Обработка информации комплекса активных и пассивных приборов дистанционного зондирования Земли при аэрокосмическом мониторинге тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Черемисин, Максим Владимирович

• Черемисин, Максим Владимирович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Черемисин, Максим Владимирович

ОГЛАВЛЕНИЕ

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ВОЗМОЖНОСТЕЙ ИСПОЛЬЗОВАНИЯ МЕТОДОВ

ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ В ОПТИЧЕСКОМ И

РАДИО ДИАПАЗОНЕ ДЛЯ КОМПЛЕКСНОГО МОНИТОРИНГА ЛЕСОВ

1.1. Общая характеристика тестового участка леса

1.2 Основные особенности дистанционных данных в оптическом и

радио диапазоне длин волн

1.3 Методы и алгоритмы анализа данных дистанционного зондирования лесов

1.4 Системы глобального мониторинга лесов РФ

Выводы к Главе 1

ГЛАВА 2. РАЗРАБОТКА МОДЕЛИ ФОРМИРОВАНИЯ ДИСТАНЦИОННО-ОРИЕНТИРОВАННЫХ ВЫДЕЛОВ (ДОВ) ДЛЯ РЕШЕНИЯ ЗАДАЧ МОНИТОРИНГА ЛЕСНЫХ ТЕРРИТОРИЙ

2.1 Исходные предпосылки для разработки нового метода мониторинга лесов

2.2 Алгоритмы кластерного анализа при обработке данных ДЗЗ

2.3 Модель формирования ДОВ

2.4 Автоматическая векторизация пересечённых кластеров

Выводы к Главе 2

ГЛАВА 3. МЕТОД МОНИТОРИНГА ЛЕСОВ С ПОМОЩЬЮ ДИСТАНЦИОННО-ОРИЕНТИРОВАННЫХ ВЫДЕЛОВ

3.1 Совместная обработка оптических и радиолокационных данных при мониторинге лесов. Метод мониторинга лесов на основе ДОВ

3.2 Формирование ДОВ тестового участка леса

3.3 Определение экологических и таксационных параметров леса в границах ДОВ

Выводы к Главе 3

ГЛАВА 4. ПРИМЕНЕНИЕ ОПТИЧЕСКИХ И РАДИОЛОКАЦИОННЫХ ДАННЫХ ПРИ ИССЛЕДОВАНИИ ДРЕВЕСНОЙ РАСТИТЕЛЬНОСТИ МОСКОВСКОЙ ОБЛАСТИ

4.1 Результаты анализа радиолокационных данных тестового участка

4.2 Результаты анализа оптических данных тестового участка

Выводы к Главе 4

ГЛАВА 5. ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМЫ МОНИТОРИНГА ЛЕСОВ НА ОСНОВЕ ДОВ С БОРТА РОССИЙСКОГО СЕГМЕНТА МЕЖДУНАРОДНОЙ КОСМИЧЕСКОЙ СТАНЦИИ

5.1 Вариант программной реализации метода мониторинга на основе

ДОВ

5.2 Комплексный мониторинг лесов текущими и перспективными средствами ДЗЗ РС МКС

5.3 Перебазируемый комплекс приёма и обработки данных ДЗЗ

Выводы к Главе 5

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

СПИСОК СОКРАЩЕНИЙ

АРМ - автоматизированное рабочее место;

АС - антенная система;

ББП - банк базовых продуктов;

БЗУ - бортовое запоминающее устройство;

БИТС - бортовая информационно-телеметрическая система;

БПЛА - беспилотный летательный аппарат;

БСК - блок силовой коммутации;

БСКЭ - блок силовой коммутации электронный;

ВИ - вегетационный индекс;

ВСС - видеоспектральная система;

ГИЛ - государственная инвентаризация лесов;

гис - геоинформационные системы;

го - герметичный отсек;

ддз - данные дистанционного зондирования;

дз - дистанционное зондирование;

ДЗЗ - дистанционное зондирование Земли;

ДОВ - дистанционно-ориентированные выделы;

ДПН - двухповоротная платформа наведения;

ик - инфракрасный диапазон частот;

ики - Институт космических исследований;

КА - космический аппарат;

КС я - коэффициент спектральной яркости;

КЦН - комплекс целевых нагрузок;

ЛВС - локальная вычислительная сеть;

МГУ - московский государственный университет

млм - многоцелевой лабораторный модуль;

МП - метод максимального правдоподобия;

МЧС - министерство чрезвычайных ситуаций

НА - научная аппаратура;

НКПОР - наземный комплекс приёма, обработки и распределения информации;

НЦ ОМЗ Научный центр оперативного мониторинга Земли

ОАО «НПО ИТ» - открытое акционерное общество «научно-

производственное объединение измерительной техники»;

ОЛХ - опытное лесное хозяйство;

ПКПО - перебазируемый комплекс приёма и обработки информации;

ПКТИ - перебазируемый комплекс телеметрических измерений;

ПК - персональный компьютер;

ППН - постоянные пункты наблюдения;

ПРА - приёмо-регистрирующая аппаратура;

РАН - российская академия наук;

РСА - радиолокатор с синтезированной апертурой;

РС МКС - российский сегмент международной космической станции;

РЯ - радиояркостная температура;

СВЧ - сверхвысокая частота;

СВПИ - система высокоскоростной передачи информации;

СМ - служебный модуль;

СПО - специальное программное обеспечение;

СУБА - система управления бортовой аппаратурой;

СУБК - система управления бортовым комплексом;

ТВМ - терминальная вычислительная машина;

УЭПР - удельная эффективная площадь рассеивания;

ФАР - фотосинтетическая активная радиация;

ФГУП - федеральное государственное унитарное предприятие;

ФСС - фотоспектральная система;

ЦВМ - центральная вычислительная машина;

ЭМВ - электромагнитные волны;

ЭПР - энергетическая площадь рассеивания;

EWT - equivalent water thickness (суммарное содержание влаги);

FLASH - fast line-of-sight atmospheric analysis of spectral hypercubes (быстрый инструмент атмосферной коррекции СПО ENVI для гиперспектральных данных);

FPAR - fraction of photosynthetically active radiation (доля

фотосинтетически активной радиации);

GPP - gross primary production (валовая первичная продукция);

IDL - interactive data language (интерактивный язык

программирования СПО ENVI);

ISODATA - iterative self-organizing data analysis technique (итерационная самоорганизующаяся методика анализа данных);

LAI - leaf area index (индекс листовой поверхности);

NDII - normalized difference infrared index (нормализованный

инфракрасный индекс);

NDVI - normalized difference vegetation index (нормализованный

разностный индекс растительности);

NPP - net primary productivity (чистая первичная продукция);

QUAC - quick atmospheric correction (быстрая атмосферная

коррекция в СПО ENVI);

RPC - rational polynomial coefficients (коэффициент рациональных

полиномов);

SAR - synthetic aperture radar (PCA);

SWVI - soil wetness variation index (индекс изменения влажности

почвы);

UDP - user datagram protocol (протокол пользовательских

датаграмм);

Введение диссертации (часть автореферата) на тему «Обработка информации комплекса активных и пассивных приборов дистанционного зондирования Земли при аэрокосмическом мониторинге»

ВВЕДЕНИЕ

Актуальность работы. Развертывание системы космического мониторинга лесов имеет не только экономическое, но и технологическое значение для лесного хозяйства России, так как требует повсеместного внедрения геоинформационных систем (ГИС), систем электронного документооборота, новых компьютерных методов дешифрирования. По сути, программа дистанционного мониторинга является частью технологической и организационной модернизации лесного хозяйства России [21]. Можно выделить ряд организаций, внёсших свой существенный вклад в развитие методов обработки аэрокосмических изображений при мониторинге лесов (ИКИ РАН, ФИРЭ РАН, ОАО «РКС», ЦЭПЛ РАН, ИЛ СО РАН, МГУ, МГУЛ, МарГТУ, организации Рослесхоза, ИТЦ «Сканэкс», ЦПАМ «Аэрокосмос» и др.). Набор решаемых проблем лесной отрасли с помощью дистанционного зондирования Земли (ДЗЗ) в основном сводится к обнаружению существенных повреждений лесных территорий (вырубки, гари, ветровалы) методом визуально-экспертного анализа с низкими показателями автоматизации. Основная часть применяемых спутниковых данных относится к изображениям оптического диапазона длин волн, методы оценки породного состава и биопродуктивности по которым уже известны. Дистанционные данные приборов активного и пассивного СВЧ мониторинга растительности в практике лесного хозяйства применяются гораздо реже, ограничиваясь разделением исследуемых участков на категории «лес - не лес» (мониторинг вырубок).

