Методика визначення фізичних параметрів земної поверхні за результатами комплексування даних оптичного та радіолокаційного знімання
DOI:
https://doi.org/10.36023/ujrs.2021.8.3.197Ключові слова:
оптичні та радіолокаційні супутникові дані, вологість ґрунту, діелектрична проникність, шорсткість поверхні, фізична температура, коефіцієнт теплового випромінювання, підсупутникові вимірюванняАнотація
Розроблено методику комплексування багатоспектральних оптичних та двохполяризаційних радарних супутникових даних для обчислення фізичних параметрів ґрунтів. Зокрема, методика включає обчислення відносної діелектричної проникності (ε) на основі моделі інтегрального рівняння (IEM) з використанням радіолокаційних даних з високою просторовою розрізненністю Sentinel-1 GRDH. Виконано калібрування ε шляхом компенсації дестабілізуючого впливу кислотності та температури ґрунту. Багатоспектральні оптичні супутникові дані високої просторової розрізненності PlanetScope були використані для обчислення вегетаційних індексів та коефіцієнта теплового випромінювання. Відновлення термодинамічної температури земної поверхні було виконано з використанням теплових супутникових даних, отриманих системами низької – MODIS та середньої Landsat-7/8 ETM+/TIRS просторової розрізненності. Досліджено спосіб компенсації деполяризації радіолокаційного сигналу шляхом обчислення локальних девіацій сигналу та шорсткості поверхні. Неоднорідність рельєфу відновлена з використанням цифрової моделі місцевості середньої просторової розрізненності ALOS AWD3D. Для перевірки точності моделі обчислення вологості ґрунту, побудованої на основі представленої методики, було проведено наземні завіркові вимірювання. Зокрема, вони включали відбір зразків ґрунту для обчислення вологості гравіметричним методом. Крім того, проводилися вимірювання кислотності та температури ґрунту із застосуванням диференціального термометру GM1312 та багатофункціонального приладу WALCOM. Параметри, обчислені з використанням супутникових даних, та результати наземних завіркових вимірювань були використані для відновлення вологості ґрунтів на основі багатомірної регресійної залежності. Встановлена розбіжність визначення вологості (RMSE=4,73 %) є цілком прийнятною для кількісного моніторингу вологості земельних ресурсів природно-заповідного фонду.
Посилання
Belyaeva T.A., Bobrov P.P., Kondratieva O.V. (2013). The changes of soils dielectric properties caused by the increasing of bound water concentration. Siberian Aerospace Journal, 5 (51), 92-95. (In Russian)
Voronin A.N. Data fusion methods. (2014). Cybernetics and system analysis, p. 78-84
Hryvachevskyi A.P. Analysis of the methods of signal data fusion of partial spectral channels in the monitoring systems of objects and scenes. (2020). Bulletin of the Lviv Polytechnic National University, 818, 55-61. (In Ukrainian).
Hryvachevskyi A.P, Fabirovskyy S. E. (2017). Matching up of images which formed by sensors of different physical nature in the process of signal fusion in multispectral monitoring systems. Bulletin of the Lviv Polytechnic National University, 874, 73–80. (In Ukrainian).
Dagurov P.N., Dobrynin S.I., Dmitriev A.V., Chimitdorzhiev N.N. (2016). Phase model of the scattering of microwaves by layer with rough boundaries. Optika Atmosfery i Okeana, 29(7), 585-591. doi:10.15372/AOO20160709. (In Russian)
ISO 11465-2001. Soil quality. Determination of dry matter and moisture content. Gravimetric method. ISO 11465:1993, IDТ). 2002. 13 p. (In Ukrainian).
