Разработка методов дистанционной оценки растительного покрова на основе многолетних спутниковых измерений квазипериодических вариаций спектральной яркости тема диссертации и автореферата по ВАК РФ 01.04.01, кандидат физико-математических наук Плотников, Дмитрий Евгеньевич

• Плотников, Дмитрий Евгеньевич
• кандидат физико-математических наук
• 2012

Оглавление диссертации кандидат физико-математических наук Плотников, Дмитрий Евгеньевич

ОГЛАВЛЕНИЕ

СПИСОК СОКРАЩЕНИЙ

Сокращения на русском языке

Сокращения на английском языке

ВВЕДЕНИЕ

Глава 1. Физические основы, приборы и методы дистанционного зондирования растительного покрова

1.1 Спектрально-отражательные характеристики растительного покрова

1.2 Оптические спутниковые системы дистанционного зондирования для оценки растительного покрова

1.3 Сравнительный анализ спектральных вегетационных индексов, получаемых по дистанционным данным

1.4 Возможности использования временных серий спутниковых данных для мониторинга растительного покрова

1.5 Методы распознавания растительного покрова по данным

дистанционного зондирования

Выводы к первой главе

Глава 2. Банк данных о спектрально-отражательных характеристиках земного покрова России на основе спутниковых измерений спектрорадиометром МОШ8

2.1 Использование данных системы Тегга-МООК для экспериментальных исследований

2.2 Предварительная обработка данных системы Тегга-М0018

2.3 Алгоритм оконной полиномиальной аппроксимации временных серий

спутниковых данных

Выводы ко второй главе

Глава 3. Адаптивные алгоритмы оценки растительного покрова на основе

временных рядов спектрорадиометрических спутниковых измерений

2

3.1. Пространственно-временной корреляционный алгоритм распознавания

растительного покрова

3.2. Адаптивный алгоритм детектирования участков растительности со смещенной фазой сезонной динамики спектрально-отражательных

характеристик

Выводы к третьей главе

Глава 4. Спектрально-динамические признаки и методы распознавания растительного покрова на основе локально-адаптивной классификации

4.1. Оценка возможностей распознавания растительности на основе амплитудно-фазовых различий сезонной динамики спектрально-отражательных характеристик

4.2. Итеративный метод локально-адаптивного распознавания растительности на основе амплитудно-фазовых различий спектрально-отражательных характеристик

4.3. Разработка признаков распознавания типов растительности на основе многолетних рядов измерений спектрально-отражательных характеристик!

4.4. Исследование локальной разделимости и пространственной инвариантности спектрально-динамических признаков распознавания

4.5. Использование спектрально-динамических признаков и локально-

адаптивной классификации для картографирования пахотных земель

Выводы к четвёртой главе

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Приложение 1

Список публикаций по результатам диссертационной работы

Приложение 2

Список научных конференций и семинаров, на которых докладывались результаты диссертационной работы

СПИСОК СОКРАЩЕНИЙ Сокращения на русском языке

ДЗЗ - Дистанционное зондирование Земли

ДДЗ - Данные дистанционного зондирования

ИК - Инфракрасный

КСЯ - Коэффициент спектральной яркости

ДФО - Двунаправленная функция отражения

КДО - Коэффициент двунаправленного отражения

ВИ - Вегетационный индекс

РАН - Российская академия наук

ИКИ - Институт космических исследований

ИГО - Используемые пахотные земли

СДМЗ - Система дистанционного мониторинга земель

АПК - Агропромышленный комплекс

Сокращения на английском языке

NOAA - National Oceanic and Atmospheric Administration Национальное агентство по океану и атмосфере AVHRR - Advanced Very High Resolution Radiometer

Усовершенствованный радиометр очень высокого разрешения MISR - Multi-angle Imaging SpectroRadiometer

Многоугловой спектрорадиометр GOES - Geostationary Operational Environmental Satellite

Геостационарный спутник для мониторинга окружающей среды Landsat - Land Remote-Sensing Satellite

Спутник дистанционного зондирования Земли

- Multi-Spectral Scanner Многоспектральный сканер

- Thematic Mapper Тематический картограф

MSS

тм

ЕТМ - Enhanced Thematic Mapper

Усовершенствованный тематический картограф SPOT - Systeme Pour l'Observation de la Terre

Система наблюдения Земли HRV - High Resolution Visible

Инструмент высокого разрешения видимого диапазона HRVIR - High Resolution Visible and Infra-Red

Инструмент высокого разрешения видимого и инфракрасного диапазона

Envisat - Environmental Earth-Observing Satellite

Спутник дистанционного зондирования окружающей среды MERIS - Medium Resolution Imaging Spectrometer Спектрорадиометр среднего разрешения AWiFS - Advanced Wide Field Sensor

Улучшенный сенсор широкого поля зрения LISS - Linear Imaging Self Scanner

Линейный сканирующий прибор MODIS - Moderate Resolution Imaging Spectroradiometer

Спектрорадиометр среднего разрешения ASTER - Advanced Spaceborne Thermal Emission and reflection Radiometer

Усовершенствованный космический радиометр термальной эмиссии и отражения GLC2000 - Global Land Cover

Карта наземных экосистем EOS - Earth Observation System

Система наблюдения Земли со спутников RVI - Ratio Vegetation Index

Дробный вегетационный индекс LAI - Leaf Area Index

Индекс листовой поверхности

DVI - Difference Vegetation Index

Разностный вегетационный индекс NDVI - Normalized Difference Vegetation Index

Нормализованный разностный вегетационный индекс WDRVI - Wide Dynamic Range Vegetation Index

Вегетационный индекс широкого динамического диапазона PVI - Perpendicular Vegetation Index

Перпендикулярный вегетационный индекс SAVI - Soil Adjusted Vegetation Index

Почвенно-адаптивный вегетационный индекс TSAVI - Transformed Soil Adjusted Vegetation Index

Трансформированный почвенно-адаптивный вегетационный индекс

MSAVI - Modified Soil Adjusted Vegetation Index

Модифицированный почвенно-адаптивный вегетационный индекс

WDVI - Weighted Difference Vegetation Index

Взвешенный разностный вегетационный индекс NDDI - Normalized Difference Drought Index

Нормализованный разностный индекс засухи NDWI - Normalized Difference Water Index

Нормализованный разностный водный индекс SAR - Synthetic Aperture Radar

Радар с синтезированной апертурой MARS - Monitoring Agriculture through Remote Sensing Techniques

Проект мониторинга сельского хозяйства с использованием технологий дистанционного зондирования CGMS - Crop Grow Monitoring System

Система мониторинга и моделирования развития сельскохозяйственной растительности

IGBP - International Global Biosphere Programme

Международная глобальная биосферная программа TREES - Training, Extension, Enterprises and Sourcing program Проект по мониторингу мировых лесных ресурсов DAAC - Distributed Active Archive Center

