Методы обработки данных спутниковых наблюдений MODIS для мониторинга пахотных земель тема диссертации и автореферата по ВАК РФ 25.00.34, кандидат технических наук Нейштадт, Игорь Анатольевич

• Нейштадт, Игорь Анатольевич
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Нейштадт, Игорь Анатольевич

Сокращения на русском языке

Сокращения на английском языке

Определения

Введение

Раздел 1. Анализ требований к функциональной структуре и характеристикам системы спутникового мониторинга пахотных земель России

1.1 Особенности сельскохозяйственного производства и основные задачи мониторинга пахотных земель

1.2 Возможности приборов дистанционного зондирования со спутников для решения задач мониторинга сельскохозяйственных земель

1.3 Обзор существующего опыта использования данных дистанционного зондирования со спутников для мониторинга сельскохозяйственных земель

1.4 Требования к функциональной структуре и характеристикам системы спутникового мониторинга сельскохозяйственных земель 44 Выводы к первому разделу 50 Раздел 2. Методы предварительной обработки данных МОБК для мониторинга сельскохозяйственных земель

2.1 Формирование базы данных спутниковых наблюдений для мониторинга сельскохозяйственных земель

2.2 Алгоритмы предварительной обработки данных М001Б

2.3 Анализ результатов использования алгоритмов предварительной обработки данных М0018 73 Выводы к второму разделу 81 Раздел 3. Классификация некоторых типов сельскохозяйственных посевов по спутниковым данным МОБК 83 3.1 Предварительная классификация типов земного покрова в интересах сельскохозяйственного мониторинга

3.2 Анализ характеристик объектов наблюдения при дистанционном зондировании сельскохозяйственных земель

3.3 Алгоритмы выявления по данным MODIS участков чистого пара, озимых культур и посевов подсолнечника

3.4 Оценка достоверности результатов классификации сельскохозяйственных посевов по данным MODIS 109 Выводы к третьему разделу 114 Раздел 4. Выявление и оценка площадей используемых пахотных земель России по спутниковым данным MODIS

4.1 Метод выявления используемых пахотных земель по временным сериям данных MODIS

4.2 Анализ достоверности результатов выявления пахотных земель России по данным MODIS

4.3 Сбор, хранение, распространение данных спутниковых наблюдений и программная реализация алгоритмов обработки данных MODIS 135 Выводы к четвертому разделу 139 Заключение 141 Библиографический список 143 Приложение А. Список опубликованных работ по теме диссертации 153 Приложение Б. Список докладов на конференциях по теме диссертации 156 Приложение В. Стандартные продукты спутниковых данных MODIS

Сокращения на русском языке

ВИ - Вегетационный индекс

ВП - Вегетационный период

ГИС - Географическая информационная система

ДЗ - Дистанционное зондирование

ДДЗ - Данные дистанционного зондирования

ДЗЗ - Дистанционное зондирование Земли

ЕКА - Европейское космическое агентство

ЕС - Европейский Союз

ИК - Инфракрасный

ИКИРАН - Институт космических исследований Российской академии наук

ИПЗ - Используемые пахотные земли

КСЯ - Коэффициент спектральной яркости

К(Ф)Х - Крестьянское (фермерское) хозяйство

ЛПХ - Личное подсобное хозяйство

МСУ-Э - Многоспектральное сканирующее устройство экспериментальное)

МСХ - Министерство сельского хозяйства

ООН - Организация Объединенных Наций

ПО - Программное обеспечение

ПСА - Панхроматическая съемочная аппаратура

РДСА - Съемочная аппаратура распределенного доступа

Росстат - Федеральная служба государственной статистики

РФ - Российская Федерация с.-х. - сельскохозяйственный

ФАО - Организация по продовольствию и сельскому хозяйству при ООН

Сокращения на английском языке

AVHRR - Advanced Very High Resolution Radiometer

Усовершенствованный радиометр очень высокого разрешения

DAAC - Distributed Active Archive Center

Центр хранения и распространения данных

DCW - Digital Chart of the World

Цифровая карта мира

DEM - Digital Elevation Model

Цифровая модель рельефа

DG AIDCO - Directorate General Europe Aid Co-Operation Office Дирекция помощи (EC)

DLT - Digital Linear Tape

Магнитная лента с цифровой записью

DMSP - Defense Meteorological Satellite Program

Программа Министерства обороны США по запуску и поддержке метеорологических спутников

ЕС - European Commission

Европейская комиссия

ENVISAT - Environmental Earth-Observing Satellite (ESA) Природоресурсный спутник (ЕКА)

