Разработка и исследование методики использования индексных для мониторинга лесов тема диссертации и автореферата по ВАК РФ 25.00.34, кандидат наук Мунзер Нур

• Мунзер Нур
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Мунзер Нур

ВВЕДЕНИЕ

ГЛАВА 1 Современное состояние мониторинга лесов по разновременным космическим изображениям

1.1. Задачи мониторинга лесов (учёт и инвентаризация, оценка качественного состояния)

1.2. Съёмочные системы, используемые для мониторинга

1.3. Обзор методов обработки и оценки состояния и динамики лесов по многоспектральным спутниковым данным

Выводы по первой главе

ГЛАВА 2 Теоретические основы мониторинга лесов на основе использования индексных изображений

2.1. Физические основы дистанционного мониторинга лесов

2.1.1 Спектральная отражательная способность лесных насаждений .„51

2.2. Применения вегетационных индексов для мониторинга лесов

2.2.1. Обоснование использования вегетационных индексов

2.2.2 Выбор оптимальных вегетационных индексов для мониторинга лесов

2.3. Предварительная обработка изображений

2.4. Роль атмосферы при проведении аэро- и космических съемок

2.5. Анализ результатов выявленных изменений природных объектов

2.6. Исследование погрешностей совмещения разновременных изображений при мониторинге изменений линейных и площадных объектов

Выводы по второй главе

ГЛАВА 3 Экспериментальные исследования возможности использования космических снимков для оценки состояния лесов

3.1. Исследование изменений состояния лесного покрова по разновременным изображениям нормализованного разностного вегетационного индекса (NDVI)

3.1.1. Получение разновременных изображений со спутников Landsat и таксационных карт

3.1.2. Исследование факторов виляющих на значения вегетационных индексов

3.1.3. Влияние наличия облаков на снимках

3.2. Исследование динамики NDVI разных пород деревьев

3.3. Исследование динамики EVI разных пород деревьев

3.4. Исследование изменения NDWI различных пород деревьев

3.5. Сравнение вегетационных индексов для выявления на космических снимках пород деревьев

3.6. Анализ результатов распознавания породного состава леса на основе спектральной отражательной способности

Вывод по 3 главе

Глава 4 Оценка достоверности использованных методов для распознавания типов лесов

4.1. Оценка достоверности разных методов для выделения хвойных и лиственных пород

4.2. Оценка точности полученных результатов при распознавании разных древесных пород на территории исследовании, с использованием разных методов

4.3. Синтезирование разносезонных мультиспектральных и индексных изображений

4.3.1. Синтезирование разносезонных индексных изображений, полученных используя разные вегетационные индексы

4.3.2. Синтезирование разносезонных разноиндексных изображений

4.3.3. Синтезирование разносезонных изображений

4.3.4. Синтезирование разносезонных изображений для разделения хвойных и лиственных пород

4.4. Обновление карты леса Лосиного острова

Выводы по 4 главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Разработка и исследование методики использования индексных для мониторинга лесов»

Актуальность

Лесные ресурсы как важнейший компонент биосферы имеют глобальное экологическое, экономическое и социальное значение. Обеспеченность информацией о состоянии и динамике лесов планеты все еще остается недостаточной и не отвечает современным требованиям устойчивого управления лесными ресурсами, охраны окружающей среды и исследований в области глобальных изменений биосферы и климата. Методы дистанционного зондирования служат безальтернативным инструментарием, позволяющим оперативно получать актуализированную информацию о площадях и качественном состоянии лесных угодий. Достоверность информации, получаемой по аэро- и космическим снимкам, зависит от корректности их фотограмметрической обработки и дешифрирования. В настоящее время одним из современных методов обработки является преобразование первичных снимков с помощью вегетационных индексов и последующего создания индексных изображений. Анализ существующих технологий создания индексных изображений, основанных на компьютерном преобразовании исходных снимков, показывает, что в ряде случаев преобразования не позволяют получить с достаточной точностью качественные и площадные характеристики лесных угодий. Эффективность применения методов дистанционного зондирования, и в частности индексных изображений, зависит от учёта и минимизации влияния различных технических и природных факторов, определяющих индивидуальность и уникальность фотоизображений. Снижение эффективности использования индексных изображений-следствие отсутствия комплексного учёта взаимосвязей факторов и недостаточная изученность их влияния на достоверность получения сведений о лесных угодьях.

Определяющим является учёт взаимосвязей таких главных компонентов системы создания индексных изображений как:

- объектовая (энергетическая) компонента. Учёт данной компоненты объясняется тем, что собственное или отражённое объектами излучение связано с их физическими и химическими свойствами. Регистрация излучения при аэро -или космической съёмке — это фиксирование информации о свойствах видов лесов различными типами съёмочных систем. При проведении съёмок энергетическая компонента существенным образом определяет информационные свойства аэро- и космических снимков, которые в последующем обеспечивают эффективность решения тематической направленности мониторинга лесных угодий;

- техническая компонента, обеспечивающая мониторинг лесов дистанционными методами и актуализацию геоинформации, включает технические средства, технологии сбора и обработки видеоданных;

Повышение эффективности применения съёмочной аппаратуры и систем цифровой обработки изображений для информационного обеспечения мониторинга лесов является актуальной задачей.

Состояние изученности применения разновременных космических снимков для мониторинга лесов.

Вопросам мониторинг окружающей среды, в том числе лесов с использованием данных дистанционного зондирования, посвятили свои труды многие ученые.

Основы теории использования снимков в задачах лесной отрасли заложены Криновым Е. Л.,Седых В. Н., Сухининым А. И., Коровиным Г. Н., Исаевым А. С., Данилиным И. М. и др.

Обзор литературных источников показал большое количество и разнообразие работ, связанных с проведением различных видов мониторинга и также разработкой дешифрирования лесов, как в работе Лупяна Е. А., Барталева С. А., Ершова Д. В., Гаврилюка Е. А., Плотникова А. С., Плотников Д. Е., Исаева А.С., Жирина В.М. , Жарка В.О., Малинникова В.А и др.

Применение космических снимков в решении задач мониторинга лесов давно посвящено мнрого зарубежных работ как Franklin, 1986; Danson, 1987; De Wulf и др., 1990; Ulaby, 1990; Herwitz, 1990; Danson и Curran, 1993; Ripple et al., 1991; Derrien et al., 1992 ; Nilson and Peterson, 1994; Collin и Woodcock, 1994; Cohen и др., 1996; Coppin и Bauer, 1996; Gholz и др., 1996; Ranson и др., 1997; Luckman и др., 1997; Cohen и Fiorella , 1998; Bertrand et al., 2000; Wilson and Sader, 2002

Целью диссертационной работы является разработка и исследование методики преобразования космических снимков с использованием вегетационных индексов для мониторинга состояния лесных угодий.

Достижение данной цели потребовало решение следующих задач:

1. Анализ существующих подходов к распознаванию по данным дистанционного зондирования типов растительного покрова с целью мониторинга лесов. Характеристика съёмочных систем, используемых для мониторинга лесов. Программное обеспечение, применяемое для преобразования исходных аэро- и космических снимков и их интерпретации.

2. Научное обоснование применения вегетационных индексов как метода повышающего достоверность классификации лесов по разновременным космическим снимкам для мониторинга качественного состояния и пространственного положения.

3. Разработка технологии обработки космических снимков для оценки состояния лесов при использовании ВИ.

