Застосування новітніх методів обробки космічних зображень для вирішення задач екологічного моніторингу
DOI:
https://doi.org/10.36023/ujrs.2024.11.2.260Ключові слова:
класифікування зображень, нормалізований диференційний вегетаційний індекс, теорія свідчень, правило комбінування Ягера, екологічний моніторингАнотація
Сучасні методи та підходи дистанційного зондування Землі (ДЗЗ) відкривають нові можливості для проведення більш детальних наукових досліджень. На даний час у ДЗЗ застосовується багато методів обробки космічних зображень (ГКЗ). Відбір спектральних каналів та процедура класифікування є одними із найбільш важливих та складних процедур обробки космічних зображень. У даній статті пропонується застосовувати метод відбору спектральних каналів на основі кореляційного аналізу, правило комбінування Ягера та нормалізований диференційний вегетаційний індекс для проведення обробки супутникових даних. На першому кроці обробки космічного зображення застосовано використовується для оцінки густини зеленої рослинності. Різним класам об’єктів, таким як: пісок, ґрунт, водойми, зелена рослинність, дороги та місця нафтозабруднень, відповідають різні значення вегетаційного індексу. Використовуючи можна обрати саме ті класи, що що саме потрібні для розв’язку конкретної задачі. На другому кроці обробки космічного зображення застосовано метод контрольованого класифікування. Але багато методів контрольованого класифікування не можуть працювати із суперечливими даними, оскільки дають нелогічні та невірні результати. Ось чому слід використовувати теорію свідчень Демпстера-Шейфера та правило комбінування Ягера. Правило Ягера може обробляти неточні та неповні дані, отримані із різних спектральних каналів. У цій роботі описані та проаналізовані основні переваги теорії свідчень Демпстера-Шейфера та правила комбінування Ягера. Теорія свідчень Демпстера-Шейфера набула розвитку через необхідність обійти обмеження теорії ймовірностей. Зазначено, що правило комбінування Ягера дозволяє швидко та легко обробляти інформацію. У цій статті була наведена формула правила комбінування Ягера. Було розглянуто числовий приклад, де та правило комбінування Ягера використовувалися для виявлення та картографування місць нафтозабруднень. Описані методи обробки космічних зображень можна застосовувати для вирішення різних сільськогосподарських і практичних завдань, для пошуку корисних копалин та для проведення екологічного моніторингу.
Посилання
Adam, G., Duncan H. (2003). The effect of diesel fuel on common vetch (Vicia sativa L.) plants. Environ. Geochem. Hlth, 25, 123-130.
Alpert, S. (2020). A new approach to applying the discount rule in hyperspectral satellite image classification. Management of Development of Complex Systems, 43, 76 – 82. dx.doi.org10.32347/2412-9933.2020.43.76-82.
Alpert, S. (2023). A new band selection method for multispectral data based on criterion function of information capability. Management of Development of Complex Systems, 53, 23–29. dx.doi.org10.32347/2412- 9933.2023.53.23-29.
Alpert, S. (2022). The new approach to applying the Dezert – Smarandache theory in land-cover classification in uav-based remote sensing. Management of Development of Complex Systems, 49, 33–39. dx.doi.org10.32347/2412-9933.2022.49.33-39.
Anjana, S., Poonam K., Meenal B. R. (2014). Biodegradation of diesel hydrocarbon in soil by bioaugmentation of Pseudomonas aeruginosa: a laboratory scale study. International Journal of Environmental Bioremediation & Biodegradation. 2(4), 202-212.
Banks, M. K., Schultz, K. E. (2005). Comparison of plants for germination toxicity tests in petroleum contaminated soil. Water, Air, and Soil Pollution. 167, 211-219.
Camps-Valls, G., Mooij, J., Scholkopf B. (2010). Remote Sensing Feature Selection by Kernel Dependence Measures. IEEE Geoscience and Remote Sensing Letters, 7 (3), 587-591.
Crippen, R. E. (1999). Calculating the Vegetation Index Faster. Remote Sensing of Environment, 34, 71–73.
Du, Q., Yang H. (2008). Similarity-Based Unsupervised Band Selection for Hyperspectral Image Analysis. IEEE Geoscience and Remote Sensing Letters, 5 (4), 564-568.
Dzhura, N., Romanyuk, O., Oshchapovsky, I. et. al. (2008). Using plants for recultivation of oil-polluted soils. J. Environmental protection and ecology. 9(1), 55–59.
Fingas, M., Brown, C. E. (2018). A review of oil spill remote sensing. Sensors, 18(1), 91.
Gong, M., Zhang, M., Yuan, Y. (2015). Unsupervised band selection based on evolutionary multiobjective optimization for hyperspectral images. IEEE Trans. Geosci. Remote Sens, 54, 544–557.
Habermann, M., Fremont, V., Shiguemori, E. H. (2017). Problem-based band selection for hyperspectral images. IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 1800–1803.
Jiao, Z., Jia, G., Cai, Y. (2019). A new approach to oil spill detection that combines deep learning with unmanned aerial vehicles. Computers & Industrial Engineering, 135, 1300–1311.
Keshava, N. (2004). Distance metrics and band selection in hyperspectral processing with applications to material identification and spectral libraries. IEEE Transactions on Geoscience and Remote Sensing, 42 (7), 1552-1565.
Okpobiri, O., Harry, A. A. (2022). Monitoring and Detecting the Impact of Oil Sabotage on Land Using Multispectral Imagery. International Journal of Multidisciplinary Research and Publications (IJMRAP), 4(9), 66-74.
Popov, M. O., Zaitsev, O. V., Stambirska, R. G., Alpert, S. I., Kondratov, O. M. (2021). A Correlative Method to Rank Sensors with Information Reliability: Interval-Valued Numbers Case. Reliability Engineering and Computational Intelligence (Studies in Computational Intelligence book series). Springer International Publishing, 275-291. doi 10.1007/978-3-030-74556-1.
Popov, M., Alpert, S., Podorvan, V., Topolnytskyi, M., Mieshkov, S. (2015). Method of Hyperspectral Satellite Image Classification under Contaminated Training Samples Based on Dempster-Shafer’s Paradigm. Central European Researchers Journal, 1(1), 86–97.
Smets, Ph. (1990). The combination of evidence in the Transferable Belief Model. IEEE Trans. On Pattern Analysis and Machine Intelligence, 12 (5), 447– 458.
Yager, R. (1987). On the Dempster-Shafer framework and new combination rules. Inf Sci., 41, 93–137.
##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.