На сегодняшний день существуют два вида мониторинга лесов: ведомственные мероприятия государственной инвентаризации лесов (ГИЛ) и системы глобального мониторинга растительности на основе веб-интегрированных ГИС (Веб-ГИС). Первый вид мониторинга выполняется, главным образом, полевыми измерениями с применением аэрокосмической информации и ГИС-технологий лишь для визуализации пространственных данных и актуализации (оценка факта наличия) лесного участка. Второй

вариант мониторинга для визуализации использует Веб-ГИС среду с формированием слоев значений вегетационных индексов (часто одного - NDVI) по изображениям только оптического частотного диапазона зондирования. Глобальные Веб-ГИС сервисы дают пользователю ограниченную информацию о растительности, демонстрируя лишь слой поля значений NDVI и иногда плюс к этому производные от индекса NDVI поля значений биологических параметров (LAI, NPP, GPP и др.). Часто отсутствие других видов информации вызвано причиной достижения пределов доступных для хранения объёмов памяти на ГИС-серверах (терабайты данных).

Существует два основных подхода одновременного сохранения и даже наращивания информативности систем ДЗЗ и при этом сокращения объёмов обрабатываемой и хранимой информации на ГИС-серверах. Первый подход предполагает оптимизацию каналов ДЗЗ приборов, целевая информация которых участвует в мониторинге растительности. Второй подход основан на объектно-ориентированных принципах, при которых анализ и классификация изображений происходят не на уровне пикселей, а на уровне объектов, групп пикселей, объединённых на основе определённой совокупности критериев.

Основные предпосылки, определяющие актуальность диссертационного исследования:

- низкие показатели оперативности результатов мониторинга в рамках ГИЛ (от 1 до 10 лет);

- низкая степень автоматизации процедур обработки информации с приборов и систем ДЗЗ;

- ограниченный анализ состояния растительности средствами Веб-ГИС без использования всего многообразия дистанционных признаков широкого диапазона длин волн приборов ДЗЗ;

- достижение предельных объёмов памяти при хранении целевой информации на серверах с приборов и систем ДЗЗ.

Целью диссертационной работы явилась разработка нового метода обработки информации по данным с приборов активного и пассивного

аэрокосмического зондирования Земли различных диапазонов длин волн при дистанционном мониторинге.

Задачи исследования. В соответствии с указанной целью в диссертационной работе были поставлены и решены следующие задачи:

- разработка модели формирования дистанционно-ориентированных выделов (ДОВ) по информации с приборов дистанционного зондирования Земли (ДЗЗ) различных диапазонов длин волн;

- мониторинг тестового участка леса Московской области на основе ДОВ с определением таксационных и экологических параметров в их границах;

- разработка метода мониторинга лесов на основе ДОВ;

- оценка возможности определения породного состава и среднего запаса насаждений на тестовом участке леса по радиолокационным и оптическим данным спутников ДЗЗ;

- практическая реализация метода мониторинга лесов на основе ДОВ с помощью выбранных программных и аппаратных средств, разработка варианта реализации метода существующими и перспективными средствами ДЗЗ РС МКС.

Объект исследования. Объектом исследования диссертационной работы является совокупность существующих и разрабатываемых методов представления и обработки информации аэрокосмических средств дистанционного зондирования при мониторинге лесов.

Предмет исследования. Доказательство возможностей и определение условий применения комплекса активных и пассивных приборов при аэрокосмическом мониторинге лесов.

Научная новизна. В диссертационной работе получены следующие научные результаты:

1. Разработана модель и алгоритм формирования дистанционно-ориентированных выделов с использованием информации комплекса активных и пассивных приборов ДЗЗ различных диапазонов длин волн.

2. Разработан метод мониторинга лесов на основе ДОВ.

3. Разработана архитектура системы обработки информации комплекса активных и пассивных приборов ДЗЗ при мониторинге лесов на основе дистанционно-ориентированных выделов.

Практическая значимость работы. На базе полученных теоретических результатов, была создана подпрограмма, встраиваемая в основной пакет программного продукта ENVI IDL, которая является его отдельным диалоговым инструментом. Созданным инструментом был исследован тестовый участок леса Московской области с определением по известным регрессионным моделям ряда его экологических и таксационных характеристик. Предложена структурная схема интеграции существующих и перспективных средств ДЗЗ PC МКС при мониторинге лесов. Разработан вариант НКПОР в виде перебазируемого комплекса приёма и обработки информации (ПКПО), на аппаратных средствах которого может быть реализован и долговременно поддерживаться метод мониторинга лесов на основе ДОВ.

Достоверность полученных научных результатов подтверждается корректностью использования математического аппарата, положительными результатами экспериментальной проверки и отзывами при обсуждениях на многочисленных научных конференциях.

Методы исследования. При выполнении диссертационной работы были использованы методы распознавания образов и обработки изображений, математической статистики, кластерного анализа, геоинформатики, прикладного программирования.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на следующих научных конференциях:

ежегодная научно-техническая конференция профессорско-преподавательского состава и аспирантов МГУ леса, Мытищи, 2010г., 2011г., 2012г.;

- научная конференция при МГТУ им. Баумана «Время, вперёд!», Москва, 2010г.;

- научная конференция молодых специалистов ФГУП «НПО -Автоматики им. H.A. Семихатова», Екатеринбург, 20 Юг;

- научно-техническая конференция молодых учёных ОАО «НПО Измерительной техники», Королёв, ноябрь 2009г, 2010 г.;

семинар «ЭКО Среды», Музей землеведения МГУ им. М.В. Ломоносова, Москва, 2012г;

- XLVII научные чтения памяти К.Э. Циолковского, Калуга, 2012;

- Десятая Всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса", Москва, ноябрь 2012 г.

Публикации. Автором опубликовано 14 работ по теме диссертации, в том числе 5 работ в журналах входящих в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук». Список опубликованных работ приведён далее. Получен патент на изобретение №2489845 (РФ) «Способ мониторинга лесов» (Заявка № 2012116275/13 от 24.04.2012.).

Положения, выносимые на защиту:

1. Модель формирования дистанционно-ориентированных выделов на основе информации комплекса активных и пассивных приборов ДЗЗ различных диапазонов длин волн.

2. Метод многолетнего дистанционного мониторинга лесов на основе дистанционно-ориентированных выделов.

3. Архитектура системы обработки информации комплекса активных и пассивных приборов ДЗЗ при мониторинге лесов на основе дистанционно-ориентированных выделов.

