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)

Двадцать первая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"

XXI.B.132

Рассмотрение возможности определения ледового покрытия на основе спутниковых данных оптического и ближнего инфракрасного диапазона для Карского моря

Дегай А.Ю. (1), Черных В.Н. (1), Пырков В.Н. (1), Андреев М.В. (1)
(1) Институт космических исследований РАН, Москва, Россия
Ранее в работе (Андреев и др., 2015) на основе спутниковых данных видимого и ближнего инфракрасного диапазона для части Берингова моря, Камчатки, Охотского моря, Сахалина, Татарского пролива, Приморья было показано, что на основе анализа двумерных гистограмм по нормализованным индексам NDSI – band6 и NDI_M42 – band4 с помощью машинного обучения может быть автоматизирована процедура определения ледового покрытия. Машинное обучение в указанной работе проводилось по алгоритму Random Forest. Далее в работе (Дегай и др., 2021а) с использованием сезонного анализа выполнено существенное улучшение алгоритма определения ледового покрытия. Наряду с исправлением ряда ошибок доработанный алгоритм позволяет значительно расширить площадь снимка, которую можно автоматически классифицировать. И отнести проверяемый фрагмент к поверхности покрытой льдом или свободной ото льда.
В докладе (Дегай и др., 2021б) проведен анализ эффективности описанного выше алгоритма при составлении композиционной распределения по снимкам за несколько дней. Каждый пиксель композита был получен самым последним «безоблачным» результатом в случае наличия хотя бы одного результата без облаков.
Так как повышается актуальность использования данных отечественных спутников, особенно в Арктике в данном докладе представлены результаты проверки возможности использования вышеуказанного алгоритма для Карского моря.
Была проведена оценка использования ранее определенных на Дальнем Востоке зон двумерных гистограмм по нормализованным индексам для классификации ледового покрытия в Карском море. Обработаны спутниковые снимки спектрорадиометра MODIS за 2013, 2015, 2019 и 2020 годы для гранулы MODIS h18v01.
Работа выполнялась в рамках темы Министерства науки и высшего образования Российской Федерации «Мониторинг», (госрегистрация № 122042500031-8).
Работа проводилась с использованием возможностей ЦКП «ИКИ-Мониторинг» (Лупян и др., 2019), включая УНУ "Вега - Science" (Лупян и др., 2021).

Ключевые слова: классификация ледового покрытия, дистанционное зондирование, обработка спутниковых снимков (дешифрирование, распознавание), композитные изображения
Литература:
  1. Андреев М.В., Егоров В.А., Уваров И.А., Дегай А.Ю., Пырков В.Н., Черных В.Н. Разработка новых методов обработки и представления спутниковых данных в картографическом интерфейсе Отраслевой системы мониторинга Росрыболовства // Тринадцатая всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса". Москва. ИКИ РАН, 16-20 ноября 2015. Тезисы докладов, 2015. С. 235.
  2. А.Ю. Дегай, М.В. Андреев, В.А. Егоров, В.Н Пырков, В.Н. Черных Развитие методов автоматического распознавания ледового покрытия на основе спутниковых данных оптического и ближнего инфракрасного диапазона для системы мониторинга рыболовства // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 4.
  3. Лупян Е.А., Прошин А.А., Бурцев М.А., Кашницкий А.В., Балашов И.В., Барталев С.А., Константинова А.М., Кобец Д.А., Мазуров А.А., Марченков В.В., Матвеев А.М., Радченко М.В., Сычугов И.Г., Толпин В.А., Уваров И.А. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ-Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151-170. DOI: 10.21046/2070-7401-2019-16-3-151-170.
  4. Лупян Е.А., Прошин А.А., Бурцев М.А., Кашницкий А.В., Балашов И.В., Барталев С.А., Бриль А.А., Егоров В.А., Жарко В.О., Константинова А.М., Кобец Д.А., Мазуров А.А., Марченков В.В., Матвеев А.М., Миклашевич Т.С., Плотников Д.Е., Радченко М.В., Стыценко Ф.В., Сычугов И.Г., Толпин В.А., Уваров И.А., Хвостиков С.А., Ховратович Т.С. Система "Вега-Science": особенности построения, основные возможности и опыт использования // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 6. С. 9-31. DOI: 10.21046/2070-7401-2021-18-6-9-31
  5. Солодилов А.В., Пырков В.Н. Комплексный спутниковый мониторинг судов рыбопромыслового флота // Аэрокосмический курьер. 2011. № 2 (74). С. 68–70.
  6. Breiman L. Random Forest // Machine Learning. 2001. V. 45. №1. P. 5–32
  7. Gao B.C. NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space. // Remote Sensing of Environment. 1996 V 58. №3. P. 257 266.
  8. Hall D. K., Riggs G. A., Salomonson V. V. Algorithm Theoretical Basis Document (ATBD) for the MODIS Snow and Sea Ice-Mapping Algorithms – URL: https://modis-snow-ice.gsfc.nasa.gov/?c=atbd 2001.

Презентация доклада

Технологии и методы использования спутниковых данных в системах мониторинга

79