Космическое землеведение: информационно-динамические исследования

1. Космическое землеведение: информационно-динамические исследования Садовничий В.А., Козодеров В.В., Ушакова Л.А., Ушаков С.А. МГУ им.М.В.Ломоносова E-mail: vkozod@inm.ras.ru • ПЛАН ДОКЛАДА • Особенности решения обратных задач оценки параметров состояния природных образований по данным их наблюдения из космоса. • Некоторые примеры получения новой информационной продукции обработки многоспектральных спутниковых изображений растительного покрова суши и фитопланктона океана. • Информационно-динамические модели описания фенологического развития растительности как комбинационно активной среды.

2. ИСХОДНЫЕ ПОЛОЖЕНИЯ Существующие технологии географических информационных систем (ГИС) обработки многоспектральных спутниковых изображений основаны на концепции «вегетационных индексов», но имеются возможности получения новой информационной продукции для каждого элемента изображений в терминах тех параметров состояния, которые характеризуют состояние почвенно-растительного покрова суши и фитопланктона океана и которые определяются специалистами-биологами на дискретных тестовых участках. Применение методов нелинейной оптики комбинационно активных сред позволяет находить функции преобразования спектров падающего солнечного излучения в спектры отраженного излучения для соответствующих классов состояния растительности суши и океана. Имеется необходимость развития новых подходов к построению информационно-динамических моделей описания наблюдаемых на многоспектральных изображениях изменений состояния объектов с помощью операторных уравнений для основных характеристик (корреляционные и спектральные функции, матрицы плотности и собственных энергий и др.) исследуемых статистических ансамблей выделяемых в процессе обработки классов объектов.

3. ОБРАТНЫЕ ЗАДАЧИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ Исходный функционал Jij{F(n) [(, ); 0; A; M (Пk)]} Mij  мгновенных значений яркости для строк и столбцов (i, j) многоспектральных изображений оптического диапазона (n измерительных каналов) при заданных углах визирования (, ), зенитного угла Солнца 0, состояния атмосферы А (прозрачность + яркость дымки) и функции чувствительности Fсоответствующей измерительной системы преобразуется в предметно-специфические характеристики природных объектов Mij, инвариантные относительно угловых условий съемки и визирования этих объектов. Проблема предсказуемости глобальных и региональных изменений – это проблема нахождения статистической значимости кросс-корреляций аномалий значений Mij (t) при анализе временных рядов спутниковых наблюдений.

4. РАСТИТЕЛЬНОСТЬ Значения Mij для каждого элемента разрешения - это объем зеленой фитомассы, зависящей от набора текущих параметров Пk, число которых k (например, для лесных экосистем это сомкнутость полога и ажурность крон деревьев). Изображение тестового участка территории Финляндии 40 км х 40 км, полученное 20 июня 2000 года аппаратурой ETM+ спутника Landsat-7 и представленное в близких к естественным цветах. Черный цвет – водоемы; интуитивно более темно-зеленые тона характеризуют хвойные породы (ель более темная, чем сосна), более светло-зеленые тона – лиственные породы (преобладание осины), а светлые пятна с красноватыми оттенками – вырубки, кустарники и подлесок.

5. Спектральные каналы (СК) аппаратуры ETM+ Landsat-7 СК, мкм 0,45-0,52 0,53-0,61 0,63-0,69 0,78-0,90 1,55-1,75 2,09-2,35

6. Спектральное распределение отражательной способности: листьев осины (слева), хвои ели (справа). Спектральное распределение отражательной способности: хвои сосны (слева), кустарниковой растительности (справа).

7. ПРИМЕНЕНИЕ НОВЕЙШИХ ТЕХНОЛОГИЙ ВОССТАНОВЛЕНИЯ ЗНАЧЕНИЙ Mij

8. МИРОВОЙ ОКЕАН (данные обработки текущих измерений) Глобальное распределение концентрации хлорофилла в водах Мирового океана по данным аппаратуры MODIS спутника Terra на дату 1 декабря 2000 года (цветовая шкала соответствует десятичному логарифму концентрации; в частности, голубой цвет соответствует значениям этого логарифма от –2 до +2). Величины Mij - это содержание хлорофилла (специфического пигмента фитопланктона) в воде; изменяются от минимальных значений (10-3 мг/м3) до максимальных значений (60 мг/м3).