L. G. Kosolapova. Temperature dependences of moist soils dielectric permittivity. Experiments and modeling. XVI International Scientific Conference «Reshetnyvsky Readings». Krasnoyarsk: SibGau, 2012, p. 214-215. (In Russian)
Laktionov I.S., Vovna A.V. (2014a). Method of reducing the soil moisture meter additional error for the botanical garden greenhouses. Scientific Efforts of Donetsk National Technical University, 27(2), 183-191. Available online: http://nbuv.gov.ua/UJRN/Npdntu_ota_2014_2_24. (In Russian)
Laktionov I.S., Vovna A.V. (2014b). Method for the efficiency improving of the soil moisture meter. Scientific Efforts of Donetsk National Technical University, 24(4), 81-87. (In Russian)
Lyalko V.I., Wulfson L.D., Kotlar A.L., Ryabokonenko A.D., Freilicher V.D. Subsurface remote sensing in the P-band for the determination of soil water content in different landscape and climatic conditions. Proceedings of the I Scientific Conference “Earth and space sciences for society”, 25-27 June 2007, p. 15-18. (In Russian)
Matus S.K. (2014). Information-measuring system of data acquisition and control of soil moisture reserves. Herald of the National University of Water and Environmental Engineering, Scientific Efforts of “Technical sciences” Series, 2(66), 198-208. Available online: http://ep3.nuwm.edu.ua/2349/1/Vt6626.pdf. (In Ukrainian)
Plotnikov O.M., Mikitenko V.I. (2017). Data fusion method with the previous finding informative area on scene. Herald of Khmelnytskyi National University, Technical sciences, 1, 196-201. Available online: http://nbuv.gov.ua/UJRN/Vchnu_tekh_2017_1_39. (In Ukrainian)
Pozdnyakov A.I., Gulalyev, Ch.G. Electrophysical properties of some soils. Moscow-Baku, Adilogolu, 2004, 240 p. (In Russian)
Prudius I.N., Lazen L.V., Semenov S.O. (2008). Multilevel fusiom of images in remote sensing systems. Bulletin of Lviv Polytechnic National University, 618, 3–10. Available online: http://ena.lp.edu.ua:8080/handle/ntb/33957. (In Ukrainian)
Stankevich S.A., Pylypchuk V.V., Lubskyi M.S., Krylova H.B. (2016). Accuracy assessment of the temperature of artificial and natural Earth’s surfaces determining by infrared satellite imagery. Space Science and Technology, 22(4), 19-28. Available online: https://www.mao.kiev.ua/biblio/jscans/knit/2016-22/knit-2016-22-4-02-Stankevich.pdf. (In Ukrainian)
Tyurin Yu. N. (2010). Multidimensional statistical analysis: geometric theory, Teor. Veroyatnost. i Primenen., 55(1), 36–58. doi:10.4213/tvp4175. (In Russian)
Fomichev A.A., Uspensky V.B., Rushman K.Yu., Pugachev R.V. (2005). Information fusion in an integrated navigation system with the incomplete constellation of navigation satellites. nformation Processing Systems, 8 (48), 284-290. (In Russian)
Shaiko SG, Micheeva MP Electrochemistry: Study guide for students of higher technical educational institutions. Donetsk National Technical University: Noulage, 2013, 226. ISBN 978-617-579-231-5.
ALOS Global Digital Surface Model (DSM) «ALOS World 3D-30m» (AW3D30) Ver. 3.1 Product Description. Earth Observation Research Center Japan Aerospace Exploration Agency (JAXA EORC), 2020. 16 p. Available online.
Álvarez-Mozos J., González-Audícana M., Casalí J., Larrañaga A. (2008). Effective versus measured correlation length for radar-based surface soil moisture retrieval. International Journal of Remote Sensing, 29(17-18), 5397-5408. doi:10.1080/ 01431160802036367.
Babaeian E., Sadeghi M., Jones S. B., Montzka C., Vereecken H., Tuller M. (2019). Ground, proximal, and satellite remote sensing of soil moisture. Rev. Geophys., 57, 530–616. doi:10.1029/2018RG000618.
Baghdadi N., Zribi M., Paloscia S., Verhoest, N. E., Lievens H., Baup F., Mattia F. (2015). Semi-empirical calibration of the integral equation model for co-polarized L-band backscattering. Remote Sensing, 7(10), 13626–13640. doi:10.3390/rs71013626.
Baghdadi N., Choker M., Zribi M., Hajj M.E., Paloscia S., Verhoest N.E.C., Lievens H., Baup F., Mattia F. (2016). A new empirical model for radar scattering from bare soil surfaces. Remote Sensing, 8(11), 920. doi:10.3390/rs8110920.
Baghdadi N., El Hajj M., Choker M., Zribi M., Bazzi H., Vaudour E., Gilliot J.-M., Ebengo D.M. (2018). Potential of Sentinel-1 Images for estimating the soil roughness over bare agricultural soils. Water, 10, 131. https://doi.org/10.3390/w10020131.
Baghdadi, N., Hajj, M. E., & Zribi, M. (2019). An Operational High Resolution Soil Moisture Retrieval Algorithm Using Sentinel-1 Images. 2019 PhotonIcs & Electromagnetics Research Symposium - Spring (PIERS-Spring). doi:10.1109/piers-spring46901.2019.9017477.