4. Исследование степени влияния на полученные результаты возможных искажающих факторов, возникающих на определенных этапах разработанной методики.

5. Оценка достоверности полученных экспериментальных данных.

6. Создание карты разных пород лесов на территории исследования (Лосиный остров, Москва), с использованием предложенной методики.

Объектом исследования являются леса района Латакия (Сирия), в качестве

тестового полигона для разработки методики создания и применения индексных

7

изображений для мониторинга лесов использована территория заповедника «Лосиный остров» (г. Москва)

Предметом исследования является концепция системы информационного обеспечения мониторинга лесов по данным разновременных космических съёмок, методика создания и обработки индексных изображений, исследования влияния природных и технологических факторов на достоверность качественных и пространственных данных по индексным изображениям.

Научная новизна исследования заключается в следующем:

1. Разработанная автором методика распознавания пород деревьев по материалам, создаваемых методом синтезирования разносезонных индексных изображений и мультиспектральных космических снимков по сравнению с другими аналогичными работами, позволяет повысить достоверность распознавания пород деревьев (достоверности распознавании пород деревьев с использованием разработанной методики достигает 0,8) .

2. Разработанный алгоритм создания и использования индексных изображений, полученных по космическим снимкам, позволяет подготовить материалы для распознавания пород лесной древесной растительности и оценки её качественного состояния.

3. Методика синтезирования разносезонных и мультиспектральных космических снимков позволяет оценить качественное состояние и мониторинг изменения площади различных типов древесной растительности, и создавать авторские карты породного состава деревьев.

Полученные с использованием разработанной в диссертационной работе технологии результаты экспериментальных исследований, тематические продукты и базы данных, позволят оценивать динамику состояния лесов. Выводы и рекомендации могут быть использованы для практического применения лесоустроительными организациями в районах Латакии (Сирия).

Теоретическая значимость работы. Разработаны методики использования различных вегетационных индексов для мониторинга лесов и

распознавания, породного состава лесов с достаточной степенью точности.

8

Практическая значимость работы. Теоретическая значимость диссертационных исследований заключается в усовершенствовании и развитии тематического дешифрирования космических изображений и использования различных вегетационных индексов, полученных по мультиспектральным и разновременным космическим снимкам, для распознавания породного состава древесной растительности.

Методология и метод исследования. Поставленные цель и задачи решались на основе научных положений применения дистанционных методов для изучения Земли, дешифрирования снимков, фотограмметрии, системного анализа. При этом применялись методы моделирования, теории вероятностей, теории надёжности, математической статистики. Для проведения исследования были использованы разновременные снимки Landsat, снимки высокого пространственного разрешения, полученные из открытых геопорталов, таксационная карта заповедника «Лосиный остров.

Работа выполнена на основе компьютерных технологий с использованием программных пакетов ENVI, ArcMap.

Информационное обеспечение исследования составляли картографические материалы, статистические данные, информационные и аналитические материалы Росреестра, результаты исследований научных институтов, производственных организаций и учёных, личные теоретические и экспериментальные работы автора.

Основные положения диссертации, выносимые на защиту:

1.результаты исследования применения различных вегетационных индексов для оценки состояния лесных угодий и динамика их изменений.

2. модель мониторинга изменения свойств лесов, с использованием индексных изображений.

3. методика распознавания разных пород деревьев, с использованием синтезированных разносезонных индексных и мультиспектральных изображений.

4. рекомендации по созданию и использованию индексных изображений при мониторинге лесов.

Тема диссертации соответствует следующему пункту паспорта научной специальности 25.00.34 - Аэрокосмические исследования Земли, фотограмметрия:

П.4 «Теория и технология дешифрирования изображений с целью исследования природных ресурсов и картографирования объектов исследований».

Апробация и реализация результатов исследований.

Основные положения работы и полученные результаты докладывались и обсуждались на 8 международных и российских конференциях, проведенных в Москве:

1. LX научно-практическая конференция студентов, аспирантов, молодых учёных и специалистов «Научные исследования и разработки молодых ученых для развития АПК (ГУЗ), 2017

2. IV international Russian-Greek Student Scientific Conference (РУДН), 2017

3. LXI научно-практическая конференция студентов, аспирантов, молодых учёных и специалистов «Научные исследования и разработки молодых ученых для развития АПК (ГУЗ), 2018

4. X international Scientific Conference (innovation in agriculture) (РУДН), 2018

5. Международная научно-практическая конференция "векторы развития законодательного обеспечения государственной земельной политики: опыт XX века и современность "(ГУЗ), 2018

6.LXII Научно-практическая конференция студентов, аспирантов, молодых учёных и специалистов «Научные исследования и разработки молодых ученых для развития АПК», посвящённой 240-летию Государственного университета по землеустройству (ГУЗ), 2019

7.XI-a Международная научно-практическая конференция, приуроченная к 60-летию со дня образования (РУДН)2019

8. LXIII научно-практической конференции студентов, аспирантов, молодых учёных и специалистов, «Научные исследования и разработки молодых учёных для развития АПК» (ГУЗ), 2020

По материалам диссертации опубликовано 7 работ, в рецензируемых научных изданиях, в том числе 3 в журналах рекомендованных ВАК.

В диссертации отсутствует заимствованный материал без ссылок на автора и источник заимствования. При использовании в диссертации результатов научных работ, выполненных соискателем лично или в соавторстве, соискатель отметил это обстоятельство.

ГЛАВА 1 Современное состояние мониторинга лесов по разновременным космическим изображениям.

1.1. Задачи мониторинга лесов (учёт и инвентаризация, оценка качественного состояния)

Мониторинг окружающей среды - это система наблюдения окружающей среды (в том числе объектов, явлений, процессов), оценки, контроля и прогноза изменений состояния, вызванных природными и антропогенными факторами

Мониторинг включает в себя: сбор информации о состоянии объектов недвижимости, её обработку и хранение, проведение регулярных наблюдений, за их состоянием и использованием исходя из их целевого разрешенного назначения, и анализ и оценку качественного состояния объектов недвижимости с учетом воздействия природных и антропогенных факторов. [70]

Леса являются очень важным компонентам биосферы, и представляют собой ресурс большого экологического, экономического, культурного, научного и рекреационного значения. Социальные и экономические функции лесов многообразны. Они играют важную роль в сохранение почв, регуляции водных ресурсов и климата, а также используются в рекреационных целях. Лес, как открытая экосистема, находится в постоянном взаимодействии с факторами окружающей среды, которые могут влиять на ее состоянии. Поэтому необходимо выполнять мониторинг состояния лесов.

Лесной мониторинг - неотъемлемая часть мониторинга состояния окружающей природной среды, и является системой наблюдений, оценки и прогноза состояния и динамики лесного фонда в целях управления в области использования, охраны, защиты лесного фонда, воспроизводства лесов и повышения их экологических функций. Отметим, что получение достоверной информации о состоянии лесных угодий и о прогнозировании их характеристик возможно при обязательном знании их прошлого состояния. Поэтому мониторинг лесных угодий в общем

виде представляет знание прошлого, настоящего и прогнозируемого состояния лесов[54].

Мониторинг лесов включает следующее:

1) наблюдение изменений состояния лесного фонда, вызванных природными и антропогенными воздействиями на леса;

2) обработку и анализ этих данных;

3) составление прогнозов с целью охраны и защиты лесов, рационального использования лесных ресурсов и устойчивого развития лесного сектора экономики страны (Сирии).

