eng
Содержание
Содержание
Предисловие к третьему изданию.............................................................................. 15
Предисловие ко второму изданию............................................................................. 15
Глава 1. Основы дистанционного зондирования З емли........ 17
1.1.
Введение....................................................................................................... 17
1.2.
Дистанционное зондирование Земли.......................................................... 17
1.2.1.
Интерпретация снимков...................................................................... 25
1.2.2.
Спектральные диапазоны съемки....................................................... 26
1.3.
Спектральные образы объектов................................................................... 33
1.4.
Системы дистанционного зондирования.................................................... 37
1.4.1.
Пространственные и радиометрические характеристики.................. 37
1.4.2.
Спектральные характеристики............................................................ 50
1.4.3.
Временные характеристики................................................................. 53
1.4.4.
Группировки искусственных спутников Земли.................................. 56
1.5.
Системы отображения снимков.................................................................. 58
1.6.
Системы обработки данных......................................................................... 61
1.7.
Выводы.......................................................................................................... 65
1.8.
Упражнения.................................................................................................. 68
Глава 2. Излучение в оп тическом диапазоне спектра............. 69
2.1.
Введение....................................................................................................... 69
2.2.
Видимый и коротковолновой инфракрасный диапазоны спектра............ 69
2.2.1.
Солнечное излучение........................................................................... 69
2.2.2.
Компоненты излучения....................................................................... 71
Отраженное солнечное излучение, распространяющееся .
без рассеяния, Lλ
su................................................................................. 72
Отраженное рассеянное излучение, Lλ
sd.............................................. 78
Рассеянное излучение, распространяющееся без отражения, Lλ
sp...... 79
Суммарная плотность потока солнечного излучения, Lλ s................... 79
2.2.3.
Примеры снимков в области доминирования .
солнечного излучения.......................................................................... 82
Теневая отмывка рельефа.................................................................... 82
Эффекты затенения............................................................................. 84
Атмосферная коррекция...................................................................... 85
2.3.
Средний и тепловой инфракрасные диапазоны спектра........................... 87
2.3.1.
Тепловое излучение.............................................................................. 87
4
Содержание
2.3.2.
Компоненты собственного излучения Земли..................................... 88
Излучение поверхности Земли (Lλ
eu).................................................... 88
Атмосферное излучение, отраженное от поверхности .
Земли (Lλ
ed)............................................................................................ 92
Прямое излучение атмосферы (Lλ
ep)..................................................... 92
Суммарная спектральная плотность энергетической .
светимости, Lλ
e...................................................................................... 93
2.3.3.
Плотность суммарного потока регистрируемого излучения.............. 93
2.3.4.
Примеры снимков в тепловом ИК-диапазоне спектра...................... 94
2.4.
Выводы.......................................................................................................... 96
2.5.
Упражнения.................................................................................................. 98
Глава 3. Мо дели датчика........................................................................... 100
3.1.
Введение......................................................................................................100
3.2.
Общая модель датчика................................................................................100
3.3.
Разрешение..................................................................................................100
3.3.1.
Отклик прибора...................................................................................101
3.3.2.
Пространственное разрешение...........................................................102
3.3.3.
Спектральное разрешение..................................................................108
3.4.
Пространственный отклик.........................................................................111
3.4.1.
Функция рассеяния точки оптической системы...............................113
3.4.2.
Функция рассеяния точки детектора.................................................114
3.4.3.
Функция рассеяния точки, связанная со смещением .
изображения........................................................................................114
3.4.4.
Функция рассеяния точки электронной схемы.................................115
3.4.5.
Общая функция рассеяния точки.......................................................117
3.4.6.
Сравнение функций рассеяния точки различных датчиков..............117
3.4.7.
Моделирование съемочной системы..................................................118
3.4.8.
Измерение функции рассеяния точки...............................................124
Измерение функции рассеяния линии для съемочной .
системы ALI........................................................................................127
Измерение функции рассеяния линии для съемочной системы
QuickBird.............................................................................................128
3.5.
Спектральный отклик.................................................................................132
3.6.
Усиление сигнала........................................................................................134
3.7.
Дискретизация и аналого-цифровое преобразование...............................136
3.8.
Упрощенная модель датчика......................................................................138
3.9.
Геометрические искажения........................................................................140
3.9.1.
Модели положения датчика................................................................140
3.9.2.
Модели ориентации датчика..............................................................141
6
Содержание
3.9.3.
Модели сканирующих систем.............................................................142
3.9.4.
Модель Земли......................................................................................145
3.9.5.
Геометрия съемки при использовании линейных сканирующих .
систем и поперечных ПЗС-сканеров.................................................150
3.9.6.
Геометрия съемки при использовании продольных .
ПЗС-сканеров.....................................................................................152
3.9.7.
Топографические искажения.............................................................153
3.10.
Выводы.......................................................................................................156
3.11.
Упражнения...............................................................................................157
Глава 4. Мо дели данных............................................................................. 159
4.1.
Введение......................................................................................................159
4.2.
Замечание о форме записи..........................................................................159
4.3.
Одномерный статистический анализ изображений..................................161
4.3.1.
Гистограмма........................................................................................161
Нормальное распределение................................................................162
4.3.2.
Кумулятивная гистограмма................................................................162
4.3.3.
Статистические характеристики.........................................................163
4.4.
Многомерный статистический анализ изображений................................164
4.4.1.
Сведение задачи к одномерной..........................................................171
4.5.
Модели шума...............................................................................................171
4.5.1.
Статистическая оценка качества изображения..................................176
Контрастность.....................................................................................176
Коэффициент модуляции...................................................................178
Отношение сигнал/шум.....................................................................179
Национальная шкала дешифрируемости снимков (США)...............181
4.5.2.
Сигнал, эквивалентный шуму............................................................184
4.6.
Пространственный статистический анализ данных..................................184
4.6.1.
Способы представления пространственной ковариации..................185
4.6.2.
Ковариационная функция и семивариограмма.................................185
Мультипликативность и анизотропия...............................................192
4.6.3.
Спектральная плотность мощности...................................................193
4.6.4.
Матрица сочетаний.............................................................................195
4.6.5.
Фрактальная геометрия.......................................................................197
4.7.
Влияние рельефа и конструкции датчика..................................................200
4.7.1.
Рельеф местности и спектральные диаграммы рассеяния................201
4.7.2.
Пространственная статистика и характеристики датчиков..............204
4.7.3.
Характеристики датчиков и спектральные диаграммы рассеяния....208
4.8.
Выводы.........................................................................................................212
4.9.
Упражнения.................................................................................................214
Содержание 7
Глава 5. Сп ектральные п реобразования.......................................... 215
5.1.
Введение......................................................................................................215
5.2.
Пространство спектральных признаков.....................................................215
5.3.
Многозональные индексы..........................................................................216
5.3.1.
Вегетационные индексы.....................................................................219
5.3.2.
Примеры изображений.......................................................................223
5.4.
Метод главных компонент..........................................................................226
5.4.1.
Стандартизованный метод главных компонент.................................232
5.4.2.
Метод главных компонент с минимизацией шума............................237
5.5.
Преобразование «колпак с кисточкой»......................................................237
5.6.
Повышение контрастности снимков.........................................................240
5.6.1.
Общие преобразования.......................................................................242
Линейное растяжение.........................................................................242
Нелинейное растяжение.....................................................................245
Нормальное растяжение.....................................................................246
Референтное растяжение....................................................................247
Разделение по пороговому значению.................................................251
5.6.2.
Локальные преобразования................................................................251
5.6.3.
Цветные снимки..................................................................................256
Минимаксное растяжение..................................................................256
Нормальное растяжение.....................................................................256
Референтное растяжение....................................................................257
Декорреляционное растяжение..........................................................257
Преобразование цветового пространства..........................................258
Пространственное смешивание.........................................................261
5.7.
Выводы.........................................................................................................262
5.8.
Упражнения.................................................................................................263
Глава 6. Пространственные п реобразования............................... 265
6.1.
Введение......................................................................................................265
6.2.
Модель изображения при пространственной фильтрации.......................265
6.3.
Фильтры-свертки........................................................................................266
6.3.1.
Линейные фильтры.............................................................................267
Свертка................................................................................................268
Фильтры низких и высоких частот.....................................................269
Фильтр усиления высоких частот.......................................................269
Полосовые фильтры...........................................................................271
Направленные фильтры.....................................................................271
Граничная область..............................................................................271
Характеристики обработанных изображений....................................274
8
Содержание
Применение алгоритма совмещения к пространственной .
фильтрации.........................................................................................274
Алгоритм расчета усредняющего фильтра.........................................275
Последовательность линейных фильтров..........................................277
6.3.2.
Статистические фильтры....................................................................278
Морфологические фильтры...............................................................279
6.3.3.
Градиентные фильтры.........................................................................281
6.4.
Преобразования Фурье...............................................................................282
6.4.1.
Фурье-анализ.......................................................................................282
6.4.2.
Дискретное преобразование Фурье для двумерного случая..............285
6.4.3.
Формы представления Фурье-образа.................................................289
6.4.4.
Фильтрация с помощью преобразования Фурье...............................290
Функция передачи модуляции...........................................................292
6.4.5.
И спользование преобразования Фурье для моделирования .
съемочной системы.............................................................................295
6.4.6.
Пространственный спектр мощности сигнала..................................299
6.5.
Многомасштабные преобразования...........................................................301
6.5.1.
Пирамиды изображений.....................................................................301
6.5.2.
Фильтры нулевого уровня...................................................................305
Фильтры LoG (лапласиан гауссовой функции).................................308
Фильтры DoG (разность гауссовых функций)..................................310
6.5.3.
Вейвлет-преобразования.....................................................................312
6.6.
Выводы.........................................................................................................317
6.7.
Упражнения.................................................................................................318
Глава 7. Ко ррекция и калибровка........................................................ 320
7.1.
Введение......................................................................................................320
7.2.
Устранение искажений...............................................................................320
7.2.1.
Полиномиальная модель искажений.................................................323
Наземные контрольные точки...........................................................325
7.2.2.
Преобразование координат................................................................334
Картографические проекции.............................................................334
7.2.3.
Повторная дискретизация..................................................................335
7.3.
Компенсация функции передачи модуляции датчика..............................343
7.3.1.
Примеры компенсации функции передачи модуляции....................346
7.4.
Устранение шума.........................................................................................349
7.4.1.
Глобальный шум..................................................................................351
Сигма-фильтр.....................................................................................351
Фильтр Нагао — Мацуямы.................................................................351
7.4.2.
Локальный шум...................................................................................353
Использование метода главных компонент......................................355
Содержание 9
7.4.3.
Периодический шум...........................................................................358
7.4.4.
Полосовой шум...................................................................................359
Глобальное линейное согласование детекторов................................360
Нелинейное согласование детекторов...............................................361
Рандомизация.....................................................................................361
Создание маски пространственного фильтра....................................362
Десегментация....................................................................................366
7.5.
Радиометрическая калибровка...................................................................370
7.5.1.
Многозональные съемочные системы и снимки...............................372
Калибровка по излучению у датчика.................................................372
Атмосферная коррекция.....................................................................374
Поправка на угол восхождения Солнца и рельеф местности...........376
Примеры коррекции снимков............................................................377
7.5.2.
Гиперспектральные съемочные системы и снимки...........................380
Калибровка по излучению у датчика.................................................380
Атмосферная коррекция.....................................................................381
Методы нормировки...........................................................................384
Примеры изображений.......................................................................390
7.6.
Выводы.........................................................................................................391
7.7.
Упражнения.................................................................................................392
Глава 8. Со вмещение и о бъединение изображений................ 394
8.1.
Введение......................................................................................................394
8.2.
Процедура совмещения изображений........................................................394
8.3.
Автоматизированное определение положения наземных контрольных .
точек.............................................................................................................396
8.3.1.
Корреляция площадных объектов......................................................396
Связь с пространственными статистическими .
характеристиками...............................................................................401
8.3.2.
Использование других пространственных элементов.......................401
8.4.
Ортотрансформирование............................................................................402
8.4.1.
Цифровые модели рельефа с низким разрешением..........................403
8.4.2.
Цифровые модели рельефа с высоким разрешением........................404
Алгоритм иерархического деформирования.....................................406
8.5.
Объединение изображений.........................................................................411
8.5.1.
Объединение изображений в пространстве признаков.....................415
8.5.2.
Объединение изображений в пространственной области.................416
Модуляция высоких частот................................................................417
Разработка фильтра для модуляции высоких частот.........................418
Повышение резкости изображения с помощью модели датчика.....418
10
Содержание
8.5.3.
Многомасштабное объединение........................................................421
8.5.4.
Примеры объединения изображений.................................................422
8.6.
Выводы.........................................................................................................426
8.7.
Упражнения.................................................................................................427
Глава 9. Тематическая классификация.......................................... 428
9.1.
Введение......................................................................................................428
9.2.
Процесс классификации.............................................................................428
9.2.1.
Важность масштаба и разрешения снимка........................................431
9.2.2.
Понятие сходства................................................................................434
9.2.3.
Сравнение жесткой и мягкой классификации...................................435
9.3.
Выделение признаков.................................................................................437
9.4.
Обучение классификатора..........................................................................437
9.4.1.
Контролируемое обучение..................................................................438
Анализ разделимости..........................................................................439
9.4.2.