Barnes R., Brown S., Lykke K., Guenther B., Butler J., Schwarting T., Turpie K., Moyer D., DeLuccia F., Moeller C. (2015). Comparison of two methodologies for calibrating satellite instruments in the visible and near-infrared. Appl. Opt., 54(35), 10376-10396. https://doi.org/10.1364/AO.54.010376.
Barsi J.A., Barker J.L., Schott J.R.. An Atmospheric Correction Parameter Calculator for a Single Thermal Band Earth-Sensing Instrument. IGARSS03, 21-25 July 2003, Centre de Congres Pierre Baudis, Toulouse, France, p. 3014- 3016. doi:10.1109/igarss.2003.1294665.
Bousbih, S., Zribi, M., El Hajj, M., Baghdadi, N., Chabaane, Z. L., Fanise, P., & Boulet, G. (2019). Sentinel-1 and Sentinel-2 Data for Soil Moisture and Irrigation Mapping Over Semi-Arid Region. IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium. doi:10.1109/igarss.2019.8897883.
Carlson T., Ripley D. (1997). On the Relation between NDVI, Fractional Vegetation Cover, and Leaf Area Index. Remote Sensing of Environment, 62, 241-252. 10.1016/S0034-4257(97)00104-1.
Choker M., Baghdadi N., Mehrez Zribi, Mohammad El Hajj, S. Paloscia, Verhoest N.E.C., Lievens H., Mattia F. (2017). Evaluation of the Oh, Dubois and IEM Backscatter Models Using a Large Dataset of SAR Data and Experimental Soil Measurements. Water, Vol. 9(1), No. 38, 27 p. https://doi.org/10.3390/w9010038.
Crow W.T., Wagner W., Naeimi V. (2010). The Impact of Radar Incidence Angle on Soil-Moisture-Retrieval Skill. IEEE Geoscience and Remote Sensing Letters, 7(3), 501–505. doi:10.1109/lgrs.2010.2040134 .
Dobson M. C., Ulaby F. T. (1986). Active microwave soil moisture research. IEEE Trans. Geosci. Remote Sens., GE-24(1), 23–26. doi:10.1109/tgrs.1986.289585.
Druce D., Tong X., Lei X., Guo T., Kittel C.M.M., Grogan K., Tottrup C. (2021). An optical and SAR based fusion approach for mapping surface water dynamics over Mainland China. Remote Sensing, 13(9). 1663 p. DOI: 10.3390/rs13091663
Dubois P. C., Van Zyl J., Engman T. (1995). Measuring soil moisture with imaging radars. IEEE Trans. Geosci. Remote Sensing, 33, 915–926. doi:10.1109/36.406677.
El Hajj, M., Baghdadi N., Zribi M., Bazzi H. (2017). Synergic use of Sentinel-1 and Sentinel-2 images for operational soil moisture mapping at high spatial resolution over agricultural areas. Remote Sens., 9, 1292. https://doi.org/10.3390/rs9121292.
European Space Agency. Sentinel-1: Radiometric Calibration of S-1 Level-1 Products Generated by the S-1 IPF. Technical Note (ESA-EOPG-CSCOP-TN-0002, May 2015). Nuno Miranda, P.J., Eds. Meadows. Available online: https://sentinels.copernicus.eu.
European Space Agency. Sentinel-1 Product Specification (S1-RS-MDA-52-7441, February 2020). Issue 3(7), 197 p. Available online: https://sentinels.copernicus.eu/documents/247904/1877131/Sentinel-1-Product-Specification.pdf/49c514c3-1574-4d94-aae2-d8061a3baebd?t=1584020315000.
Evans I. (1980). An Integrated System of Terrain Analysis and Slope Mapping. Zeitschrift Fiir Geomorphologie Supplement-Band, 36, 274-295.
Ezzahar J., Ouaadi N., Zribi M., Elfarkh J., Aouade G., Khabba S., Er-Raki S., Chehbouni A., Jarlan L. (2020). Evaluation of backscattering models and support vector machine for the retrieval of bare soil moisture from Sentinel-1 data. Remote Sensing, 12(1), A.72, 20. doi: 10.3390/rs12010072.
Fung A. K. Microwave Scattering and Emission Models and Their Applications. Artech House, Incorporated, 1994, 594 p. ISBN: 9780890065235.