Для оперативного получения информации о состоянии лесов требуется использование многоуровневой системы мониторинга, основанной на интегрированных наземных и дистанционных наблюдениях, реализуемой геоинформационных технологиях.

Методы дистанционного зондирования предоставляют отличную возможность для анализа процессов, происходящих в лесах на местном или глобальном уровне. Технологии дистанционного зондирования позволяют контролировать и постоянно выполнять мониторинг состояния лесов. Для мониторинга динамики растительного покрова в конце прошлого столетия начали достаточно широко применяться методы дистанционного зондирования Земли из космоса.

Как отмечается в работе (Исаев и др., 2014), спутниковые технологии в настоящее время предоставляют гораздо более широкие возможности для проведения мониторинга лесов, чем те, которые использовались в ранних информационных системах [33,59].

Данные дистанционного зондирования Земли с каждым годом становятся более доступными и совершенными, появляются новые возможности и области применения результатов съёмки местности, которая практически повсеместно основана на цифровых методах регистрации и обработки пространственной информации. В последнее время существенно расширились возможности получения информации о поверхности Земли средствами дистанционного

зондирования из космоса. Количество космических аппаратов, предназначенных

13

для фотосъемки поверхности Земли в различных зонах электромагнитного спектра, с различными периодом съемки и разрешением на местности, полосой обзора, значительно возросло. В связи с этим открываются принципиально новые возможности для изучения состояния поверхности Земли, различных искусственных и природных объектов на ней находящихся, выполнения мониторинга заданного класса объектов, в том числе лесов [26].

Применение дистанционных методов при мониторинге земель является современным техническим направлением, позволяющим оперативно, в оптимальные сроки и экономически эффективно выполнять задачу обновления информации о землях на значительных площадях [76].

Дистанционные методы имеют ряд преимуществ по сравнению с наземными геодезическими методами и методами полевых обследований [27, 126], благодаря которым они являются безальтернативными для обновления информации при государственном мониторинге земель. К таким преимуществам относят:

- оперативность получения метрической и семантической информации;

- объективность и документальность этой информации, так как при аэросъёмке выполняется регистрация фактического состояния земель;

- экономическая эффективность получения информации на больших территориях;

- возможность регулярных наблюдений (особенно по материалам космических съёмок) за изменениями земель, природных и антропогенных объектов [58].

В табл. 1.1 представлены технические и экономические показатели эффективности космических, авиационных и наземных методов мониторинга земной поверхности (сравнительная оценка выполнена по данным ГИС-ассоциации).

Таблица 1.1 Сравнительные характеристики методов дистанционного мониторинга

земель

Методы мониторинга земель Обзорность Простр-анст- венное разрешение Точность Производитель-ность Экономичность

космические +++ + + +++ +++

авиационные ++ ++ ++ ++ ++

наземные + +++ +++ + +

многоуровневая комплексная система +++ +++ +++ +++ ++

Мониторинг лесов с использованием спутниковых данных получили развитие в начале 70-х годов XX века. Исследования по использования данных спутниковых наблюдений в областях лесного хозяйства и лесоведения позволили разработать ряд методов и технологий , и обосновать перечень задач и структуру системы мониторинга лесов. В последнее время методы дистанционного зондирования становятся неотъемлемой частью мониторинга лесного покровав России [6].

В настоящее время спутниковые данные являются одним из наиболее перспективных методов оперативного получения информации о состоянии разных природных и антропогенных объектов. Поэтому в последние годы активно развиваются различные системы мониторинга, предназначенные для решения задач мониторинга отдельных объектов и явлений, и получения информации о процессах, происходящих на определенных территориях. В данной области выполнен огромный объем исследовательских работ, результаты которых

отражены в многочисленных отчетах о научно исследовательских трудах и публикациях.

Обзор литературы выявил наличие большого количество работ, связанных с проведением различных видов мониторинга, и использования космических снимков для слежения за состоянием лесов, особенно в работе Лупяна Е. А., Барталева С. А., Ершова Д. В. ,Исаева А. С., Лимонова А.Н. , Жарка В.О. и др.

Анализ зарубежных работ показывает большое количество исследований, демонстрирующих актуальность использования методов дистанционного зондирования для мониторинга лесов и оценки их состояния (Franklin, 19S6; Danson, 1987; De Wulf и др., 1990; Ulaby, 1990; Herwitz, 1990; Danson и Curran, 1993; Ripple et al., 1991; Derrien et al., 1992 ; Nilson and Peterson, 1994; Collin и Woodcock, 1994; Cohen и др., 1996; Coppin и Bauer, 1996; Gholz и др., 1996; Ranson и др., 1997; Luckman и др., 1997; Cohen и Fiorella , 1998; Bertrand et al., 2000; Wilson and Sader, 2002).

Существующие спутниковые технологии позволяют создать системы оперативного мониторинга растительности для больших территорий [60]. В институте космических исследований Российской академии наук (ИКИ РАН) разработан сервис мониторинга состояния растительности «ВEГA»(vegetation analysis- анализ вегетация). Данный сервис обладает значительным функционалом и информационными возможностями для решения задач мониторинга растительного покрова и обеспечивает возможность работы с архивами данных накопленных за период с 2000 года по настоящее время. Информация сервиса обновляется автоматически еженедельно. Кроме того с использованием сервиса ВЕГА можно проводить анализ временных рядов вегетационных индексов ВИ, и изучение динамики и других типов растительности. Например, оценки динамики лесов и лесовостоновления на гарях и рубках. [59,60, 61]

В работе Лимонова А.Н. разработана модель системы информационного

обеспечения государственного мониторинга земель на основе анализа правовых,

нормативных документов, достижений в области аэро- и космических съёмок,

16

цифровой обработки снимков . Предлагаемая модель, в отличие от известных, основана на комплексном подходе, учитывающем многофакторные и многокомпонентные антропогенные, природные условия, технические возможности получения и обработки данных дистанционного зондирования. Модель базируется на разработке автора концепции использования дистанционных методов для мониторинга земель. Модель включает структурную схему взаимосвязей процессов и процессантов, обеспечивающих достоверные результаты мониторинговых работ, а также математическое описание данных связей в обобщенном формально-логическом виде. На рис.1.1 представлена часть разработанной автором принципиальной схемы структурной модели информационного обеспечения государственного мониторинга земель.

Рис.1.1. Принципиальная схема структурной модели информационного обеспечения мониторинга земель дистанционными методами

Основные задачи информационного обеспечения государственного мониторинга земель

Объектный блок категорий земель

с.х. назначения

Выявление и оценка изменений состояния земель

водохозяйственных систем и сооружении

градостроительных систем и сооружений

объектов промышленности, транспорта, связи, энергетики, обороны и т.д.

спец. назначения и запаса

Прогноз изменений, разработка рекомендаций по устранению негативных последствий

Функции мониторинга земель

Непрерывное наблюдение за использованием земель по их целевому назначению

Обновление планово-картографической основы

Накопление, упорядочение, хранение и сравнение информации о землях

Анализ и оценка качественного состояния

Определение динамики состояния и положения земель, прогнозирование изменений, разработка рекомендаций по устранению негативных последствий

Дистанционные методы мониторинга земель

наземный

Аэро- космический Гос. фонд

1 1

Технические средства и технологии

Подсистема получения первичной информации

Виды изображений

Дискретные измерения

фотографическое

Оптико-электроное

газометрическ ие

радиолокационное

тепловое

радиоцион-ные

лазерное

Подсистема обработки первичной информации

Аналог овая

Цифровая

фот огр амм етр иче ска

де

ши

фр

иро ван ие

Подсистема хране-ния

результатов обработки первичнй информац ии

Геоп

ривя

зка

диск

рет.