Неконтролируемое обучение..............................................................442
Алгоритм кластеризации методом K-средних...................................443
Примеры кластеризации....................................................................444
9.4.3.
Гибридное контролируемое/неконтролируемое обучение...............446
9.5.
Непараметрическая классификация..........................................................449
9.5.1.
Классификатор срезов слоев..............................................................449
9.5.2.
Классификатор на основе анализа гистограммы...............................450
9.5.3.
Классификатор ближайших соседей..................................................451
9.5.4.
Классификатор искусственной нейронной сети (ANN)...................452
Алгоритм обратного распространения...............................................453
9.5.5.
Примеры непараметрической классификации..................................457
9.6.
Параметрическая классификация..............................................................460
9.6.1.
Оценка параметров модели.................................................................462
9.6.2.
Дискриминантные функции...............................................................463
9.6.3.
Модель нормального распределения..................................................463
9.6.4.
Классификатор ближайшего среднего...............................................466
9.6.5.
Примеры параметрической классификации......................................467
9.7.
Пространственно-спектральная сегментация...........................................474
9.7.1.
Наращивание областей.......................................................................474
9.8.
Классификация подпикселов.....................................................................477
9.8.1.
Модель линейного смешивания.........................................................480
Примеры разделения смеси................................................................483
Связь фракций с выходом нейронной сети.......................................487
Определение конечного члена...........................................................488
Содержание 11
9.8.2.
Классификация нечеткого множества...............................................489
Нечеткие C-средние (FCM) кластеризации......................................489
Нечеткая управляемая классификация..............................................491
9.9.
Анализ гиперспектрального изображения.................................................492
9.9.1.
Визуализация образа куба...................................................................493
9.9.2.
Обучение классификации...................................................................493
9.9.3.
Извлечение признака из гиперспектральных данных.......................495
Остаточные изображения...................................................................495
Параметры полосы поглощения........................................................496
Отношения спектральных производных...........................................496
Спектральные опознавательные признаки........................................497
9.9.4.
Алгоритмы классификации для гиперспектральных данных...........498
Двоичное кодирование.......................................................................500
Спектрально-угловое картирование..................................................502
Ортогональная проекция подпространства (ОПП)..........................502
9.10.
Выводы.......................................................................................................504
9.11.
Упражнения...............................................................................................505
Приложение A. А ббревиатуры датчиков......................................... 506
Приложение В . Одномерные и двумерные фу нкции............... 508
Б.А. Дворкин, С.А. Дудкин. Новейшие и перспективные спутники
дистанционного зондирования Земли ............................................................513
Программные решения в области цифровой фотограмметрии ...........................547
Д.Г. Финошин, Е.В. Кравцова, В.К. Лобанов. Исследование точностных
характеристик и реализация технологии фотограмметрической
обработки снимков, полученных космическими аппаратами «Канопус-В»
и БКА ...............................................................................................................564
Предисловие к третьему изданию
Спустя почти десть лет после выхода второго издания книги «Дистанционный
контроль: модели и методы обработки изображения», ее третье издание представ-
ляется всесторонне обновленным и давно ожидаемым.
Изменения коснулись:
•• информации о передатчиках, включая спутники НАСА – Terra, Aquа и
EO-1, а также о коммерческих спутниках IKONOS, OrbView и QuickBird,
информация сопровождается множеством иллюстраций;
•• научной литературы по всем темам:
•• моделирование и измерение твердотельных датчиков изображения,
•• МПФ-коррекция,
•• атмосферная коррекция,
•• мульспектральный синтез,
•• методы снижения шумов;
•• 32 цветные вставки, 20 из которых в этом издании новые, 15 новых упраж-
нений, больше 40 новых рисунков и 20 поправленных рисунков;
•• многих мест в тексте и в схемах, которые были внесены для того, чтобы
способствовать процессу обучения и понимания;
•• а также многих рисунков, которые будут легче восприниматься.
При подготовке третьего издания я был потрясен (а может быть, оно того и не
стоило) двумя вещами. Одна – растущее количество действующих зондов, которые
производятся все большим числом стран. Н а практике это создавало большие труд-
ности при занесении самой свежей информации в таблицу 1.1, и в результате она
так и осталась неполной, представляя доступные только на тот момент систе-
мы дистанционного
зондирования земли. А некоторые системы, такие как
Национальная система спутников для контроля окружающей среды на полярных
орбитах (NPOESS), не попали в таблицу, поскольку их техническое содержание
было окончательно сформировано перед самым запуском на орбиту.
Другой поразительной вещью стал тот впечатляющий объем информации, который доступен сегодня в И нтернете, и который охватывает широкий спектр
вопросов — от подробной технической документации для датчиков до информации об устройстве самих датчиков. К ое-кто потратил немало времени сидя за
компьютером и занимаясь поиском почти всего, что нужно для написания книги,
вроде этой. Н апример, разыскивая многоспектральный образец зондирования
земли, снега и облаков с помощью спектрорадиометра MODIS, я использовал для
поиска подходящих изображений и скачивания последних в рис. 1.22 интерак-
тивное изображение с сайта Г еологической службы С ША (http://modisdb.usgs.
gov/). Д ругим примером является изображение, сделанное со спутника Landsat-7
сканирующим радиометром ETM+, и размещенное на рис. 2.20; поиск в
Интернете аналогичного изображения озера А нна привел на сайт Университета
Штата М эриленд (http://glcf.umiacs.umd.edu/). Б ольше того, почти все мои «библиотечные» изыскания были проведены онлайн с помощью журнала и базы дан-
ных по бумажным носителям, а также с помощью государственных и коммерчес-
ких спутниковых сайтов. Тут возникает вопрос, а не устарели ли все эти книги!
Как и в случае со вторым изданием, я многим обязан своим коллегам за помощь в подготовке третьего издания. С реди них К ен А ндо и Д жон В ампола из
корпорации Р ейтеон, Б илл Р аппопорт из компании Электро-оптические систе-
мы Goodrich, которые предоставили иллюстрации и информацию о фокальной
плоскости с датчиком передачи сигнала в реальном времени, а также Д жордж
Лимишевски из Г еологической службы С ША за образцы изображений и консультации по вопросам совмещения многоспектральных изображений и их восстановления, Д жим С тори из Ц ентра исследования природных ресурсов (USGS
EROS / SAIC) за обсуждения и технические консультации по множеству тем книги, а также Д жеймс Шеферд из И сследовательского центра по охране земельных
ресурсов в Manaaki Whenua, Н овая З еландия, и д-р Р удольф Р ихтер из Ц ентра
дистанционного зондирования DLR / DFD, Г ермания, за любезное предоставле-
ние цифровых изображений для публикации в этой книге. Я также хочу поблаго-
дарить рецензентов моей книги за предложения, которые оказались весьма по-
лезны при формировании содержания книги и организации работы над ней, а
также коллег, которые нашли время, чтобы отправить поправки ко второму изда-
нию и которые я включил в этот том. Н о в итоге именно я несу полную ответс-
твенность за фактические и любые другие ошибки третьего издания.
Я также благодарю редакторов и издательство Элзивер, особенно Алана Роуз и
Тима Донара из департамента науки, за их терпение и сотрудничество в подготов-
ке третьего издания. Несмотря на мощное компьютерное обеспечение и доступ-
ность источников для авторов, создание книги из серии «не-выпускай-из-рук»
требует совместной работы многих одаренных и надежных профессионалов.
Закончив работу над третьим изданием, мне особенно хочется отметить тех наставников, которые помогали мне на протяжении моей жизни и карьеры, прежде
всего это мои родители, которые наставили меня на путь истинный, это – мой научный руководитель проф. Фил С лейтер, который направлял мои изыскания в правильном направлении и нередко прокладывал путь, вдохновляя преподавателей и
студентов, и своих коллег из университета А ризоны, НАСА и Г еологической службы
США, и многих других организаций, которые превратили научный поиск в прият-
ное и увлекательное путешествие. Я с грустью вспоминаю двух друзей и соавторов,
проф. С тива Парка и Д жима Фанестока, которые слишком рано ушли из жизни.
Наконец, я высоко ценю ту поддержку, которую оказала мне моя семья при подготовке всех трех изданий. Огромное спасибо всем вместе и каждому в отдельности!
Роберт А. Шовенгердт
Туксон, Аризона
Июнь, 2006
Предисловие ко второму изданию
Эта книга начиналась как достаточно консервативная переработка моего ранее
вышедшего учебника «Методы обработки изображения и классификация дистан-
ционного зондирования». Однако, как и многие усилия «с ограниченной целью»
эта работа вскоре превратилась в нечто гораздо большее! К огда стало ясно, что
простого редактирования недостаточно, я серьезно задумался о новой возмож-
ности представить предмет обработки изображений в контексте дистанционного
зондирования. После долгих колебаний, стало понятно, что существует некая общая тема, затрагивающая многие методы дистанционного зондирования при обработке изображений, она прямо или опосредовано связана с моделями физических процессов. В ряде случаев существует прямая зависимость, например, с физическими моделями, по которым рассчитывается орбита или пространственное
отражение. В других случаях эта зависимость косвенная. Например, сходство общих данных подразумевает, что соседние пиксели в пространстве или спектральные области, скорее всего, имеют близкие значения. Корни этого сходства кро-
ются в физических процессах, имеющих отношение к сбору данных, а также к
процессу сбора как таковому. Почти во всех случаях, мотивацию и обоснование
алгоритмов обработки изображений с помощью дистанционного зондирования
можно проследить на примере одной или нескольких таких моделей. Таким образом, я выбрал именно такую точку зрения для написания этой книги.
С самого начала было очевидно, что книга должна быть полностью сделана «в
цифре». Мощности современных издательских «desktop» систем могут легко решить эту задачу, а с учетом предмета, такая задача становится почти обязательной. В результате, в книге широко использовалась компьютерная графика и об-
работка изображений. Почти все рисунки совершенно новые и созданы специально для этого издания. Для визуализации многомерных данных использовались
трехмерные графические программы, а при обработке изображений использовались различные компьютерные программы. С реди них, в частности, IPT – разработанное моей лаборатории программное обеспечение для обработки изображений MacSADIE, и MultiSpec – многоспектральная программа классификации из
лаборатории Дэвида Ландгреба, университет Пердью.
Чтобы облегчить использование книги для занятий в классе, к каждой главе
были добавлены упражнения. Они варьируются от концептуальных, «незавершенных» экспериментов до математических производных. Упражнения предназначены для более легкого усвоения материалов, представленных в конкретной
главе. Обширная библиография представлена в виде таблиц для экономии места
и является лаконичным источником дополнительной информации. Я даю ссылки на архивные документы, поскольку простым читателям, как правило, их легче
достать.
Глава 1 содержит обзор науки дистанционного зондирования и технологии на
1996 год. В ней даются основные характеристики оптического дистанционного
зондирования, а также основные типы датчиков сканирования. В главе 2 математическими методами описаны наиболее важные процессы оптического излучения при дистанционном зондировании. К ним относятся солнечное излучение,
атмосферное рассеивание, поглощение и трансмиссионность, а также отраженное излучение. Подробно рассмотрена волновая природа от 400 нм до теплового
ИК-диапазона. В главе 3 рассматриваются датчики радиометрического и про-
странственного отражения. В ней также представлена траектория космической
съемки, поскольку она важна для корректировки изображения и геокодирования,
и для извлечения данных из стерео-изображений.
В главе 4 модели данных представляют собой как бы переход от моделей основных физических процессов глав 2 и 3 к методам обработки изображений в
последующих главах. З десь же описаны статистические спектральные и пространственные модели дистанционного зондирования. С ерия моделей изображений иллюстрирует и объясняет влияние характеристик датчика на данные, полученные путем дистанционного зондирования.
Глава 5 начинается с рассмотрения методов обработки изображений и охватывает тему спектральных преобразований, в том числе вегетационные индексы,
основные компоненты и повышение контрастности. Г лава 6 включает операции
свертки и преобразования Фурье, многомасштабные изображения пирамид и
технику космической съемки такую как вейвлеты. Последние виды анализа изображений могут эффективно использоваться для извлечения пространственных
данных. З десь же описывается концепция декомпозиции пространственного
изображения на два или более компонента, чтобы связать между собой различ
ные пространственные трансформации. В главе 7 приведено несколько примеров
обработки изображений для радиометрической и геометрической калибровки.
Особое внимание уделяется важности калибровки для изображений с высоким
спектральным разрешением («гиперспектральных»). Т ема совмещения нескольких изображений рассматривается в главе 8 со ссылкой на пространственную
концепцию декомпозиции Г лавы 6. Р азличные подходы объясняются и иллюстрируются на примере обработки многоспектральных и панхроматических изображений со спутников Landsat TM и SPOT. Б ольшое место уделяется пирамидам
изображений для извлечения цифровой модели рельефа из изображений. Г лава 9
посвящена тематическим классификациям дистанционного зондирования, в том
числе традиционным статистическим подходам и новым нейронным сетям и ме-
тодам классификации нечетких изображений. В этой главе описываются и мето-
ды, специально разработанные для гиперспектральных изображений.