9. Глобальное распределение первичной продукции океана dMij/dt (в Гигатоннах углерода на квадратный метр в год) по данным аппаратуры SeaWiFS за 2000 год. 0  250  500

10. ВЗАИМОДЕЙСТВИЕ СОЛНЕЧНОГО ИЗЛУЧЕНИЯ С КОМБИНАЦИОННО АКТИВНЫМИ СРЕДАМИ (ВЕГЕТИРУЮЩАЯ РАСТИТЕЛЬНОСТЬ)

12. ОБЩАЯ СХЕМА ФОРМИРОВАНИЯ ПОЛЯ ОТРАЖЕННОГО ИЗЛУЧЕНИЯ

13. СПЕКТРАЛЬНАЯ И КОРРЕЛЯЦИОННАЯ МАТРИЦЫ

14. УРАВНЕНИЯ ЭВОЛЮЦИИ СЛОЖНЫХ СИСТЕМ

15. СВЯЗЬ С ТЕОРИЕЙ ПЕРЕНОСА

16. ЭТАПЫ ПРОВЕДЕНИЯ ПОДСПУТНИКОВЫХ ЭКСПЕРИМЕНТОВ ТИПА FIFE • Упрощенная модель SiB (Simple Biosphere) – основа совместного использования данных дистанционного зондирования и спутниковых измерений • Отдельные разделы FIFE: • Коррекция-калибровка разных типов измерительной аппаратуры, включая наземные солнечные спектрофотометры и др. • Измерение радиационных и тепловых потоков на выбранных тестовых участках земной поверхности • Нахождение связей между радиационными и биологическими характеристиками выбранных образцов растительности и почв • Дистанционное и наземное определение влажности почв • Исследование процессов в атмосферном пограничном слое (температура и влажность разных слоев атмосферы, параметры аэрозольных частиц и др.)

17. ЭТАПЫ ИНФОРМАЦИОННО-ДИНАМИЧЕСКИХ ИССЛЕДОВАНИЙ СОСТОЯНИЯ И ИЗМЕНЕНИЙ НАЗЕМНЫХ ЭКОСИСТЕМ ПО МНОГОСПЕКТРАЛЬНЫМ СПУТНИКОВЫМ ИЗОБРАЖЕНИЯМ • Выделение отдельных классов объектов (стандартные процедуры распознавания образов, расчет NDVI и др.) • Определение биомассы растительного покрова (LAI) для каждого элемента обрабатываемого изображения на основе предлагаемых новых подходов • Построение информационно-динамических моделей функционирования экосистем • А) Нахождение функций преобразования спектральных характеристик падающего солнечного излучения в спектральные характеристики разных классов состояния вегетирующей растительности • Б) Уточнение спектральных и корреляционных функций исследуемых статистических ансамблей состояния экосистем и их связей с экофизиологическими параметрами состояния этих экосистем

18. ВЫВОДЫ Показаны возможности получения новой информационной продукции при обработке многоспектральных изображений в терминах параметров состояния (для почвенно-растительного покрова – объем фитомассы в т/га, для океана – содержание фитопланктона в мг/куб. м), инвариантных относительно условий солнечного освещения соответствующих объектов биосферы, их визирования из космоса и состояния атмосферы. Обоснованы модели описания условий формирования спектральной отражательной способности наблюдаемых объектов по спектральным характеристикам падающего солнечного излучения с учетом флуктуаций предметно-специфических параметров («плотность полога – ажурность крон деревьев» для лесных экосистем). Перспективы программ типа NEESPI – в развитии программ спутниковых и наземных наблюдений экосистем с использованием предлагаемых информационно-динамических моделей оценки параметров состояния наблюдаемых объектов и их изменчивости.