данн

ГИС

Технические параметры аппаратуры

Т Нормативные тех-нич. параметры

1

Внешние условия съёмок

Контроль использования и охрана земель

Информационное обеспечение ГКН

Виды мониторинга земель дистанционными методами

Иерархические уровни дистанционного

Региональный

Глобальный

Периодичность дистанционного мониторинга

Периодически

Оперативный

Выходная продукция (вторичная информация)

X

Результаты сравнения базовых материалов и данных первичной

Нормативные документы

Обновлённый картографический

материал и информационные слои ГИС

топографический

Директ ивные докуме нты

тематический

ЦМС, ЦМР, ЦММ

1.2 Съёмочные системы, используемые для мониторинга

Дистанционное зондирование Земли (ДЗЗ) и мониторинг состояния окружающей среды c помощью спутниковых данных стали возможными благодаря нескольким десятилетиям технического совершенствования сенсоров и спутниковых платформ [66].

Материалы спутниковых съёмок приобретают большую информативность по мере их накопления за разные годы. Эти данные незаменимы для мониторинга лесных массивов [75].

В настоящее время мультиспектральные спутниковые изображения являются универсальным, оперативным и общедоступным материалом для осуществления мониторинга окружающей среды [20].

Большое количество исследований продемонстрировало широкие возможности использования данных спутниковой системы в задачи мониторинга (Ершов и др., 2015; Барталев и др., 2016; Гаврилюк, Ершов, 2012; Zhu, Liu, 2014)

В последнее десятилетие был, достигнут значительный прогресс в развитии методов и технологий дистанционного зондирования Земли (ДЗЗ). Именно в этот период появились и стали активно использоваться комплексы наблюдения Земли нового поколения, позволяющие получать не только качественную, но и хорошо калиброванную и пространственно привязанную количественную информацию. Фактически, появление таких комплексов открыло новую эру спутникового дистанционного зондирования и позволило создать принципиально новые, высоко автоматизированные технологии работы с данными ДЗЗ [60].

Возможность использования данных дистанционного зондирования для мониторинга растительного покрова стала рассматриваться вскоре после запуска первых спутников.

Спутниковые данные можно разделить на данные высокого пространственного разрешения, позволяющие получать относительно детальные изображения поверхности с низкой периодичностью, и данные низкого и среднего пространственного разрешения, которые обеспечивают регулярные, чаще всего ежедневные измерения отражательных характеристик поверхности с меньшей детальностью.

В качестве спутниковые данные низкого пространственного разрешения рассмотрим спутник Terra и Aqua (MODIS)

MODIS (Moderate Resolution Imaging Spectroradiometer) установлен на спутники Terra и Aqua. Данный сенсор является одним из ключевых в рамках комплексной программы NASA EOS (Earth Observing System, США). Собранные изображения с MODIS, в том числе 36 спектральных диапазонах с пространственным разрешением от 250 до 1 км, ширина полосы захвата на местности составляет 2300 км. Информация, ежедневно получаемая с помощью данного сенсора, применяется для мониторинга лесов на глобальном и национальном уровнях. Наличие необходимых спектральных каналов, глобальный охват, ежедневная периодичность и наличие большого объема накопленных данных выгодно выделяют прибор MODIS среди приборов среднего и низкого пространственного разрешения для решения задач мониторинга лесов. По данным MODIS в ИКИ РАН создана также карта растительности Российской Федерации [91,120]. Также в ИКИ РАН сформирован архив многолетних данных MODIS, который непрерывно пополняется.

Список литературы диссертационного исследования кандидат наук Мунзер Нур, 2022 год

Список литературы

1. Абросимов А.В. Возможности использования данных КА «Ресурс-П» для выявления изменений на земной поверхности / А.В Абросимов., Т.В. Орлов // Геоматика. - 2017.

2. Адамович Т. А., Анализ сезонной и многолетней динамики вегетационного индекса NDVI на территории государственного природного заповедника «Нургуш»/ Т. А. Адамович, Г. Я. Кантор Т. Я. Ашихмина, В. П. Савиных // Теоретическая и прикладная экология. 2018. №1. С. 18-24

3. Алтынов А.Е., Спектрометрирование ландшафтов./ А.Е. Алтынов, В.А. Малинников, С.М. Попов, А.Ф. Стеценко // Учебное пособие для студентов М.: Изд. МИИГАиК. УПП «Репрография», 2010 г., 120 с.

4. Бабаев A.M., Использование повторной аэрофотосъемки для изучения динамики пустынной растительности/ A.M. Бабаев, В.В. Николаев //Журнал «Проблемы освоения пустынь» №2, 1984.

5. Барталев С. А. Разработка методов оценки состояния и динамики лесов на основе данных спутниковых наблюдений: дис., д-р. тех. 01.04.01/ С. А. Барталев. — М 2007. —291 с.

6. Барталев С.А., Стыценко Ф.В., Хвостиков С.А., Лупян Е.А., Методология мониторинга и прогнозирования пирогенной гибели лесов на основе данных спутниковых наблюдений/ С.А. Барталев, Ф.В. Стыценко, С.А, Хвостиков, Е.А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса № 6, 2017, с.176-193.

7. Барталев С.А., Егоров В.А., Жарко В.О., Лупян Е.А., Плотников Д.Е., Хвостиков С.А., Шабанов Н.В. Спутниковое картографирование растительного покрова России./ С.А. Барталев, В.А. Егоров, В.О. Жарко, Е.А. Лупян, Д.Е. Плотников, С.А. Хвостиков, Н.В. Шабанов - М.: ИКИ РАН, 2016. - 208 с.

8. Барталев С.А., Информационная система дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства РФ (состояние и перспективы развития)/ С.А.Барталев, Д.В. Ершов, Г.Н. Коровин, Р.В.Котельников, Е.А., Лупян, В.Е. Щетинский // Современные проблемы дистанционного зондирования Земли из космоса. 2008. Т. 5. № 2. С. 419-429.

9. Барталев С.А., методы использования временных серий спутниковых изображений высокого пространственного разрешения для оценки масштабов и динамики вырубок таежных лесов/ С.А. Барталева, Т.С. Курятникова, Х.Ю. Стибиг // Современные проблемы дистанционного зондирования земли из космоса,. 2005 . №2. С. 217-227.

10. Барталев С.А., Распознавание пахотных земель на основе многолетних спутниковых данных спектрорадиометра MODIS и локально-адаптивной классификации/ С.А. Барталев, В.А. Егоров, Е.А. Лупян, Д.Е.Плотников, И.А. Уваров // Компьютерная оптика. 2011. Т. 35. № 1.

11. Барталев С.С., Оценка индикаторов состояния лесов Московской области по данным спутниковых наблюдений./ С.С. Барталев // Электронный многопредметный научный журнал «Исследовано в России» том 9 стр. 948-958.

12. Богданов А. П., Совершенствование мониторинга лесов путем использования облачных технологий как элемента устойчивого лесоуправления/ А. П. Богданов, А. А. Карпов, Н. А. Демина, Р. А. Алешко // Современные проблемы дистанционного зондирования Земли из космоса. 2018. №1. С. 89-100.