Из этой книги были намеренно исключены темы, которые обычно бывают
представлены в книгах по обработке изображений дистанционного зондирова-
ния, такие, например, как анализ классификации картографических ошибок. Это
было сделано не только из соображений экономии печатного слова, но также и
потому, что я чувствовал, что они слишком далеко отошли от основной темы. По
этим же соображениям были опущены и вопросы методов классификации, таких
как правило-устанавливающие системы, которые используют более высокий
уровень абстракции данных, хотя они и являются достаточно эффективными и
перспективными во многих случаях. Я также рассматриваю Г еографические информационные системы (ГИС) выходящими за рамки данной работы.
Я считаю себя обязанным многим своим коллегам за их советы и помощь. В некоторых случаях их вклад был весьма существенным: Фил С лейтер и К урт Т орн
(University of Arizona) много помогали при работе над главами 2 и 3, а Д женнифер
Дунган (NASA/Ames Research Center) при работе над главой 4. М ногие мои коллеги
предоставили обзоры по отдельных темам, среди них Ч ак Х атчинсон и С тюарт
Марш (Office of Arid Lands Studies, University of Arizona), а также К рис Х лавка
(NASA / Ames Research Center). М не также хотелось бы выразить признательность
Эрику К ристу (Environmental Research Institute of Michigan) за отзыв по теме преобразования «колпак с кисточкой». М ногие из моих бывших и нынешних студентов
представили ценные данные и примеры, среди них Д эн Филиберти (Science
Applications International Corporation), С тив Г ойсман (University
of Arizona), Пер
Лисне (University of Arizona), Д жастин Паола (Oasis Research Center) и Х о-Юан
Панг (University of Arizona). Г ерхард М ельдау (Photogrammetrie GmBH) помог мне
в обновлении версии IPT. К оллеги по геологической службе С ША Уильям А севедо,
Сьюзен Б енджамин, Б райан Б еннетт, Р ик Ч емпион, Л ен Г ейдос и Д жордж Л и, а
также Д жефф М ейерс из NASA/Ames Research Center, любезно предоставили изображения и цифровые данные, которые стали интересными примерами в в этой
книге. Я также хотел бы поблагодарить Питера В . К инана, моего давнего друга и
коллегу, который помог мне увидеть землю во всей ее красе во время велосипедной
прогулки в один из прекрасных дней в районе залива С ан-Франциско!
Я благодарен редакторам и сотрудникам Academic Press за содействие при ра-
боте над рукописью и макетом, в том числе Л оре А сбери, С андре Л и и Б рюсу
Вашберну из С ан-Диего, Д иане Г россман, Эбби Х айме и Ц ви Р удеру из Ч естнат
Хилл.
Наконец, я должен поблагодарить мою семью, Эми, А ндреа и Д женнифер, потому что их вклад оказался гораздо больше того, который внес я во время долгих
часов, отданных работе над этой книгой. Н адеюсь, что результат хотя бы в неко-
торой степени оказался достойным их поддержки.
Глава 1
Основы
дистанционного
зондирования
Земли
1.1. Введение
Современный этап развития космических методов дистанционного зондирования Земли (ДЗЗ) начался в 1972 году с запуска искусственного спутника Landsat с
установленной на его борту аппаратурой MSS (Multispectral Scanner System), ко-
торая позволяла вести съемку в четырех спектральных диапазонах, ширина каж-
дого из которых составляла около 100 нм. При этом каждый пиксел космического
снимка соответствовал площадке размером 80 метров на поверхности Земли.
Современные системы дистанционного зондирования отличаются большим разнообразием, а их технические характеристики существенно превосходят характеристики аппаратуры MSS. Сегодня на орбите работают искусственные спутники
Земли (ИСЗ), которые ведут съемку в десятках различных диапазонов электромагнитного спектра с разрешением от одного километра до одного метра или да-
же нескольких десятков сантиметров. Используются также гиперспектральные
системы ДЗЗ, устанавливаемые на воздушных летательных аппаратах. Такие сис-
темы охватывают уже сотни спектральных зон шириной около 10 нм каждая. Ос-
новные характеристики этой электронно-оптической аппаратуры и получаемых с
ее помощью данных описываются в настоящей главе ниже.
1.2. Дистанционное зондирование Земли
Дистанционное зондирование можно определить как метод измерения свойств
объектов на земной поверхности, в котором используются данные, полученные с
помощью воздушных летательных аппаратов и искусственных спутников Земли.
Из этого определения видно, что суть метода заключается в том, чтобы вместо
проведения измерений по месту расположения объекта попытаться измерить его
характеристики на расстоянии. Поскольку непосредственный контакт с объектом
в этом случае невозможен, нам остается полагаться только на ту информацию,
которая содержится в регистрируемом сигнале, например в оптическом, акустическом или микроволновом. В этой книге мы ограничимся обсуждением тех ме-
18 Глава 1. Основы дистанционного зондирования Земли
тодов ДЗЗ, в которых используются оптические сигналы. Хотя данные дистанци-
онного зондирования могут соответствовать и отдельным точкам на поверхности
Земли, и некоторым линейным профилям, больше всего нас будут интересовать
измерения на двумерной пространственной сетке, представленные в виде снимков. Аппаратура ДЗЗ, особенно та, которая устанавливается на ИСЗ, позволяет
проводить периодическую съемку земной поверхности и таким образом наблюдать за изменениями окружающей среды и влияния на нее человека. Перечислим
некоторые области применения методов ДЗЗ:
•• мониторинг и оценка состояния окружающей среды (анализ развития го-
родской инфраструктуры, контроль за опасными отходами производства);
•• наблюдение за глобальными изменениями (истощение озонового слоя ат-
мосферы, обезлесенье, глобальное потепление);
•• сельское хозяйство (анализ состояния сельскохозяйственных культур, про-
гноз урожая, исследование эрозии почв);
•• добыча полезных ископаемых (минералы, нефть, природный газ);
•• наблюдение за возобновляемыми природными ресурсам (заболоченные
территории, почвы, леса, океаны);
•• метеорология (исследование динамики атмосферы, прогноз погоды);
•• картография (топография, землепользование, гражданское строительство);
•• военная область: разведка и рекогносцировка (стратегические задачи, так-
тический анализ);
•• средства массовой информации (иллюстративный материал, анализ).
Для удовлетворения нужд различных категорий специалистов было разрабо-
тано множество систем ДЗ, с помощью которых изучают пространственные,
спектральные и временные параметры самых разнообразных объектов. Каждая
из этих систем ориентирована на определенный круг задач и имеет свои осо-
бенности. Так, например, в метеорологии используется частая съемка террито-
рии с относительно низким пространственным разрешением1. В картографии,
наоборот, основным требованием является максимальное пространственное
разрешение, а периодичность съемки может быть относительно низкой. В ряде
задач, например в военной разведке, возникает необходимость обеспечить не
только высокое пространственное разрешение и высокую повторяемость съемки, но и очень быструю передачу данных наземным службам. Правильно отка-
либрованные данные ДЗЗ можно использовать также для проверки глобальных
климатических моделей, предназначенных для моделирования и прогноза развития природной среды. Интересно, что в этом случае высокое пространствен
1 Термин «разрешение» в этой книге используется в своем традиционном значении
расстояния на земной поверхности, которое соответствует интервалу между соседними
пикселами цифрового снимка (рис. 1.11). Подробнее этот термин обсуждается в гл. 3.
1.2. Дистанционное зондирование Земли 19
ное разрешение является нежелательным из-за вычислительных ограничений,
а наиболее важными требованиями становятся точность и постоянство калиб-
ровки датчиков во времени и пространстве. Пример использования данных ДЗ
для мониторинга состояния растительного покрова показан на цветной вклад-
ке 1.1.
Как уже было сказано в начале этой главы, современный этап дистанционного
зондирования Земли начался с запуска искусственного спутника Landsat с уста-
новленной на его борту сканирующей аппаратурой MSS. В 1972 году с этого спут-
ника были получены первые обзорные снимки высокого разрешения. Аппарату-
ра MSS позволяла вести съемку в нескольких спектральных диапазонах (интерва-
лах электромагнитного спектра шириной2 около 100 нм) с относительно высоким
для своего времени разрешением (80 метров), большой площадью съемки (185 на
185 км) и периодом повторения 18 дней. Значительным достижением было также
то, что снимки со спутника передавались на Землю сразу в цифровом формате.
Основные методы обработки многоспектральных снимков были разработаны в
начале 70-х годов XX века такими организациями, как Национальная ассоциация
по аэронавтике и исследованию космического пространства (НАСА), Лаборато-
рия реактивных двигателей (Jet Propulsion Laboratory, JPL), Геологическая служба
США (USGS), Научно-исследовательский институт исследования окружающей
среды штата Мичиган (ERIM) и Лаборатория прикладных методов дистанцион-
ного зондирования Университета Пурдю (Laboratory for Applications of Remote
Sensing, LARS). Превосходное изложение истории запуска ИСЗ Landsat и разви-
тия методов обработки данных приводится в книге Дэвида Лэндгребе (Landgrebe,
David, 1997).
На спутниках серии Landsat, запущенных после 1972 года, было установлено
еще четыре системы MSS, а также два комплекта съемочной аппаратуры Thematic
Mapper (TM) и съемочная система Enhanced Thematic Mapper Plus (ETM+). Кро-
ме того, на орбиту были выведены пять французских спутников SPOT с аппарату-
рой высокого разрешения, несколько съемочных систем AVHRR и GOES, обла-
давших более низким разрешением, и ряд датчиков НАСА, установленных на
ИСЗ Terra и Aqua в рамках программы Earth Observing System (EOS). Сегодня на
орбите находится множество систем дистанционного зондирования, которые работают в рамках национальных программ Канады, Индии, Израиля, Японии,
Южной Кореи и Тайваня, а также таких международных организаций, как Европейское космическое агентство (European Space Agency, ESA). Наглядное пред-
ставление о технических характеристиках некоторых из этих систем можно получить из диаграммы, представленной на рис. 1.1, по осям которой отложены два
2 Спектральный диапазон чувствительности можно определить несколькими разными
способами (см. гл. 3). Этим диапазоном определяется спектральное разрешение датчика.
основных параметра: количество спектральных каналов и наземный интервал дис-
кретизации3. Пример космического снимка, полученного с помощью аппаратуры
TM, показан на цветной вкладке 1.2. Технические характеристики различных
съемочных систем обсуждались также в специальных выпусках научных журна-
лов (см. табл. 1.1).
3 Значение термина «наземный интервал дискретизации» совпадает с принятым в дан-
ной книге значением термина «пространственное разрешение».
HyMap
Hyperion AVIRIS
MODIS (VSWIR/MWIR/LWIR)
MODIS
(VSWIR/
MWIR)
AVHRR
MERIS
MODIS VNIR
ASTER (LWIR)
SPOT5 (SWIR)
IRS-1D (LISS-III SWIR)
IKONOS/OrbView3 (VNIR)
SPOT5
(VNIR)
ASTER
(VNIR)
IKONOS/
OrbView3 (P)
QuickBird (VNIR)
QuickBird (P)
SPOT5 (P)
ETM (P)
IRS-1D (PAN)
IRS-1D (LISS-III VNIR)
MSS
ALI (VSWIR)
ASTER (SWIR)/
ETM+ (VSWIR)
ALI (P)
0,1 1
1
10
100
1000
10 100 1000
Рис. 1.1. Двумерная диаграмма, представляющая ряд систем дистанционного зондиро-
вания. Аббревиатуры названий съемочных систем расшифрованы в приложении
A; спектральные диапазоны на диаграмме обозначены следующим об-
разом: V — диапазон видимого света, NIR — ближний инфракрасный (ИК)
диапазон, LWIR — тепловой (длинноволновой) ИК-диапазон, MWIR — сред-
неволновой ИК-диапазон, SWIRК — коротковолновой ИК-диапазон, P —
панхроматический канал. Более подробное описание спектральных диапазо-
нов приведено в этой главе ниже. Все изображенные на диаграмме системы,
за исключением AVIRIS и HyMap, устанавливались на искусственных спут-
никах Земли. Помимо указанных систем, для ДЗЗ использовалась также аппа-
ратура на воздушных летательных аппаратах, в частности MODIS Airborne
Simulator (MAS), Airborne MISR (AirMISR) и Thematic Mapper Simulator
(TMS). Системы этого типа на диаграмме не изображены. Список обозначе-
ний этих и многих других съемочных систем см. в приложении A. Подробный
обзор систем ДЗЗ можно найти в книге Крамера (Kramer, 2002)
Верхнюю часть диаграммы 1.1 занимают так называемые гиперспектральные
датчики. К этой группе относятся в первую очередь спектрометры Advanced Visible/
InfraRed Imaging Spectrometer (AVIRIS) и HyMap, которые устанавливаются
на воздушных летательных аппаратах для съемки в спектральных каналах шири-
ной около 10 нм (суммарный диапазон регистрации отраженного солнечного из-
лучения: 400—2400 нм). Еще одной гиперспектральной системой является аппа-
ратура Hyperion, которая была установлена на спутнике НАСА Earth-Observing-1
(EO-1). Это была первая гиперспектральная система, предназначенная для граж-
данского использования. Несколько меньше спектральных каналов используется
в спектрометре MERIS (MEdium Resolution Imaging Spectrometer), выведенном на
орбиту Европейским космическим агентством. Разделение сигнала по спектраль-
ным каналам в перечисленных системах осуществляется с помощью оптических
элементов — призм или дифракционных решеток. Представленный на диаграмме
Таблица 1.1. Специальные выпуски научных журналов, содержащие статьи с опи-
саниями конструкции, технических характеристик, калибровочных
параметров и областей применения некоторых съемочных систем
ИСЗ и съемочная
аппаратура
Библиографическая ссылка
Aqua IEEE Transactions on Geoscience и Remote Sensing, Vol. 41, No 2,
2003
ASTER
(научные данные) Remote Sensing of Environment, Vol. 99, No 1—2, 2005
ASTER (калибровоч-
ные и технические
характеристики)
IEEE Transactions on Geoscience и Remote Sensing, Vol. 43,
No 12, 2005
EO-1 IEEE Transactions on Geoscience и Remote Sensing, Vol. 41, No 6,
2003
IKONOS Remote Sensing of Environment, Vol. 88, Nos 1—2, 2003
Landsat-4
IEEE Transactions on Geoscience и Remote Sensing, Vol. GE-22,
No 3, 1984
Photogrammetric Engineering и Remote Sensing, Vol. LI, No 9,
1985
Landsat-5,-7 (обсужде-
ние технических
характеристик)
IEEE Transactions on Geoscience и Remote Sensing, Vol. 42,
No 12, 2004
MERIS International Journal of Remote Sensing, Vol. 20, No 9, 1999
MODIS (науки о Земле) Remote Sensing of Environment. Vol. 83, Nos 1—2, 2002
MTI IEEE Transactions on Geoscience и Remote Sensing, Vol. 43, No 9,
2005
Terra IEEE Transactions on Geoscience и Remote Sensing, Vol. 36, No 4,
1998
радиометр MODerate Imaging Spectroradiometer (MODIS) установлен на ИСЗ
Terra и Aqua и позволяет получать изображения в 36 спектральных каналах в диа-
пазоне от 0,4 до 14 мкм. Благодаря разработке перечисленных выше датчиков
удалось существенно повысить количество и качество информации, которая со-
биралась методами ДЗЗ (табл. 1.2). Примеры снимков, полученных с помощью
систем AVIRIS и Hyperion, приведены на цветных вкладках 1.3 и 1.4, а примеры
снимков, полученных аппаратурой MODIS, — на рис. 1.22.