EOS - Earth Observation System

Система наблюдения Земли со спутников (НАСА)

EPIC - Erosion Productivity Impact Calculator

Модель биопродуктивности растений

ERTS - Earth Resources Technology Satellite

Спутник для исследования природных ресурсов

ESA - European Space Agency

Европейское космическое агентство

ЕТМ - Enhanced Thematic Mapper

Усовершенствованный тематический картограф

Yj Enhanced vegetation index

Улучшенный вегетационный индекс рдд Foreign Agricultural Service

Иностранная сельскохозяйственная служба Министерства сельского хозяйства США

Fraction of the Photosynthetic Active Radiation Доля фотосинтетически активной радиации

Global Data Assimilation System Глобальная система консолидации данных

The UNFAO Global Information and Early Warning System Глобальная система информирования и раннего оповещения о недостатке продовольствия ФАО Global Agricultural Monitoring

Проект глобального сельскохозяйственного мониторинга (США)

Global Land Cover 2000 Карта наземных экосистем Global Monitoring for Food Security

Проект глобального мониторинга для обеспечения продовольственной безопасности (ЕКА)

Joint Research Center

Объединенный научный центр Европейской комиссии

Hierarchical Data Format Иерархический формат данных

Leaf area index

Индекс (площадь) листовой поверхности

Land Remote-Sensing Satellite

Спутник дистанционного зондирования Земли

Monitoring Agriculture through Remote Sensing Techniques Проект мониторинга сельского хозяйства с использованием технологий дистанционного зондирования (ЕС)

Medium Resolution Imaging Spectrometer Спектрорадиометр среднего разрешения

Moderate Resolution Imaging Spectroradiometer Спектрорадиометр среднего разрешения

Multi-Spectral Scanner Многоспектральный сканер

National Aeronautic and Space Agency

Национальное агентство по космосу и аэронавтике

Nansen International Environmental and Remote Sensing Centre

Международный центр по окружающей среде и дистанционному зондированию им. Ф.Нансена

NDVI - Normalized Difference Vegetation Index

Нормализованный разностный вегетационный индекс

NOAA - National Oceanic and Atmospheric Administration

Национальная администрация по океану и атмосфере (США)

NPOESS - National Polar-Orbiting Operational Environmental Satellite System

Национальная система ресурсных полярноорбитальных спутников (США)

PECAD - The USDA Production Estimates and Crop Assessment Division

Отдел министерства сельского хозяйства США по оценке производства сельскохозяйственной продукции

PVI - Perpendicular Vegetation Index

Перпендикулярный вегетационный индекс

ТМ - Thematic Mapper

Тематический картограф

UNFAO - The Food and Agriculture Organization of the United Nations Организация по продовольствию и сельскому хозяйству при ООН

USAID - United States Agency for International Development

Агентство международного развития правительства США

USGS - United States Geological Survey

Геологическая служба США

Определения

Композитное изображение - Растровое изображение, каждому пикселу которого присвоено значение физической величины, полученное после предварительной обработки набора данных спутниковых наблюдений за фиксированный период времени.

Маска - Полученное в результате обработки данных спутниковых наблюдений растровое изображение, каждому пикселу которого присвоен соответствующий определенному тематическому классу цифровой код.

Пар - Поле севооборота, не занимаемое посевами в течение всего (или части) вегетационного периода и содержащееся в рыхлом и чистом от сорняков состоянии.

Пашня - Вид земельных угодий,стематически обрабатываемых и используемых для возделывания-х. культур.

Поле (сельскохозяйственное) - Встемевооборота - пашня под посев или засеянный-х. культурами участок земли.

Введение диссертации (часть автореферата) на тему «Методы обработки данных спутниковых наблюдений MODIS для мониторинга пахотных земель»

Исследование возможностей дистанционного мониторинга окружающей среды со спутников активно ведется на протяжении последних десятков лет научными группами и организациями различных стран. Развитие приборов дистанционного зондирования (ДЗ) привело к расширению возможностей по оперативному глобальному наблюдению окружающей среды. Данные дистанционного зондирования (ДДЗ) используются для обнаружения и оценки последствий пожаров, контроля лесных вырубок, мониторинга изменений границ природных экосистем, контроля землепользования и целого ряда других приложений. Важным направлением исследований является разработка систем мониторинга сельскохозяйственных (с.-х.) земель.

