Моделирование космических изображений с пространственным разрешением, идентичным готовящейся к запуску и разрабатываемой гиперспектральной аппаратуры ДЗЗ на основе самолетных съемок.
Тематическая обработка полученных модельных изображений.

В целях изучения возможностей решения тематических задач на основе материалов перспективной космической гиперспектральной съемки на кафедре СУМГФ МФТИ проводилось моделирование космических изображений с пространственным разрешением, идентичным готовящейся к запуску и разрабатываемой гиперспектральной аппаратуры ДЗЗ.
Специально для моделирования была выполнена самолетная гиперспектральная съемка тестовых полигонов в Тверской и Ленинградской области со сплошным покрытием тестовых участков съемочными треками, с перекрытием треков до 50%. Съемка выполнялась самолетным видеоспектрометром, имеющим 290 каналов в диапазоне 400-1000 нм. Пространственное разрешение пикселей полученных гиперспектральных изображений при высоте съемки около 2 км составило 1-1.5 м в зависимости от скорости и направления полета.
Параллельно со съемочными работами на тестовых полигонах выполнялись наземные обследования и сбор спектров отражения калибровочных эталонов с помощью полевого спектрорадиометра.
В процессе моделирования использовались разработанное в МФТИ программное обеспечение обработки гиперспектральных изображений и, частично, программные средства пакетов ERDAS Imagine и MODTRAN.
Методика моделирования включала следующие этапы.
1. Геометрическую коррекцию и географическую привязку треков к картографической основе.
2. Составление гиперспектральных мозаик на территорию тестового полигона и отбор участков с наиболее однородными условиями освещенности.
3. Расчет ожидаемого информативного динамического диапазона яркости по каналам за пределами атмосферы на основе радиационной модели, наиболее близкой к условиям в момент проведения самолетных съемок.
4. Создание наборов эталонов тематических классов на основе материалов наземных обследований.
5. Проведение контролируемой классификации гиперспектральных изображений тестовых участков на выбранное количество классов при огрублении пространственного разрешения пикселя до 10м, 20 м, 30м и 40 м соответственно. Предварительно выполнялся отбор наиболее информативных каналов на основе анализа главных компонент.
В соответствии с реальными возможностями практического использования видеоданных с указанным пространственным разрешением, основное внимание было уделено задачам, связанным с выделением площадных объектов больших размеров (от 1 га и более). К ним относится ряд задач лесного и сельского хозяйства, задачи инвентаризации земельных угодий и ресурсно-экологического картографирования.
Основными типами объектов на отобранных для обработки участках были:
- лесные массивы различного породного и возрастного состава, в том числе деградировавшие вследствие поражения вредителями, низовых пожаров и воздействия различных антропогенных факторов;
- сельскохозяйственные угодья, сенокосы, луга и болота;
- водные объекты.
Предварительные результаты тематической классификации отобранных для обработки участков при различном пространственном разрешении и количестве каналов показали следующее.
Решение наибольшего количества тематических задач, связанных с классификацией различных типов почвенно-растительного покрова, обеспечивается при пространственном разрешении пикселя 10-20 м в спектральном диапазоне 480-1000 нм.
Главным преимуществом гиперспектральной аппаратуры перед мультиспектральной аппаратурой аналогичного пространственного разрешения является возможность оптимального подбора каналов для каждого типа сцены и сезона съемки. Использование большого количества узких каналов далеко не всегда улучшает качество тематической обработки, равно как и использование фиксированного количества широких спектральных каналов.
При пространственном разрешении гиперспектральной аппаратуры от 30 м на пиксель и более возможности тематической классификации ухудшаются из-за генерализации различных спектров отражения в пределах одного пикселя. В результате образуются участки различного компонентного состава с идентичными спектрами отражения. Тем не менее, даже при таком разрешении надежно классифицируются большие участки леса с преобладанием одной породы и сложного породного состава по нескольким возрастным категориям и условиям произрастания. Возможна также достаточно надежная классификация сельхозкультур и общая оценка состояния сельскохозяйственных угодий больших размеров. Удается выделить ряд комплексных объектов с устойчивыми интегральными спектральными характеристиками (например, болотные и луговые комплексы с определенным составом растительности и типом почвы). В целом же тематическая обработка гиперспектральных изображений комплексных объектов требует разработки специальных методик анализа и соответствующих программных средств, которые предполагается включить в разрабатываемое в МФТИ программное обеспечение тематической обработки гиперспектральных видеоданных.