Постоянно увеличивающееся количество снимков и их возрастающее разре-
шение влекут за собой определенные проблемы, связанные с хранением и ком-
пьютерной обработкой данных. Чтобы представить себе характер этих проблем,
достаточно, например, вспомнить, что объем данных в архиве LP DAAC Центра
изучения природных ресурсов (EROS) Геологической службы США в городе Су-
Фолс, шт. Южная Дакота, превысил в 2003 году 1 петабайт4. В последние годы
открыт также бесплатный доступ к некоммерческим данным, которые распро-
страняются через интернет-сайты университетов и других организаций. Такой
порядок предоставления данных, вероятно, сохранится и в будущем.
Хотя в настоящее время в дистанционном зондировании Земли превалиру-
ют электронно-оптические съемочные системы и цифровые снимки, прежние
методы не утратили своего значения. Так, важным источником данных ДЗЗ по-
прежнему является аэросъемка, преимущества которой заключаются прежде
всего в высоком разрешении и почти произвольном охвате съемкой. Не утрати-
ли своей роли и старые космические фотоснимки. Различные компании (на-
пример, «Совинформспутник», SPOT Image и GAF AG) предоставляют оциф-
рованные фотоснимки, полученных с помощью российской панхроматической
камеры KVR-1000 с разрешением 2 метра и камеры TK-350, использовавшейся
для стереосъемки с разрешением 10 метров. Правительство США рассекретило
архив фотоснимков, полученных с первых разведывательных спутников
CORONA, ARGON и LANYARD (McDonald, 1995a; McDonald, 1995b).
Этот архив насчитывает более 800 000 снимков, значительная доля которых
уже преобразована в цифровую форму. За исключением небольшого количест-
ва цветных снимков и стереопар большая часть архива — это черно-белые
снимки больших областей земной поверхности, полученные с разрешением от
2 до 8 метров. Архив охватывает период с 1959 по 1972 год, и хотя представлен-
ная в нем общая площадь съемки уступает площади съемки ИСЗ Landsat, ос-
новная ценность этого архива заключается в том, что он относится к 12-летне-
му периоду, который чрезвычайно важен для изучения окружающей среды. Эти
данные предоставляются Центру изучения природных ресурсов Геологической
службой США.
4 Один петабайт равен 1 125 899 906 842 624 байт.
1.2. Дистанционное зондирование Земли 23
Таблица 1.2. Основные геофизические параметры, измеряемые в различных спект-
ральных каналах съемочной системы EOS MODIS (Salomonson и др.,
1995). Обратите внимание на то, что для каналов 1—19 спектральный
диапазон указан в нанометрах, а для каналов 20—36 в микрометрах
Геофизические наблюдения
Канал
Спектральный
диапазон
Интервал
дискретиза-
Общие Специальные ции, м
Граница меж-
ду земной по-
верхностью
и облаками
Хлорофилл растений 1 620—670 нм 250
Облачность и растительность 2 841—876 нм
Свойства зем-
ной поверх-
ности и обла-
ков
Различие в почвах и расти-
тельности
3 459—479 нм 500
Зеленая растительность 4 545—565 нм
Свойства листового полога 5 1230—1250 нм
Различия снежного покрова
(облачности)
6 1628—1652 нм
Параметры земного покрова
и облачности
7 2105—2155 нм
Цвет океана Наблюдение за хлорофиллом 8 405—420 нм 1000
Наблюдение за хлорофиллом 9 438—448 нм
Наблюдение за хлорофиллом 10 483—493 нм
Наблюдение за хлорофиллом 11 526—536 нм
Осадки 12 546—556 нм
Осадки, атмосфера 13 662—672 нм
Флюоресценция хлорофилла 14 673—683 нм
Свойства аэрозолей 15 743—753 нм
Свойства аэрозолей и пара-
метры атмосферы
16 862—877 нм
Атмосфера
и облака
Параметры облачности и ат-
мосферы
17 890—920 нм
Параметры облачности и ат-
мосферы
18 931—941 нм
Параметры облачности и ат-
мосферы
19 915—965 нм
Тепловые
свойства
Температура морской поверх-
ности
20 3,66—3,84 мкм
Лесные пожары, вулканы 21 3,929—3,989 мкм
Температура облаков и по-
верхности Земли
22 3,929—3,989 мкм
Температура облаков и по-
верхности Земли
23 4,02—4,08 мкм
Геофизические наблюдения
Канал
Спектральный
диапазон
Интервал
дискретиза-
Общие Специальные ции, м
Тепловые
свойства
Температура в тропосфере,
состав облаков
24 4,433—4,498 мкм 1000
Температура в тропосфере,
состав облаков
25 4,482—4,549 мкм
Атмосфера
и облака
Перистые облака 26 1,36—1,39 мкм
Влажность в средней части
тропосферы
27 6,535—6,895 мкм
Влажность в верхней части
тропосферы
28 7,175—7,475 мкм
Температура поверхности
Земли
29
8,4—8,7 мкм
Тепловые
свойства
Анализ общего содержания
озона
30 9,58—9,88 мкм
Температура облаков и по-
верхности Земли
31 10,78—11,28 мкм
Температура облаков и по-
верхности Земли
32 11, 77—12,27 мкм
Высота и состав облаков 33 13,185—13,485 мкм
Высота и состав облаков 34 13,485—13,785 мкм
Высота и состав облаков 35 13,785—14,085 мкм
Высота и состав облаков 36 14,085—14,385 мкм
Таблица 1.2. (окончание)
В конце 90-х годов XX века были разработаны высокоэффективные орбиталь-
ные датчики (Fritz, 1996), которые позволили вести панхроматическую съемку с
разрешением от 0,5 до l метра, а многоспектральную — с разрешением от 2,5 до 4
метров. Благодаря этому данные ДЗЗ стали использоваться в целом ряде новых
областей — торговле недвижимостью, проектировании сетей сотовой и беспро-
водной персональной связи (структура которых зависит от топографии местнос-
ти и расположения зданий), планировании развития городской инфраструктуры
и транспортных сетей, а также для предупреждения природных и антропогенных
катастроф и картографирования связанных с ними факторов. Эти системы ис-
пользуются также разведывательными службами и организациями, занимающимися
наблюдением за окружающей средой. Первое поколение этих датчиков
было установлено на ИСЗ IKONOS, QuickBird и OrbView. По-видимому, даль-
нейшее развитие этих систем будет связано в основном с увеличением их про-
странственной разрешающей способности (в соответствии с законодательством и
требованиями национальной безопасности различных стран). Пример космичес-
кого снимка с ИСЗ QuickBird показан на цветной вкладке 1.5.
Наибольшим пространственным разрешением обладают снимки, полученные
с помощью фотокамер, установленных на воздушных летательных аппаратах.
Вместе с тем разрешение, которое обеспечивается современными цифровыми
камерами
и ПЗС-сканерами с линейкой или матрицей датчиков, уже настолько
высоко, что эти системы вполне могут конкурировать с аппаратурой для аэрофо-
тосъемки, традиционно используемой для картографических целей. Пример
снимка, полученного с помощью цифровой аэросъемки, показан на цветной
вкладке 1.6.
1.2.1. Интерпретация снимков
Существует два подхода к интерпретации данных дистанционного зондирования.
Первый из них (традиционный) можно назвать пространственным, поскольку в
нем основной задачей является изучение пространственных взаимосвязей между
различными объектами земной поверхности и нанесение их на карту. В прошлом
для анализа аэрофотоснимков применялись методы дешифрирования, требовав-
шие обширных знаний и громадного опыта специалиста, который должен был
определить местоположение различных объектов в зависимости от поставленной
задачи. Например, для исследования окружающей среды на карту необходимо
нанести реки, геологические структуры и виды растительности, а для военных
нужд — расположение аэродромов, транспортных колонн и ракетных шахт. В ос-
новном работа заключалась в изучении снимков, иногда с помощью увеличитель-
ных приборов или устройств анализа стереопар, определении координат и атри-
бутов объектов и нанесении их на географическую карту. Для определения высот
объектов и изогипс использовались стереопары и различные устройства их ана-
лиза (например, стереоплоттеры). Примеры дешифрирования фотоснимков
можно найти в многочисленных учебниках по дистанционному зондированию
(Colwell, 1983; Lillesand и др., 2004; Sabins, 1997; Avery и Berlin, 1992; Campbell,
2002).
Поскольку сегодня большинство материалов ДЗЗ представлено в цифровой
форме, стандартным методом извлечения полезной информации стал компью-
терный анализ и обработка данных. В частности, с помощью компьютерных
программ можно не только улучшить визуальное восприятие снимка, но и клас-
сифицировать представленные на нем объекты для создания цифровой темати-
ческой карты (Swain и Davis, 1978; Moik, 1980; Schowengerdt, 1983; Niblack,
1986; Mather, 1999; Richards и Jia, 1999; Landgrebe, 2003; Jensen, 2004). Приме-
нение методов компьютерной фотограмметрии позволило в последние годы
частично автоматизировать и сами процессы создания географических и тема-
тических карт. Вместе с тем несмотря на то, что применение компьютерных
методов позволило существенно ускорить анализ снимков и повысить его точ-
ность, результатом такого анализа все равно является карта. Кроме того, ком-
пьютерные методы интерпретации в большинстве случаев не могут полностью
заменить собой визуальных.
Второй подход к интерпретации снимков можно назвать функциональным.
В этом случае исследователя интересуют не столько пространственное располо-
жение объектов, сколько различные свойства самих данных. Например, исполь-
зуя данные гиперспектральной съемки и специальные алгоритмы их анализа,
можно измерить спектральные параметры поглощения (Rast и др., 1991; Rubin,
1993) и оценить относительное содержание различных материалов для каждого
пиксела5 (Goetz и др., 1985; Vane и Goetz, 1988). Существует также ряд алгоритмов
восстановления, в которых исходные интегральные данные используются для ре-
шения обратной задачи определения параметров атмосферы и океана. В отличие
от пространственного подхода, при функциональном анализе данных большое
значение имеет точность абсолютной или относительной радиометрической ка-
либровки. В то же время для полного понимания результатов такого анализа их
необходимо рассматривать в контексте обычной пространственной карты.
Потребность в данных дистанционного зондирования возникает прежде всего
при исследовании глобальных изменений окружающей среды и при долгосроч-
ном мониторинге влияющих на нее природных и антропогенных факторов
(Townshend и др., 1991). При этом оба подхода — пространственный и функцио-
нальный — естественным образом дополняют друг друга. Так, например, при мо-
ниторинге глобальных изменений нам важно не только получить данные об объ-
ектах в спектральной и временной области, но и понять, как эти данные распре-
делены в пространстве. В этом отношении особенно важно выполнить
пространственную и радиометрическую калибровку данных, так чтобы они были
согласованы между собой во времени и не зависели от индивидуальных особен-
ностей датчиков. В частности, анализ данных, полученных в разное время раз-
личными съемочными системами, существенно упрощается после геопривязки
этих данных к неподвижной относительно Земли координатной сетке (геодези-
ческие координаты). В этом случае можно применить специальные алгоритмы и
«обратить» исходные данные, рассчитав по ним определенные геофизические па-
раметры.