В России по причинам экономического характера последние 20-30 лет происходят значительные изменения в землепользовании. Значительные площади, ранее используемые для сельскохозяйственного производства, выводятся из оборота, изменяется структура использования пахотных земель. Существует потребность в объективной информации о происходящих изменениях в использовании земель с.-х. назначения. В настоящее время наблюдение за использованием земель ведется Федеральной службой государственной статистики (Росстат), главным образом, методом статистического наблюдения. Однако информация собирается только в обобщенном виде и не проводится достаточный контроль её достоверности. Таким образом, существующая система сбора информации об использовании с.-х. земель не может быть признана полностью отвечающей современным требованиям.

В то же время наблюдение за динамикой использования с.-х. земель является необходимым элементом системы регулирования агропромышленного комплекса. Для реализации задачи мониторинга с.-х. земель Главный вычислительный центр Министерства сельского хозяйства России (ГВЦ МСХ РФ) и Институт космических исследований Российской академии наук (ИКИ

РАН) ведут совместную разработку системы спутникового мониторинга с.-х. земель России, призванную обеспечить получение объективной информации об их использовании. Важным элементом разрабатываемой системы является получение информации о наличии и использовании пахотных земель. Такая информация должна включать в себя данные о пространственном размещении используемых пахотных земель (ИПЗ) и посевов с.-х. культур, а также данные оперативного мониторинга состояния посевов. Таким образом, система направлена на обеспечение заинтересованных пользователей информацией о площадях пахотных земель и посевов различных типов, их продуктивности, оперативной информацией о состоянии посевов.

Особый интерес для получения оценок использования с.-х. земель представляет применение ДДЗ. В условиях необходимости обеспечения регулярного мониторинга данные спутниковой съемки являются практически безальтернативным источником данных. Важным преимуществом спутниковой съемки также является оперативность, объективность и независимость получаемой информации. К числу факторов, сдерживавших до недавнего времени развитие практических систем мониторинга, можно отнести ограниченную доступность данных современных спутниковых систем, отсутствие необходимых программно-технических средств, недостаточное развитие методов тематической обработки спутниковых изображений. Появившиеся в последние годы спутниковые системы делают ДДЗ качественно более доступными для пользователей, однако эффективное использование ДДЗ невозможно без соответствующих алгоритмов предварительной и тематической обработки.

Разработка методов обработки ДДЗ для мониторинга с.-х. земель позволит существенно повысить точность и объективность информации об их использовании. Это также является важным шагом к созданию обзорных карт землепользования по ДДЗ. С учетом имеющегося мирового опыта, уровня развития современных систем спутникового мониторинга и вычислительной техники, представляется перспективной разработка автоматизированных

10 технологий обработки и анализа данных спутниковых наблюдений. Такие технологии являются важным шагом на пути создания системы мониторинга с.-х. земель России.

Необходимость широкого охвата территории при мониторинге с.-х. земель, и, как следствие, обработка большого массива ДДЗ, требуют минимизации участия экспертов в процессе тематической интерпретации данных. На разработку именно таких, в максимальной степени автоматизированных алгоритмов обработки ДДЗ, и были направлены исследования в рамках представленной диссертационной работы.

Состояние и динамика использования пахотных земель являются важным вопросом современной экологии. Изменения в использовании пахотных земель ведут к изменениям микроклимата, ландшафта, влияют на объемы эмиссии углекислого газа. Забрасывание пахотных земель, имевшее место практически во всех регионах России в последние десятилетия, как правило, сопровождается их деградацией, эрозией, резким снижением плодородия почв, зарастанием древесно-кустарниковой растительностью. При этом стихийный характер забрасывания усложняет задачу наблюдения и контроля за использованием сельскохозяйственных земель. Нерациональное землепользование, связанное, например, с несоблюдением правил сельскохозяйственного севооборота, может приводить к истощению почв, и, как следствие, к длительному снижению плодородия земель. Таким образом, существует необходимость в объективных методах контроля за землепользованием, причем как на уровне отдельных аграрных регионов, так и на уровне страны в целом.

Учитывая важное экологическое, экономическое и социальное значение сельского хозяйства в России, имеющийся недостаток объективной, оперативной и достоверной информации об использовании пахотных земель, можно утверждать, что развитие методов спутникового мониторинга пахотных земель России стоит в ряду приоритетных задач, что и определяет актуальность представленной диссертационной работы.