Центр хранения и распространения данных HDF - Hierarchical Data Format

Иерархический формат данных NDSI - Normalized Difference Snow Index

Нормализованный разностный индекс снега MSI - Minimum Sum Index

Многолетний минимум интеграла вегетационного индекса NSMI - Normalized Sum seasonal Minima Index

Индекс нормализованной суммы многолетних сезонных минимумов TD - Transformed Divergence

Трансформированная дивергенция LAGMA - Locally Adaptive Global Mapping Algorithm

Локально-адаптивный алгоритм классификации SRTM - Shuttle Radar Topography Mission

Экспедиция шаттла по измерению высот с помощью радара IRS - Indian Remote Sensing satellite system

Индийская спутниковая система дистанционного зондирования

Введение диссертации (часть автореферата) на тему «Разработка методов дистанционной оценки растительного покрова на основе многолетних спутниковых измерений квазипериодических вариаций спектральной яркости»

ВВЕДЕНИЕ

Последнее десятилетие характеризуется интенсивным развитием спутниковых систем дистанционного зондирования Земли (ДДЗ), а объём получаемой ими информации непрерывно растёт. В последние годы появилось значительное количество новых спутниковых систем для мониторинга земной поверхности, предоставляющих данные высокого качества. Это позволяет использовать их при решении широкого круга научных и прикладных задач, таких, в частности, как моделирование процессов обмена веществом и энергией в экосистемах, мониторинга опасных явлений, исследования глобальных климатических трендов.

Занимая более 78% поверхности суши, а также являясь ключевым компонентом биосферы и важнейшим возобновляемым ресурсом, растительный покров Земли имеет огромное экологическое, экономическое и социальное значение. Информация о пространственном расположении и динамике типов растительности требуется для понимания процессов круговорота углерода и энергии, оценки биофизических характеристик растительного покрова, позволяющих спрогнозировать его продуктивность, а также для выявления климатических и экологических изменений. Точные данные о распределении различных типов растительности актуальны для использования в физических моделях переноса излучения в приземном слое. Современные системы ДЗЗ, обеспечивая возможность регулярных измерений спектрально-отражательных характеристик земного покрова, являются наиболее эффективным инструментом сбора информации о пространственном распределении и динамике растительности.

Динамику спектрально-отражательных характеристик растительности в

любой момент времени можно описать линейной суперпозицией

периодической (сезонной) Т$, трендовой Т{ и нерегулярной 7] компонент:

Т = Т$ + Т( + 7],. Тот факт, что сезонная составляющая доминирует в большинстве

типов естественной растительности, положен в основу ряда подходов к их

8

классификации по данным ДЗЗ. Однако некоторые типы растительности проявляют существенную нерегулярность временной динамики спектрально-отражательных характеристик, что требует разработки специальных методов их оценки на основе временных рядов данных спутниковых измерений. К наиболее представительным типам растительного покрова, характеризуемым нерегулярными (квазипериодическими) временными вариациями спектрально-отражательных характеристик, можно отнести земли сельскохозяйственного использования, а также экосистемы засушливых степей и полупустынь. В первом случае указанные нерегулярности имеют антропогенную природу, а во втором определяются стохастическим характером осадков, количество которых является главным лимитирующим фактором роста растений в засушливых регионах.

Анализ многолетней динамики спектрально-отражательных характеристик земной поверхности требует использования длинных временных серий частых спектрорадиометрических измерений с пространственным разрешением, достаточным для обнаружения и расчета статистических характеристик выявляемых объектов. С другой стороны, широкая географическая распространенность исследуемых типов растительного покрова влечет необходимость охвата единовременными измерениями больших территорий. Описанные требования могут быть удовлетворены в настоящее время благодаря долговременному устойчивому функционированию таких спутниковых систем как Terra/Aqua-MODIS и SPOT-Vegetation.

В течение длительного времени в силу влияния ряда факторов использование спутниковых данных было в значительной мере затруднено. К числу сдерживающих факторов в России до недавнего времени можно было отнести недостаточную доступность ДДЗ, а также недостаточное развитие методов тематической обработки спутниковых данных. В частности, необходимость охвата спектрорадиометрическими измерениями больших территорий наряду с использованием многолетних временных серий влечёт за собой обработку огромного объёма информации, осуществить которую

9

возможно только при помощи автоматизированных алгоритмов с выполнением требований быстродействия и повторяемости результатов, что означает минимизацию экспертного участия. Другой важной проблемой, возникающей при разработке автоматизированных алгоритмов распознавания, является сильная изменчивость спектрально-динамических характеристик растительного покрова на континентальном уровне охвата. Для её решения необходимо использовать адаптивные подходы к классификации автоматизированными алгоритмами, причём адаптивность может выражаться как в достижении независимости от факторов, вызывающих различия спектрально-динамических характеристик, так и в локализации области рассмотрения, внутри которой данные факторы можно считать неизменными.

Точные глобальные физические модели взаимодействия излучения с растительным покровом требуют детальной информации о типах растительности и их пространственном расположении. Однако до настоящего времени информации такого рода на континентальном уровне охвата была недоступна. Экономическая целесообразность мониторинга растительности также не вызывает сомнений. В частности, продукция контролируемых человеком экосистем обеспечивает продовольственную безопасность, а их деградация в ряде случаев ведет к опустыниванию, влияя на процессы изменения климата. Протяженные территории и динамичность растительного покрова делает спутниковый мониторинг наиболее объективным и точным инструментом для изучения растительности. Обработка данных дистанционных наблюдений с помощью разработанных в рамках диссертационной работы методов позволяет решить задачу оценки растительного покрова, что, вместе с приведенными выше положениями, служит обоснованием актуальности представленной диссертационной работы.

Цель и задачи. Основной целью диссертационной работы являлась разработка обладающих свойствами пространственно-временной адаптивности алгоритмов и автоматизированных методов распознавания типов растительности на основе временных рядов данных спутниковых измерений

10

квазипериодических вариаций спектральной яркости земного покрова. Достижение указанной цели потребовало решения следующих задач:

- анализ физических основ методов спутниковых измерений спектрально-отражательных характеристик земного покрова и информативности получаемых на их основе спектральных вегетационных индексов для дистанционной оценки растительности с учетом степени их инвариантности к пространственно-временным вариациям отражательных характеристик почв;

- экспериментальный анализ многолетних данных спектрорадиометрических спутниковых измерений земного покрова России с целью выявления характерных особенностей сезонной и межгодовой динамики спектрально-отражательных характеристик различных типов растительности и разработки информативных признаков распознавания;

- разработка и программная реализация метода предварительной обработки временных рядов спутниковых измерений спектрально-отражательных характеристик земного покрова с целью исключения зашумленных измерений и восстановления пропущенных данных;

- разработка и программная реализация пространственно-временного корреляционного алгоритма распознавания типов растительности, обладающей локально коррелированной нерегулярной динамикой спектрально-отражательных характеристик, на основе многолетних рядов данных спутниковых измерений;

- разработка и программная реализация алгоритма распознавания типов растительности, обладающих фазовым смещением динамики спектрально-отражательных характеристик, на основе сезонных рядов данных спутниковых измерений;

- разработка спектрально-динамических признаков и автоматической технологии распознавания типов растительности на основе многолетних

рядов спутниковых измерений спектрально-отражательных характеристик земного покрова;

- анализ данных, полученных на основе разработанных методов, для оценки влияния антропогенной трансформации растительного покрова на изменение спектрального альбедо земной поверхности в ближнем ИК-диапазоне;

- практическая апробация разработанных алгоритмов и автоматизированных методов для решения задач спутникового мониторинга сельскохозяйственных земель России.