1.2.2. Спектральные диапазоны съемки
Основные спектральные диапазоны, которые применяются в дистанционном
зондировании Земли, перечислены в табл. 1.3. Эти диапазоны характеризуется
тем, что в них содержаться окна прозрачности атмосферы, через которые можно
«увидеть» поверхность Земли, и тем, что именно для этих диапазонов разработа-
ны эффективные детекторы излучения. Вне окон прозрачности излучение погло-
5 Пиксел — элемент цифрового изображения, элементарная ячейка обработки данных.
Рис. 1.2. Пример того, как карта и снимок могут дополнять друг друга. На рисунке
представлена карта одного из районов города Феникс, шт. Аризона, созданная
в результате дешифрирования стереопары аэрофотоснимков, а затем преобра-
зованная с помощью сканера в цифровой растровый формат. На карте содер-
жится только та информация, которую посчитал нужным отобразить карто-
граф: оросительный канал вверху карты, дороги, изогипсы (изогнутая линия в
центре карты) и крупные здания коммерческого или общественного назначе-
ния. С помощью программы обработки изображений на эту карту можно нало-
жить снимок и проанализировать отличия между двумя изображениями. Аэро-
фотоснимок содержит информацию о землепользовании, которая отсутствует
на карте. Так, например, слева от центра снимка хорошо различима группа
больших белых зданий — жилой комплекс, который либо не существовал на
момент создания карты, либо по какой-то причине не был нанесен на карту.
На снимке справа от жилого комплекса отчетливо видны сельскохозяйствен-
ные поля, которые не указаны на карте, так же, впрочем, как и множество
частных домов, которые располагаются в нижней половине снимка
щается различными составляющими атмосферы. Так, например, пары воды и
двуокись углерода поглощают излучение в диапазонах от 2,5 до 3 мкм и от 5 до
8 мкм. В микроволновом диапазоне небольшое окно поглощения парами воды
лежит вблизи частоты 22 ГГц (длина волны 1,36 см)6. Коэффициент пропускания
излучения в этом окне равен приблизительно 0,85 (Curlander и McDonough, 1991).
Основное окно поглощения кислородом начинается выше 50 ГГц (длина волны
менее 0,6 см) и занимает часть спектра примерно до 80 ГГц (Elachi, 1988). Замечено
также, что в диапазонах с высоким коэффициентом пропускания микроволновые
датчики и радары способны регистрировать излучение через облака,
туман и дождь. Такие датчики, являющиеся одновременно и источниками излу-
чения, используются также для регистрации отраженного излучения в ночное
время суток.
При пассивном методе ДЗ измеряется отраженное солнечное излучение и собс-
твенное излучение земной поверхности, атмосферы и облаков. В видимой, ближ-
ней инфракрасной и коротковолновой инфракрасной области спектра (от 0,4 до
6 Частота ν электромагнитных волн измеряется в герцах (Гц) и определяется формулой
ν = c/λ, где c — скорость света (в вакууме: 2,998 × 108 м/c), λ — длина волны (м) (Slater,
1980; Scott, 1996). На рис. 1.4 представлена номограмма в виде логарифмического графика
зависимости λ от ν.
Таблица 1.3. Основные спектральные диапазоны, используемые в дистанционном
зондировании Земли. Границы некоторых атмосферных «окон» опре-
делены не всегда четко. Именно этим определяется тот разброс значе-
ний, который можно встретить в научной литературе
Название
Диапазон длин
волн
Источник излучения
Анализируемый
параметр поверхности
Видимый (V) 0,4—0,7 мкм Солнце Отражательная
способность
Ближний
инфракрасный (NIR)
0,7—1,1 мкм Солнце Отражательная
способность
Коротковолновой
инфракрасный (SWIR)
1,1—1,35 мкм
1,4—1,8 мкм
2,0—2,5 мкм
Солнце Отражательная
способность
Средневолновой инф-
ракрасный (MWIR)
3—4 мкм
4,5—5 мкм
Солнце, источники
тепла
Отражательная
способность, температура
Тепловой (длинновол-
новой) инфракрасный
канал (TIR или LWIR)
8—9,5 мкм
10—14 мкм
Источники тепла Температура
Микроволновой
канал, радар
от 1 мм
до 1 мт
Тепловой
(пассивная система),
искусственный
(активная система)
Температура
(пассивная система),
рельеф
(активная система)
3 мкм) превалирует отраженное солнечное излучение. Средневолновая зона явля-
ется переходной — в ней существенный вклад вносят все составляющие излуче-
ния. При длине волны больше 5 мкм обычно доминирует собственное тепловое
излучение Земли. Поскольку оно не зависит от Солнца, съемку в этом диапазоне
можно вести как в дневное, так и в ночное время суток. Собственное тепловое
излучение Земли можно регистрировать и в микроволновом диапазоне. В этом
случае характеристикой излучения является яркостная температура, которая из-
меряется такими пассивными системами, как Special Sensor Microwave/Imager
(SSM/I) (Hollinger и др. 1987; Hollinger и др., 1990). Пример многоспектрального
снимка (VSWIR и TIR) показан на рис. 1.3.
При активном методе дистанционного зондирования каждый датчик исполь-
зуется также в качестве искусственного источника излучения. В результирующем
сигнале содержится информация либо о земной поверхности, либо об атмосфе-
ре. В частности, по рассеянию и поглощению в атмосфере лазерного излучения
определенной длины волны можно судить о ее молекулярном составе (например,
о содержании озона). В микроволновом диапазоне используется технология ра-
даров с синтезированной апертурой (SAR), при которой сканирующий луч гене-
рируется движущимся датчиком, а регистрируется излучение, отраженное от
земной поверхности. Движение платформы датчика создает, по существу, боль-
шую антенну, в результате чего увеличивается пространственное разрешение
снимков.
Пространственное распределение параметров можно реконструировать по ам-
плитуде и фазе отраженного сигнала с помощью специальных программ обработ-
ки данных. Рабочие диапазоны длин волн для активных и пассивных систем ДЗЗ
представлены в табл. 1.4. Связь между длинами волн и соответствующими часто-
тами проиллюстрирована на рис. 1.4. Пример изображения, полученного с помо-
щью SAR-системы, показан на рис. 1.5.
На рис. 1.6 показана кривая спектральной плотности энергетической осве-
щенности внешней границы атмосферы Земли вместе с кривой чувствительности
человеческого глаза в дневное время суток. Как видно из графика, то, что мы ви-
дим, относится лишь к малой части солнечного спектра, который, в свою оче-
редь, составляет лишь небольшую долю спектра всего электромагнитного излуче-
ния. Таким образом, хотя мы и можем отобразить любую часть спектра на экране
монитора, большая часть данных ДЗЗ лежит вне видимой области. Задача интер-
претация данных, полученных в тепловом и микроволновом диапазоне, многими
считается довольно сложной именно потому, что мы с трудом можем представить
себе, как должно выглядеть то, что регистрирует датчик за пределами видимой
части спектра.
Большинство оптических систем ДЗЗ являются многоспектральными, то есть
такими, которые позволяют практически одновременно получать снимки в не-
TMS3 TMS4 TMS5
TMS7 TMS6
Рис. 1.3. Аэроснимок опустошительного пожара в Йеллоустонском национальном
парке, шт. Вайоминг, полученный 2 сентября 1988 года с помощью съемочной
аппаратуры Thematic Mapper Simulator (TMS), в которой используются те же
каналы съемки, что и в системе TM. При съемке в видимом и ближнем инф-
ракрасном диапазоне (каналы TMS3 и TMS4) виден только дым от пожара.
Сам огонь начинает проявляться в канале TMS5 (1,55—1,75 мкм) и становится
отчетливо виден в каналах TMS7 (2,08—2,35 мкм) и TMS6 (8,5—14 мкм). Вы-
сокий уровень сигнала в тепловом ИК-диапазоне (правый нижний снимок)
достигается благодаря большому коэффициенту усиления. Снимки предо-
ставлены Джефри Майерсом, лаборатория обработки данных аэросъемки,
Научно-исследовательский центр Эймса, НАСА
скольких диапазонах спектра. В таких снимках зачастую содержится гораздо
больше информации о спектральных свойствах объектов, чем в однозональных
снимках, полученных в одном спектральном диапазоне, или в так называемых
панхроматических снимках, соответствующих широкой полосе длин волн. С дру-
Таблица 1.4. Рабочие длины волн и частоты микроволнового излучения, использу-
емого при ДЗЗ. (По данным работ Sabins, 1987; Hollinger и др., 1990;
Way и Smith, 1991 и Curlander и McDonough, 1991.)
Канал Частота, ГГц Длина волны, см Примеры аппаратуры (частота в ГГц)
Ka 26,5—40 0,8—1,1 SSM/I (37,0)
К 18—26,5 1,1—1,7 SSJVM (19,35; 22,235)
Ku 12,5—18 1,7—2,4 Cassini (13,8)
X 8—12,5 2,4—3,8 X-SAR (9,6)
С 4—8 3,8—7,5 SIR-C (5,3), ERS-1 (5,25), RADARSAT (5,3)
S 2—4 7,5—15 Magellan (2,385)
L 1—2 15—30 Seasat (1,275), SIR-A (1,278), SIR-B (1,282),
SIR-C (1,25), JERS-1 (1,275)
P 0,3—1 30—100 NASA/JPL DC-8 (0,44)
1000
1000
100
100
10
10
1
1
0,1
0,1
L
S
P
C
X
Ku
Ka
K
Рис. 1.4. Номограмма, позволяющая определять длину волны по заданной частоте в
микроволновой части спектра. На графике указаны также основные каналы
радарной съемки. Аналогичные номограммы можно построить для любой
части электромагнитного спектра
32 Глава 1. Основы дистанционного зондирования Земли
Пример снимка потока
лавы пахоехое.
(Снимок из архива
Геологической
службы США.)
Рис. 1.5. Космический снимок острова Изабелла в западной части Галапагосских ост-
ровов, полученный в L-канале радара SIR-C/X-SAR при HH-поляризации на
сороковом витке космического корабля многоразового использования
Endeavour 15 апреля 1994 года. Центр снимка соответствует примерно 15° юж-
ной широты и 91° западной долготы. Угол падения луча радара в точке, соот-
ветствующей центру изображения, равен приблизительно 20°. В западной
группе Галапагосских островов, расположенных в южной части Тихого океа-
на приблизительно в 1200 км к западу от Эквадора, находится шесть действу-
ющих вулканов. Со времени посещения этого района Чарлзом Дарвином в
1835 году здесь зарегистрировано более 60 извержений. На изображении
вулканов Альседо и Сьерра-Негра, полученном с помощью радара SIR-C/X-SAR,
менее гладкие потоки лавы видны как более яркие области, а отложения вул-
канического пепла и гладкие потоки лавы пахоехое — как более темные.
(Снимок и его описание предоставлены НАСА/JPL.)
гой стороны, микроволновые системы, за исключением пассивной аппаратуры
SSM/I, работают, как правило, на одной частоте. SAR-системы излучают сигнал,
поляризованный в одной из двух плоскостей: горизонтальной (H) или вертикаль-
ной (V), — и регистрируют отраженный сигнал, поляризованный либо в той же
плоскости (режимы HH и VV), либо в ортогональной (режимы HV и VH) (Avery и
Berlin, 1992; Richards и Jia, 1999). Все чаще для повышения точности интерпрета-
ции данных используют комбинации снимков, полученных в разных спектраль-
ных диапазонах, различными съемочными системами и с разной поляризацией
сигнала. В научной литературе описываются результаты комбинирования дан-
ных, полученных в видимой части спектра с тепловыми данными (Haydn и др.,
1982), данными радарной съемки (Wong и Orth, 1980; Welch и Ehlers, 1988) и дан-
ными гамма-съемки (Schetselaar, 2001), а также результаты комбинирования аэ-
рофотоснимков и гиперспектральных данных (Filiberti и др., 1994).
1.3. Спектральные образы объектов
К сожалению, из-за недостаточно высокого пространственного разрешения кос-
мических снимков целый ряд объектов практически невозможно распознать по
их форме и другим пространственным деталям. Однако в некоторых случаях та-
кие объекты удается идентифицировать по их спектральным характеристикам.
Именно этим объясняется то внимание, которое уделяется определению спект-
ральных образов растительного покрова, почв, горных пород и других объектов в
спектральном диапазоне, показанном на рис. 1.6. В той части спектра, где доми-
нирует отраженное солнечное излучение, спектральный образ объекта определя-
ется графиком зависимости его отражательной способности от длины волны,
0
400
500
900 1400 1900 2400
0
0,2
0,4
0,6
0,8
1
1000
1500
2000
2500
Рис. 1.6. Спектральная плотность энергетической освещенности верхней границы ат-
мосферы и чувствительность человеческого глаза в дневное время суток
34 Глава 1. Основы дистанционного зондирования Земли
построенным с соответствующим спектральным разрешением. В тепловой части
спектра образы объектов определяются их температурой и излучательной способ-
ностью, а при использовании радарной съемки — неровностями рельефа земной
поверхности. То, что для разделения объектов можно использовать различия в их
спектральных образах, является, вообще говоря, основной причиной использова-
ния многоспектральной съемки в дистанционном зондировании. Однако на
практике эта идеальная ситуация часто нарушается в силу ряда причин, среди ко-
торых можно назвать следующие:
•• естественные вариации спектральных образов объектов одного класса,
•• слишком низкое спектральное разрешение многих систем дистанционного
зондирования,
•• влияние атмосферы на измерение спектральных характеристик.