Цели и задачи исследований. Целью проведенных в рамках диссертационной работы исследований являлась разработка методов, алгоритмов и автоматических технологий использования данных спутниковых наблюдений для решения задач мониторинга пахотных земель. Достижение данной цели потребовало решения следующих научных задач:

- проведение анализа особенностей и задач информационного обеспечения агропромышленного сектора России и разработка на его основе требований к структуре и характеристикам системы спутникового мониторинга пахотных земель;

- разработка алгоритмов предварительной обработки данных наблюдений съемочной системой МСЮ18 и формирования наборов спутниковых данных, очищенных от влияния облачного и снежного покровов;

- разработка автоматических алгоритмов детектирования некоторых видов с.-х. культур и чистого пара по данным МСЮ18;

- разработка автоматических алгоритмов детектирования ИПЗ с использованием многолетних временных серий данных МСЮ18;

- разработка программного обеспечения (ПО) для предварительной и тематической обработки данных МСЮ18 в интересах решения задач с.-х. мониторинга;

- проведение анализа получаемых результатов и оценка их достоверности с использованием опорной и справочной информации из независимых источников.

Результаты исследований, проведенных автором, позволяют сформулировать следующие защищаемые положения.

Научная новизна. В диссертационной работе впервые предложен метод анализа многолетних временных рядов ДДЗ для выявления используемых пахотных земель. Автором предложены новые признаки для распознавания используемых пахотных земель, некоторых видов с.-х. культур и чистого пара, основанные на анализе межгодовой и сезонной динамики перпендикулярного вегетационного индекса. Разработанный на основе указанных признаков метод распознавания используемых пахотных земель включает предложенную автором процедуру автоматической региональной настройки пороговых значений классификатора. Разработанные автоматические методы впервые позволили по данным спутниковых наблюдений получить информацию о пространственном размещении используемых пахотных земель России на национальном уровне.

Основные результаты диссертационной работы:

- разработан автоматический метод предварительной обработки данных прибора М(Ю18 для формирования очищенных от влияния облачности и снежного покрова спутниковых изображений в интересах сельскохозяйственного мониторинга;

- разработаны автоматические методы тематической обработки временных серий данных прибора М001Б для детектирования озимых культур, подсолнечника и чистого пара;

-разработан автоматический метод обработки многолетних временных серий данных прибора МОЭ18 для выявления и оценки площадей ИПЗ;

- на основе разработанных методов получены фактические данные о наличии, пространственном размещении и площадях ИПЗ в основных сельскохозяйственных, регионах России.

Практическая значимость. Разработанные автором методы предварительной обработки ДДЗ позволили получать композитные изображения, свободные от влияния облачности и других мешающих факторов. Построенные изображения используются в различных приложениях ДЗ. Разработанный метод детектирования ИПЗ позволил получить независимые оценки наличия ИПЗ во всех основных с.-х. регионах России. Данные о наличии ИПЗ были использованы при проведении Всероссийской сельскохозяйственной переписи 2006 года в качестве объективного, независимого источника данных. Созданные методы для детектирования с.-х. культур были использованы для получения данных о пространственном размещении посевов озимых культур и подсолнечника, а также участков чистого пара для территории Ростовской области. Результаты работы являются составной частью разрабатываемой национальной системы мониторинга с.-х. земель. Полученные автором результаты были использованы при выполнении научных проектов, в том числе, поддержанных Российским фондом фундаментальных исследований (РФФИ 04-07-90263-в).

Апробация. Результаты работы докладывались на 10 российских и международных конференциях, а также на научных семинарах ИКИ РАН и Института безопасности и защиты граждан (Institute for Protection and Security of the Citizen JRC ЕС). Ha 31-ом Международном симпозиуме по дистанционному зондированию окружающей среды (31 st International Symposium on Remote Sensing of Environment 2005) автором получена награда за лучший стендовый доклад в секции «Сельское хозяйство». В 2005 г. автор награжден первой премией в номинации «Лучшая научная работа Института» в конкурсе научных работ ИКИ РАН.

Публикации. По результатам исследования опубликовано 18 научных работ. Все основные результаты получены автором лично. Автор самостоятельно разработал все описанные методы обработки данных, осуществил их программную реализацию, получил и проанализировал представленные результаты.

Структура и объем диссертации. Диссертация состоит из введения, четырех разделов, заключения и списка литературы. Объем диссертации составляет 162 страницы, включая 47 рисунков, 10 таблиц и 3 приложения.

Заключение диссертации по теме «Аэрокосмические исследования земли, фотограмметрия», Нейштадт, Игорь Анатольевич

Выводы к четвертому разделу

Создание карты пахотных земель России является одной из основных задач системы мониторинга с.-х. земель. Для построения карты пахотных земель России по ДДЗ требуются эффективные алгоритмы тематической обработки данных. При разработке таких алгоритмов необходимо обеспечить их независимость от региональных различий, почвенных, климатических и других условий ведения сельского хозяйства.

