Точність оцінки вузькосмугових спектральних індексів за широкосмуговими даними дистанційного зондування
DOI:
https://doi.org/10.36023/ujrs.2022.9.1.209Ключові слова:
вузькосмуговий спектральний індекс, багатоспектральне зображення, спектральний діапазон, регресійна залежність, оцінка точності, бібліотека спектрівАнотація
Вузькосмугові спектральні індекси досить інформативні та важливі в різних застосуваннях дистанційного зондування – для оцінки стану рослинності, ґрунтів, водойм та інших утворень земної поверхні. Проте для прямого вимірювання вузькосмугових спектральних індексів потрібне гіперспектральне знімання. Більшість же сучасних багатоспектральних аерокосмічних знімальних систем є широкосмуговими. Відповідно, неможливо розрахувати вузькосмуговий індекс безпосередньо за широкосмуговими даними дистанційного зондування. У цій статті розглядаються підходи до відновлення вузькосмугових спектральних індексів за широкосмуговими даними дистанційного зондування з використанням статистичних моделей взаємозв’язків власне вузько- і широкосмугових індексів, вхідних широкосмугових і вузькосмугових сигналів у близьких спектральних діапазонах, а також трансляції квазібезперервних спектрів відбиття земної поверхні з широких діапазонів у вузькі.
Виконано експериментальну оцінку точності відновлення вузькосмугових спектральних індексів за широкосмуговими багатоспектральними супутниковими зображеннями. Розглядалися три найбільш складні вузькосмугові спектральні індекси, які охоплюють спектральний діапазон від видимого до короткохвильового інфрачервоного, а саме – TCARI (transformed chlorophyll absorption in reflectance index), OSAVI (optimized soil-adjusted vegetation index) та NDNI (normalized difference nitrogen index). Проаналізовано усі три згадані методи відновлення вузькосмугових спектральних індексів. Найгірший результат продемонстровано для регресійно відновлених сигналів в спектральних діапазонах, а найкращий результат – для методу трансляції спектрів. Тому метод на основі трансляції спектрів рекомендовано для практичного застосування.
Виконано експериментальну оцінку точності відновлення вузькосмугових спектральних індексів за широкосмуговими багатоспектральними супутниковими зображеннями. Розглядалися три найбільш складні вузькосмугові спектральні індекси, які охоплюють спектральний діапазон від видимого до короткохвильового інфрачервоного, а саме – TCARI (transformed chlorophyll absorption in reflectance index), OSAVI (optimized soil-adjusted vegetation index) та NDNI (normalized difference nitrogen index). Проаналізовано усі три згадані методи відновлення вузькосмугових спектральних індексів. Найгірший результат продемонстровано для регресійно відновлених сигналів в спектральних діапазонах, а найкращий результат – для методу трансляції спектрів. Тому метод на основі трансляції спектрів рекомендовано для практичного застосування.
Посилання
Agapiou A., Hadjimitsis D.G., Alexakis D.D. (2012) Evaluation of broadband and narrowband vegetation indices for the identification of archaeological crop marks. Remote Sensing, 4(12), 3892-3919.
Cetin M., Musaoglu N., Kocal O.H. (2017) A comparison of atmospheric correction methods on Hyperion imagery in forest areas. Uludag University Journal of the Faculty of Engineering, 22(1), 103-114.
Cundill S.L., Van der Werff H.M.A., Van der Meijde M. (2015) Adjusting spectral indices for spectral response function differences of very high spatial resolution sensors simulated from field spectra. Sensors, 15(3), 6221-6240.
Haboudane D., Miller J.R., Tremblay N., Zarco-Tejada P.J., Dextraze L. (2002) Integrated narrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agriculture. Remote Sensing of Environment, 2002, 81(2-3), 416-426.
Herrmann I., Karnieli A., Bonfil D.J., Cohen Y., Alchanatis V. (2010) SWIR-based spectral indices for assessing nitrogen content in potato fields. International Journal of Remote Sensing, 31(19), 5127-5143.
Heo J., Fitzhugh T.W. (2000) A standardized radiometric normalization method for change detection using remotely sensed imagery. Photograrnmetric Engineering & Remote Sensing, 66(2), 173-181.
Huete A.R., Jackson R.D. (1987) Suitability of spectral indices for evaluating vegetation characteristics on arid rangelands. Remote Sensing of Environment, 23(2), 213-232.
Penuelas J., Filella I., Gamon J.A. (1995) Assessment of photosynthetic radiation-use efficiency with spectral reflectance. New Physiologist, 131(3), 291-296.
Popov M.A., Stankevich S.A., Kozlova A.A. (2007) Method for spectral resolution enhancement of multispectral aerospace imagery. Ukrainian Patent No. 81195.
Siegmann B., Jarmer T., Lilienthal H., Richter N., Selige T., Höfle B. (2013) Comparison of narrow band vegetation indices and empirical models from hyperspectral remote sensing data for the assessment of wheat nitrogen concentration. In: Proceedings of the 8th SIG-Imaging Spectroscopy Workshop (pp. 103-108). Nantes: EARSeL.
Theiler J., Wohlberg B. (2013) Regression framework for background estimation in remote sensing imagery. In: Proceedings of 5th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS 2013, pp. 56-50). Gainesville: IEEE.
Thenkabail P.S., Smith R.B., De Pauw E. (2002) Evaluation of narrowband and broadband vegetation indices for determining optimal hyperspectral wavebands for agricultural crop characterization. Photogrammetric Engineering & Remote Sensing, 68(6), 607-621.
Thorp K.R., Tian L., Yao H., Tang L. (2004) Narrow-band and derivative-based vegetation indices for hyperspectral data. Transactions of the American Society of Agricultural Engineers, 47(1), 291-299.
Ungar S.G., Pearlman J.S., Mendenhall J.A., Reuter D. (2003) Overview of the Earth Observing One (EO-1) mission. IEEE Transactions on Geoscience and Remote Sensing, 41(6), 1149-1159.
Wang L., Wei Y. (2016) Revised normalized difference nitrogen index (NDNI) for estimating canopy nitrogen concentration in wetlands. Optik – International Journal for Light and Electron Optics, 127(19), 7676-7688.
Xue J., Su B. (2017) Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 1353691.
##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.