Научная новизна работы:

1. Предложены и апробированы научно-методические принципы дистанционной оценки растительности на основе многолетних временных рядов спутниковых измерений сезонных и межгодовых вариаций спектрально-отражательных характеристик земного покрова;

2. Разработаны и апробированы новые алгоритмы и автоматизированные методы дистанционной оценки растительности на основе пространственно-временного анализа амплитудных и фазовых особенностей динамики спектрально-отражательных характеристик земного покрова;

3. Предложен новый класс спектрально-динамических признаков распознавания типов растительности, основанных на использовании многолетних временных рядов спутниковых измерений отражательных характеристик земного покрова;

4. Разработана автоматическая технология распознавания типов растительности на основе многолетних рядов спутниковых измерений спектрально-отражательных характеристик земного покрова;

5. На основе разработанных подходов и методов созданы автоматизированные технологии спутникового мониторинга

12

сельскохозяйственных земель и получены уникальные информационные продукты, отражающие многолетнюю динамику растительного покрова России.

На защиту выносятся следующие разработки и результаты:

1. Пространственно-временной корреляционный алгоритм распознавания типов растительности на основе многолетних рядов данных спутниковых измерений спектрально-отражательных характеристик земного покрова;

2. Адаптивный алгоритм детектирования на основе данных спутниковых измерений участков растительности со смещенной фазой сезонной динамики спектрально-отражательных характеристик;

3. Итеративный метод локально-адаптивного распознавания растительности по данным спутниковых измерений на основе амплитудно-фазовых различий сезонной динамики спектрально-отражательных характеристик;

4. Спектрально-динамические признаки и автоматизированная технология распознавания типов растительности на основе многолетних рядов спутниковых измерений квазипериодических вариаций спектрально-отражательных характеристик земного покрова.

Практическая значимость. Полученные автором результаты нашли широкое использование для решения задач спутникового мониторинга сельскохозяйственных земель. В частности, ежегодно получаемые на основе разработанных методов карты пахотных земель и сельскохозяйственных посевов на территории России применяются для оценки режимов землепользования, мониторинга развития культур и прогноза урожая. Результаты выявления пахотных земель на основе предложенного автором метода использованы при создании карты растительного покрова России по данным МОБК.

Апробация работы. Основные результаты диссертационной работы были доложены на десяти российских и международных конференциях, научных семинарах и совещаниях в Москве, Самаре, Санкт-Петербурге, а также Алма-Аты (Казахстан), Кембридж (Великобритания), Тарту (Эстония) и Испра (Италия). Автор дважды (2008 и 2010 годы) становился победителем конкурса Всероссийской конференции «Современные проблемы дистанционного зондирования Земли из космоса» за лучший доклад молодого ученого.

Личный вклад. Представленные в диссертационной работе методы обработки спутниковых данных, алгоритмы и признаки распознавания растительного покрова разработаны автором лично.

Публикации. По результатам исследований и разработок по теме диссертации опубликовано 19 печатных работ, в том числе 7 статей в российских периодических научных изданиях, рекомендованных ВАК.

Структура и объём диссертации. Диссертация состоит из введения, четырёх глав, заключения, библиографического списка и приложений. Объём диссертации составляет 158 страниц, включая 47 рисунков и 12 таблиц. Библиографический список содержит 146 литературных источников.

Автор чрезвычайно признателен своему научному руководителю, д.т.н. С.А. Барталёву за оказанную в процессе подготовки научной работы поддержку. Автор выражает особую благодарность к.т.н. И.А.Уварову, к.т.н. В.А. Егорову и Т.С. Ховратович за участие и ценные замечания. Искренняя благодарность за плодотворное сотрудничество выражается коллегам автора, сотрудникам Отдела технологий спутникового мониторинга Института космических исследований РАН.

Заключение диссертации по теме «Приборы и методы экспериментальной физики», Плотников, Дмитрий Евгеньевич

Выводы к четвёртой главе

- Продемонстрирована эффективность использования сезонных рядов ВИ высокого временного разрешения, позволяющего учитывать малые различия динамики развития, для решения задачи разделения широкого набора классов культурной растительности, отличающихся амплитудно-фазовыми характеристиками сезонной динамики развития. Показана принципиальная возможность дифференцирования некоторых классов растительности на основе временных серий измерений КСЯ в каналах, в том числе в оперативном режиме;

- Разработан итеративный алгоритм локально-адаптивной классификации с обучением, позволяющий в оперативном режиме оценивать пространственное расположение классов растительности в широком диапазоне физико-географических условий;

- Разработаны и описаны спектрально-динамические признаки распознавания растительности, основанные на использовании многолетних временных серий РУ1 и обеспечивающие локальную разделимость классов за счет учёта особенностей возмущенной многолетней динамики ВИ;

- Получена оценка разработанных спектрально-динамических признаков распознавания по разделению классов растительности и оценка географической вариабельности вероятности верного детектирования класса ИПЗ на основе использования этих признаков. Полученные оценки указывают на эффективность использования разработанных признаков для распознавания класса ИПЗ на континентальном уровне при использовании локально-адаптивного подхода классификации;

- На основе разработанных спектрально-динамических признаков распознавания и локально-адаптивного алгоритма классификации с обучением создан метод и автоматизированная технология оценки участков используемых пахотных земель России по спутниковым данным;

- Разработанные инструменты оценки растительного покрова использованы для получения физических характеристик типов растительности с возмущенной динамикой многолетнего развития. Получены оценки изменения спектрального альбедо растительности на участках изменений динамики антропогенного воздействия в течение 10 лет спектрорадиометрических наблюдений.