Таким образом, нет никакой гарантии того, что измеренное различие в спект-
ральных образах разных природных объектов окажется действительно сущест-
венным.
На рис. 1.7 показаны кривые спектральной отражательной способности раз-
личных видов трав и листового полога ряда сельскохозяйственных культур. Вид-
но, что у всех кривых есть схожие общие черты: низкая отражательная способ-
ность в зеленой и красной зонах спектра7, резкое увеличение отражательной спо-
собности вблизи длины волны8 710 нм и глубокие провалы около длин волн 1400
и 1900 нм, вызванные поглощением излучения водой в листве растений. Спект-
ральный образ растительности является, пожалуй, наиболее изменчивым, пос-
кольку он полностью зависит от смены времен года. В осенний период цвет рас-
тительности приобретает оттенок «увядания», что сопровождается увеличением
отражательной способности в красной зоне спектра, вызванным потерей хлоро-
филла.
Кривые спектральной отражательной способности некоторых геологических
пород показаны на рис. 1.8. Как видно из примера, относящегося к сухой и влаж-
ной глинистой почве, общее снижение отражательной способности в последнем
случае объясняется увеличением количества воды. Отметим также характерные
окна поглощения в коротковолновой инфракрасной области, аналогичные тем,
которые наблюдаются для растительного покрова. Кривые отражательной спо-
собности для других минералов были получены в лабораторных условиях и отли-
чаются высоким спектральным разрешением. На каждой из них видны отчетли-
7 Небольшой пик в зеленой области спектра вблизи 550 нм возникает из-за того, что
хлорофилл обладает относительно низким поглощением в красной и синей области справа
и слева от указанной длины волны. Привычный зеленый цвет растительности объясняется
именно этим пиком.
8 Так называемая красная граница растительности, которая возникает из-за опреде-
ленной клеточной структуры листьев.
1.3. Спектральные образы объектов 35
вые и иногда «дублирующие» друг друга полосы поглощения. Эти полосы были
бы не видны при съемке широкополосными датчиками (например, Landsat TM
или SPOT). Необходимая детальность регистрации данных может быть обеспече-
на только гиперспектральными датчиками типа AVIRIS, ведущими съемку в
спектральных диапазонах шириной 10 нм. За последние десятилетия было опуб-
ликовано несколько эталонных «каталогов» спектральной отражательной спо-
собности различных объектов (Clark и др., 1993; Hunt, 1979; Hook, 1998), которые
0
400
0,1
800 1200 1600 2000 2400
0,2
0,3
0,4
0,5
0
400
0,2
0,1
800 1200 1600 2000 2400
0,3
0,4
0,5
0,6
Рис. 1.7. Пример кривых спектральной отражательной способности некоторых расте-
ний (Bowker и др., 1985). Кривые, представленные на верхнем графике, ил-
люстрируют разброс в отражательной способности различных трав. Как вид-
но из нижнего графика, даже в относительно хорошо контролируемых лабо-
раторных условиях отражательная способность листьев кукурузы может
варьироваться в пределах ±17% вблизи границы 0,67 мкм (Landgrebe, 1978)
36 Глава 1. Основы дистанционного зондирования Земли
можно использовать для сравнения и классификации новых данных после внесе-
ния соответствующих калибровочных поправок (см. гл. 9).
Данные о спектральной отражательной способности являются уникальными
для каждой съемки и условий измерения. Образ одного и того же минерала будет
изменяться от образца к образцу. Еще больший разброс характерен для расти-
тельности, спектральный образ которой зависит от стадии роста, состояния посе-
вов и влажности почвы. Ситуация осложняется еще и тем, что измерение отража-
тельной способности, проведенное в полевых условиях, невозможно повторить в
0
400
0,2
0,1
800 1200 1600 2000 2400
0,3
0,4
0,5
0,6
0
400
0,4
0,2
800 1200 1600 2000 2400
0,6
0,8
1
Рис. 1.8. Примеры кривых спектральной отражательной способности для глины (верх-
ний график) и некоторых минералов (нижний график) (Bowker и др., 1985;
Clark и др., 1993). Как видно из рисунка, присутствие влаги в любом материа-
ле приводит, как правило, к снижению его отражательной способности. Тео-
ретическое объяснение этого эффекта см. в работе Туоми и соавт. (Twomey
и др., 1986)
1.4. Системы дистанционного зондирования 37
лаборатории. Даже в том случае, когда эталонные данные получены в условиях
полевых измерений, спектральный образ, зарегистрированный датчиком, будет
содержать помехи, связанные с влиянием атмосферы, рельефа местности и ка-
либровки (см. гл. 2 и 3) (Marsh, Lyon, 1980). Таким образом, при использовании
лабораторных и полевых измерений отражательной способности в качестве эта-
лонных данных следует всегда помнить о том, что эти данные являются лишь
приближением к истинному спектральному образу физических объектов. Поэто-
му при сравнении данных ДЗЗ с эталонными необходимо выполнить тщательную
калибровку. Вместе с тем во многих случаях анализ снимков можно упростить,
используя вместо абсолютных спектральных характеристик относительные, то
есть сравнивая спектральные образы разных объектов, полученные в процессе
одной и той же съемки.
1.4. Системы дистанционного зондирования
Поскольку выбор конструкционных решений и материалов для изготовления
каждого датчика во многом определяется его рабочим диапазоном длин волн, фи-
зические размеры оптических систем зависят от тех технических ограничений,
которые характерны для той или иной области спектра. Вместе с тем работа всех
пассивных сканирующих датчиков в оптическом диапазоне от видимой то тепло-
вой инфракрасной области спектра основана на одних и тех же законах оптики,
принципах формирования изображений и методах регистрации излучения.
В этой книге основное внимание уделяется датчикам именно этого типа. Описа-
ние микроволновых систем ДЗЗ, как активных, так и пассивных, основанных на
существенно иных принципах работы, выходит за рамки данной книги.
1.4.1. Пространственные и радиометрические характеристики
Значение каждого пиксела снимка является результатом усреднения по про-
странственным координатам, длине волны и времени. Интервал усреднения по
времени обычно очень мал и составляет от нескольких микросекунд для сканиру-
ющих датчиков типа TM до нескольких миллисекунд для ПЗС-сканеров типа
SPOT. На практике такой временной интервал почти не сказывается на результа-
тах измерений, чего нельзя сказать об усреднении по пространственным коорди-
натам и по длине волны — здесь операция усреднения существенно влияет на ха-
рактеристики регистрируемых данных.
Рассмотрим трехмерное пространство непрерывных параметров (x, y, λ), обра-
зованное пространственными координатами (x, y) и значениями длины вол-
ны (λ). Значение каждого пиксела можно представить как результат интегрирова-
ния по небольшому объему данного пространства (см. рис. 1.9). В действитель-
ности, как будет показано в гл. 3, пространство (x, y, λ) делится не совсем так, как
38 Глава 1. Основы дистанционного зондирования Земли
изображено на рис. 1.9. В частности, объемы интегрирования для соседних пик-
селов пересекаются как в спектральной, так и в пространственной области. Одна-
ко в данном разделе мы ради удобства будем придерживаться той упрощенной
схемы, которая представлена на рис. 1.9.
Значения пикселов цифрового снимка регистрируются в результате сканиро-
вания поперек маршрута съемки (т. е. перпендикулярно направлению движения
платформы) и движения самой платформы вдоль маршрута (рис. 1.10) (Slater,
1980). При этом для разделения непрерывного потока данных на отдельные пик-
селы используется электронная система датчика. В линейных сканерах для съем-
ки всей сцены используется один-единственный детекторный элемент. В попе-
речных ПЗС-сканерах, таких как Landsat TM, используется линейка детекторов,
расположенных вдоль маршрута съемки. В результате при каждом цикле движе-
ния зеркала все детекторные элементы осуществляют параллельное сканирова-
ние земной поверхности. Похожий механизм используется и в ПЗС-сканерах ти-
па AVHRR или MODIS, в которых непрерывное сканирование поперек маршрута
y
x
400 400
900 900
1 2
3
4
1
50
TM AVIRIS
Рис. 1.9. Сравнение пространственной и спектральной дискретизации данных для съе-
мочных систем Landsat TM и AVIRIS в видимой и ближней инфракрасной зо-
нах спектра. Каждый параллелепипед представляет область интегрирования
по спектральной и пространственным координатам. Из рисунка видно, что
при регистрации данных с помощью датчика TM спектральная ось охватыва-
ется не полностью, а для усреднения используются относительно широкие
спектральные интервалы. В отличие от этого, спектральное разбиение дан-
ных, регистрируемых датчиками AVIRIS, является в этом диапазоне почти не-
прерывным. По сравнению с датчиками TM аппаратура AVIRIS обеспечивает
и более высокое пространственное разрешение (ср. 20 метров у AVIRIS при
30 метрах у TM). Показанный на рисунке способ представления данных назы-
вают пространственно-спектральным кубом (п. 9.9.1)
1.4. Системы дистанционного зондирования 39
осуществляется с помощью двухстороннего зеркала, вращающегося в диапазоне
360 градусов. Существенное отличие между этими двумя типами сканеров заклю-
чается в том, что в приборах AVHRR и MODIS сканирование осуществляется
всегда в одном направлении, а в поперечных ПЗС-сканерах направление скани-
рования меняется во время цикла сканирования на прямо противоположное.
Продольные ПЗС-сканеры, установленные, например, на ИСЗ SPOT, оснащены
ПЗС-линейкой, состоящей из тысячи детекторных элементов, расположенных
поперек маршрута. В результате параллельное сканирование всего набора данных
происходит просто за счет движения платформы по орбите. Независимо от типа
сканирующей системы полный угол сканирования поперек маршрута съемки на-
зывается углом обзора, а соответствующая величина на поверхности Земли — ши-
риной полосы съемки9.
9 Другое название — ширина полосы охвата.
AVHRR ETM+
GOES
MODIS
MSS
TM
ALI
IKONOS
MTI
QuickBird
SPOT
Рис. 1.10. Основные параметры сканирующих систем различного типа. Стрелками по-
казаны направления движения относительно неподвижной Земли. Посколь-
ку большинство спутниковых систем дистанционного зондирования имеют
полярные орбиты, вращение Земли происходит в направлении, которое поч-
ти перпендикулярно маршруту съемки. Это приводит к постепенному смеще-
нию восточных и западных границ сканирования за время съемки всей сцены
40 Глава 1. Основы дистанционного зондирования Земли
Расстояние на земной поверхности, соответствующее расстоянию между цен-
трами соседних пикселов, называется наземным интервалом дискретизации10. На-
земные интервалы дискретизации вдоль и поперек маршрута съемки определя-
ются соответствующими частотами дискретизации, а также скоростью движения
платформы. На практике частоту дискретизации обычно подбирают так, чтобы
величина наземного интервала дискретизации была равна размеру мгновенного
поля обзора, то есть ширине проекции одного детекторного элемента на земную
поверхность (рис. 1.11 и 1.12). Таким образом, мгновенные поля обзора соседних
пикселов примыкают друг к другу как в продольном, так и в поперечном направ-
лении. Наземный интервал дискретизации вдоль маршрута съемки определяется
скоростью платформы и либо частотой дискретизации (для продольных ПЗС-
сканеров), либо скоростью сканирования (для линейных и поперечных ПЗС-ска-
неров), которые подбираются так, чтобы соответствовать мгновенному полю об-
зора в надире. Использование в некоторых системах более высокой частоты по-
перечной дискретизации приводит к наложению мгновенных полей обзора и, как
следствие, к некоторому улучшению качества данных. Такой метод «избыточного
сканирования» применяется, в частности, в съемочных системах Landsat MSS и
AVHRR KLM.
Наземный интервал дискретизации GSI определяется высотой расположения
платформы H, фокусным расстоянием f и междетекторным интервалом (или, как
было отмечено выше, пространственной частотой дискретизации). Если частота
дискретизации равна одному пикселу на один междетекторный интервал, назем-
ный интервал дискретизации в надире, то есть непосредственно под датчиком, за-
дается следующей простой формулой:
GSI
H
f m
= × =
, (1.1)
где m = f/H — коэффициент геометрического увеличения, а величина междетектор-
ного интервала обычно равна ширине детекторного элемента w11.
Мгновенное поле обзора GIFOV зависит от величин H, f и w аналогичным об-
разом. При этом следует отметить, что инженеры — разработчики систем дистан-
ционного зондирования предпочитают использовать в своих расчетах другой па-
раметр — величину мгновенного угла обзора IFOV, равную углу, который образу-
ет детекторный элемент с осью оптической системы (рис. 1.11):
IFOV
w
f
w
f
=
2arctan 2 . (1.2)
10 Другое название — наземный шаг сканирования.
11 Так как f < < H, а m много меньше единицы.
1.4. Системы дистанционного зондирования 41
Параметр IFOV принимает одинаковые значения в пространстве снимка и в
пространстве объекта и, кроме того, не зависит от рабочей высоты датчика H.