13. Болсуновский М.А., Развитие систем ДЗЗ и информационно-аналитического обеспечения данными космической съемки: ближайшие перспективы/ М.А. Болсуновский, Б.А. Дворкин // геоматика. 2010. №4. С. 11-16.

14. Братков В.В., Вегетационные индексы и их использование для картографирования горных ландшафтов российского Кавказа / В.В. Братков, З.Г. Атаев // естественные и технические науки, электронный научный журнал «АРМОМ» №1 - 2017.

15. Василейский А.С. Исследование методов совмещения видеоданных дистанционного зондирования: автореф. дисс. ... канд. физ.-мат. наук /А.С. Василейский; Ин-т косм. исслед. РАН.-М.,2003.- 24с.

16. Вегетационные индексы. Основы, формулы, практическое использование // [Электронный ресурс] Режим доступа: http://mapexpert.com.ua/index ru.php?id=20&table=news

17. Владимиров И. Н., Исследования в бассейне Байкала/ Владимиров, А. П. Софронов, А. А. Сороковой, Д. В. Кобылкин, А. А. Фролов // география и природные ресурсы. 2014. №2. С. 44-53.

18. Гаврилова, Л.А. Влияние оконтуривания объектов при дешифрировании на точность определения их площадей /Л.А. Гаврилова // Совершенствование технологий аэро- и геодезических работ для целей агропромышленного комплекса: науч. тр. / МИИЗ.- М., 1989.- С.37-42.

19. Гаврилюк В.А., Методика совместной обработки разносезонных изображений Landsat ТМ и создания на их основе карты наземных экосистем Московской области/ Е.А. Гаврилюк, Д.В. Ершов // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т.9. №4. С. 15-23.

20. Гаврилюк Е. А., Картографирование наземных экосистем Печоро-Илычского заповедника и его окрестностей на основе восстановленных мультивременных спутниковых данных Landsat/ Е.А. Гаврилюк, А. С.Плотникова, Д.Е. Плотников // Современные проблемы дистанционного зондирования Земли из космоса. 2018. №5. С. 141-153.

21. Гаврилюк Е. А., Оценка пространственного распределения видов деревьев заповедника «брянский лес» и его охранной зоны на основе разносезонных спутниковых данных landsat/ Е.А. Гаврилюк, А. В. Горнов, Д.В. Ершов // бюллетень брянского отделения русского ботанического общества. 2018. №3. С. 13-23.

22. Гаврилюк Е.А., Ершов Д.В. Тематическое картографирование породной структуры лесов на основе спутниковых изображений Landsat-ТМ/ЕТМ+/ Е.А. Гаврилюк, Д.В. Ершов // Пятая Всероссийская конференция с международным участием «Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве». Москва, ЦЭПЛ РАН, 22-24 апреля 2013. Сборник трудов конференции. С. 112-115.

23. Гаврилюк Е.А., Тематическая обработка спутниковых данных Landsat при картографировании лесной растительности (на примере ЦФО)/ Е.А. Гаврилюк, Д.В. Ершов // Геоинформационные технологии в решении задач рационального природопользования: Материалы II Всероссийской научно-практической конференции/ АУ «Югорский НИИ информационных технологий». - Ханты-Мансийск : Югорский формат, 2015, № 3, С. 403-416.

24. Гребень А.С., Анализ основных методик прогнозирования урожайности помощью данных космического мониторинга, применительно к зерновым культурам степной зоны Украины / А.С. Гребень, И.Г. Красовская // радиоэлектронные и компьютерной системы. - 2012. - №2. - С. 170.

25. Грингоф И.Г., Основы сельскохозяйственной метеорологии. Том I. Потребность сельскохозяйственных культур в агрометеорологических условиях и опасные для сельскохозяйственного производства погодные условия. / И.Г. Грингоф, А.Д. Клещенко// Обнинск: ФГБУ «ВНИИГМИ-МЦД», 2011. - 808 с.

26. Гук А.П. Планирование экспериментальных работ по исследованию автоматизированных технологий дешифрирования многозональных космических снимков/А. П. Гук, Л. Г. Евстратова // ГЕО-СИБИРЬ-2008. -Новосибирск: СГГА, 2008. т. 3Л ч. 1.- С.С. 102-10

27. Дейвис Ш.М., Дистанционное зондирование: количественный подход/ Ш.М. Дейвис, Д.А. Лангебе. Т.Л. Филлипс [и др.]; под ред. Ф. Свейна, Ш. Дейвис.-М.: Недра, 1983.- 415с.

28. Елагин И. Времена года в лесах России. Новосибирск/ И. Елагин // ВО «Наука». Сибирская издательская фирма, 1994. 272 с.

29. Жарко В.О., Оценка распознаваемости древесных пород леса на основе спутниковых данных о сезонных изменениях их спектрально-отражательных характеристик/ В.О. Жарко, С.А. Барталев // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 3.

30. Жирин В. М., Динамика спектральной яркости породно-возрастной структуры групп типов леса на космических снимках landsat/ В. М. Жирин, С. В. Князева, С. П. Эйдлина // лесоведение. 2014. №5. С. 3-12.

31. Жирин В.М., Оценка возможностей дешифрирования лесообразующих пород по космическим снимкам IKONOS/ В. М. Жирин, С. В. Князева // Современные проблемы дистанционного зондирования земли из космоса . 2009. №6. С. 373-379.

32. Заславский А. А., Пригарина Т. А. Оценка согласованности субъективных классификаций при заданных классах // Социология: методология, методы, математическое моделирование (4М). 1994. Том. 0. № 3-4. С. 84-109.

33. Исаев А. С., Спутниковое зондирование — уникальный инструмент мониторинга лесов России/ А. С.Исаев, С. А. Барталев, Е. А. Лупян, Н. В. Лукина // Вестник Российской Академии Наук. 2014. Т. 84. № 12. С. 1073-1079.

34. Исаев А.С., Дистанционное зондирование лесного покрова: состояние и перспективы/ А.С. Исаев, Г.Н. Коровин, В.И. Сухих, Ф.И. Плешиков// Дистанционное зондирование земного покрова и атмосферы аэрокосмическими средствами. Муром, 2001, с. 9-12.

35. Казарян М.Л., Мониторинг лесных массивов с помощью космических снимков-контроль вырубок леса/ М.Л. Казарян, М.А. Шахраманьян // современные проблемы науки и образования . 2015. №1. С. 1763

36. Казяк, Е. В. Спектральные преобразования космических снимков Landsat 8 для картографирования растительности агроэкосистем / Е. В. Казяк, А. В. Лещенко // Интерэкспо ГЕО-Сибирь-2015. XI Междунар. науч. конгр.: Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология»: сб. материалов в 2 т. (Новосибирск, 13-25 апреля 2015 г.). - Новосибирск: СГУГиТ, 2015. Т. 1. -С. 79-83.

37. Карта растительности Центрального Федерального округа РФ [Электронный ресурс] - Режим доступа http: //mapserver.cepl. rssi.ru/VM/VMFO 1. html

38. Космическая съемка. Компания Сканэкс [Электронный ресурс]. -Режим доступа: http://www.scanex.ra/data/satelHtes/?p=3

39. Кертешев Т.С., Методика космического мониторинга процессов опустынивания и деградации земель и ее апробация на аралосырдариинской и илебалхашской проектных территориях./ Т.С. Кертешев, В.Р. Светлаков // Республики Казахстан: 2017. 71 с.

