Using of multispectral and hyperspectralremote sensing data

in thematic application

Julia ZhuravelState Research and Production Space Centre «TsSKB-Progress»,

Samara, Russia

Использованиемультиспектральных и гиперспектральных данных

дистанционного зондирования в решениитематических задач

Ю.Н. ЖуравельГНПРКЦ «ЦСКБ-Прогресс», г. Самара, Россия

Multispectral and hyperspectral remote sensing dataМульти- и гиперспектральные данные ДЗЗ

Multispectral sensorМультиспектральный датчик

Hyperspectral sensor Гиперспектральный датчик

Spacecrafts with hyperspectral sensorКА с гиперспектральной аппаратурой

КАГод

запускаСпектральныйдиапазон, мкм

Число каналов

Захват, км

Разрешение, м

EO-1 (США) 2000 0,4 – 2,5 220 7,5 30

PROBA-1 (ЕКА) 2001 0,4 – 1,05 19 - 62 13 17/34

Ресурс-П (Россия)

2013 0,4 – 1,1 192 30 30

ALOS-3 (Япония) 2014 0,4 –2,5 185 30 30

PRISMA (Италия) 2014 0,4 –2,5 237 30 30

EnMAP (Германия)

2015 0,42 –2,45 232 30 30

HyspIRI (США) 20200,38 – 2,5

4 – 12210

8150 60

Data cube formation Формирование куба данных

Направление полетаНаправление полета

МаршрутМаршрутсъемкисъемки

YY

ХХ

YY

ХХ

Разложение Разложение изображения строкиизображения строки по по

спектруспектру

ДисперсионноеДисперсионноеустройствоустройство

Проекция строки на Проекция строки на местностиместности

λλминмин λλмаксмакс

λλ

Atmospheric correction Атмосферная коррекция

1 – почва первого типа 2 – растительность 3 – почва второго типа1 – почва первого типа 2 – растительность 3 – почва второго типа

CO2

H2O

H2O

O2O3 L д

L смеж

L пр

L диф

1 – 1 – soil 1 soil 1 2 – 2 – vegetation vegetation 3 – 3 – soil 2soil 2

Main directions of data using Направления использования данных

classification for applied problems solution in the area of environment monitoring, objects extraction from a set of similar objects or detection of objects with the

size less than the nominal size of pixel (target detection). проведение классификации для решения прикладных задач в интересах

мониторинга природной среды (состояние посевов, экологический контроль предприятий промышленности и городского хозяйства, ресурсно-сырьевое картографирование, т.е. составление карт материалов с указанием географических зон их распространения),

выделение объектов, в том числе искусственного происхождения, из множества подобных или обнаружение объектов, размер которых меньше номинального размера пиксела.

Automatic processing methodsМетоды автоматизированной обработки

Index images creationSupervised classificationSpectral dimension reduction transformations (PCA, ICA)Subpixel methods (matched filtering (MF), spectral unmixing)

Вычисление индексных изображенийКлассификация с обучением (выбор классов, формирование обучающей

выборки, определение параметров «спектрального образа», построение карты классификации)

Уменьшение размерности (РСА, ICA)Cубпиксельные методы (согласованная фильтрация, разделение смесей)

Vegetation indexesВегетационные индексы

NDVINDVI((индекс «зелёности»)индекс «зелёности»)

red green ratio red green ratio indexindex(индикатор листовой (индикатор листовой

продуктивности)продуктивности)

normalized Difference Lignin Indexnormalized Difference Lignin Index(содержание «сухого» углерода, (содержание «сухого» углерода,

старение)старение)

carotinoid Reflectance Indexcarotinoid Reflectance Index((концентрация каротиноида, концентрация каротиноида,

состояние стресса)состояние стресса)

moisture Stress Indexmoisture Stress Index(содержание влаги)(содержание влаги)

556600

620620

650650

680680

700700

680680

= 884 нм= 884 нм

Cyanobacterial bloom monitoringCyanobacterial bloom monitoringКонтроль Контроль процессов цветения водохранилищ

Classification by SAM methodКлассификация по методу спектрального угла

ALIALI

HyperionHyperion

лес лес

пашняпашня

ALIALI

HyperionHyperion

поле 1поле 1

поле 2поле 2

поле 3поле 3

поле 4поле 4

Classification by PCA methodClassification by PCA methodКлассификация по методу Классификация по методу PCAPCA

ALIALI

HyperionHyperion

Processing by ICA method Processing by ICA method Обработка по методу Обработка по методу ICAICA

Objects detection by MF methodObjects detection by MF methodОбнаружениеОбнаружение объектов методом объектов методом MF MF

0.0.665 – 0.755 – 0.75

0.75 – 1.00.75 – 1.0

0.8 – 0.9 0.8 – 0.9

0.9 – 1.00.9 – 1.0

Thanks for your attention!Thanks for your attention!Спасибо за внимание !Спасибо за внимание !