Представленный алгоритм детектирования ИПЗ основывается на особенностях динамики вегетации с.-х. культур. Положенные в основу метода априорные знания об особенностях развития с.-х. культур позволили разработать алгоритм адаптивный к различным регионам. Использование разработанного алгоритма позволило по данным четырехлетних спутниковых наблюдений прибором Тегга-МСЮШ выявить ИПЗ и оценить их площадь в с.-х. регионах России, совокупная посевная площадь в которых составляет 92 % всей посевной площади страны.

Было проведено сравнение полученных результатов с данными государственной статистики, с данными визуального анализа снимков высокого разрешения и с данными наземных наблюдений. Среднее расхождение площадей используемых пахотных земель с данными государственной статистики по субъектам РФ составило 18 %. Точность классификации в сравнении с данными визуального дешифрирования 492 точек составила 91 %.

Разработанная система сбора, обработки и распространения данных позволяет заинтересованным пользователям быстро получить доступ к необходимым данным. Выбранная программная реализация показала свою эффективность при обработке больших массивов данных. Веб-интерфейсы, разработанные в ИКИ РАН, дают возможность пользователю, не имеющему специализированного программного обеспечения, получить доступ к результатам предварительной и тематической обработки данных Тегга-МСЮ18.

Полученные данные о площадях и пространственном распределении пахотных земель необходимы для решения задач регулирования аграрного комплекса, а также для проведения фундаментальных научных исследований динамики биосферы и климата. Полученные результаты были использованы при проведении Всероссийской сельскохозяйственной переписи 2006 года (http://www.perepis2006.ru) в качестве независимого источника информации.

Заключение

Представленная диссертационная работа содержит результаты исследований и научных разработок автора, направленных на решение актуальных задач мониторинга сельскохозяйственных земель по данным дистанционного зондирования Земли со спутников.

Разработанные методы предварительной обработки данных МСЮ18 позволяют регулярно в автоматическом режиме формировать очищенные от влияния облачного и снежного покрова композитные изображения земной поверхности. Созданная автоматическая технология предварительной обработки спутниковых данных МСЮ18 дала возможность сформировать пополняемый архив композитных изображений на территорию аграрных регионов России за период с 2002 года по настоящее время.

Разработанные автоматические методы и алгоритмы тематического анализа временных рядов данных наблюдений, получаемых съемочной системой М(Ю18, были использованы для выявления различных типов сельскохозяйственных посевов на региональном уровне. В частности, апробация разработанных методов на территории Ростовской области позволила выявить участки и провести многолетнюю оценку площадей посевов озимой пшеницы, подсолнечника, а также полей чистого пара.

На основе использования данных многолетних спутниковых наблюдений съемочной системой МСЮ18 был разработан регионально адаптивный автоматический алгоритм детектирования используемых пахотных земель. Созданный метод позволил выявить по данным М(Ю18 используемые пахотные земли на территории 56 субъектов Российской Федерации, включающих 92 % посевной площади страны.

Проведенное с использованием материалов наземных обследований, данных государственной статистики и независимого визуального анализа ДДЗ высокого разрешения сравнение позволило оценить качество полученных результатов. Среднее расхождение полученных по результатам обработки

141 данных МСЮ18 площадей используемых пахотных земель с данными государственной статистики по субъектам РФ составило 18 %. Сравнение полученных результатов об используемых пахотных землях с материалами дешифрирования спутниковых изображений высокого пространственного разрешения для систематической выборки, включающей 492 контрольных участка и охватывающей все аграрные регионы России, показало совпадение в 91 % случаев.

Полученные автором результаты используются при разработке Информационной системы сельскохозяйственного мониторинга Минсельхоза РФ, а также при выполнении ряда научно-исследовательских работ ИКИ РАН в области картографирования и оценки динамики наземных экосистем Северной Евразии. Данные о наличии и пространственном размещении используемых пахотных земель нашли применение при проведении Всероссийской сельскохозяйственной переписи 2006 года.

Список литературы диссертационного исследования кандидат технических наук Нейштадт, Игорь Анатольевич, 2007 год

1. Регионы России. Социально-экономические показатели. 2005: Стат. сб. // М: Росстат, 2006. 982 с.

2. Сельское хозяйство, охота и лесоводство в России: Стат. сб. // М.: Росстат, 2004. 478 с.