ЗАКЛЮЧЕНИЕ

Диссертационная работа содержит новые результаты исследований и разработок автора по развитию методов и алгоритмов оценки растительности на основе временных серий спутниковых измерений спектрально-отражательных характеристик. Было обнаружено, что характерные особенности развития растительности с квазипериодической возмущенной динамикой могут быть использованы для её распознавания. В частности, выявленные отличия были математически формализованы, что обусловило создание новых спектрально-динамических признаков распознавания типов растительности с возмущенной квазипериодической динамикой на основе многолетних рядов спутниковых измерений спектрально-отражательных характеристик земного покрова. Разработанные признаки используются, в частности, для ежегодного обновления информации о пространственном расположении участков ИПЗ по данным измерений КСЯ прибора МСЮХБ. Показано, что различия амплитудно-фазовых внутрисезонных характеристик динамики растительности обеспечивают классификацию видов культурной растительности. Этот факт был положен в основу разработанного адаптивного алгоритма распознавания типов растительности, обладающих фазовым смещением динамики спектрально-отражательных характеристик. На основе учета пространственно-временных связей предложен алгоритм распознавания растительности с возмущенной многолетней локально-коррелированной динамикой. Выполненный автором анализ современных систем ДЗЗ позволил обосновать необходимость использования спутников среднего пространственного разрешения с высокой повторяемостью наблюдений для мониторинга растительного покрова. Полученные в работе тематические информационные продукты, основанные на использовании спектрально-динамических признаков и адаптивных алгоритмов распознавания растительности, были включены в состав Системы дистанционного мониторинга земель агропромышленного комплекса Минсельхоза РФ. С помощью разработанных инструментов оценки растительного покрова получены физические характеристики земной поверхности на участках изменений антропогенного воздействия в течение десятилетнего периода наблюдений. В ходе выполненных в диссертационной работе исследований были получены следующие результаты:

1. Разработаны методы предварительной обработки временных серий данных спутниковых наблюдений, позволяющие минимизировать влияние состояния атмосферы, сезонного присутствия снежного покрова, различий в геометрических условиях наблюдения, аппаратных шумов сенсора;

2. Разработаны адаптивные алгоритмы классификации, позволяющие распознавать типы растительного покрова на основе амплитудно-фазовых различий и особенностей локально-коррелированной динамики сезонных и многолетних временных серий спутниковых измерений;

3. Предложены и исследованы спектрально-динамические признаки, обеспечивающие распознавание типов растительности на основе многолетних рядов спутниковых измерений квазипериодических вариаций спектрально-отражательных характеристик земного покрова;

4. На основе разработанных автором методов обработки временных рядов данных спутниковых измерений и адаптивных алгоритмов распознавания реализованы автоматизированные технологии, позволяющие ежегодно на национальном уровне создавать детальные карты типов растительного покрова с возмущенной динамикой развития, позволяющие оценить физические характеристики растительности на участках изменений антропогенного влияния и используемые, в частности, для дистанционного мониторинга земель сельскохозяйственного назначения.

Список литературы диссертационного исследования кандидат физико-математических наук Плотников, Дмитрий Евгеньевич, 2012 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

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

2. Verstraete М., Pinty В. Environmental information extraction from satellite remote sensing data. // Inverse Methods in Global Biogeochemical Cycles, 1999 -pp. 125-137.

3. Дейвис Ш.М., Лангребе Д.А., Филлипс Т.Л. и др. Дистанционное зондирование: Количественный подход. // Москва «Недра», 1983 - 396с.

4. Лурье И.К., Косиков А.Г. Теория и практика цифровой обработки изображений // Дистанционное зондирование и географические информационные системы. - М.: Научный мир, 2003. - 168с.

5. Сидько А.Ф., Пугачева И.Ю., Шевырногов А.П. Исследование динамики спектральной яркости посевов сельскохозяйственных культур в период вегетации на территории Красноярского края. // Journal of Siberian Federal University. Engineering & Technologies, 2009. - №2 - C. 100-110.

6. Jacquemoud S., Ustin S.L. Application of radiative transfer models to moisture content estimation and burned land mapping. // Joint European Association of Remote Sensing Laboratories (EARSeL) and GOFC/GOLD-Fire Program, 4th Workshop on Forest Fires, University Ghent, Belgium 5-7 June 2003.

7. Froehlich C., Lean J. The sun's total irradiance: Cycles and trends in the past two decades and associated climate change uncertainties. // Geophysical Research Letters, №25, 1998 - pp.4377-4380.

8. Global Agriculture Monitoring // European Comission - Joint Research Center, Luxembourg: Publications Office of the European Union, 2010 - 32 pp.

9. Экономическая активность населения России. Статистический сборник. -М.: Росстат, 2010-171 с.

10. Wildowski J.-L. Extracting quantitative sub-pixel heterogeneity information from optical remote sensing data // Joint Research Centre, Institute for Environment and Sustainability, 2002 - p. 162.

11. Nicodemus F.E., Richmond J.C., Hsia J.J., Ginsberg I.W., Limperis T. Geometrical considerations and nomenclature for reflectance. // NBS Monograph 160, National Bureau of Standards, Washington DC, 1977.

12. Price J.C. Examples of high resolution visible to near-infrared reflectance spectra and a standardized collection for remote sensing studies. // International Journal of Remote Sensing, vol.16, 1995 - pp.993-1000.

13. Jacquemoud S., Baret F. PROSPECT: A model of leaf optical properties spectra. // Remote Sensing of Environment, vol.34, 1990 - pp.75-91.

14. Gordon I.E., Rothman L.S., Gamache R.R., Jacquemart D., Boone C., Bernathd P.F., Shephard M.W., Delamere J.S., Clough S.A. Current updates of the water-vapor line list in HITRAN: A new "Diet" for air-broadened half-widths. // Journal of Quantitative Spectroscopy & Radiative Transfer (Article in press), p.3.

15. Lyapustin A.I., Kaufman Y.J. Role of adjacency effect in the remote sensing of aerosol. // Journal of Geophysical Research, vol.106, №D11, pp.11909-11916.

16. Gates D.M., Keegan H.J., Schleter J.C., Weidner V.R. Spectral properties of plants. // Applied Optics, №4, 1965 - pp.11-20.

17. Hunt J.R., Salisbury J.W. Visible and near infrared spectra of minerals and rocks: I Silicate minerals. //Modern Geology, №1, 1970 -pp.283-300.

18. Stoner E.R., Baumgardner M.F. Characteristic variations in reflectance of surface soils. // Soil Science Society of America Journal, №45, 1981 - pp.11611165.

19. Knipling E.B. Physical and physiological basis for the reflectance of visible and near-infrared radiation from vegetation. // Remote Sensing of Environment, №1, 1970-pp.l55-159.

20. Bohren C.F., Huffman D. Absorption and scattering of light by small particles // John Wiley, New York, 1983.

21. Bohren C.F. Atmospheric Optics // PSU, Department of Meteorology.

22. Verstraete M., Pinty B. Introduction to special section: Modeling, measurement, and exploitation of anisotropy in the radiation field // Journal of Geophysical Research, vol. 106,№Dll,pp. 11903-11907.

23. Jacobowitz H., Soule H.V., Kyle H.L. and the Nimbus ERB Experiment Team. The Earth Radiation Budget (ERB) experiment: An overview. // Journal of Geophysical Research, №89, pp. 5021-5038.