Структура и объём диссертации. Работа состоит из списка сокращений, введения, пяти глав, заключения и списка литературы. Список литературы

включает 112 источников. Работа содержит 10 таблиц и 49 рисунков. Объём диссертации - 137 страниц.

В первой главе даётся подробная характеристика объекту исследования, тестового лесного массива Московской области с описанием основных таксационных и экологических параметров, измеренных наземными методами. Рассматриваются основные особенности данных в оптическом и радиодиапазоне с описанием их физических возможностей при мониторинге лесов. Определяются основные индикативные характеристики леса пригодные для оценки дистанционными методами с указанием текущих требований их пространственного разрешения и периодичности. Кратко описываются существующие методы анализа данных ДЗЗ лесов. Приводятся материалы о системах глобального мониторинга лесов РФ с описанием заложенных принципов и указанием основных преимуществ и недостатков.

Во второй главе описываются исходные предпосылки для разработки нового метода мониторинга лесов на основе данных различных диапазонов длин волн. Рассматриваются подходы кластерного анализа при обработке данных ДЗЗ с описанием вариантов применения существующих алгоритмов. Исходя из основного определения лесного выдела в лесоустроительных работах и учёта методов ДЗЗ, предлагается создание специально адаптированных для космического мониторинга выделов на основе классификации полей значений ВИ, РЯ и УЭПР лесного участка без участия эксперта в автоматическом режиме. Такие выделы предлагается именовать как дистанционно-ориентированные выделы (ДОВ). ДОВ - это относительно однородные группы, в пределах которых общая изменчивость значений ВИ, РЯ, УЭПР или любых других дистанционных признаков меньше чем в общей совокупности. Описывается предложенная математическая модель формирования ДОВ по данным с приборов ДЗЗ различного диапазона длин волн (оптических, радиометрических, радиолокационных). Приводится таблица вегетационных индексов, часто применяемых на практике при мониторинге растительности и легко реализуемых существующими средствами обработки спутниковых

данных оптического диапазона. Указываются наиболее доступные варианты самих спутниковых данных. Более подробно рассмотрен алгоритм автоматической векторизации пересечённых кластеров с формированием нетопологической модели данных, приводится блок-схема.

В третьей главе описывается совместная обработка разносенсорных данных ДЗЗ принципами Data Fusion. Реализуется модель формирования ДОВ по совместно обрабатываемым данным с приборов оптического и радиолокационного диапазонов длин волн. На основе модели формирования ДОВ предлагается новый метод многолетнего мониторинга лесов, использующий принципы веб-интегрированных ГИС сервисов. Приводится сравнительная гистограмма систем мониторинга лесов РФ с указанием преимущественного положения метода на основе ДОВ. Выполняется формирование ДОВ тестового участка леса Московской области, в границах которых по существующим регрессионным связям определяются экологические и таксационные параметры леса.

В четвёртой главе приводятся результаты анализа возможностей радиолокационных и оптических данных выявлять породный, возрастной состав растительности и средний запас насаждений. Радиолокационные данные спутникового источника исследуются на различных поляризациях электромагнитной волны.

Для выявления породного и возрастного состава лесной растительности проведена оценка сезонной и межгодовой изменчивости средних значений ЭПР по однородным участкам лесничеств на поляризациях НН и HV. Следует отметить стабильное (в отличие от НН поляризации) наличие радиолокационного контраста на HV поляризации между лиственными и хвойными участками. Максимальный межсезонный ход радиолокационного контраста на HV поляризации имеют молодые березняки. Максимальный контраст на HV поляризации между разновозрастными участками одной породы дали березняки в летний сезон [48].

Исследование среднего запаса древостоя было выполнено так же на разных поляризациях и с учётом времени года. ЭПР на НН поляризации L-диапазона возрастает примерно на 0,75 dB в зимний период и на 1 dB в летний период при возрастании среднего запаса древесины от 0 до 400 м3. ЭПР на HV L-диапазона поляризации возрастает примерно на 1,5 dB в летний период при возрастании среднего запаса древесины от 0 до 400 м3. Важно отметить также резкое падение ЭПР на HV поляризации в диапазоне средних запасов ниже 50 м3 [48].

Тестирование данных оптического диапазона спутниковых снимков Landsat 7 ЕТМ+ и ALOS (AVNIR-2) подтвердило возможность их использования при дешифрировании породного состава (берёза, ель, сосна) тестового участка леса Московской области при уровне преобладания пород более 80%. Более высокие показатели смешения видов значительно затрудняют распознавание породного состава, существенно снижая при этом возможности использования оптических данных [66].

В пятой главе даётся вариант программной и аппаратной реализации метода мониторинга на основе ДОВ. Приводится архитектура информационной системы многолетнего дистанционного мониторинга лесов на базе выбранных ПО. Описывается разработанный диалоговый инструмент ENVI DOS к основному пакету ПО ENVI. Более подробно повествуется о каждом этапе работы инструмента.

По материалам описания систем управления бортовой аппаратуры PC МКС [18] разработана структурная схема основных элементов интегрированной системы связи и управления научной аппаратурой (НА) ДЗЗ при мониторинге лесных экосистем с описанием функциональных особенностей каждого блока.

Рассмотрен вариант наземной инфраструктуры при реализации метода мониторинга лесов на базе перебазируемого комплекса приёма и обработки информации (ПКПО). Описаны основные подходы при построении, разработана структурная схема с отдельным описанием подсистем комплекса.

ГЛАВА 1. АНАЛИЗ ВОЗМОЖНОСТЕЙ ИСПОЛЬЗОВАНИЯ МЕТОДОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ В ОПТИЧЕСКОМ И РАДИОДИАПАЗОНЕ ДЛЯ КОМПЛЕКСНОГО МОНИТОРИНГА ЛЕСОВ

1.1. Общая характеристика тестового участка леса

Общая площадь лесов Московской области на 01.01.2010г. составляет 2122,8 тыс. га, в том числе на долю лесов на землях лесного фонда приходится 1984,3 га. Лесистость области - 41,4 %. Покрытая лесом площадь земель лесного фонда составляют 1814,1 тыс. га [47]. При относительно высокой лесистости наблюдается малый удельный вес лесов, приходящихся на одного жителя - 0,14 га из-за высокой плотности населения (около 300 чел. на 1 кв. км.). Эта фактор характеризует повышенную социально - экологическую и рекреационную роль лесных насаждений.

Приказом Министерства сельского хозяйства РФ от 04.02.2009 №37 «Об утверждении перечня лесорастительных зон и лесных районов Российской Федерации» леса области отнесены к району хвойно-широколиственных лесов европейской части Российской Федерации зоны хвойно-широколиственных (смешанных лесов) лесов и лесостепному району европейской части Российской Федерации лесостепной зоны. Для оптимизации лесозащитных работ территория лесного фонда Московской области, разделена на лесозащитные районы. Районы выделялись с учетом ландшафтного и лесорастительного деления по однородности лесохозяйственных и лесорастительных условий. Леса Московской области из-за высокой антропогенной нагрузки отнесены к территории с сильной степенью лесопатологической угрозы (рис. 1.1.).