40. Книжников Ю. Ф., Аэрокосмические методы географических исследований: Учеб. для студ. высш. учеб. Заведений/ Ю. Ф. Книжников, В.И. Кравцова, О. В. Тутубалина // М.: Издательский центр «Академия», 2004. — 336 с.

41. Книжников Ю. Ф., Аэрокосмические методы географических исследований: Учеб. для студ. высш. учеб. Заведений / Ю. Ф. Книжников, В.И. Кравцова, О. В. Тутубалина - М.: Издательский центр «Академия», 2004. — 336 с.

42. Книжников Ю.Ф., Аэрокосмические методы географических исследований./ Ю.Ф. Книжников, В.И. Кравцова, О.В. Тутубалина - М.: «Академия», 2004. -336с

43. Книжников, Ю.Ф. Зависимость точности компьютерных стереоизмерений от разрешения дисплея / Ю.Ф. Книжников// Изв. вузов. Геодезия и аэрофотосъёмка.- 2006.-№4.- C. 79-87.

44. Книжников, Ю.Ф. О точности визуальных измерений на компьютере / Ю.Ф. Книжников// Геодезия и картография.- 2005.-№1.- C.13-17.

45. Козодеров В.В., Аэрокосмическое зондирование почвенно-растительного покрова: модели, алгоритмическое и программное обеспечение, наземная валидация/ В.В. Козодеров, Е.В. Дмитриев // Исслед. Земли из космоса. 2010. № 1.С. 69-86.

46. Козодеров В.В., Дмитриев Е.В. Аэрокосмическое зондирование почвенно-растительного покрова: модели, алгоритмическое и программное обеспечение, наземная валидация // Исслед. Земли из космоса. 2010. № 1.С. 69-86.

47. Комарова А. Ф., Открытые мультиспектральные данные и основные методы дистанционного зондирования в изучении растительного покрова/ А. Ф.

Комарова, И. В. Журавлева, В. М. Яблоков // принципы экологии научный электронный журнал. 2016. №1. С. 40-74.

48. Королева Н.В., Ершов Д.В. Оценка погрешности определения площадей ветровалов по космическим изображениям высокого пространственного разрешения Landsat-TM/ Н.В. Королева, Д.В. Ершов // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 1. С. 80-86.

49. Кринов Е. Л. , Спектральная отражательная способность природных образований / Л. Кринов. Е.. - М. : Академии наук СССР, 1947. - 247 с.

50. Крылов А.М., Выявление и оценка площадей катастрофических ветровалов 2009-2010 гг. по данным космической съемки/ А.М. Крылов, Н.А. Владимирова, Е.Г. Малахова // Известия Санкт-Петербургской лесотехнической академии. 2012. Вып. 200. С. 197-207.

51. Курбанов Э. А., Распознавание лесных насаждений и доминирующих древесных пород Пензенской области по данным спутника Sentinel-2/ Э. А. Курбанов, О. Н. Воробьев, С. А. Меньшиков, Л. Н. Смирнова // Современные проблемы дистанционного зондирования Земли из космоса. 2018. №5. С. 154-166 .

52. Лабутина И.А., Использование данных дистанционного зондирования для мониторинга экосистем оопт/ И.А. Лабутина, Е.А. Балдина // Методическое пособие - Москва • 2011.

53. Лабутина И.А., Практикум по курсу "дешифрирование аэрокосмических снимков "/ И.А. Лабутина, Е.А. Балдина // Учебное пособие. М.: Географический факультет МГУ, 2013.168с.

54. Лебедева Т.А., Комплексный мониторинг и эколого-экономическая оценка лесных земель на территориях интенсивного недропользования/ Т.А. Лебедева, Ю.Ю. Копылова, А.И. Гагарин // Известия Самарского научного центра Российской академии наук. 2015. №5. С. 500-504.

55. Лекции по дисциплине АКМ в тематической картографии 7 семестр [Электронный ресурс] Режим доступа: http: //lib .ssga.ru/fulltext/UMK/

56. Лимонов А. Н., Научные основы фотограмметрии и дистанционного зондирования/ А. Н. Лимонов, Л. А. Гаврилова // электронный учебник; ФГБОУ ВПО Государственный университет по землеустройству, кафедра аэрофотогеодезии. - Москва: ГУЗ, 2014. 335 с.

57. Лимонов А. Н., Научные основы фотограмметрии и дистанционного зондирования/ А. Н. Лимонов, Л. А. Гаврилова // электронный учебник; ФГБОУ ВПО Государственный университет по землеустройству, кафедра аэрофотогеодезии. - Москва: ГУЗ, 2014. 335 с.

58. Лимонов А.Н. Разработка теоретических и методологических положений применения дистанционных методов для информационного обеспечения мониторинга земель// Лимонов А.Н.// ФГБОУ ВПО Государственный университет по землеустройству, кафедра аэрофотогеодезии. -Москва: ГУЗ, 2014. 279 с.

59. Лупян Е.А., Информационная система комплексного дистанционного мониторинга лесов «Вега-Приморье»/ Е.А. Лупян, С.А. Барталев, И.В. Балашов,

С.С. Барталев, М.А. Бурцев, В.А. Егоров, В.Ю. Ефремов, В.О. Жарко, А.В. Кашницкий, П.А. Колбудаев, Л.С. Крамарева, А.А. Мазуров, А.Ю. Оксюкевич, Д.Е. Плотников, А.А. Прошин, К.С. Сенько, И.А. Уваров, С.А. Хвостиков, Т.С. Ховратович // Современные проблемы дистанционного зондирования Земли из космоса. 2016. №5. С. 11-28.

60. Лупян Е.А., Использования спутникового сервиса ВЕГА в региональных системах дистанционного мониторинга/ Е.А.Лупян, С.А. Барталев, В.А. Толпин, В.О. Жарко // Современные проблемы дистанционного зондирования Земли из космоса. 2014. №3. С. 215-232.

61. Лупян Е.А., Спутниковый сервис мониторинга состояния растительности (Вега)/ Е.А. Лупян, И.Ю. Савин, С.А. Барталев, В.А. Толпин, И.В. Балашов, Д.Е. Плотников // Современные проблемы дистанционного зондирования Земли из космоса. 2011. №1. С. 190-198.

62. Лурье И.К. Геоинформационное картографирование Методы геоинформатики и цифровой обработки космических снимков: учебник / И.К. Лурье. - М.: КДУ, 2008. - 424 с.

63. Малахова Е.Г., Опыт применения дистанционных наблюдений для выявления повреждений лесов/ Е.Г. Малахова, А.М. Крылов, Н.А. Владимирова, М.Н. Ягунов, Д.В. Ершов, Н.В. Королева // аэрокосмические методы и геоинформационные технологии в лесоведении, лесном хозяйстве и экологии. 2016. С. 47-48.

64. Малинников В.А., Спектрометрирование аэроландшафта. / В.А. Малинников, А.Ф. Стеценко, А.Е. Алтынов, С.М. Попов // Учебное пособие для студентов М.: Изд. МИИГАиК. УПП «Репрография», 2008 г., 120 с.

65. Малышева Н.В. Автоматизированное дешифрирование аэрокосмических изображений лесных насаждений./ Н.В. Малышева // М.: Издательство Московского государственного университета леса, 2012. 154 с.