Gorrab A., Zribi M., Baghdadi N., Mougenot, B., Fanise P., Chabaane Z.L. (2015). Retrieval of both soil moisture and texture using TerraSAR-X images. Remote Sens., 7(8), 10098–10116. doi:10.3390/rs70810098
Hajnsek I., Jagdhuber T., Schon H., Papathanassiou K. P. (2009). Potential of estimating soil moisture under vegetation cover by means of PolSAR. IEEE Trans. Geosci. Remote Sens., 47. P. 442–454. doi:10.1109/tgrs.2008.2009642.
Hsieh C., Fung A., Nesti G., Coppo P. (1997). A Further Study of the IEM Surface Scattering Model.. IEEE Trans. on Geosci and Remote Sensing, 35(4), 901-909. JRC15003
Huete A. R., Liu H. Q., Batchily K., Leeuwen van W. (1997). A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, 59(3), 440−451. doi:10.1016/s0034-4257(96)00112-5.
Ibarra-Castanedo C., González D., Klein M., Pilla M., Vallerand S., Maldague X. (2004). Infrared image processing and data analysis. Infrared Phys. and Technol, 46(1-2), 75—83. doi:10.1016/j.infrared.2004.03.01.
Itti L., Koch C., Niebur E. A model of saliency based visual attention for rapid scene analysis. (1998). EEE Transactions on Pattern Analysis and Machine Intelligence, 20(11). P. 1254-1259. DOI:10.1109/34.730558.
Jagdhuber T. Soil Parameter Retrieval under Vegetation Cover Using SAR Polarimetry. University of Potsdam: Potsdam, Germany, 2012, 270 p.
Kedem B., Victor De Oliveira V., Sverchkov M. Statistical Data Fusion. Singapore: World Scientific Publishing, 2017, 200 p. https://doi.org/10.1142/10282
Kim J., Mohanty B. P. (2017). A physically based hydrological connectivity algorithm for describing spatial patterns of soil moisture in the unsaturated zone. Journal of Geophysical Research: Atmospheres, 122(4), 2096–2114. doi:10.1002/2016jd025591
Kondratov P., Ohanesyan A., Tkachenko V., Prudyus I., Lazko L., Hryvachevskyi A. Detection and allotment of the objects based on multispectral monitoring. Modern Problems of Radio Engineering, Telecommunications, and Computer Science (TCSET'2016): Proceedings of the XIIIth International Conference, 2016, 259–262.
Liu M., Liu X., Dong X., Zhao B., Zou X., Wu L., Wei H. (2020). An Improved Spatiotemporal Data Fusion Method Using Surface Heterogeneity Information Based on ESTARFM. Remote Sens., 12(21), 3673. https://doi.org/10.3390/rs12213673.
Lyalko V.I., Vulfson L.D., Kotlyar A.L., Shevchenko V.N., Ryabokonenko A.D., Blumberg D.G., Freilikher V. (2000). Soil Moisture (Water-Content) Assessment by an Airborne Scatterometer: The Chernobyl Disaster Area and the Negev Desert. Remote Sensing of Environment, 71(3), 309–319. doi:10.1016/s0034-4257(99)00087-5.
Macelloni G., Nesti G., Pampaloni P., Sigismondi S., Tarchi D.,Lolli S. (2000). Experimental validation of surface scattering and emission models. IEEE Transactions on Geoscience and Remote Sensing, 38(1), 459–469. doi:10.1109/36.823941.
Nguyen H., Cressie N., Braverman A. (2012). Spatial statistical data fusion for remote sensing applications. Jour. American Statistical Association, 107(499), 1004-1018. doi:10.1080/01621459.2012.694717.
Oguro, Y., Ito, S., Tsuchiya, K. (2011). Comparisons of Brightness Temperatures of Landsat-7/ETM+ and Terra/MODIS around Hotien Oasis in the Taklimakan Desert. Applied and Environmental Soil Science, 1–11. doi:10.1155/2011/948135.
Quantitative retrieval of soil moisture content and surface roughness from multipolarized radar observations of bare soil surfaces. IEEE Trans. Geosci. Remote Sens., 42, 596–601. doi:10.1109/tgrs.2003.821065.
Olsson L., Barbosa H., Bhadwal S., Cowie A., Delusca K., Flores-Renteria D., Hermans K., Jobbagy E., Kurz W., Li D., Sonwa D.J., Stringer L. (2019). Land Degradation. In: Climate Change and Land: an IPCC special report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems [P.R. Shukla, J. Skea, E. Calvo Buendia, V. Masson-Delmotte, H.-O. Pörtner, D. C. Roberts, P. Zhai, R. Slade, S. Connors, R. van Diemen, M. Ferrat, E. Haughey, S. Luz, S. Neogi, M. Pathak, J. Petzold, J. Portugal Pereira, P. Vyas, E. Huntley, K. Kissick, M. Belkacemi, J. Malley, (eds.)]. In press. URL: https://www.ipcc.ch/site/assets/uploads/sites/4/2019/11/07_Chapter-4.pdf.