N9 Филиал-лесничество

1 ТАЛДОМСКИЙ

2 СЕРГИЕВО-ПОСАДСКИЙ

3 ДМИТРОВСКИЙ

4 КЛИНСКИЙ

5 ВОЛОКОЛАМСКИЙ

6 УЧЕБНО ОПЫТНЫЙ

7 ИСТРИНСКИЙ

8 НОГИНСКИЙ

9 ОРЕХОВО ЗУЕВСКИЙ

10 ЗВЕНИГОРОДСКИЙ

11 БОРОДИНСКИЙ

12 ШАТУРСКИЙ

13 ВИНОГРАДОВСКИЙ

14 НАРО ФОМИНСКИЙ

15 ПОДОЛЬСКИЙ

16 ЕГОРЬЕВСКИЙ

17 СТУПИНСКИЙ

18 ЛУХОВИЦКИЙ

19 РУССКИЙ ЛЕС

Экспликация

Наименование филиалов

Условные обозначения

Лесозащитный район

Щ ЯХРОМСКОЙ

| II I ЛАМСКИЙ

| III | ВЕРХНЕ-МОСКВОРЕЦКИЙ

| IV | МЕЩЕРСКИЙ

| V | ОКСКО-МОСКВОРЕЦКИЙ

| VI I ЗАОКСКИЙ

| VII I ЦЕНТРАЛЬНЫЙ ПАРКОВЫЙ

Рис. 1.1 Лесозащитные районы Московской области [47]

В качестве тестового участка в исследованиях дистанционными методами был выбран участок леса опытного лесного хозяйства (ОЛХ) "Русский лес", расположенный в южной части Московской области вдоль левого берега реки Оки на территории двух административных районов - Серпуховского и Ступинского (рис. 1.2, рис.1.3).

Породный состав

I Дуб

I Ель Ива | Клен Липа

Лиственница | Ольха Черная | Ольха Серая Осина Сосна

Рис. 1.2 Распределение породного состава тестового участка леса [48]

Рис. 1.3 Распределение возрастного состава тестового участка леса [48]

OJ1X организовано в 1967 г. во исполнение Постановления Совета Министров СССР как постоянно действующая школа передового опыта, достижений науки и новых форм ведения лесного хозяйства. Территория хозяйства разделена на 10 лесничеств, средняя площадь лесничества - 7 тыс. га. Общая площадь лесного фонда (по состоянию на 01.01.2010 г.) - 71,4 тыс. га, в том числе покрытые лесной растительностью земли - 66,6 тыс. га. Средний состав насаждений - 5Б2Е2С10с+Д (50% - Берёзы, 20% - Ели, 20% - Сосны, 10% - Осины, Д - Дуб, Лп - Липа от 2% - 5%), Лп; средний возраст - 53 года; средняя полнота - 0,73; средний бонитет - 1,4; текущее изменение запаса на 1 га - 4,0 куб. м. Все леса отнесены к первой группе. Насаждения отличаются достаточно высокой продуктивностью: 65 % покрытых лесной растительностью земель заняты высокобонитетными древостоями (1-1 а); 43 % -высокополнотными насаждениями (полнота 0,8 и выше). По площади преобладают средневозрастные насаждения (53%), меньшую площадь занимают спелые и перестойные (18%), приспевающие (17%) и молодняки (12%). Расчетная лесосека по главному пользованию 100 тыс. куб. м осваивается в настоящее время на 30-35 % [71].

Территория относится к подзоне хвойно-широколиственных лесов. Характерной чертой современных лесов является практически полное отсутствие лесов зонального типа. Это связано с тем, что лесные массивы сформировались в результате сильных антропогенных воздействий (распашки, гари, многократные рубки) на протяжении последнего тысячелетия. В настоящее время в лесном покрове преобладают виды мелколиственных деревьев: береза (Betula pendula, В. pubescens), осина (Populus tremula), а из хвойных - сосна (Pinus sylvestris). Сосновые насаждения представлены в основном культурами разного возраста. Зональным типом растительности являются полидоминантные елово-широколиственные леса, включающие как широколиственные виды деревьев (Quercus robur (дуб черешчатый), Tilia cordata (липа сердцевидная), Acer platanoides (клён остролистый), Ulmus glabra (вяз горный), U. Laevis (вяз гладкий), Fraxinus excelsior (ясень обыкновенный)),

так и ель (Picea abies). В долинах малых рек распространены леса с преобладанием ольхи черной (Alnus glutinosa) [71].

1.2 Основные особенности дистанционных данных в оптическом и радиодиапазоне длин волн

Спутниковое зондирование лесных экосистем в оптическом диапазоне в настоящее время является основным дистанционным методом при определении главных характеристик лесов. Этот диапазон начал использоваться первым в ДЗЗ и к настоящему времени наработаны технологии его использования для различных целей. В оптическом диапазоне можно получить наилучшее пространственное разрешение, изображения в видимом спектре более привычны для людей по восприятию.

Основные особенности дистанционного зондирования в оптическом диапазоне отображены в табл. 1.1

По пространственному разрешению снимки делятся: низкого пространственного разрешения (1 км), среднего пространственного разрешения (250-500 м), высокого пространственного разрешения (20-50м), детального пространственного разрешения (1-5 м) [45].

Для решения задач мониторинга лесов используются в основном комбинации снимков низкого, среднего и высокого разрешения. Для задач картографирования возможно использование снимков низкого пространственного разрешения в основном в масштабах регионального уровня. Для локальных масштабов мониторинга лесов точные результаты дают снимки высокого пространственного разрешения. Ограниченная доступность указанных данных для покрытия больших территорий и пространственная изменчивость лесного покрова делает затруднительной экстраполяцию получаемых данных высокого разрешения на региональные масштабы.

Характеристики лесных экосистем получают из космических оптических изображений в результате специализированной обработки дистанционных

данных, с учетом априорной информации об исследуемых объектах. Простейшими характеристиками являются тип растительности и занимаемая им площадь. Эти признаки могут быть получены в оптическом диапазоне с достаточно высокой точностью. При этом используются различия в спектрах отражения, характерных для различных типов земных покровов и растительности (рис. 1.4, рис. 1.5).

0.6 0.8

2.0 2.2

Wavelength (micrometers)

Рис. 1.4 Спектры отражения земных покровов и оптические каналы спутников SPOT и Landsat (график зависимости длины волны в микрометрах от амплитуды отражения в процентах) [48].

Таблица 1.1

Тип съёмки Основные преимущества Основные недостатки Характерные черты Основное назначение

Панхроматическая съёмка (чёрно-белое) Высокое и сверхвысокое пространственное разрешение (0,4-2 м), узкая полоса съемки (15-20км) Обнаружение, распознавание и определение границ объектов (например, лесов, с/х полей, дорог, поселений и пр.)

Мультиспектральная съёмка (десятки каналов) Низкое энергопотребление съемочной аппаратуры, относительно малые массы и размеры съемочных камер. Возможность Невозможность осуществления съемки земной поверхности при наличии облачности, низкой освещенности и в ночное время Среднее пространственное разрешение (2-30 м), полоса съемки 20-200 км. Мультиспектральное изображение может покрывать видимые и ближние инфракрасные длины волн в нескольких спектральных диапазонах, которые включаются в один файл. Улучшение распознавания объектов. Классификация внутри данного объекта (например, определение видового состава леса, типов с/х культур, типов почв и пр.) Определение биофизических параметров

Гиперспектральная съёмка высокого пространственного разрешения Среднее и низкое простр. разрешение (30-300 м), полоса съемки 10-1000 км. Изображения в виде большого числа узких спектральных диапазонов с возможностью съёмки почти непрерывного спектра. Улучшение классификации объектов. Детальное определение биофизических параметров Выявление различий внутри классов (например, выявление заболеваний леса и с/х культур, эрозии почв, минералогического состава и пр.)

Wavelength (micrometers)

Рис. 1.5 Спектры отражения растительности (график зависимости длины волны в микрометрах от амплитуды отражения в процентах) [48].