Последнее свойство особенно важно при съемке с воздушных летательных аппа-
Рис. 1.11. Простейшая геометрическая схема расположения детекторного элемента в
фокальной плоскости датчика. Для наглядности ширина детекторного эле-
мента w и фокусное расстояние f на рисунке существенно увеличены. Анало-
гичная схема верна и для оптических систем, которые чаще всего представля-
ют собой набор зеркал заданной кривизны и иногда характеризуются сразу
несколькими довольно сложными оптическими путями распространения
сигнала. Согласно представленной схеме, значения всех угловых параметров
(например, IFOV) в пространстве объектов и в пространстве снимка будут
совпадать, а линейные размеры объектов и их образов на снимке будут отли-
чаться на величину коэффициента увеличения f/H. Данная схема является
стационарной и соответствует съемке в надире. В реальной ситуации из-за
движения сканирующей системы, платформы и самой Земли проекция мгно-
венного поля обзора успевает сместиться даже за короткий интервал времени
интегрирования. В результате эффективная величина проекции мгновенного
поля обзора оказывается несколько больше показанной на рисунке. Эта вели-
чина увеличивается также по мере отклонения направления сканирования от
надира. Данный эффект будет подробно рассматриваться в гл. 3
42 Глава 1. Основы дистанционного зондирования Земли
ратов, высота которых может постоянно меняться. Воспользовавшись предыду-
щей формулой, получим следующее выражение для мгновенного поля обзора
GIFOV:
GIFOV H
IFOV
w
H
f
w
m
=
2 tg 2 = = . (1.3)
Наземный интервал дискретизации и мгновенное поле обзора находятся делени-
ем расстояния между детекторами и, соответственно, ширины детектора на вели-
чину геометрического увеличения m. При анализе данных ДЗЗ потребители впол-
не оправданно предпочитают использовать именно мгновенное поле обзора
GIFOV, а не мгновенный угол обзора IFOV. В то же время инженеры — разработ-
чики систем ДЗ пользуются в основном угловыми параметрами FOV и IFOV, пос-
кольку эти величины имеют одинаковые значения в пространстве снимка и в
пространстве объектов (рис. 1.11).
Расположение детекторных элементов в фокальной плоскости сканирую-
щей системы не является строго линейным или матричным. Скорость движе-
ния платформы, частота вращения зеркала, различия во временных характе-
GIFOV
GSI
Landsat MSS, AVHRR
Рис. 1.12. Связь между проекцией мгновенного поля обзора и интервалом дискретиза-
ции для большинства сканирующих датчиков, а также съемочной аппарату-
ры MSS и AVHRR. Каждый крест на рисунке соответствует одному пикселу.
Для MSS поперечный интервал дискретизации равен 57 метров, а ширина
проекции мгновенного поля обзора — 80 метров. В результате частота попе-
речной дискретизации составляет 1,4 пиксела на ширину мгновенного поля
обзора. Аналогичная величина для аппаратуры AVHRR KLM составила
1,36 пиксела. Увеличение частоты дискретизации повышает качество дан-
ных, но, вместе с тем, приводит и к увеличению корреляции между значени-
ями соседних пикселов и, следовательно, к необходимости увеличения об-
щего объема данных в пределах полосы съемки
1.4. Системы дистанционного зондирования 43
ристиках регистрации данных в разных спектральных диапазонах и для разных
пикселов, необходимость физически разделять детекторные элементы разных
спектральных каналов, а также ограниченность рабочей площадки в фокальной
плоскости, — все это приводит к расположению детекторов, показанному на
рис. 1.13—1.16.
Изображение земной поверхности формируется в фокальной плоскости дат-
чика в результате регистрации отраженного солнечного излучения (измерения
спектральной плотности энергетической яркости12). Значение каждого пиксела
снимка определяется путем интегрирования энергии, падающей на поверхность
датчика, и определения, таким образом, спектральной плотности энергетической
освещенности объектов13. В силу ряда причин фактическая площадь интегриро-
вания оказывается несколько большей, чем квадрат величины GIFOV (см. гл. 3).
Полученное интегральное значение преобразуется сначала в электрический сиг-
нал, а затем в целочисленное значение пиксела14 снимка. Поскольку дискретные
значения пикселов (DN) хранятся в двоичном виде, общее число значений, кото-
рые могут быть приписаны каждому пикселу, зависит от количества бит памя-
ти Q, отводимых для записи каждого числа:
NDN = 2Q. (1.4)
При этом само значение пиксела может быть любым целым числом в диапазоне
DNдиапазон = [0, 2Q – 1]. (1.5)
Чем больше величина Q, тем точнее дискретные данные аппроксимируют исход-
ный непрерывный сигнал и тем выше радиометрическая разрешающая способ-
ность детектора. В датчиках SPOT и TM для каждого значения пиксела отводится
8 бит, в датчиках AVHRR — 10 бит. В большинстве гиперспектральных датчиков,
включая датчики EOS MODIS, для увеличение радиометрического разрешения
используется 12 бит на пиксел. Конечно, не все биты могут быть значимыми при
проведении измерений — особенно это заметно при низкой амплитуде полезного
сигнала и при высоком уровне шума.
Таким образом, пиксел характеризуется (по крайней мере, в первом прибли-
жении) тремя параметрами: GSI, GIFOV и Q. В том случае, если возникает неоп-
12 Спектральная плотность энергетической яркости измеряется в Вт · м–2 · ср · мкм–1.
Подробное обсуждение роли фотометрии в оптическом дистанционном зондировании см.
в работах Слэйтера (Slater, 1980) и Скотта (Schott, 1996).
13 Единицей спектральной плотности энергетической освещенности является
Вт · м–2 · мкм–1. Связь между этой характеристикой и спектральной плотностью энергетической яркости рассматривается в гл. 2.
14 В англоязычной литературе используется два эквивалентных термина: Digital Number
и Digital Count.
44 Глава 1. Основы дистанционного зондирования Земли
1 8 2 3 4 7 5 6
Рис. 1.13. Расположение детекторных элементов аппаратуры ETM+ в фокальной плос-
кости. В основной фокальной плоскости расположены кремниевые детекто-
ры, которые используются для панхроматической съемки (GIFOV = 10 м) и
съемки в видимой и ближней инфракрасной зонах спектра (GIFOV = 30 м).
В охлаждаемой фокальной плоскости размещены детекторы на основе анти-
монида индия (InSb) для съемки в коротковолновом ИК-диапазоне
(GIFOV = 30 м) и детекторы на основе теллурида ртути и кадмия (HgCdTe)
для съемки в тепловом ИК-диапазоне (GIFOV = 60 м). Сканирующее зерка-
ло детектора вращается в поперечном направлении; сбор данных ведется во
всех каналах одновременно. Для коррекции временных характеристик сиг-
нала и внесения поправок на разность фаз между пикселами используется
специальная электронная схема. На фотографии матрицы детекторов хоро-
шо видно, что ее размер составляет всего несколько миллиметров. Снимки
предоставлены Кеном Дж. Эндо, компания «Рэйтеон» (Raytheon)
10 11 12 19 18 13 14 15 16 9 8 3 4 2 1 17
Рис. 1.14. Расположение детекторов аппаратуры MODIS в неохлаждаемых фокальных
плоскостях, используемых для съемки в видимом (VIS) и ближнем инфра-
красном (NIR) диапазонах спектра. Темный цвет детекторов на фотографиях
объясняется антиотражающим покрытием. В фокальной плоскости NIR рас-
положены детекторы, ведущие съемку с разрешением 250 метров в красной
зоне спектра и в каналах 1 и 2 ближнего ИК-диапазона. Полученные данные
используются в основном для дистанционного зондирования земной повер-
хности. При регистрации сигнала с помощью двойных рядов детекторов в
каналах 13 и 14 применяется методика интегрирования с задержкой по вре-
мени, которая позволяет усилить сигнал и понизить уровень помех при съем-
ке «темных» сцен (например, океанов). В данные, зарегистрированные де-
текторами одного ряда, вносится задержка по времени, которая позволяет
совместить эти данные с данными, полученными детекторами второго ряда.
Затем два набора данных суммируются, благодаря чему увеличивается фак-
тическое время интегрирования для каждого пиксела. Снимки предоставле-
ны Кеном Дж. Эндо и Джоном Вамполой, компания «Рэйтеон» (Raytheon)
26 25 24 7 6 5 20 21 22 23 29 28 27 33 34 35 36 31 30 32
(PVHgCdTe) (PCHgCdTe)
Рис. 1.15. Расположение детекторов аппаратуры MODIS в охлаждаемых фокальных
плоскостях. Каналы 31—36 используются для съемки в длинноволновом
ИК-диапазоне (LWlR) с помощью фоторезисторных детекторов (PC) на ос-
нове кристаллов HgCdTe. В каналах SWIR/MWIR используются фотовольта-
ические детекторы (PV). Снимки предоставлены Кеном Дж. Эндо, компания
«Рэйтеон» (Raytheon)
ределенность и слово «пиксел» необходимо связать только с одной из величин —
GSI или GIFOV, — в качестве такой величины следует выбрать наземный интер-
вал дискретизации GSI.
Спектральные каналы в оптических датчиках формируются путем разделения
суммарного пучка на несколько лучей, каждый из которых распространяется по
1.4. Системы дистанционного зондирования 47
SCA3 SCA1
SCA4 SCA2
pan
0, 2, 4, ...
0, 2, 4, ...
0, 2, 4, ...
1, 3, 5, ...
1, 3, 5, ...
1, 3, 5, ...
VNIR
(Si)
SWIR
(HgCdTe)
Рис. 1.16. Четыре сборки датчиков (SCA) аппаратуры ALI. В каждом канале четные и
нечетные детекторы размещены в разных рядах сборки; поправки на раз-
ность фаз вносятся в процессе обработки данных. Более высокое значение
отношения сигнал/шум при использовании технологии интегрирования с
задержкой по времени (TDI) достигается благодаря применению двух рядов
детекторов в коротковолновых ИК-каналах 5p (бука «p» означает отличие ка-
нала 5p от канала с тем же номером у аппаратуры ETM+), 5 и 7 (см. также
рис. 1.14). Четыре сборки SCA содержат 3850 детекторов для панхроматичес-
кой съемки и 11 520 детекторов — для многозональной. Пикселы, появивши-
еся в результате наложения детекторов на разных сборках, удаляются на эта-
пе обработки данных (Storey и др., 2004)
48 Глава 1. Основы дистанционного зондирования Земли
своему оптическому пути с установленными на нем спектральными фильтрами.
Фильтры могут быть установлены и непосредственно на самих детекторах. В не-
которых гиперспектральных системах (например, HYDICE) используются дву-
мерные матрицы детекторных элементов (рис. 1.17). Для разделения спектраль-
ных диапазонов в такой матрице применяются оптические компоненты — при-
змы или дифракционные решетки. Матрица детекторов аппаратуры HYDICE
содержит 320 элементов поперек маршрута съемки и 210 элементов вдоль марш-
рута. Каждый поперечный ряд детекторов служит в качестве продольного ПЗС-
сканера, а продольное направление используется для разделения оптического пуч-
ка по длинам волн с помощью призмы. В результате по мере движения платформы
(воздушного летательного аппарата в случае HYDICE) значения пикселов регист-
рируются одновременно для всей полосы съемки в 210 спектральных каналах.
При этом суммарное количество измерений равно 67 200.
Эти данные считываются с матрицы детекторных элементов за время, необхо-
димое для перемещения платформы в следующее положение съемки. Соответс-
твие между спектральными каналами и детекторными элементами спектромет-
ров и многоспектральных датчиков показано на цветной вкладке 1.7.
HYDICE
Hyperion
MERIS
Рис. 1.17. Схема съемки с помощью продольного ПЗС-сканера, применяемая в гипер-
спектральных датчиках HYDICE, Hyperion и MERIS. Поперечные ряды де-
текторных элементов используются для одновременной регистрации данных
в разных диапазонах длин волн. Разделение общего сигнала по диапазонам
происходит вдоль продольного направления матрицы детекторов. Таким об-
разом удается регистрировать пространственные вариации сигнала в попе-
речном направлении сразу в большом количестве спектральных каналов.
Суммарное число каналов рано количеству детекторных элементов матрицы
в продольном направлении. Данные, полученные детекторами одного ряда,
считываются до того, как этот ряд переместится в следующее положение
съемки
1.4. Системы дистанционного зондирования 49
Углом обзора (FOV) датчика называют угол охвата съемкой поперек маршрута
летательного аппарата (рис. 1.10). Соответствующее этому углу расстояние GFOV
на поверхности Земли определяется как15
GVOF H
FOV
=
2 tg 2 . (1.6)
Расстояние GFOV называется шириной полосы съемки. Поскольку значения ин-
тервала дискретизации GSI и мгновенного поля обзора GIFOV указываются для на-
правления на надир, то есть для области непосредственно под летательным аппара-
том, следует помнить о том, что значения этих параметров будут увеличиваться по
мере приближения к краям полосы съемки (см. гл. 3). Угловой охват вдоль трассы
летательного аппарата не имеет четкого физического определения, поскольку его
величина зависит от скорости движения платформы. На практике этот параметр
часто определяют исходя из ограничений, связанных со временем обработки и ско-
ростью передачи данных, а также из соображений, состоящих в том, чтобы охват
съемкой был одинаковым в направлении вдоль и поперек трассы.