3. Агропромышленный комплекс России в 2004 году, Отв. за выпуск: Акаткин Ю.М., Езепчук B.C., Корсун А.П. // М.: Россельхоз, 2005. 577 с.

4. Карта земельных угодий СССР м. 1 : 4 000 000 // под ред. Л.Ф.Январевой, М.: ГУГК, 1989.

5. Андраско К., Сонген Б., Гитарский М. и др. Запасы и потоки углерода в лесном и земельном фондах России: инвентаризация и потенциал смягчения последствий климатических изменений // Доклад Института мировых ресурсов, 2005.

6. Замолодчиков Д.Г., Коровин Г.Н., Уткин А.И. и др. Углерод в лесном фонде и сельскохозяйственных угодьях России // М.: КМК, 2005.

7. Кондратьев К.Я., Козодеров В.В., Федченко П.П. Аэрокосмические исследования почв и растительности // Ленинград: Гидрометеоиздат, 1986. -226 с.

8. Кондратьев К.Я., Федченко П.П. Спектральная отражательная способность и распознавание растительности // Ленинград: Гидрометеоиздат, 1982. -216 с.

9. Рачкулик В.И., Ситникова М.В. Отражательные свойства и состояние растительного покрова // Ленинград: Гидрометеоиздат, 1981. 284 с.

10. Ackerman S.A., Strabala K.I., Menzel P.W. et al. Discriminating clear sky from clouds with MODIS // Journal of Geophysical Research, 1998. № 103. -P. 141-157.

11. Еремеев В.А., Мордвинцев И.Н., Платонов Н.Г. Современные гиперспектральные сенсоры и методы обработки гиперспектральных данных // Исследование Земли из космоса, 2003. № 6. - С. 80-90.143

12. Ефременко В.В., Чимитдориев Т.Н. Об использовании различных индексов вегетации в дистанционном зондировании экосистем // Исследование Земли из космоса, 1998. № 3. - С. 49-56.

13. Jackson R.D. Spectral indices in n-space // Remote Sensing of Environment, 1983.-№ 13.-P. 409-421.

14. Wiegand C. L., Richardson A. J., Escobar D. E. et al. Vegetation indices in crop assessments // Remote Sensing of Environment, 1991. -№ 35. P. 105-119.

15. Huete A., Justice C.O., Liu H. Development of vegetation and soil indices for MODIS-EOS // Remote Sensing of Environment, 1994. № 49. - P. 224-234.

16. Baret F., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment// Remote Sensing of Environment, 1991. -№ 35. P. 161-173.

17. Huete A., Didan K., Miura T. et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices // Remote Sensing of Environment, 2002. -№ 83. P. 195-213.

18. Haboudane D., Miller J.R., Pattey E. et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision // Remote Sensing of Environment, 2004. -№90.-P. 337-352.

19. Steven M.D., Malthus J.T., Baret F. et al. Intercalibration of vegetation indices from different sensor systems // Remote Sensing of Environment, 2003. № 88. -P. 412-422.

20. Гарбузов Г.П., Повх В.И., Шляхова JI.A. Космический мониторинг сельскохозяйственных угодий Ростовской области // Исследование Земли из космоса, 2006. № 3. - С. 89-96.

21. Щербенко Е.В. Методика экспресс-оценки ущерба, наносимого сельскохозяйственным культурам паводками, с использованием данных космической съемки // Исследование Земли из космоса, 2002. № 6. -С. 70-80.

22. Seelan S.K, baguette S., Casady G.M. et al. Remote sensing applications for precision agriculture: A learning community approach // Remote Sensing of Environment, 2003. № 83. - P. 157-169.

23. South S., Qi J., Lusch D.P. Optimal classification methods for mapping agricultural tillage practices // Remote Sensing of Environment, 2004. № 91. -P. 90-97.

24. Cihlar J., Ly H., Xiao Q. Land cover classification with AVHRR multichannel composites in northern environments // Remote Sensing of Environment, 1996. -№58. -P. 36-51.

25. Hill J.M., Donald G.E. Estimating spatio-temporal patterns of agricultural productivity in fragmented landscapes using AVHRR NDVI time series // Remote Sensing of Environment, 2003. № 84. - P. 367-384.

26. Kerdiles H., Grondona M.O. Crop acreage subpixel estimation from NOAA-AVHRR data: A test study in the pampa region. Argentina // Proc. SPIE Int. Soc. Opt. Eng., 1995. Vol. 2314. - P. 371-382.