Основные направления мониторинга лесных экосистем по данным космической съемки в оптическом диапазоне и оцениваемые характеристики приведены в табл. 1.2 [6].

Таблица 1.2

Основные задачи дистанционного мониторинга лесных экосистем

Задачи мониторинга Объекты и процессы наблюдения Оцениваемые характеристики

Картографирование и оценка структуры лесов Растительный покров. Водно-болотные комплексы. Непокрытые растительностью земли Жизненные формы растительности. Тип вегетативных органов. Фенологический тип растительности. Видовой состав растительности. Возрастная структура лесов

Оценка биофизических характеристик лесов Лесной покров Надземная биомасса; Индекс листовой поверхности (LAI); Объем первичной продукции (NPP) Доля поглощенной ФАР (fPAR); Концентрация хлорофилла; 3D структура лесного покрова

Задачи мониторинга Объекты и процессы наблюдения Оцениваемые характеристики

Оценка возмущающих воздействий на леса Лесные пожары; Вырубки лесов; Факторы биотического воздействия; Факторы техногенного воздействия; Восстановительная динамика лесов Тип фактора воздействия; Площадь повреждений; Степень повреждений; Время события; Скорость восстановления растительности

Оценка фенологической динамики лесов Фенологическая динамика лесных экосистем Продолжительность залегания снега. Продолжительность вегетационного сезона. Сроки наступления фенологических фаз

Оценка многолетних трендов состояния лесов Границы биомов и зоны перехода; Структура лесного покрова; Биофизические харак-ки; Режимы землепользования; В озмущающие воздействия на леса; Фенологические ритмы Наличие трендовой динамики Направление трендовой динамики Скорость трендовой динамики

Оценка физических характеристик поверхности Все типы наземных экосистем Альбедо Температура Влагосодержание

Список литературы диссертационного исследования кандидат наук Черемисин, Максим Владимирович, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Абламейко C.B., Лагуновский Д.М. Обработка изображений: технология, методы, применение. Учебное пособие. - Мн.: Амалфея, 2000. - 304 с.

2. Алексеев В. А., Световой режим леса, — Л.: Наука, 1975, 226 с.

3. Арманд А.Н., Тищенко Ю.Г., Аблязов B.C., Халдин, A.A. Спутниковая СВЧ радиометрия L-диапазона / Сборник научных статей: «Современные проблемы дистанционного зондирования земли из космоса». М., Азбука, -

2006. - Т.1, вып. 3. - с. 221-223.

4. Балтер Б.М., Егоров В.В., Калинин А.П, Родионова И.П, Стальная М.В. Методика и предварительные результаты совместной обработки данных гиперспектрального и радиолокационного зондирования посевов сельскохозяйственных культур / Сборник научных статей: «Современные проблемы дистанционного зондирования земли из космоса». - 2009. — Т.1.-с. 81-88

5. Барталёв С.А., Бурцев М.А., Лупян Е.А., Прошин A.A., Уваров H.A. Разработка информационной системы поддержки мониторинга состояния и динамики наземных экосистем Северной Евразии по данным спутниковых наблюдений / Сборник научных статей: «Современные проблемы дистанционного зондирования Земли из космоса». - М.: ИКИ РАН. - 2004. - с. 131-139.

6. Барталев С.А. Разработка методов оценки состояния и динамики лесов на основе данных спутниковых наблюдений. Диссертация на соискание ученой степени доктора технических наук. ИКИ РАН, 291 стр. Москва

2007.

7. Барталёв С.С. Разработка методики региональной экологической оценки состояния лесов по данным спутниковых наблюдений: диссер. на соискание ученой степени кандидата тех. наук / МИИГАиК. - М.: МИИГАиК, 2006. - 130 с.

8. Барталёв С.А., Златопольский А. А., Галеев A.A., Ефремов В.Ю., Лупян Е.А., Мазуров A.A., Прошин A.A., Флитман Е.В., Щербенко Е.В. Автоматизированное уточнение площадей, пройденных лесными пожарами, по данным приборов HRV, HRV1 / Сборник научных статей: «Современные проблемы дистанционного зондирования земли из космоса». - М.: ИКИ РАН, - 2009. - Т.2, вып.6 - с. 335-342.

9. Барталёв С.А., Егоров В.А., Крылов A.M., Стыценко Ф.В., Ховратович Т.С. Исследование возможностей оценки состояния повреждённых пожарами лесов по данным многоспектральных спутниковых измерений / Сборник научных статей: «Современные проблемы дистанционного зондирования земли из космоса». - М.: ИКИ РАН, - 2010. - Т.7, вып.З - с. 215-225.

10.Барталёв С.А., Ховратович Т.С. Анализ возможностей применения методов сегментации спутниковых изображений для выявления изменений в лесах / Сборник научных статей: «Современные проблемы дистанционного зондирования земли из космоса». - М.: ИКИ РАН, - 2011. -Т.8, вып.1 - с. 44-62.

11.Басков P.C. Использование мобильного ситуационного центра планирования, приема и обработки данных космической съемки в борьбе с лесными пожарами // Геоматика. - 2010. - №.3. - с. 72-74

12.Беляев М.Ю., Десинов Л.В., Котляков В.М., Юрина O.A. Съёмка Земли из космоса: задачи, проблемы, перспективы // Труды PKT. Сер. XII Вып. №1-2, 2011, с.181-205.

13.Беляев М.Ю., Волков О.Н., Десинов Л.В., Рудаков В.А., Рязанцев В.В.. Наблюдение катастрофических явлений на земной поверхности с борта МКС по программе «Ураган» // Труды XXXYI Чтений К.Э.Циолковского. Секция «Проблемы ракетной и космической техники». Казань, 2002, с.54-62.

14.Беляев М.Ю., Рязанцев В.В., Сармин Э.Э., Десинов Л.В. и др. Использование научной аппаратуры «Фотоспектральная система» в

экспериментах по программе «Ураган» на борту Международной космической станции / Сб. под ред. В.П. Легостаева и М.Ю. Беляева // труды PKT. Сер. XII. Вып. № l_2. М., 2011., с. 233-245

15. Бурков, В.Д., Крапивин. В.Ф. Экоинформатика: алгоритмы, методы и технологии : монография. - М.: ГОУ ВПО МГУЛ, 2009. - 432с.

16.Бурков В.Д., Черемисин М.В. Технология гибких информационно-моделирующих систем в микроволновом мониторинге природных процессов / Вестник МГУЛ - Лесной вестник. - 2010. - №5. - с. 161-171.

17.Бурков В. Д., Черемисин М.В. Перспективы использования перебазируемого комплекса телеметрических измерений «Селена ИТ» при приёме и обработке данных ДЗЗ в системе мониторинга природных процессов / Вестник МГУЛ - Лесной вестник. - 2011. - №3 (79). - с. 170178.

18.Бусарова Д.А., Пахмутов П.А., Скороход С.А. Концепция построения программного обеспечения бортовой вычислительной системы информационно-управляющей системы российского сегмента МКС // труды PKT. Сер. XII. выпуск 3. М., 2012. с. 7-11

19.Виноградов Б.В. Аэрокосмический мониторинг экосистем. — М.: Наука, 1984. —320 с.

20.Выгодская H.H., Горшкова И.И. Теория и эксперимент в дистанционных исследованиях растительности. - Л.: Гидрометеоиздат, 1987.- 246с.