66. Маркс А. Мониторинг лесов с помощью группировки спутников RapidEye/ А. Маркс// Геоматика. 2011. №3. С. 58-66.

67. Марчуков В.С., Дешифрирование растительного покрова с использованием спектрально-временных признаков/ В.С. Марчуков, Е.А. Стыценко // Исследование Земли из космоса. 2012, № 1, с. 77-88.

68. Марчуков В.С., Дешифрирование растительного покрова с использованием спектрально-временных признаков/ В.С. Марчуков, Е.А. Стыценко // Исследование Земли из космоса. 2012, № 1, с. 77-88.

69. Миртова И.А. Учебное пособие по курсу «Дешифрирование снимков». Изучение динамики природных процессов и объектов по аэро- и космическим снимкам / И.А. Миртова // M.: МГУГиК - 77 стр. 2006.

70. Мониторинг лесных земель: учеб. -метод. пособие / Новосиб. гос. аграр. ун-т. Агроном. фак.; сост: Л. П. Галеева - Новосибирск: Изд-во НГАУ «Золотой колос», 2016. - 147 с.

71. Назаров, А.С. Дистанционное зондирование: съёмочные системы и специфика фотограмметрической обработки / А.С. Назаров

//Автоматизированные технологии изысканий и проектирования.-2004.- №14.-С.70-77.

72. Нехин, С.С. Цифровая фотограмметрическая система для создания и обновления карт и планов, получения информации для ГИС / С.С Нехин, Г. А Зотов // Пятая конференция «Проблемы ввода и обновления пространственной информации ».- М, -2000 .- С.107.

73. Оптические снимки. Компания Ракурс [Электронный ресурс]. - Режим доступа: http://racurs.ru/ers-data/optical-images/

74. Павловна Ж. Е., Модели компьютерного зрения в задачах дистанционного зондирования земли / Ж. Е. Павловна, Г. Я. Юрьевич , Г. А. Леонидов // Постулат. - 2018. - №4.

75. Письман Т. И., Оценка состояния лесной растительности Красноярского края (заповедник «Столбы») по спутниковым данным/ Т. И. Письман, И. Ю. Ботвич, А. П. Шевырногов // Современные проблемы дистанционного зондирования Земли из космоса. 2018. №5. С. 130-140.

76. Попович П.Р., Мониторинг состояния земель / П.Р. Попович, А.Е. Басманов, В.В. Горбачёв, М.В. Сумерин, И.К. Бельченко.-М.: Буквица, 2000.-384с.

77. Плотников Д. Е., Автоматическое распознавание используемых пахотных земель на основе сезонных временных серий восстановленных изображений Landsat/ Д. Е. Плотников, П. А. Колбудаев, С. А. Барталев, Е. А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса. 2018. №2. С. 112-127.

78. Плотников Д.Е., Разработка методов дистанционной оценки растительного покрова на основе многолетних спутниковых измерений квазипериодических вариаций спектральной яркости: дис. канд. физ.-мат. наук: 01.04.01 / Д. Е Плотников. - М., 2012

79. Рачкулик В. И., Отражательные свойства и состояние растительного покрова./ В. И. Рачкулик, М. В. Ситникова - Ленинград, "Гидрометеоиздат", 1981.

80. Родионов, Б.Н. Динамическая фотограмметрия / Б.Н. Родионов.- М.: Недра, 1983.-311с.

81. Российские космические системы [Электронный ресурс] / Режим доступа: http://russianspacesystems.rU/#5

82. Стыценко Е.А. Возможности распознавания сельскохозяйственных угодий с использованием методики совместной автоматизированной обработки разносезонных многозональных космических изображений/ Е.А. Стыценко // Современные проблемы дистанционного зондирования Земли из космоса. 2017. №5. С. 172-183.

83. Стыценко Ф .В. Разработка и применение методики и автоматизированной технологии оценки пирогенной гибели лесов на основе спутниковых данных: дис. канд. тех. наук: 25.00.34./ Стыценко Ф .В. М., 2016. 131 с.

84. Стыценко Ф. В. Разработка и применение методики и автоматизированной технологии оценки пирогенной гибели лесов на основе спутниковых данных: дис. канд. тех. наук: 25.00.34. / Ф. В. Стыценко - М., 2016. 131 с.

85. Сутырина Е. Н. Дистанционное зондирование земли : учеб. пособие /Е. Н. Сутырина. - Иркутск : Изд-во ИГУ, 2013. - 165 с.

86. Терехин Э.А. Анализ сезонной динамики вегетационного индекса МОУ1 и отражательных свойств посевов кукурузы на территории Белгородской области/ Э.А. Терехин // Современные проблемы дистанционного зондирования Земли из космоса. 2014. №4. С. 244-253.

87. Терехин Э.А. Анализ спектральных свойств сельскохозяйственной растительности белгородской области по спутниковым данным МОЭК/ Э.А. Терехин // Серия Естественные науки.. 2013. № 23. С. 150-156.

88. Терехин Э.А. Информативность спектральных вегетационных индексов для дешифрирования сельскохозяйственной растительности/ Э.А. Терехин // Современные проблемы дистанционного зондирования Земли из космоса. 2012 Т. 9. №4. С. 243-248 .

89. Токарева О.С. Обработка и интерпретация данных дистанционного зондирования Земли: учебное пособие/ О.С. Токарева // Томский политехнический университет. Томск: Изд-во Томского политехнического университета, 2010. 148 с.

90. Федотова Е.В., Анализ сезонной динамики растительного покрова на основе данных дистанционного зондирования Земли / Е.В. Федотова, А.А. Жолудев, В.Г. Изосимов, Ю.Д. Шпирук, Ю.А. Маглинец, Г.М. Цибульский // Журнал Сибирского федерального университета. 2014. №7. С. 976-983.

91. Федотова Е.В., Жолудев А.А., Изосимов В.Г., Шпирук Ю.Д., Маглинец Ю.А., Цибульский Г.М. Анализ сезонной динамики растительного покрова на основе данных дистанционного зондирования Земли // Журнал Сибирского федерального университета. 2014. №7. С. 976-983.

92. Фиалков Д.Н. Некоторые возможности использования повторных аэросъемок при изучении изменений в условиях физико-географической среды / Д.Н. Фиалков // Изв. Омского отдела ГО СССР, вып.7(14), 1965

93. Филиппов Д. В. Исследование особенностей спектрально-отражательных характеристик растительного покрова и почв в зонах углеводородных аномалий в целях тематического дешифрирования аэрокосмической информации: дис. канд. тех. наук: 25.00.34. / Д. В. Филиппов -М., 2003. 122 с.

94. Хамедов В.А. использование снимков с российского космического аппарата "ресурс-п" №1 для оценки точности определения площадей лесных рубок по данным спутника "LandsaT-8"/ В.А. Хамедов // Геоинформационные технологии в решении задач рационального природопользования. 2015. С. 36-38

95. Цыдыпов Б. З.Обработка данных дистанционного зондирования земной поверхности с помощью программного продукта ScanMagic/ Б.

З.Цыдыпов // учебно-методическое пособие. - Улан-Удэ: Издво БГСХА им. В. Р. Филиппова, 2008. - 43 с.

96. Чабан Л.Н., Автоматизированная обработка аэрокосмической информации при картографировании геопространственных данных: Учебное пособие. - М.: МИИГАиК,- 104 с .

97. Чандра А. М., Гош С. К. Дистанционное зондирование и географические информационные системы/ А. М. Чандра, С. К. Гош // Пер. с англ. А.В. Кирюшина. - Москва: Техносфера, 2008. - 312 с.