24. Gobron N., Pinty B., Verstraete M., Martonchik J., Knyazikhin Y., Diner D. Potential of multiangular spectral measurements to characterize land surfaces: Conceptual approach and exploratory application. // Journal of Geophysical Research, №105, pp. 17539-17549.

25. Pinty B., Ramond D. A method for estimate of broadband directional surface albedo from a geostationary satellite. // Journal of Climate and Applied Meteorology, №26, pp. 1709-1722.

26. D'Entremont R.P., Schaaf C.B., Lucht W., Strahler A.H. Retrieval of red spectral albedo and bidirectional reflectance using AVHRR HRPT and GOES satellite observations of the New England region. // Journal of Geophysical Research, №104, pp.6229-6239.

27. Kriebel K.T. Measured spectral bidirectional reflection properties of four vegetated surfaces. //Applied Optics, №17, pp.253-259.

28. Deering D.W., Leonoe P. A sphere-scanning radiometer for rapid directional measurements of sky and ground radiance. // Remote Sensing of Environment, №19, pp. 1-24.

29. Woessner P., Hapke B. Polarization of light scattered by clover. // Remote Sensing of Environment, №21, pp.243-261.

30. Brakke T.W., Smith J.A., Harnden J.M. Bidirectional scattering of light form tree leaves. // Remote Sensing of Environment, №29, pp. 175-183.

31. Arino O., Dedieu G., DesChamps P.Y. Determination of land surface spectral reflectances using METEOSAT and NOAA/AVHRR shortwave channel data. // International Journal of Remote Sensing, 1992, №13(12) - pp. 2264-2287.

32. Carlson T.N., Perr E.M., Schmugge T.J. Remote estimation of soil moisture availability and fractional vegetation cover for agricultural fields. // Agricultural and Forest Meteorology, 1990, №52 - pp.45-69.

33. Knyazikhin Y.V., Marshak A.L. Fundamental equations of radiative transfer in leaf canopies, and iterative methods for their solutions. // Photon-Vegetation Interactions, 1991 - pp. 9-43.

34. Ross J. The radiation regime and Architecture of Plant Stands. // 1981, Boston: W. Junk.

35. Egbert D.D. A practical method for correcting bidirectional reflectance variations. In Proceedings of the Machine Processing Remotely Sensed Data Symposium, 1977-pp. 178-189.

36. Otterman J. Absorption of insolation by land surfaces with sparse vertical protrusions. // Tellus 35B, 1983 - pp.309-318.

37. Ross J., Marshak A.L. Calculation of canopy bidirectional reflectance using the Monte-Carlo method. // Remote Sensing of Environment? Vol.24, 1988 -pp.213-225.

38. Borel C.C., Gerstl A.W., Powers B.J. The radiosity methods in optical remote sensing of structured 3-D surfaces. // Remote Sensing of Environment, vol.36, 1991-pp. 13-44.

39. Rahman H., Verstraete M.M., Pinty B. Coupled surface-atmosphere reflectance CSAR model 1. Model description and inversion on synthetic data. // Journal of Geophysical Research, vol.98, 1993 - pp.20779-20789.

40. Minnaert M. The reciprocity principle in lunar photometry. // Astrophysical Journal, vol.93, 1941 -pp.403-410.

41. Meerkoetter R. Reflection functions for inhomogeneous land surfaces. // Applied Optics, vol.29, 1989 - pp.4192-4198.

42. Martonchik J.V., Diner D.J., Pinty B., Verstraete M.M., Myneni R.B., Knyazikhin Y.V., Gordon H.R. Determination of land and ocean reflective, radiative and biophysical properties using multiangle imaging. // IEEE Transactions on Geoscience and Remote Sensing, vol.36, 1998 -pp.1266-1281.

141

43. Duggin M.J., Piwiniski D., Whitehead V., Ryland G. Evaluation of NOAA-AVHRR data for crop assessment. // Applied Optics, 1982, №21(11) - pp. 18731875.

44. Gutman G. Global data on land surface parameters from NOAA AVHRR for use in numerical climate models. // Journal of Climate, 1994, №7 - pp. 669-680.

45. Lambin E.F., Strahler A.H. Indicators of land-cover change for change-vector analysis in multi temporal space at coarse spatial scales. // International Journal of Remote Sensing, 1994, №15 - pp. 2099-2119.

46. S. Liang. Land-cover classification methods for multi-year AVHRR data. // International Journal of Remote Sensing, Vol.22, №8, 2001 - pp. 1479-1493.

47. Los S.O., Justice C.O., Tucker C.J. A global 1 x 1 degree NDVI dataset for climate studies derived from the GIMMS continental NDVI data. // International Journal of Remote Sensing, 1994, №15 - pp. 3493-3518.

48. Rencz A. N. Multitemporal Analysis of Landsat Imagery for monitoring forest cutovers in Novascotia. // Canadian Journal of Remote Sensing, №11 (2), 1985 -pp. 188-194.

49. Bansal A. K., Murthal P. A., Wiart R. J. An evaluation of landsat thematic mapper data for reforestation monitoring in British Columbia // Journal of the Indian Society of Remote Sensing, Vol. 19, № 3, 1991 - pp. 163-174.

50. Yuan Zhang, Xia Chen, Shiliang Su, Jiaping Wu, Jiaguo Qi. Making the best use of Landsat MSS images for Land Use/Cover Change analysis.// 2009 International Conference on Environmental Science and Information Application Technology, vol.1, 2009 - pp.359-362.

51. Hansen M.C., Defries R.S., Townshend J.R.G., Sohlberg R. Global land cover classification at 1-km spatial resolution using a classification tree approach. // International Journal of Remote Sensing, Vol.21, №6&7, 2000 - pp.1331-1364.

52. Earth Observation Satellite Company, Landsat system status report - September 1994: Lanham, Md., Earth Observation Satellite Company, 1994, p. 1-11.

53. Oguro Y., Suga Y., Takeuchi S., Ogawa H., Tsuchiya K. Monitoring of a rice field using Landsat-5 TM and Landsat-7 ETM+ data. // Advances in Space Research, Vol. 32, №11, 2003 - pp. 2223-2228.

54. Dunham S., Fonstad M., Anderson S., Czajkowski K. Using multi-temporal satellite imagery to monitor the response of vegetation to drought in the Great Lakes region. // GIScience & Remote Sensing, 42, №3, 2005 - p. 185-201.

55. Chen S., Rao P. Land degradation monitoring using multi-temporal Landsat TM/ETM data in a transition zone between grassland and cropland of northeast China. // International Journal of Remote Sensing, Vol.29, №7, 2008 - pp. 20552073.