Palombo A., Pascucci S., Loperte A., Lettino A., Castaldi F., Muolo M.R., Santini F. (2019). Soil Moisture Retrieval by Integrating TASI-600 Airborne Thermal Data, WorldView 2 Satellite Data and Field Measurements: Petacciato Case Study. Sensors, 19, 1515. https://doi.org/10.3390/s19071515.
Panciera R., Tanase M.A., Lowell K., Walker J.P. (2014). Evaluation of IEM, Dubois, and Oh radar backscatter models using airborne L-band SAR. IEEE Trans. Geosci. Remote Sens., 52(8), 4966–4979. doi:10.1109/tgrs.2013.2286203
Pasolli L., Notarnicola C., Bertoldi G. Bruzzone, L. Remelgado R., Greifeneder F., Niedrist G., Chiesa S.D, Tappeiner U., Zebisch, M. (2015). Estimation of Soil Moisture in Mountain Areas Using SVR Technique Applied to Multiscale Active Radar Images at C-Band. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8(1), 262–283. doi:10.1109/jstars.2014.2378795.
Peng M., Zhang L., Sun X., Cen Y., Zhao X. A. (2020). Fast Three-Dimensional Convolutional Neural Network-Based Spatiotemporal Fusion Method (STF3DCNN) Using a Spatial-Temporal-Spectral Dataset. Remote Sens., 12(23), 3888. https://doi.org/10.3390/rs12233888.
Planet Imagery Product Specifications. February 2021, Available online. https://www.planet.com/products.
Rees G. Physical principles of remote sensing. New York: Cambridge University Press, 2013, 492 p. ISBN: 9781107004733
Robinson D.A., Campbell C.S., Hopmans J.W., Hornbuckle B.K., Jones S.B., Knight R., Ogden F., Selker J., Wendroth O. (2008). Soil Moisture Measurement for Ecological and Hydrological Watershed-Scale Observatories: A Review. Vadose Zone Journal, 7, 358-389. https://doi.org/10.2136/vzj2007.0143.
Rowlandson et al, 2018Rowlandson T.L., Berg A.A., Bullock P.R., Hanis-Gervais K., Ojo E.R., Cosh M.H., Powers J., McNairn H. (2018). Temporal transferability of soil moisture calibration equations. J. Hydrol., 56, 349–358. doi:10.1016/j.jhydrol.2017.11.023.
Schreier G. SAR Geocoding: Data and Systems. Wichmann, 1993, 435 p.
Small D., Schubert A. Guide to S-1 Geocoding, UZH-S1-GC-AD, Issue 1.10, March 2019. 42 p. Available online: https://sentinel.esa.int/documents/247904/0/Guide-to-Sentinel-1-Geocoding.pdf/e0450150-b4e9-4b2d-9b32-dadf989d3bd3.
Stankevich S. A., Kozlova A. A., Piestova I. O., Lubskyi M. S. Leaf area index estimation of forest using sentinel-1 C-band SAR data. IEEE Microwaves, Radar and Remote Sensing Symposium (MRRS), 2017, 253-256. doi: 10.1109/MRRS.2017.8075075.
Stephen H., Ahmad S., Piechota T. C., Tang C. (2010). Relating surface backscatter response from TRMM precipitation radar to soil moisture: results over a semi-arid region. Hydrol. Earth Syst. Sci., 14, 193–204. https://doi.org/10.5194/hess-14-193-2010, 2010.
Ulaby F.T., Moore R.K., Fung A.K. (1986). Microwave Remote Sensing: Active and Passive. Vol. 2. Radar Remote Sensing and Surface Scattering and Emission Theory. Ch. 12, Artech House Publishers, Norwood, 962-966.
United Nations General Assembly, Principles Relating to Remote Sensing of the Earth from Space,, 1986, accessed on April 10, 2006. URL: https://www.unoosa.org/oosa/en/ourwork/spacelaw/principles/remote-sensing-principles.html.
Van de Griend A. A., Owe M. (1993). On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces. Int. J. Remote Sensing, 14(6), 1119—1131. doi:10.1080/01431169308904400.
Vapnik V., Golowich S., Smola, A. J. (1997). Support vector method for function approximation, regression estimation, and signal processing. Adv. Neural Info. Processing Systems, 9, 281–287.