98. Чекалин, В.Ф. Ортофототрансформирование фотоснимков /В.Ф. Чекалин.-М.: Недра, 1986.- 166с.

99. Черепанов А.С., Спектральные свойства растительности и вегетационные индексы / А.С. Черепанов // Геоматика. - 2009. - №3. с.28-32.

100. Черепанова, Е. С. Использование индекса растительности (NDVI) как метода контроля за состоянием лесных ресурсов Пермского края / Е. С. Черепанова, С. Ю. Девятков. // сб. науч. тр. - Пермь,- 2008. - С. 155-166.

101. Шарикалов А.Г., Якутин М.В. Анализ состояния таежных экосистем с использованием методики автоматизированного дешифрирования // Известия Алтайского государственного университета. 2014. № 3 (83). Т. 1 С. 123-127.

102. Шихов А.Н., Оценка подверженности бореальных лесов Урала воздействию лесных пожаров и ветровалов по многолетним рядам спутниковых наблюдений/ А.Н. Шихов, С.И. Перминов, Е.С. Киселева // Современные проблемы дистанционного зондирования Земли из космоса. 2017. №4. С. 87-102.

103. Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений./ Р.А. Шовенгердт // Техносфера, Москва 2010, - 560 с., 32 с.

104. Albert J. Peters, Elizabeth A. WalterShea, Lel JI, Andres Vliia, Michael Hayes, and Mark D. Svoboda., Drought Monitoring with NDVI-Based Standardized Vegetation Index. Photogrammetric engineering & remote sensing.2002, p.71-79.

105. Ahern 'F. J. 'Erdle 'T. 'Maclean 'D. A. 'and Kerppeck 'I. D. (1991). A quantitative relationship between forest growth rates and Thematic Mapper reflectance measurements. Int. J. Rem. Sens. 12 '387-400.

106. Bayan Alsaaideh, Ahmad Al-Hanbali, Ryutaro Tateishi,Toshiyuki Kobayashi, Nguyen Thanh Hoan Mangrove Forests Mapping in the Southern Part of Japan Using Landsat ETM+ with DEM // Journal of Geographic Information System. 2013. №5. С. 369-377.

107. Björn Waske, Classifier ensembles for land cover mapping using multitemporal SAR imagery / Björn Waske, Matthias Braun // ISPRS Journal of Photogrammetry and Remote Sensing.- 2009.-Vol. 64.- P. 450-457.

108. Chander G., Markham B., Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges // IEEE Transaction on Geoscience and Remote Sensing, vol 41, number 11, November 2003, pp. 2674-2677 .

109. CNES. Centre National d'Etudes Spatiales [Electronic resource] Mode of access :https://spot.cnes.fr/en/SPOT/index.htm

110. Cohen, W. B. and M. Fiorella, (1998) "Comparison of methods for detecting conifer forest change with thematic Mapper imagery. " In R. S. Lunetta, & C. D. Elvidge (Eds) Remote Sensing change detection: environmental monitoring methods and applications, pp. 89-102 Ann Arbor, Ml: Ann Arbor press.

111. Copernicus Satellites - EUMETSAT [Electronic resource] / Mode of access:

https://www.eumetsat.int/website/home/Satellites/FutureSatellites/CopernicusSatellites/ Sentinel4/index.html

112. Czaplewski R. Variance approximations for assessments of classification accuracy // Fort Collins: US Department of Agriculture, Forest Service. Research paper RM-316. - 1994. - 30 p.

113. Epting, J.; Verbyla, D. Landscape-level interactions of prefire vegetation, burn severity, and postfire vegetation over a 16-year period in interior Alaska. Can. J. For. Res. 2005, 35, 1367-1377.

114. Epting, J.; Verbyla, D.; Sorbel, B. Evaluation of remotely sensed indices for assessing burn severity in interior Alaska using Landsat TM and ETM+. Remote Sens. Environ. 2005, 96, 328-339.

115. ESA Sentinel-2 [Электронный ресурс] /Mode of access: https://sentinel.esa.int/web/sentinel/missions/sentinel-2

116. Gao B., NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space // Remote Sensing of Environment, 58, 1996, pp. 257-266.

117. https://landsat.usgs.gov/sites/default/files/documents/Landsat8DataUsersH andbook.pdf.

118. Jean Carletta Assessing agreement on classification tasks: the kappa statistic // Association for Computational Linguistics. 1996. №2. С. 17-23. Volume 22

119. Jenness, J., and J.J. Wynne. 2005. Cohen's Kappa and classifi cation table metrics 2.0: an ArcView 3x extension for accuracy assessment of spatially explicit models: U.S. Geological Survey Open-File Report OF 2005-1363. U.S. Geological Survey, Southwest Biological Science Center, Flagstaff, AZ.

120. Justice C.O., Townshend J.R.G. , Vermote E.F. , Masuoka E. , Wolfe R.E. , Saleous N., Roy D.P., Morisette J.T., An overview of MODIS Land data processing and product status, Remote Sensing of Environment 83. 2002. p 3 - 15

121. Landsat Data Users Handbook. Version 1.0. June 2015 [Electronic resource] // Официальный сайт USGS. Landsat Missions. - Mode of access: https://landsat.usgs.gov/sites/default/files/documents/Landsat8DataUsersHandbook.pdf.

122. landsat science [Electronic resource] /Mode of access: https://landsat.gsfc.nasa.gov/sentinel-2a-launches-our-compliments-our-complements/

123. Landsat-7 [Electronic resource] // Официальный сайт geoportal Directory.

124. landsat-7., Mode of access : https://directory.eoportal.org/web/eoportal/satellite-missions/l/.

125. Laurent Durieux A method for monitoring building construction in urban sprawl areas using object-based analysis of Spot 5 images and existing GIS data /

Laurent Durieux, Erwann Lagabrielle, Andrew Nelson //ISPRS Journal of Photogrammetry and Remote Sensing.- 2008.- Vol. 63.- Issue 4.- P. 399-408

126. Lu D. The potential and challenge of remote sensing-based biomass estimation // International journal of remote sensing. 2006. Vol. 27. № 7. P. 1297-1328.

127. Rees, W.G. Physical Principles of Remote Sensing. / Cambridge University Press.-Great Britain, 1990. - 247p.

128. NASA. Landsat Science [Electronic resource]. - Mode of access: http://landsat.gsfc.nasa.gov.

129. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring vegetation systems in the Great Plains with ERTS // Third ERTS Symposium, NASA SP-351 I, 1973, P. 309-317.

130. Stefanidou A., Dragozi E., Tompoulidou M., Gitas I. Z. Forest/non forest mapping using landsat thematic mapper imagery and artificial neural networkS (ANNs) // Вестник ПГТУ. 2015. №1. P. 22-33.

131. USGS. Landsat Missions [Electronic resource]. - Mode of access: https://landsat.usgs.gov.)

132. Wu, Z.; He, H.; Liang, Y.; Cai, L.; Lewis, B. Determining relative contributions of vegetation and topography to burn severity from LANDSAT imagery. Environ. Manag. 2013, 52, 821-836.

133. О.Н. Воробьев, Мониторинг состояния растительного покрова на территории республики марий эл с использованием envisat meris/ О.Н. Воробьев, Э.А. Курбанов // Лесной вестник №7, 2013, с.42-45.