56. JPL Mission and Spacecraft Library, Jet Propulsion Laboratory, 1997.

57. Bartholome E., Belward A. S. GLC2000: a new approach to global land cover mapping from Earth Observation data. // International Journal of Remote Sensing, 26(9), 2005 - pp. 1959-1977.

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

59. Rast M., Bezy J.L., Bruzzi S. The ESA Medium Resolution Imaging Spectrometer MERIS a review of the instrument and its mission. // International Journal of Remote Sensing, Vol.20, №9, 1999 - pp. 1681-1702.

60. Csornai G., Suba Z., Nador G., Laszlo I., Wirnhardt C. Disaster monitoring with the integrated utilization of ENVISAT and other satellite data sets in the 20042006 period in Hungary. // ESA ENVISAT Symposium, Montreux, 23-27, April, 2007.

61. Gobron N., Pinty B., Verstraete M., Govaerts Y. The MERIS Global Vegetation Index (MGVI): description and preliminary application. // International Journal of Remote Sensing, Vol.20, No. 9, 1999 - pp. 1917-1927.

62. Monitoring crop phenology with MERIS data - a case study of winter wheat in North China Plain // Progress in electromagnetics research symposium, Beijing, China, March 23-27, 2009 - pp.1225-1228.

63. González-Alonso F., Merino-de-Miguel S., Roldán-Zamarrón A., García-Gigorro S., Cuevas J. M. MERIS Full Resolution data for mapping level-of-damage by forest fires: the Valencia de Alcántara event in August 2003. // International Journal of Remote Sensing, vol.28, №3-4, 2007 - pp. 797-809.

64. Costa H., Carrao H., Bacao F., Caetano M. Land cover classification in Portugal with multitemporal AWiFS images: a comparative study. // Remote Sensing for a Changing Europe, 2009 - pp. 356-363.

65. Kulkarni A.V., Singh S.K., Mathur P., Mishra V.D. Algorithm to monitor snow cover using AWiFS data of RESOURCES AT-1 for the Himalayan region. // International Journal of Remote Sensing, vol.27, №12, 2006 - pp. 2449-2457.

66. Panigrahy K., Ray S., Panigrahy S. Study on the utility of IRS-P6 AWiFS SWIR band for crop discrimination and classification. // Journal of the Indian Society of Remote Sensing, vol.37, №2, 2009 - pp. 325-333.

67. Sudhakar C., Navatha K., Rachel В., Murthy M.S.R., Manikya P. Forest fire monitoring in Sirohi district, Rajasthan using remote sensing data. // Current Science, vol. 97, №9, 2009 - pp. 1287-1290.

68. Murthy C.S., Sesha Sai M.V.R., Bhanuja Kumari V., Roy P.S. Agricultural drought assessment at disaggregated level using AWiFS/WiFS data of Indian Remote Sensing satellites. // Geocarto International, vol.22, №2, 2007 - pp. 127140.

69. Барталев C.A., Егоров E.A., Курятникова T.A., Лупян Е.А., Уваров И.А. Методы и результаты использования данных спутниковых наблюдений для оценки воздействия пожаров и вырубок на леса России // Дистанционные методы в лесоустройстве и учете лесов, Сборник статей, ред. академик РАН А.С. Исаев, Красноярск: ИЛ СО РАН, 2005, С. 23-27.

70. Корец М.А., Данилова И.В., Сухинин А.И., Бычков В.А., Барталев С.А. Использование данных Envisat MERIS для оценки степени нарушенности лесов пожарами // Дистанционные методы в лесоустройстве и учете лесов, Сборник статей, ред. академик РАН А.С. Исаев, Красноярск: ИЛ СО РАН, 2005, С. 58-62.

71. Bucha Т., Stibig H-J., Bartalev S. and Kuryatnikova T.S. Monitoring of clear cut in boreal forest ecosystems with MODIS // Proceedings of the Conference «Climate Change - Forest Ecosystems & Landscape», Sielnica-Zvolen, Slovak Republic, 2005.

72. Барталев С.А., Лупян E.A., Нейштадт И.А., Савин И.Ю. Классификация некоторых типов сельскохозяйственных посевов в южных регионах России по спутниковым данным MODIS // Исследование Земли из космоса, 2006, № 3, С. 68-75.

73. Плотников Д.Е., Барталев С.А., Лупян Е.А. Метод детектирования летне-осенних всходов озимых культур по данным радиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. Сб. научных статей. М.ЮОО "Азбука-2000", 2008. Выпуск 5. Т. II. С.322-330.

74. И.А. Нейштадт, С.А. Барталев. Построение карты пахотных земель по данным дистанционного зондирования // Тез. Конф. молодых ученых, поев, вопросам исследования и использования космического пространства в интересах фундаментальных наук, Москва, ИКИ РАН, 2006. - С. 37.

75. Плотников Д.Е., Барталев С.А., Лупян Е.А., Савин И.Ю. Выявление используемых, вновь распаханных и заброшенных земель, посевов озимых и чистых паров по временным сериям MODIS // Материалы Всероссийской научной конференции «Методическое обеспечение мониторинга земель сельскохозяйственного назначения». 29-30 сентября 2009 года. Сборник научных статей. Москва. -М.:РАСХН, 2009.

76. Dawson Т.Р., Curran P.J. A new technique for interpolating the reflectance red edge position. // International Journal of Remote Sensing, vol.19, 1998 - pp. 2133-2139.

77. Gitelson A.A., Merzlyak M.N. Remote estimation of chlorophyll content in higher plant leaves. // International Journal of Remote Sensing, vol.18, 1998 -pp. 2691-2697.

78. Curran P.J. Remote sensing of foliar chemistry. // Remote Sensing of Environment, vol.30, 1989 - pp. 271-278.

79. Penuelas J., Gamon J.A., Fredeen A.L., Merino J., Field C.B. Reflectance indices associated with physiological changes in nitrogen- and water-limited sunflower leaves. // Remote Sensing of Environment, vol.48, 1994 - pp.135-146.

80. Tian Q., Zhao C., Tong Q., Pu R., Guo X. Spectroscopic determination of wheat water status using 1650-1850 nm spectral absorption features. // International Journal of Remote Sensing, vol.22, 2001 -pp.2329-2338.

81. Penuelas J., Filella I., Beil C., Serrano L., Save R. The reflectance at the 950-970 nm region as an indicator of plant water status. // International Journal of Remote Sensing, vol.14, 1993 - pp.1887-1905.

82. Penuelas J., Pinol J., Ogaya R., Filella I. Estimation of plant water concentration by the reflectance water index WI (R900/R970). // International Journal of Remote Sensing, vol.18, 1997 - pp. 2869-2875.

83. 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, Vol. 1,1973-pp. p. 309-317.

84. Huete A.R., Jackson R.D, Post D.F. Spectral response of a plant canopy with different soil backgrounds. // Remote Sensing of Environment, vol. 17, 1985 -pp. 37-53.