27. Gallego F.J. Remote sensing and land cover area estimation // International Journal of Remote Sensing, 2004. Vol. 25. - № 14. - P. 3019-3047.

28. Вандышева H.M., Василенко Г.И., Гуров А.Ф. и др. Мониторинг сельскохозяйственных земель на базе разномасштабных спутниковых данных // Исследование Земли из космоса, 2003. № 3. - С. 72-84.

29. Doraiswamy Р.С., Hatfield J.L., Jackson T.J. et al. Crop condition and yield simulations using Landsat and MODIS // Remote Sensing of Environment, 2004. -№92.-P. 548-559.

30. Doraiswamy P.C., Sinclair T.R., Hollinger S. et al. Application of MODIS derived parameters for regional crop yield assessment // Remote Sensing of Environment, 2005. № 97. - P. 192-202.

31. Xiao X., Boles S., Frolking S. et al. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images // Remote Sensing of Environment, 2006.-№ 100.-P. 95-113.

32. Xiao X., Boles S., Liu J. et al. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images // Remote Sensing of Environment, 2005. -№95.-P. 480-492.

33. Sakamoto Т., Yokozawa M., Toritani H. et al. A crop phenology detection method using time-series MODIS data // Remote Sensing of Environment, 2005. -№96.-P. 366-374.

34. Zhang X., Friedl M.A., Schaaf C.B. et al. Monitoring vegetation phenology using MODIS // Remote Sensing of Environment, 2003. № 84. - P. 471-475.

35. Евтюшкин А.В., Юшаков В.Н., Рычкова Н.В. Использование данных дистанционного зондирования для распознавания зерновых культур и коррекции моделей биопродуктивности // Известия Алтайского гос. ун-та, 2002.-С. 63-67.

36. Брыксин В.М., Евтюшкин A.B. Оценка урожайности зерновых культур на основе данных дистанционного зондирования и модели биопродуктивности // Сб. материалов научного Конгресса «ГЕО-Сибирь-2005», Новосибирск: СГГА, 2005.-С. 218-223.

37. Fritz S., Savin I., Massart M. et al. The use of MODIS data to derive acreage estimations: a case study in Rostov region of Russia // Proceedings of 31 ISRSE, Saint-Petersburg, 2005.

38. Savin I., Nègre T. Relative time NDVI mosaics as an indicator of crop growth // Proc. SPIE Int. Soc. Opt. Eng., 2003. Vol. 4879. - P. 100-107.

39. Савин И.Ю., Негрэ Т. О новом подходе к использованию NDVI для мониторинга состояния посевов сельскохозяйственных культур // Исследование Земли из космоса, 2003. № 4. - С. 91-96.

40. Архипкин О.П., Спивак Л.Ф., Нургалиев С.Г. и др. Дистанционная оценка площадей зерновых в Казахстане по данным гиперспектрального148радиометра MODIS // Исследование Земли из космоса. № 2, 2003. -С. 80-84.

41. Sultangazin U., Muratova N., Terekhov A. Northern Kazakhstan agriculture monitoring by Terra/MODIS // Proceedings of 31ISRSE, Saint-Petersburg, 2005.

42. Doraiswamy P., Muratova N., Sinclair Т. et al. Evaluation of MODIS data for assessment of regional spring wheat yield in Kazakhstan // Proceedings of Geoscience and Remote Sensing symposium IGARSS'02, 2002. Vol 1. -P. 487-490.

43. Agricultural monitoring meeting convened for the integrated global observations for land theme // Материалы семинара IGOL, Рим, 2006. 34 p.

44. Earth Observation System (EOS) Data Products Handbook, eds. King M.D., Closs J., Spangler S. et al. // Greenbelt Maryland: NASA Goddard Space Flight Center, 2003. Vol. 1.-258 p.

45. Earth Observation System (EOS) Data Products Handbook, eds. Parkinson C.L., Greenstone R. // Greenbelt, Maryland: NASA Goddard Space Flight Center, 2000.-Vol. 2.-253 p.

46. Friedl M.A., Mclver D.K., Hodges J.C.F. et al. Global land cover mapping from MODIS: algorithms and early results // Remote Sensing of Environment, 2002. -№83. -P. 287-302.

47. Guenther В., Xiong X., Salomonson V.V. et al. On-orbit performance of the Earth Observing System Moderate Resolution Imaging Spectroradiometer; first year of data // Remote Sensing of Environment, 2002. № 83. - P. 16-30.