21.Гершензон О.Н., Маслов A.A. ИТЦ «СканЭкс» внедряет новейшие технологии космической съемки в лесное хозяйство России / Информационный бюллетень. - 2007. - №3(60). - с. 38-39

22.ГИС Лаборатория [Электронный ресурс]: Информационный ресурс, посвященный географическим информационным системам (ГИС) и дистанционному зондированию Земли (ДЗЗ). — Электрон, дан. (4 файла). — [Б. м.]. — Режим доступа http://gis-lab.info/qa/ndvi.html, свободный. — Загл. с экрана. — Яз. рус.

23.Гранков А.Г., Милынин А.А., Чухланцев А.А., Шелобанова Н.К. Основные направления экспериментальных исследований лесов спутниковыми СВЧ-радиометрическими методами / Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов: Сборник научных статей. Том II. - М.: "GRANP polygraph", 2005. - 428 с. (С.250-255).

24.Данилин И.М., Медведев Е.М, Абэ Н.И., Худак Т., Санит-Онге Б. Высокие технологии XXI века для аэрокосмического мониторинга и таксации лесов // Лесная таксация и лесоустройство. 2005. №1(34), с. 2839.

25.Дейвис Ш.М., Ландгребе Д.А., Филлипс Т.Л. и др. Дистанционное зондирование: количественный подход / Под ред. Ф. Свейна и Ш. Дейвис. Пер. с англ. — М.: Недра, 1983, 415 с. — Пер. изд. США, 1978, 396 с.

26.Дистанционное зондирование. Основные понятия. [Электронный ресурс]: Информационный сайт, посвященный методам обработки спутниковых снимков — Электрон, дан. (10 файлов). — [Б. м.]. — Режим доступа http://www.nrcgit.ru/aster/methods/rgb.htm, свободный. —Яз. рус.

27.Ефремов В.Ю., Лупян Е.А., Мазуров А.А., Прошин А.А., Флитман Е.В. Технология построения автоматизированных систем хранения спутниковых данных / Институт космических исследований РАН.

28.Журнал Промышленник России №10 (121) 2010.

29.Захарова Л. Н., Захаров А. И., Сорочинский М. В., Рябоконь Г. П., Леонов В. М. Совместный анализ данных оптических и радиолокационных сенсоров: возможности, ограничения и перспективы // Радиотехника и электроника, том 56, № 1, Январь 2011, с. 5-19.

30.Информационный ресурс материалов физической географии [Электронный ресурс]: Сайт Физическая география. — Электрон, дан. (2 файла). — [Б. м.]. — Режим доступа http://www.physiography.ru, свободный. — Загл. с экрана. — Яз. рус.

31.Информационный ресурс материалов флоры и растениеводства [Электронный ресурс]. — Электрон, дан. (1 файл). — [Б. м.]. — Режим доступа http://www.prostoflora.ru/ekologiy/42.html, свободный. — Загл. с экрана. -— Яз. рус.

32.Ильючик М.А. Разработка методов оценки текущих изменений в лесном фонде по данным дистанционного зондирования хвойных лесов Беларуси. Автореферат диссертации на соискание учёной степени кандидата сельскохозяйственных наук, БГТУ, 26 стр. Минск, 2004.

33.Исаев A.C., Сухих В.И., Калашников E.H. и др. Аэрокосмический мониторинг лесов. М.: Наука, 1993.

34.Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли из Космоса. Цифровая обработка изображений. Учебное пособие. - М.: Логос. 2001.-264 с.

35.Книжников Ю.Ф., Кравцова В.И., Тутубалина О.Т. Аэрокосмические методы географических исследований: учеб. для студ. высш. учеб. заведений/ - М.: Издательский центр "Академия", 2004. - 336 с.

36.Козодеров В.В. Особенности реализации моделей оценки фитомассы растительности по наблюдениям из космоса // Исслед. Земли из космоса, 2006, №2. С. 79-88.

37.Козодеров В.В., Кондранин Т.В., Косолапов B.C., Головко В.А., Дмитриев Е.В. Восстановление объема фитомассы и других параметров состояния почвенно-растительного покрова по результатам обработки многоспектральных спутниковых изображений // Исслед. Земли из космоса, 2007. №1. С. 50-61.

38.Козодеров В.В., Кондранин Т.В. Методы оценки почвенно-растительного покрова по данным оптических систем дистанционного аэрокосмического зондирования / Учебное пособие. - М.: МФТИ, 2008. -222с.

39.Крапивин В.Ф., Потапов И.И. Методы экоинформатики. М., ВИНИТИ.-2002.-496 с.

40.Кринов E.JI. Спектральная отражательная способность природных образований, 1947, изд-во АН СССР, М.-Л.

41.Лагарьков А.Н., Погосян М.А. Фундаментальные и прикладные проблемы стелс-технологий // Вестник Российской Академии Наук / 2003. Т. 73. № 9, с. 779-787.

42.Лупян Е.А., Мазуров A.A., Назиров P.P., Прошин A.A., Флитман Е.В. Технология построения автоматизированных информационных систем сбора, обработки, хранения и распространения спутниковых данных для решения научных и прикладных задач. / Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных объектов и явлений. Сборник научных статей, Москва, Полиграф сервис, 2004 с 81-89.

43.Материалы, представленные к парламентским слушаниям «Экологические проблемы лесов Российской Федерации» Государственная Дума Федерального Собрания Российской Федерации. 4 февраля 2003 г. «Экология - 21 век». 2003 г. №6 с. 17-22

44.Методические указания по проведению государственной инвентаризации лесов. Проект / Федеральное агентство лесного хозяйства, 2011 г.

45.Научный Центр оперативного мониторинга Земли (НЦ ОМЗ) [Электронный ресурс]: сайт Научного Центра оперативного мониторинга Земли. — Электрон, дан. (1 файл). — [Б. м.]. — Режим доступа http://www.ntsomz.ru/ks_dzz/nkpoi/predvarit_technology, свободный. — Загл. с экрана. — Яз. рус.

46.Носенко Ю.И. Единая территориально- распределенная информационная система дистанционного зондирования Земли — проблемы, решения, перспективы. / Носенко, Ю.И. Лошкарев П.А. // Геоматика. - 2010. - №.3. - с. 35-42

47.Обзор санитарного и лесопатологического состояния лесов Московской области в 2010 году и прогноз лесопатологической ситуации на 2011 год.

Федеральное агентство лесного хозяйства Российской Федерации, Федеральное государственное учреждение «российский центр защиты леса» отдел защиты леса московской области. Пушкино 2011 г.

48.Определение роли лесных экосистем в климатических изменениях на основе данных дистанционного зондирования и ГИМС технологий [Текст]: отчет о НИР (промежуточный, этап № 2)/ ФИРЭ РАН; Руководитель Каевицер В.И. -М., 2011. - 323с. - Исполн.: Саворский В.П., Чухланцев A.A. и др. - Государственный контракт от 28 июня 2010г. № 02.740.11.0881 Шифр «2010-1.1-234-069».

49.Официальный сайт ФГУП «Рослесинфорг». [Электронный ресурс]: Сайт ФГУП «Рослесинфорг». — Электрон, дан. (2 файла). — [Б. м.]. — Режим доступа http://www.roslesinforg.ru/activity/forest , свободный. — Загл. с экрана. — Яз. рус.

50.Пат. 2422898 Российская Федерация, МПК G06K9/78. Способ идентификации инвазий насаждений / Бондур В.Г., Воробьёв В.Е., Давыдов В.Ф., Корольков A.B., Комаров Е.Г; заявитель и патентообладатель ГУ "Научный центр проблем аэрокосмического мониторинга"- ЦПАМ "АЭРОКОСМОС", ГОУ ВПО Московский государственный университет леса, - № 2010100106/28 от 11.01.2010. -14 с.