85. Best R.G., Harlan J.C. Spectral estimation of green leaf area index of oats. // Remote Sensing of Environment, vol. 17, 1985 - pp. 27-36.

86. Jordan C.F. Derivation of leaf area index from quality of light on the forest floor. // Ecology, vol. 50, 1969 - pp. 663-666.

87. Tucker C.J. Red and photographic infrared linear combinations for monitoring vegetation. // Remote Sensing of Environment, vol. 8, 1979 - pp. 127-150.

88. Gitelson A.A., Merzlyak M.N. Remote sensing of chlorophyll concentration in higher plant leaves. // Advances in Space Research, vol. 22, 1998 - pp.689-692.

89. Fernández S., Vidal D., Simón E., Solé-Sugrañes L. Radiometric characteristics of Triticum aestivum cv. Astral under water and nitrogen stress. // International Journal of Remote Sensing, vol.15, 1994 - pp. 1867-1884.

90. Gitelson A.A., Wardlow B.D., Keydan G.P., Leavitt B. An evaluation of MODIS 250-m data for green LAI estimation in crops. // Geophysical Research Letters, vol. 34, 2007, L20403.

91. Gitelson, A.A. Wide dynamic range vegetation index for remote quantification of crop biophysical characteristics. // Journal of Plant Physiology, vol. 161, 2004 -pp.165-173.

92. Kauth R.J., Thomas G.S. The tasseled cap - A graphic description of the spectral-temporal development of agricultural crops as seen by Landsat. Proceedings of the Symposium on Machine Processing of Remotely Sensed Data, pp. 41-51, 1976.

93. Richardson A.J., Weigand C.L. Distinguishing vegetation from soil background information. // Photogrammetric Engineering & Remote Sensing, vol. 43, 1977 -pp.1541-1552.

94. Clevers J. G. P. W. The derivation of a simplified reflectance model for the estimation of leaf area index. // Remote Sensing of Environment, vol. 35, 1988 -pp.53-70.

95. Clevers J. G. P. W. The application of a weighted infrared-red vegetation index for estimating LAI by correcting for soil moisture. // Remote Sensing of Environment, vol. 29, 1989 - pp.25-37.

96. Huete A.R. A soil-adjusted vegetation index (SAVI) // Remote Sensing of Environment, vol. 25, 1988 - pp. 295-309.

97. Qi J., Chehbouni A., Huete A.R., Kerr Y.H., Sorooshian S. Modified Soil Adjusted Vegetation Index (MSAVI) // Remote Sensing of Environment, vol. 48, 1994-pp. 119-126.

98. Baret F., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment. //Remote Sensing of Environment, vol. 35, 1991 - pp. 161-173.

99. Baret F., Guyot G., Major D.J. TSAVI: a vegetation index which minimizes soil brightness effects on LAI and APAR estimation. Proceedings of the 12th Canadian Symposium on Remote Sensing and IGARSS'89, Vancouver (Canada), vol.3, 1989 -pp.1355-1358.

100. Rondeaux G., Steven M., Baret F. Optimization of soil-adjusted vegetation indices. // Remote Sensing of Environment, vol.55, 1996 - pp.95-107.

101. Hansen M., Dubayah R., Defries R. Classification trees: an alternative to traditional land cover classifiers. // International Journal of Remote Sensing, vol.17, 1996 -pp.1075-1081.

102. Foody G.M. Approaches for the production and evaluation of fuzzy land cover classifications from remotely-sensed data. // International Journal of Remote Sensing, vol.17, 1996 -pp.1317-1340.

103. Foody G.M. Sharpening fuzzy classification output to refine the representation of sub-pixel land cover distribution. // International Journal of Remote Sensing, vol.19, 1998 - pp.2593-2599.

104. Van der Meer F. Spectral unmixing of Landsat Thematic Mapper data. // International Journal of Remote Sensing, vol.16, 1995 - pp.3189-3194.

105. Cihlar J., Xiao Q., Beaubien J., Fung K., Latifovic R. Classification by progressive generalization: a new automated methodology for remote-sensing multi-channel data. // International Journal of Remote Sensing, vol.19, 1998 -pp.2685-2704.

106. Lark R.M. A reappraisal of unsupervised classification, I: correspondence between spectral and conceptual classes. // International Journal of Remote Sensing, vol.16, 1995 -pp. 1425-1423.

107. Lark R.M. A reappraisal of unsupervised classification, II: optimal adjustment of the map legend and a neighbourhood approach for mapping legend units. // International Journal of Remote Sensing, vol. 16,1995 - pp. 1445-1460.

108. Achard F., Estreguil C. Forest classification of southeast Asia using NOAA AVHRR data. // Remote Sensing of Environment, vol.54, 1995 - pp. 198-208.

109. Cihlar J., Beaubien J. Land Cover of Canada 1995 Version 1.1 Digital data set documentation, Natural Resources Canada, Ottawa, Ontario, 1998.

110. Kelly P.M., White J.M. Preprocessing remotely-sensed data for efficient analysis and classification. Knowledge-based systems in aerospace and industry: applications of artificial intelligence. // Proceedings SPIE, 1993, pp. 24-30.

111. Homer C.G., Ramsey R.D., Edwards Jr. T.C., Falconer A. Landscape cover-type modeling using a multi-scene Thematic Mapper mosaic. // Photogrammetric Engineering and Remote Sensing, vol.63, 1997 - pp.59-67.

112. Cihlar J. Land cover mapping of large areas from satellites: status and research priorities. // International Journal of Remote Sensing, vol.21, num. 6&7, 2000 -pp.1093-1114.

113. Rabben E.L. Fundamentals of photo interpretation. // Manual of Photographic Interpretation, edited by Colwell R.N. 1960, Washington, D.C.: The American Society of Photogrammetry, pp. 99-168.

114. DeFries R.S., Townshend J.R.G. NDVI-derived land cover classification at a global scale. // International Journal of Remote Sensing, vol.15, 1994 - pp.35673586.

115. Ferraira L.G., Huete A.R. Assessing the seasonal dynamics of the Brazilian Cerrado vegetation through the use of spectral vegetation indices. // International Journal of Remote Sensing, vol.25, 2004 - pp. 1837-1860.

116. Knight J.F., Lunetta R.L., Ediriwickrema J., Khorram S., Regional scale land cover characterization using MODIS NDVI 250m multitemporal imagery: a phenology-based approach. // GIScience and Remote Sensing, 43(1), 2006 -pp. 1-23.

117. Doraiswamy P.C., Akhmedov B., Stern A.J. Improved Techniques for Crop Classification using MODIS Imagery. // Issue on the International Geoscience and Remote Sensing Symposium July 31 - August 4, 2006, Denver, Colorado, pp. 2084-2087.

118. Doraiswamy P.C., Akhmedov В., Stern A.J. Crop Classification in the U.S. Corn Belt Using MODIS Imagery. // Issue on the International Geoscience and Remote Sensing Symposium July 19-27, 2007, Barcelona, Spain.

