Комплексирование радиолокационных данных для решения задач спутникового мониторинга

В настоящее время радиолокационные данные нашли широкое применение при решении многих прикладных задач, например, связанных с мониторингом чрезвычайных ситуаций и динамики развития сельскохозяйственных культур. Основным преимуществом приборов, работающих в СВЧ диапазоне электромагнитных волн, является возможность получения данных практически при любых метеоусловиях и в любое время суток.
На сегодняшний день радиолокационные данные могут эффективно использоваться также для картографирования затопленных территорий и оценки влажности грунтов. Эта информация является чрезвычайно важной при мониторинге наводнений и построении гидрологических моделей подстилающей поверхности для оценки рисков, связанных с наводнениями. Кроме того, данные о влажности грунтов учитываются в моделях прогноза урожайности и могут использоваться при мониторинге засух.
В данной работе предложен новый подход для картографирования затопленных территорий, который основан на автоматической нейросетевой сегментации изображений с использованием пространственных взаимосвязей между пикселями. Сегментация и классификация изображений выполняется с использованием нейронных сетей Кохонена. В качестве входных признаков используются значения коэффициента обратного рассеивания для окрестности пикселя 7х7. Для апробации предлагаемого метода были использованы радиолокационные изображения, полученные прибором SAR со спутника ERS-2 во время наводнения на реке Тиса в марте 2001 г., а также вспомогательные данные Landsat-7/ETM+ и Corine Land Cover 2000.