51.Пат. 2373694 Российская Федерация, МПК A01G 23/00 Способ определения категорий состояния лесных массивов / Бондур В.Г., Рыбакова Н.И., Давыдов В.Ф., Галкин Ю.С.; заявитель и патентообладатель ГУ "Научный центр проблем аэрокосмического мониторинга"- ЦПАМ "АЭРОКОСМОС", ГОУ ВПО Московский государственный университет леса, РФ, - 2008102408/12 от 25.01.2008. -11 с.

52.Пат. 2342636 Российская Федерация, МПК G01C11/04 Способ определения стока поглощаемого из атмосферы углерода древесной растительностью / Бронников C.B., Давыдов В.Ф., Никитин А.Н.,

Давыдова C.B.; заявитель и патентообладатель ОАО «Ракетно-космическая корпорация «Энергия» им. С.П.Королева», ГОУ ВПО Московский государственный университет леса, - № 2006118383/28 от 26.05.2006,- 12 с.

53.Пат. 2294622 Российская Федерация, МПК A01G23/00 Способ определения полноты древостоев / Давыдов В.Ф., Корольков A.B., Новиков Е.П., Тимонина К.А.; заявитель и патентообладатель ГОУ ВПО Московский государственный университет леса, РФ, заявка № 2005111787/11 от 21.04.2005 .- 15 с.

54.Рис У.Г. Основы дистанционного зондирования. М.: Техносфера, 2006. -336 с.

55.Романовский М.Г., Федорова А.И., Абиссаломова О.В. Продуктивность и листовой полог нагорных дубрав южной лесостепи. Вестник ВГУ. серия: География. Геоэкология, № 2, 2005

56.Савиных В.П., Цветков В.Я. Геоинформационный анализ данных дистанционного зондирования. — М.: Картгеоцентр-Геодезиздат, 2001.

— 228 с.

57.Савиных В.П., Крапивин В.Ф., Потапов И.И. Информационные технологии в системах экологического мониторинга. - М.: ООО «Геодезкартиздат», 2007. - 392 с.

58.Сервис «Вега» - спутниковый сервис анализа вегетации. [Электронный ресурс]: Сайт спутникового сервиса «Вега». — Электрон, дан. (4 файла).

— [Б. м.]. — Режим доступа http://vega.smislab.ru/, свободный. — Загл. с экрана. — Яз. рус.

59.Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: Учебник. - Йошкар-Ола: МарГТУ, 2005. - 392 с.

бО.Чандра A.M., Гош С.К. Дистанционное зондирование и географические информационные системы / Пер. с англ. A.B. Кирюшина. — Москва: Техносфера, 2008. — 312 с.

61.Черемисин М.В. Организация связи, навигационного и геодезического обеспечения применения перебазируемого комплекса телеизмерений (ПКТИ) / Сборник трудов НТК молодых учёных ОАО «НПО ИТ». - 2009. -с. 131-145

62.Черемисин М.В. Проблемные вопросы информационного обеспечения пусков изделий РКТ по необорудованным трассам / Сборник трудов НТК молодых учёных ФГУП «НПО - Автоматики им. H.A. Семихатова». - т. 1, 2010.,- с. 168-179 63.Черемисин М.В. Гибкие информационно моделирующие системы / Сборник трудов научной конференции МГТУ им. Н.Э. Баумана «Время вперёд». - 2010. - с. 49 - 57 64.Черемисин М.В., Бурков В.Д., Шалаев B.C. Применение методов дистанционного мониторинга в оптическом и СВЧ диапазонах на этапах моделирования лесных экосистем / Вестник МГУЛ - Лесной вестник. -2011.-№7 (83).-с. 41-50. 65.Черемисин М.В. Мобильные комплексы обработки данных ДЗЗ в системе мониторинга природных процессов / Сборник трудов НТК молодых учёных ОАО «НПО ИТ». -2010.-е. 173-187 66. Черемисин М.В. Применение оптических и радиолокационных данных при исследовании древесной растительности Московской области / Материалы 47-х Научных чтений памяти К.Э. Циолковского. Калуга -сентябрь 2012. - с. 163 67.Черемисин М.В., Богатырёв В.А., Гусев В.Ф., Рязанцев В.В. Комплексный мониторинг лесов текущими и перспективными средствами ДЗЗ российского сегмента МКС / Материалы 47-х Научных чтений памяти К.Э. Циолковского. Калуга -2012.-е. 142 68.Черемисин М.В., Бурков В.Д., Леонов Л.В., Шалаев B.C. Метод мониторинга лесов на основе дистанционно-ориентированных выделов / Вестник МГУЛ - Лесной вестник. - 2012. - №4 (87). - с. 127-136

69.Черепанов А.С. Вегетационные индексы. Справочный раздел // Геоматика. - 2011. - №2. - с. 98

70.Чубукова И.A., Data Mining. Учебное пособие. - М.: Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006. - 382 е.: ил., табл. - (Серия «Основы информационных технологий»).

71.Чумаченко С.И. Имитационное моделирование многовидовых разновозрастных лесных насаждений: диссер. ... доктора биолог, наук / МГУЛ. - М.: МГУЛ, 2006. - 287 с.

72.Чухланцев А.А., Саворский В.П. Задачи дистанционного зондирования лесов при изучении глобальных климатических изменений / Современные проблемы дистанционного зондирования Земли из космоса. Т8. №2. 2011. С. 246-256.

73.Чухланцев А.А., Винокурова С.И. О применении радиолокационных средств для зондирования почвенно-растительных покровов. // Исследование Земли из космоса. 1991. №4. Стр.21-26.

74.Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений. Часть 1, 2 М.: Техносфера, 2010. - 560 с.

75.Asner, G. P., Scurlock, J. М. О., & Hicke, J. A. Global synthesis of leaf area index observations: Implications for ecological and remote sensing studies. Global Ecology and Biogeography, 12, 2003, 191-205

76.Bonan, G. B. Importance of leaf area index and forest type when estimating photosynthesis in boreal forests. Remote Sensing of Environment 43: 1993, pp. 303-314.

77.Bourgeau-Chavez L. L., Kasischke E. S., N. French H. F., Szeto L. H., and Kherkher С. M. Using ERS-1 SAR imagery to monitor variations in burn severity in an Alaskan fire-distribed boreal forest ecosystem. Proceedings of IGARSS-94, Passadena, California, 8-12 August, 1994.

78.Cloude S.R., Papatanassiou K.P., Reigber A. Polarimetric SAR Interferometry at P-band for Vegetation Structure Extraction. EUSAR-2000.

79.Cloude S. R., Papathanassiou K. P., Reigber A., Boerner W.M. Multi-Frequency Polarimetric SAR Interferometry for Vegetation Structure Extraction. IGARSS 2000.

80.Cloude S.R. and Papathanassiou K.P. Polarimetric SAR Interferometry. IEEE Trans, on Geoscience and Remote Sensing, Vol. 36, no. 5, September 1998.

81.Counturier S., Liew S. Ch., Nakayama M., Lim H. Monitoring vegetation regeneration in fire-affected tropical forests using ERS/JERS synthetic aperture radar. Proceedings of IGARSS-99, Hamburg, Germany, 28 June - 2 July 1999.