119. De Winne P. Les besoins de la direction générale VI: agriculture Proceedings of the conference on the MARS project: Overview and Perspectives. // Publication EUR 15599 EN of the Office for Official Publications of the EU, Luxembourg, 1994-pp. 17-22.

120. Defourny P., Vanhalle L., Blaes X. Efficiency of crop identification based on optical and SAR image time series. // Remote Sensing of Environment, vol. 96, Issues 3-4, 2005 -pp. 352-365.

121. Евтюшкин A.B., Рычкова H.B. Изучение динамики вегетационного индекса сельскохозяйственной зоны Западной Сибири по данным NOAA и подспутниковых полигонных измерений // Материалы 3-ей научно-практической конференции «Электронная Россия», Екатеринбург: Баско, 2004. С. 54-61.

122. Klisch A., Royer A., Lazar С., Baruth В., Genovese G. Extraction of Phenological Parameters from Temporally Smoothed Vegetation Indices. // ISPRS Archives XXXVI-8/W48 Workshop proceedings: Remote sensing support to crop yield forecast and area estimates, Joint Research Centre, Ispra(VA), Italy.

123. Myneni R.B., Keeling C.D., Tucker C.J., Asrar G., Nemani R.R. Increased plant growth in the northern high latitudes from 1981 to 1991. // Nature, vol.386, 1997 -pp. 698-702.

124. Tucker C.J., Slayback D.A., Pinzon J.E., Los S.O., Myneni R.B., Taylor M.G. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999. // International Journal of Biometeorology, vol.45, 2001-pp.184-190.

125. Gu Y., Brown J.F., Verdin J.P., Wardlow B. A five-year analysis of MODIS NDVI and NDWI for grassland drought assessment over the central Great Plains of the United States. // Geophysical Research Letters, Vol. 34, 2007, L06407.

126. Walker D.A. et al. Spatial and temporal patterns of greenness on the Yamal Peninsula, Russia: interactions of ecological and social factors affecting the Arctic normalized difference vegetation index. // Environmental Research Letters, vol.4, 045004, 2009.

127. De Beurs K.M., Wright C.K., Henebry G.M. Dual scale trend analysis for evaluating climatic and anthropogenic effects on the vegetated land surface in Russia and Kazakhstan. // Environmental Research Letters, vol.4, 045012, 2009.

128. N.J-P. Delbart, L. Kergoat, T. Le Toan, J. Lhermitte, G. Picard. Determination of phenological dates in boreal regions using Normalized Difference Water Index. // Remote Sensing of the Environment, vol.97, 2005 - pp. 26-38.

129. Seong J.C., Mulcahy K.A., Usery E.L. The sinusoidal projection: a new importance in relation to global image data // The Professional Geographer, vol. 54, 2002-pp. 218-225.

130. Justice C.O., Townshend J.R.G., Vermote E.F. et al. An overview of MODIS Land data processing and product status // Remote Sensing of Environment, Vol. 83, 2002 -pp.3-15.

131. Матвеев A.M., Мазуров А.А. Автоматизированная система подготовки спутниковых данных для создания базовых информационных продуктов // Современные проблемы дистанционного зондирования Земли из космоса. Сб. научных статей. М.ЮОО "Азбука-2000", Выпуск 5, 2008, Т. I. с.138-142.

132. Бурцев М.А., Мазуров А.А., Нейштадт И.А., Прошин А.А. Построение архива спутниковых данных для анализа динамики растительности // Сборник научных статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред. Е.А. Лупяна, О.Ю. Лавровой, М.: «Азбука-2000», Том 1, 2006 - с. 170-174.

133. Егоров В.А., Барталев С.А. Построение временных серий улучшенных композитных изображений по данным MODIS для мониторинга растительности // Четвертая всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из

151

космоса», Москва, ИКИ РАН, 13-17 ноября 2006. Сборник тезисов конференции, 2006 - с.210.

134. Нейштадт И.А., Барталев С.А, Ершов Д.М., Лупян Е.А., Савин И.Ю. Алгоритмы анализа данных спутниковых наблюдений Terra-MODIS для мониторинга сельскохозяйственных земель // Геоинформатика. Международная научно-техническая конференция, посвященная 225-летию МИИГАиК, Москва, 2004 - с.205-209.

135. Барталев С.А., Лупян Е.А., Нейштадт И.А., Савин И.Ю. Дистанционная оценка параметров сельскохозяйственных земель по спутниковым данным спектрорадиометра MODIS // Сборник научных статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред. Е.А. Лупяна, О.Ю. Лавровой, М.: «Азбука-2000», Том 2, 2005 - с. 228-236.

136. Jensen J.R. Introductory digital image processing: a remote sensing perspective. // 2nd ed. Upper Saddle River, NJ: Prentice Hall, 1996 - p.316.

137. Уваров И.А., Барталев C.A. Алгоритм и программный комплекс распознавания типов земного покрова на основе локально-адаптивной обучаемой классификации спутниковых изображений // Современные проблемы дистанционного зондирования Земли из космоса, 2010. Т.7. № 1. С.353-365.

138. Медведева М.А., Уваров И.А., Барталев С.А. Выявление водных объектов и сезонно затапливаемых территорий для картографирования наземных экосистем по данным MODIS // Пятая юбилейная открытая всероссийская конференция «Дистанционное зондирование Земли из космоса», 12-16 ноября 2007, Тезисы докладов.

139. Гайдамака Е.И., Розов H.H., Шашко Д.И. Природно-сельскохозяйственное районирование и использование земельного фонда СССР. - М.: Колос, 1983-336 с.

140. Грингоф И.Г. Справочник агронома по сельскохозяйственной метеорологии. - Гидрометеоиздат, 1986 - 525 с.

141. Стенограмма пресс-конференции Министра сельского хозяйства РФ в агентстве "Интерфакс" 28.05.2008. (http://www.mcx.ru).

142. Газета «Ставропольская правда», выпуск от 16 января 2008 года (http://www.stapravda.ru/20080116/Urozhai_ozimyh па Stavropole v opasnos ti 15434.html).

143. Keeney R.L. Decisions with multiple objectives: Preferences and value tradeoffs //New York: Wiley, 1976.

144. Boschetti L., Stéphane P.F., Pietro A.B. Analysis of the conflict between omission and commission in low spatial resolution dichotomic thematic products: The Pareto Boundary // Remote Sensing of Environment, 2004 - vol. 91.-P. 280-292.

145. Savitzky A., Golay M.J.E. Smoothing and Differentiation of Data by Simplified Least Squares Procedures // Analytical Chemistry, 1964, vol. 36 (8) - pp. 16271639.

146. Nelder J. A., Mead R. A simplex method for function minimization // Computer Journal vol. 7, 1965 - pp. 308-313.