочных признаков, под которыми подразумевается набор характеристик изображения, с помощью которых дешифровщик отличает один выдел от другого или судит об их сходстве. Весь арсенал используемых дешифровочных признаков подразделяется обычно на 3 группы: прямые дешифровочные признаки, которые описывают характер изображения непосредственно объекта дешифрирования; косвенные дешифровочные признаки, используемые для интерпретации объекта по изображению иных объектов; комплексные дешифровочные признаки, отражающие информацию о растительности через изображение комплексных ландшафтных систем.

Прямые дешифровочные признаки Основным прямым дешифровочным признаком является тон изображения. Но использование непосредственно тона ограничено его сильной вариабельностью в зависимости от условий съемки (высота Солнца, состояние атмосферы и т. п. ).

Тон изображения Время и сезон съемки 01. 06. 2006 21. 09. 2006 28. 05. 2007 23. 08. 2007 19. 05. 2007 16. 09. 2010

Степень дешифрируемости объекта при визуальном дешифрировании можно выразить в следующем виде: Очень слабая менее 3 % Слабая 3 -7 % Средняя 7 -11 % Хорошая 11 -21 % Высокая более 21 % 1 -белый; 2 -почти белый; 3 -светлый; 4 – светло-серый; 5 – серый; 6 – темно – серый; 7 – темный; 8 – почти черный; 9 – черный

Тон изображения Цвет Псевдоцвет Спектральный тон Комбинации спектральных тонов

Коэффициент спектральной яркости Спектральная яркость растительности Длина волны, нм

Спектральная яркость растительности

Вегетационные индексы NIR – спектральная яркость в ближнем ИК диапазоне длин волн Red - спектральная яркость в красном диапазоне длин волн NDVI может использоваться для оценки различных характеристик растительности, включая объем зеленой биомассы, площадь листовой поверхности, фазу фенологического развития, содержание хлорофилла и некоторые другие параметры)

Вегетационные индексы где a и b - коэффициенты уравнения прямой, аппроксимирующей значения в двумерном пространстве значений спектральной яркости почв в красном и ближнем ИК диапазонах длин волн (т. н. «линия почв» )

Текстура изображения Под текстурой понимаются тоновые микронеоднородности изображения (те из них, которые нельзя отдешифрировать в виде отдельного контура) Единая общепринятая шкала текстур изображения в настоящий момент отсутствует. Наиболее часто выделяют гомогенные текстуры, пятнистые, крапчатые и муаровые (с подразделением на мелко- , средне- и крупно-), точечные и струйчатые. Закономерности взаимосвязи текстуры изображения со свойствами растительности в большинстве случаев региональны.

Текстура изображения

Форма и размер выделов При визуальном дешифрировании для описания формы пользуются следующим терминами: округлая, изрезанно-округлая, вытянутая, изрезанно-вытянутая, извилисто-вытянутая, ветвисто-вытянутая, сегментная, дырчатая, кольцевая, неправильная, комбинированная и другие. Шкалы для описания формы и размеров выдела обычно строятся индивидуально в каждом конкретном случае. В некоторых случаях имеется возможность количественно оценить форму – размеры выдела. Наиболее часто при этом применяется следующие критерии: Коэффициент формы Показатель вытянутости Индекс кругообразности Коэффициент расчленения Анализ дирекционных спектров (распределение углов ориентации сторон многоугольника, вписанные в контур). Средний диаметр, средняя площадь, средний периметр.

Форма и размер

Косвенные дешифровочные признаки

Комплексные дешифровочные признаки Под рисунком понимается пространственная мозаика, образованная выделами, полученными в результате дешифрирования. При анализе различий участков по рисунку оцениваются тоновые неоднородности изображения, формы выделов, особенности их ориентировки и взаимного расположения.

Комплексные дешифровочные признаки Морфометрическая классификация рисунков, разработанная Викторовым (1966), согласно которой выделяют следующие типы: Нерасчлененный; Мозаичный; Поясной; Полосчатый; Комбинированный; Каждый из них подразделяется на подтипы. Например, полосчатый делится на параллельный, пересекающийся, ветвистый.

Комплексные дешифровочные признаки Виноградов предложил генетическую классификацию рисунков ( по факторам, влияющим на их формирование) и выделил: климатогенные, морфогенные, литогенные, гидрогенные, фитогенные, зоогенные и антропогенные рисунки.

Комплексные дешифровочные признаки Важное значение при дешифрировании может иметь анализ топологических характеристик рисунка изображения, который выражается в использовании особенностей ландшафтных соседств, т. е в некоторых случаях значения свойств одного из компонентов рисунка можно использовать для получения информации о соседних выделах. Известны 3 типа соседств: литогенный гидрогенный миграционный.

Комплексные дешифровочные признаки Другим комплексным дешифровочным признаком является временная цикличность изображения. По материалам одного сезона съемки часть невозможно разделить объекты. Но, используя изменение характера их изображения по сезонам это можно сделать. При наиболее детальном анализе строятся кривые изменения характера данных кривых и, соответственно, их можно будет разделить.

Сезонная динамика NDVI

Классификация типов с/х культур по данным MODIS Снижение PVI 19 Апреля, 2009 Рост PVI 31 Мая, 2009 Снег 19 Августа, 2009 04 Октября, 2009 Пары Озимая пшеница