82.Cheng, Y. -В., Ustin S. L., Riano D., and Vanderbilt V. C., Water content estimation from hyperspectral images and MODIS indexes in Southeastern Arizona, Remote Sens.Environ. 112, 2008, 363-374

83.Dontchenko V. V., Johannessen О. M., Bobylev L. P., Bartalev S. A. ERS/SAR data application for Russian boreal forest mapping and monitoring. Proc. of IGARSS-99, Hamburg, Germany, 28 June - 2 July 1999.

84.Experimental Comparison of Different Scattering Mechanism Selections for Vegetation Height Retrieval by POLINT. J. M. Lopez-Sanchez, J. Fortuny, A. J. Sieber, L. Sagues, M. Вага, X. Fabregas, and A. Broquetas. IGARSS 2000.

85.French N. H. F., Kasischke E. S., Bourgeau-Chavez L. L., Harrell P. A., and Christensen N. M. Relating soil water measurements at fire disturbed sites in Alaska to ERS-1 SAR image signature. Proceedings of IGARSS-94, Passadena, California, 8-12 August, 1994.

86.ITT Visual Information Solutions [Электронный ресурс]: Atmospheric Correction Module: QUAC and FLAASH User's Guide — Электрон, дан. (1 файл). — [Б. м.]. — Режим доступа

http://www.exelisvis.eom/portals/0/pdfs/envi/Flaash_Module.pdf, свободный. —Яз. англ.

87.ITT Visual Information Solutions [Электронный ресурс]: ENVI EX User's Guide — Электрон, дан. (1 файл).— [Б. м.]. — Режим доступа http://www.exelisvis.eom/portals/0/pdfs/enviex/ENVI_EX_User_Guide.pdf, свободный. —Яз. англ.

88.Jantos A. C., Justice C. 0., and Harriss R. C., Mission to planet earth: Land cover/land use. change program, Biomass Burning and Global Change, J. Levine, Ed., vol. 1. Cambridge, MA: MIT Press, 1996, pp. 3—14.

89.Knyazikhin, Y., Martonchik, J. V., Myneni, R. B., Diner, D. J., & Running, S. W. (1998). Synergistic algorithm for estimating vegetation canopy leaf area index and fraction of absorbed photosynthetically active radiation from MODIS and MISR data. J. Geophys. Res., 103

90.Krapivin V.F. and Varotsos C.A. Biogeochemical cycles in globalization and sustainable development. Springer/PRAXIS-Chichester, U.K.-2008.-562 pp.

91.Keil, E. Akgoz, S. Carl, B. Forster, T. Hausler, A. Johlige, M. Lauter, K. Martin Use of SIR-C/X SAR and Landsat TM data for vegetation mapping in the Bavarian Forest National Park and in the mountings. Proceedings of IGARSS-99, Hamburg, Germany, 28 June - 2 July 1999.

92.Kondratyev K.Ya., Krapivin V.F., and Phillips G.W. Global Environmental Change: Modeling and Monitoring. Springer, Berlin.-2002.-319 pp.

93.Le Toan T., Beaudoin A., Riom J., Guyon D. Relating Forest Biomass to SAR Data. IEEE Transactions on Geoscience and Remote Sensing, vol. 30, no. 2, March 1992.

94.Lee K. S., Park Y. I., Kim S. H., Park J. H., Woo C. S., and Jang K. C. Remote sensing estimation of forest LAI in close canopy situation, XX-th ISPRS Congress Technical Commission, Istanbul, Turkey, 400-404 (2004)

95.Mangasarian 0. L. Mathematical programming in data mining. Data Mining and Knowledge Discovery, 1:183-201, 1997

96.Masanobu Shimada, Qong Muhtar,Takeo Tadono, and Hiroyuki Wakabayashi. Tree height estimation using an airborne L-band polarimetric interferometric SAR. IGARSS 2001.

97.Melesse M., Jordan D A Comparison of Fuzzy vs. Augmented-ISODATA Classification Algorithms for Cloud-Shadow Discrimination from Landsat Images. Photogrammetric engineering & Remote Sensing, 2002, 905-911

98.Memarsadeghi N., Netanyahu N.S., LeMoigne J., A Fast Implementation of the ISODATA Clustering Algorithm, International Journal of Computational Geometry and Applications, IJCGA, 17(1), 2007, 71-103

99.Mette T., Papathanassiou K.P., Hajnsek I., and Zimmermann R. Forest Biomass Estimation using Polarimetric SAR Interferometry. IGARSS 2002.

100. Myneni, RB., A.L. Marshak, and Y. V. Knyazikhin, Transport theory for a leaf canopy of finite-dimensional scattering centers, Quant. Spectrosc. Radiat. Transfe, 46, 25 9-280, 1991.

101. Myneni, R.B., J. Ross, and 0. Asrar, A review on the theory of photon transport in leaf canopies in slab geometry, Agric. For. MeteoroL, 45, 1-165, 1989.

102. Papathanassiou K.P., Reigber A., and Cloude S.R. Vegetation and Ground Parameter Estimation using Polarimetric Interferometry. Parts I, II. ESA CEOS Workshop, Toulouse, 26-29 Oct, 1999.

103. Pohl C. and J. L. van Genderen. Multisensor image fusion in remote sensing: concepts, methods and applications. Int. J. Remote sensing, 1998, vol. 19, no. 5, P. 823-854.

104. Raymond Hunt E., Tugrul Yilmaz Jr. and M., Remote sensing of vegetation water content using shortwave infrared reflectances, Proc. SPIE 6679, 667902 (2007)

105. Ross, J., Knyazikhin, Y., Marshak, A., & Nilson, T. (1992). Mathematical modeling of the solar radiation transfer in plant canopies. St. Petersburg, Russia: Gidrometeoizdat (in Russian, with English abstract) 195 pp.

106. Shabanov, N.V., Huang, D., Yang, W., Tan, B., Knyazikhin, Y., Myneni, R.B., Ahl, D.E., Gower, S.T., Huete, A., Aragao, L.E., Shimabukuro, Y.E. (2005). Analysis and Optimization of the MODIS LAI and FPAR Algorithm Performance over Broadleaf Forests. IEEE Transactions on Geoscience and Remote Sensing, 43(8): 1855-1865.

107. Silgert R. F., Nakayama M. Comparison ofERS-2 and JERS for fire impact assessment in tropical rainforests. Proceedings of IGARS 2000, Honolulu, Hawaii, USA, 24 - 28 July 2000.

108. Spellabs it company. [Электронный ресурс]: Гончаров M. Кластерный анализ — Электрон, дан. (1 файл).— [Б. м.]. — Режим доступа http:// www.spellabs.ru/download/ClusterAnalysis.pdf, свободный. —Яз. рус.

109. Wang, Y., Tian, Y., Zhang, Y., El-Saleous, N., Knyazikhin, Y., Vermote, E., & Myneni, R. B. (2001). Investigation of product accuracy as a function of input and model uncertainties: Case study with SeaWiFS and MODIS LAI/FPAR algorithm. Remote Sens. Environ., 78, 296 - 311

110. Watson, R.T., Noble, I.R., Bolin, В., Ravindranath, N.H., Verardo, D.J, Dokken, D.J. (Eds.) (2000) Land use, land-use change, and forestry. Cambridge: Cambridge University Press, 377 pp.

111. Wu, Chaoyang; Niu, Zheng; Tang, Quan;Huang, Wenjiang Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation. Agricultural and Forest Meteorology, Volume 148 (8), 2008

112. Yilmaz, M. Т., E. R. Hunt, Jr., and T. J. Jackson, Remote sensing of vegetation water content from equivalent water thickness using satellite imagery, Remote Sens. Environ. 112, 2008, 2514-15227