Vereecken, H.; Huisman, J.A.; Bogena, H.; Vanderborght, J.; Vrugt, J.A.; Hopmans, J.W. On the Value of Soil Moisture Measurements in Vadose Zone Hydrology: A Review. Water Resour. Res. 2008, 44, 4.
Verhoest N., Lievens H., Baup F., Mattia F. (2016). A new empirical model for radar scattering from bare soil surfaces. Remote Sens., 8(11), 920, doi:10.3390/rs8110920.
Wagner W., C. Pathe, D. Sabel, A. Bartsch, C. Kunzer, and K. Scipal. (2007). Wagner, Wolfgang & Pathe, Carsten & Sabel, Daniel & Bartsch, Annett & Kuenzer, Claudia & Scipal, Klaus. (2007). Experimental I km soil moisture products from Envisat ASAR for Southern Africa. Proceedings of ENVISAT Symposium, ESA SP-636, July 2007, Montreux, Switzerland, 6 p.
Wilson, D. J., A. W. Western, and R. B. Grayson (2005), A terrain and data- based method for generating the spatial distribution of soil moisture, Adv. Water Resour., 28, 43–54, doi:10.1016/j.advwatres.2004.09.007.
Wood, J. The Geomorphological Characterization of Digital Elevation Models, Ph.D. Thesis, University of Leicester, Department of Geography, Leicester, UK, 1996.
Yahia O., Guida R., Iervolino P. (2021). Novel weight-based approach for soil moisture content estimation via synthetic aperture radar, multispectral and thermal infrared data fusion. Sensors, 21, 3457. https://doi.org/10.3390/s21103457.
Yang H., Zhang L.F., Zhang X., et al. (2011). Algorithm of emissivity spectrum and temperature separation based on TASI data. Journal of remote sensing, 15(6), 1242—1254. doi:10.11834/jrs.20110380.
Zhang L., Li H., Xue Z. (2020). Calibrated integral equation model for bare soil moisture retrieval of synthetic aperture radar: A case study in Linze County. Applied Sciences, 10(21), A.7921, 17 p. doi:10.3390/app10217921.
Zhang J. (2010). Multi-source remote sensing data fusion: status and trends. International Journal of Image and Data Fusion, 1(1), 5–24. doi:10.1080/19479830903561035.
Zribi M., Muddu S., Bousbih S., Al Bitar A., Tomer S.K., Baghdadi N., Bandyopadhyay S. (2019) Analysis of L-Band SAR data for soil moisture estimations over agricultural areas in the tropics. Remote Sensing, 11, 1122. https://doi.org/10.3390/rs11091122.
Zribi M., Gorrab A., Baghdadi, N. (2014). A new soil roughness parameter for the modelling of radar backscattering over bare soil. Remote Sensing of Environment, 152, 62–73. doi:10.1016/j.rse.2014.05.009
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ліцензійні умови: автори зберігають авторські права та надають журналу право першої публікації на твір, одночасно ліцензований за міжнародною ліцензією Creative Commons Attribution License International CC-BY, що дозволяє іншим поділитися твором з підтвердженням авторства твору та первинною публікацією в цьому журналі.
Автори, направляючи рукопис у редакцію «Українського журналу дистанційного зондування Землі», погоджуються з тим, що редакції передаються права на захист і використання рукопису (переданого до редакції журналу матеріалу, в т. ч. такі об’єкти авторського права як фотографії автора, рисунки, схеми, таблиці тощо), в тому числі на відтворення у пресі та мережі Інтернет, на поширення, на переклад рукопису на будь-які мови, експорту та імпорту примірників журналу зі статтею авторів з метою розповсюдження, на доведення до загального відома. Зазначені вище права автори передають редакції без обмеження терміну і на території всіх країн світу без обмеження в т. ч. на території України.
Автори гарантують наявність у них виняткових прав на використання переданого редакції матеріалу. Редакція не несе відповідальності перед третіми особами за порушення даних авторами гарантій. За Авторами залишається право використання їх опублікованого матеріалу, його фрагментів і частин в особистих, у тому числи наукових і освітянських цілях. Права на рукопис вважаються переданими Авторами редакції з моменту підписання до друку випуску журналу, в якому він публікується. Передрук матеріалів, опублікованих у журналі, іншими фізичними та юридичними особами можливий тільки зі згоди редакції, з обов’язковим зазначенням випуску журналу, в якому було опубліковано матеріал.
