Современные концепции дистанционного зондирования — страница 5

  • Просмотров 1307
  • Скачиваний 26
  • Размер файла 217
    Кб

продуктивности лесов и сельхозземель, карты типов ландшафтов, растительности и природных зон, почвенные, аридные, фито-гидрологические и другие эколого-климатические карты. Так же, на его основе возможно получение численных данных для использования в расчетах оценки и прогнозирования урожайности и продуктивности, биологического разнообразия, степени нарушенности и ущерба от различных естественных и антропогенных бедствий,

аварий и т.д. Часто эти данные используются для вычисления других, универсальных и территориально-привязанных индексов: LAI - индекс листовой поверхности , FPAR - индекс фотосинтетической активной радиации, поглощаемый растительностью и пр. В целом, главным преимуществом NDVI является легкость его получения: для вычисления индекса не требуется никаких дополнительных данных и методик, кроме непосредственно самой космической съемки

и знания ее параметров. Так, благодаря минимальному временному разрешению данных MODIS/Terra, вычисление NDVI на их основе может давать оперативную информацию об эколого-климатической обстановке и возможность отслеживать динамику различных параметров с периодичностью до 1 недели! А большой пространственный охват позволяет проводить мониторинг территорий, соразмерный с площадями областей и целых стран. Данные же камер высокого

разрешения, типа Landsat, IRS, Aster позволяют следить за состоянием объектов размерами вплоть до отдельного поля или лесного выдела. Следует, однако, учитывать и главные недостатки использования NDVI-индекса: Невозможность использования данных, не прошедших этап радиометрической коррекции (калибровки); Погрешности, вносимые погодными условиями, сильной облачностью и дымкой - их влияние можно частично скорректировать использованием

улучшенных коэффициентов и композитных изображений с сериями NDVI за несколько дней, недель или месяцев (MVC - Maximum Value Composite). Усредненные значения позволяют избежать влияния случайных и некоторых систематических погрешностей. Как показывает практика, это очень часто применяемый подход для подготовки данных для создания карт NDVI, примеры показанные в дальнейшем, к сожалению, сделаны на основе разовой съемки, ошибки которой не

скорректированы с помощью MVC. Расчет MVC довольно прост и может быть выполнен в ArcInfo GRID с помощью следующих операций (в примере 5 слоев NDVI сделанных из снимков разных дат): up = upos(ndvi1, ndvi2, ndvi3, ndvi4, ndvi5) result = con(up == 1, cH2, up==2, cH2, up==3, cH2, up==4,cH2, up==5, cH2) Необходимостью для большинства задач сравнения полученных результатов с предварительно собранными данными тестовых участков (эталонов), в которых должны учитываться сезонные