48. Justice C.O., Townshend J.R.G., Vermote E.F. et al. An overview of MODIS Land data processing and product status // Remote Sensing of Environment, 2002.-№83.-P. 3-15.

49. Justice C.O., Vermote E., Townshend J.R.G. et al. The moderate resolution imaging spectroradiometer (MODIS): land remote sensing for global research // IEEE Transactions on Geoscience and Remote Sensing, 1998. Vol 36. - № 4. -P. 1228-1249.

50. Justice C.O., Townshend J. Special issue on the moderate resolution imaging spectroradiometer (MODIS): a new generation of land surface monitoring // Remote Sensing of Environment, 2002. № 83. - P. 1-2.

51. Xiong X., Chiang K., Esposito J. et al. MODIS on-orbit calibration and characterization // Metrología. № 40,2003. P. 89-92.

52. Kalvelage Т., Willems J. Supporting users through integrated retrieval, processing, and distribution systems at the Land Processes Distributed Active Archive Center // Acta Astronáutica. Vol. 56. - № 7. - P. 681-687.

53. Seong J.C., Mulcahy K.A., Usery E.L. The sinusoidal projection: a new importance in relation to global image data // The Professional Geographer, 2002. -№54.-P. 218-225.

54. Дейвис Ш.М., Ландгребе Д.А., Филлипс Т.Л. и др. Дистанционное зондирование: количественный подход // Пер. с англ. М.: Недра, 1983. -415 с.

55. Key J., Barry R.G. Cloud cover analysis with arctic AVHRR data // Journal of Geophysical Research, 1989.-Vol. 94.-№D15.-P. 18,521-18,535.

56. Rossow W.B. Measuring cloud properties from space: A review // Journal of Climate, 1989. -№2,-P. 201-203.

57. Rossow W.B., Gardner L.C., Lacis A.A. Global, seasonal cloud variations from satellite radiance measurements, I. Sensitivity of analysis // Journal of. Climate, 1989.-№2.-P. 419-458.

58. MODIS Level 1A Earth Location: Algorithm Theoretical Basis Document Version 3.0, eds. Nishihama M., Wolfe R., Solomon D. et al., 1997.

59. Hall D.K., Riggs G.A., Salomonson V.V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data // Remote Sensing of Environment, 1995. № 54. - P. 127-140.

60. Барталев C.A., Егоров B.A., Ильин B.O. и др. Синтез улучшенных сезонных изображений Северной Евразии для картографирования и мониторинга динамики растительности по данным SPOT-Vegetation. // Солнечно-земная физика. Выпуск 5 (118), 2004. С. 12-14.

61. Енюков И.С., Ретинская И.В., Скуратов А.К. Статистический анализ и мониторинг научно-образовательных интернет-сетей // М.: Финансы и статистика, 2004. 320 с.

62. Книжников Ю.Ф., Кравцова В.И., Тутубалина О.В. Аэрокосмические методы географических исследований // М.: Академия, 2004. 336 с.151

63. Зоидзе Е.К., Овчаренко Л.И. Сравнительная оценка сельскохозяйственного потенциала климата территории РФ и степени использования ее агроклиматических ресурсов // СПб.: Гидрометеоиздат, 2000. 75 с.

64. Агроклиматический справочник по Ростовской области // Ленинград: Гидрометеоиздат, 1961.

65. Справочник агронома по сельскохозяйственной метеорологии // Ленинград: Гидрометеоиздат, 1986.-340 с.

66. Бабушкин О.Л., Грингоф И.Г., Шамен A.M. Толковый словарь по сельскохозяйственной метеорологии // СПб.: Гидрометеоиздат, 2002. -470 с.

67. Третьяков Н.Н., Ягодин Б.А., Туликов A.M. Агрономия // М.: Академия, 2004.-480 с.

68. Площади, валовые сборы и урожайность сельскохозяйственных культур и многолетних насаждений // Краснодар: Краснодарстат, 2004.

69. Посевные площади, валовые сборы и урожайность сельхозкультур в хозяйствах всех категорий Ростовской области // Ростов-на-Дону: Ростовобластат, 2001; 2002; 2003; 2004.

70. Инструкция по заполнению формы федерального государственного статистического наблюдения № 29-сх «Сведения о сборе урожая сельскохозяйственных культур». Утверждена постановлением Госкомстата России от 26 сентября 2002 № 184.

71. Bartalev S.A., Belward A.S., Erchov D.V. et al. A new SPOT4-VEGETATION derived land cover map of Northern Eurasia // International Journal of Remote Sensing, 2003. Vol. 24. - № 9. - P. 1977-1982.