При использовании съемочных систем, оснащенных множеством детекторов
для каждого спектрального канала (к таким системам относятся, в частности,
продольные и поперечные ПЗС-сканеры), для каждого из детекторов необходи-
мо выполнить относительную радиометрическую калибровку. Напомним, что в
аппаратуре MSS используется 24 детектора (по 6 детекторов в каждом из 4 кана-
лов), а в съемочной системе TM — 100 детекторов (по 16 детекторов в каждом из
6 нетепловых каналов, ведущих съемку с интервалом дискретизации 30 метров,
плюс 4 детектора, ведущих съемку в 6 канале с интервалом дискретизации 120 мет-
ров). Помимо стандартного набора датчиков TM аппаратура ETM+, установлен-
ная на ИСЗ Landsat-7, оснащена дополнительными 32 детекторами для панхро-
матической съемки (интервал дискретизации 15 метров) и 8 датчиками в канале 6
(интервал дискретизации 60 метров). Таким образом, суммарное количество дат-
чиков аппаратуры ETM+ равно 136. Поскольку каждый датчик является отде-
льным электронным прибором с собственными характеристиками чувствитель-
ности, особое внимание следует придавать точности радиометрической калиб-
ровки этих датчиков. Ошибки калибровки приводят к появлению систематических
помех, которые проявляются на снимках в виде полосовых артефактов. Еще
больше усилий требуется при калибровке продольных ПЗС-сканеров, у которых
линейка датчиков содержит огромное количество элементов (например, на ИСЗ
15 Здесь мы пренебрегли кривизной поверхности Земли. Учет кривизны привел бы к
увеличению этого расстояния. Ошибка такой аппроксимации растет с увеличением угла
обзора FOV и высоты платформы H. Более точное описание, учитывающее кривизну зем-
ной поверхности, см. в гл. 3.
SPOT в панхроматическом режиме съемки задействовано 6000 детекторных эле-
ментов, которые при многоспектральной съемке начинают работать как 3000 де-
текторов). Наконец, наиболее сложная калибровка характерна для гиперспект-
ральных матричных приборов, аналогичных системе HYDICE, в фокальной плос-
кости которой установлено 67 000 отдельных детекторных элементов (рис. 1.18).
При съемке с помощью линейных сканеров и поперечных ПЗС-сканеров не-
обходимо учитывать параметры вращения зеркала и Земли, а также вращение ле-
тательного аппарата вокруг осей тангажа, крена и скольжения. Таким образом,
для корректной интерпретации данных сначала необходимо провести их предва-
рительную обработку. Как показывает опыт работы с данными Landsat TM, в ре-
зультате такой обработки можно добиться очень высокого качества снимков.
Геометрия съемки с помощью продольных ПЗС-сканеров (например, SPOT или
ALI) является существенно более простой, поскольку сканирование в этом случае
осуществляется просто за счет движения платформы вдоль маршрута. Однако и в
этом случае необходимо учитывать вращение Земли и ориентацию ИСЗ. Геомет-
рические характеристики съемки с помощью аппаратуры ETM+ и ALI проил-
люстрированы на рис. 1.19.
Полное время, необходимое для получения изображения вдоль маршрута за-
данной протяженности, зависит от скорости движения ИСЗ вдоль трассы. Для
ИСЗ с низкими орбитами эта скорость составляет около 7 км/c. Таким образом,
для съемки сцены TM требуется около 26 секунд, а для съемки сцены SPOT —
9 секунд. При использовании линейки детекторных элементов существенными
параметрами становятся их количество и время интегрирования приходящего оп-
тического сигнала для каждого пиксела. Продольные ПЗС-сканеры имеют в этом
отношении преимущество, поскольку регистрация сигнала происходит одновре-
менно для всех пикселов линейки (рис. 1.10). Для ИСЗ, выведенных на геостаци-
онарную орбиту, радиометрическое качество снимков, определяемое отношени-
ем сигнал/шум, растет с увеличением времени интегрирования. Однако для ИСЗ
на других орбитах увеличение времени интегрирования приводит также к сгла-
живанию изображения и, как следствие, к снижению пространственного разре-
шения. Как видно из рис. 1.20, «плата» за более высокое отношение сигнал/шум
оказывается в этом случае слишком большой.
Спустя почти десть лет после выхода второго издания книги «Дистанционный
контроль: модели и методы обработки изображения», ее третье издание представ-
ляется всесторонне обновленным и давно ожидаемым.
Изменения коснулись:
•• информации о передатчиках, включая спутники НАСА – Terra, Aquа и
EO-1, а также о коммерческих спутниках IKONOS, OrbView и QuickBird,
информация сопровождается множеством иллюстраций;
•• научной литературы по всем темам:
•• моделирование и измерение твердотельных датчиков изображения,
•• МПФ-коррекция,
•• атмосферная коррекция,
•• мульспектральный синтез,
•• методы снижения шумов;
•• 32 цветные вставки, 20 из которых в этом издании новые, 15 новых упраж-
нений, больше 40 новых рисунков и 20 поправленных рисунков;
•• многих мест в тексте и в схемах, которые были внесены для того, чтобы
способствовать процессу обучения и понимания;
•• а также многих рисунков, которые будут легче восприниматься.
При подготовке третьего издания я был потрясен (а может быть, оно того и не
стоило) двумя вещами. Одна – растущее количество действующих зондов, которые
производятся все большим числом стран. Н а практике это создавало большие труд-
ности при занесении самой свежей информации в таблицу 1.1, и в результате она
так и осталась неполной, представляя доступные только на тот момент систе-
мы дистанционного
зондирования земли. А некоторые системы, такие как
Национальная система спутников для контроля окружающей среды на полярных
орбитах (NPOESS), не попали в таблицу, поскольку их техническое содержание
было окончательно сформировано перед самым запуском на орбиту.
Другой поразительной вещью стал тот впечатляющий объем информации, который доступен сегодня в И нтернете, и который охватывает широкий спектр
вопросов — от подробной технической документации для датчиков до информации об устройстве самих датчиков. К ое-кто потратил немало времени сидя за
компьютером и занимаясь поиском почти всего, что нужно для написания книги,
вроде этой. Н апример, разыскивая многоспектральный образец зондирования
земли, снега и облаков с помощью спектрорадиометра MODIS, я использовал для
поиска подходящих изображений и скачивания последних в рис. 1.22 интерак-
тивное изображение с сайта Г еологической службы С ША (http://modisdb.usgs.
gov/). Д ругим примером является изображение, сделанное со спутника Landsat-7
сканирующим радиометром ETM+, и размещенное на рис. 2.20; поиск в
Интернете аналогичного изображения озера А нна привел на сайт Университета
Штата М эриленд (http://glcf.umiacs.umd.edu/). Б ольше того, почти все мои «библиотечные» изыскания были проведены онлайн с помощью журнала и базы дан-
ных по бумажным носителям, а также с помощью государственных и коммерчес-
ких спутниковых сайтов. Тут возникает вопрос, а не устарели ли все эти книги!
Как и в случае со вторым изданием, я многим обязан своим коллегам за помощь в подготовке третьего издания. С реди них К ен А ндо и Д жон В ампола из
корпорации Р ейтеон, Б илл Р аппопорт из компании Электро-оптические систе-
мы Goodrich, которые предоставили иллюстрации и информацию о фокальной
плоскости с датчиком передачи сигнала в реальном времени, а также Д жордж
Лимишевски из Г еологической службы С ША за образцы изображений и консультации по вопросам совмещения многоспектральных изображений и их восстановления, Д жим С тори из Ц ентра исследования природных ресурсов (USGS
EROS / SAIC) за обсуждения и технические консультации по множеству тем книги, а также Д жеймс Шеферд из И сследовательского центра по охране земельных
ресурсов в Manaaki Whenua, Н овая З еландия, и д-р Р удольф Р ихтер из Ц ентра
дистанционного зондирования DLR / DFD, Г ермания, за любезное предоставле-
ние цифровых изображений для публикации в этой книге. Я также хочу поблаго-
дарить рецензентов моей книги за предложения, которые оказались весьма по-
лезны при формировании содержания книги и организации работы над ней, а
также коллег, которые нашли время, чтобы отправить поправки ко второму изда-
нию и которые я включил в этот том. Н о в итоге именно я несу полную ответс-
твенность за фактические и любые другие ошибки третьего издания.
Я также благодарю редакторов и издательство Элзивер, особенно Алана Роуз и
Тима Донара из департамента науки, за их терпение и сотрудничество в подготов-
ке третьего издания. Несмотря на мощное компьютерное обеспечение и доступ-
ность источников для авторов, создание книги из серии «не-выпускай-из-рук»
требует совместной работы многих одаренных и надежных профессионалов.
Закончив работу над третьим изданием, мне особенно хочется отметить тех наставников, которые помогали мне на протяжении моей жизни и карьеры, прежде
всего это мои родители, которые наставили меня на путь истинный, это – мой научный руководитель проф. Фил С лейтер, который направлял мои изыскания в правильном направлении и нередко прокладывал путь, вдохновляя преподавателей и
студентов, и своих коллег из университета А ризоны, НАСА и Г еологической службы
США, и многих других организаций, которые превратили научный поиск в прият-
ное и увлекательное путешествие. Я с грустью вспоминаю двух друзей и соавторов,
проф. С тива Парка и Д жима Фанестока, которые слишком рано ушли из жизни.
Наконец, я высоко ценю ту поддержку, которую оказала мне моя семья при подготовке всех трех изданий. Огромное спасибо всем вместе и каждому в отдельности!
Роберт А. Шовенгердт
Туксон, Аризона
Июнь, 2006
Предисловие ко второму изданию
Эта книга начиналась как достаточно консервативная переработка моего ранее
вышедшего учебника «Методы обработки изображения и классификация дистан-
ционного зондирования». Однако, как и многие усилия «с ограниченной целью»
эта работа вскоре превратилась в нечто гораздо большее! К огда стало ясно, что
простого редактирования недостаточно, я серьезно задумался о новой возмож-
ности представить предмет обработки изображений в контексте дистанционного
зондирования. После долгих колебаний, стало понятно, что существует некая общая тема, затрагивающая многие методы дистанционного зондирования при обработке изображений, она прямо или опосредовано связана с моделями физических процессов. В ряде случаев существует прямая зависимость, например, с физическими моделями, по которым рассчитывается орбита или пространственное
отражение. В других случаях эта зависимость косвенная. Например, сходство общих данных подразумевает, что соседние пиксели в пространстве или спектральные области, скорее всего, имеют близкие значения. Корни этого сходства кро-
ются в физических процессах, имеющих отношение к сбору данных, а также к
процессу сбора как таковому. Почти во всех случаях, мотивацию и обоснование
алгоритмов обработки изображений с помощью дистанционного зондирования
можно проследить на примере одной или нескольких таких моделей. Таким образом, я выбрал именно такую точку зрения для написания этой книги.
С самого начала было очевидно, что книга должна быть полностью сделана «в
цифре». Мощности современных издательских «desktop» систем могут легко решить эту задачу, а с учетом предмета, такая задача становится почти обязательной. В результате, в книге широко использовалась компьютерная графика и об-
работка изображений. Почти все рисунки совершенно новые и созданы специально для этого издания. Для визуализации многомерных данных использовались
трехмерные графические программы, а при обработке изображений использовались различные компьютерные программы. С реди них, в частности, IPT – разработанное моей лаборатории программное обеспечение для обработки изображений MacSADIE, и MultiSpec – многоспектральная программа классификации из
лаборатории Дэвида Ландгреба, университет Пердью.
Чтобы облегчить использование книги для занятий в классе, к каждой главе
были добавлены упражнения. Они варьируются от концептуальных, «незавершенных» экспериментов до математических производных. Упражнения предназначены для более легкого усвоения материалов, представленных в конкретной
главе. Обширная библиография представлена в виде таблиц для экономии места
и является лаконичным источником дополнительной информации. Я даю ссылки на архивные документы, поскольку простым читателям, как правило, их легче
достать.
Глава 1 содержит обзор науки дистанционного зондирования и технологии на
1996 год. В ней даются основные характеристики оптического дистанционного
зондирования, а также основные типы датчиков сканирования. В главе 2 математическими методами описаны наиболее важные процессы оптического излучения при дистанционном зондировании. К ним относятся солнечное излучение,
атмосферное рассеивание, поглощение и трансмиссионность, а также отраженное излучение. Подробно рассмотрена волновая природа от 400 нм до теплового
ИК-диапазона. В главе 3 рассматриваются датчики радиометрического и про-
странственного отражения. В ней также представлена траектория космической
съемки, поскольку она важна для корректировки изображения и геокодирования,
и для извлечения данных из стерео-изображений.
В главе 4 модели данных представляют собой как бы переход от моделей основных физических процессов глав 2 и 3 к методам обработки изображений в
последующих главах. З десь же описаны статистические спектральные и пространственные модели дистанционного зондирования. С ерия моделей изображений иллюстрирует и объясняет влияние характеристик датчика на данные, полученные путем дистанционного зондирования.
Глава 5 начинается с рассмотрения методов обработки изображений и охватывает тему спектральных преобразований, в том числе вегетационные индексы,
основные компоненты и повышение контрастности. Г лава 6 включает операции
свертки и преобразования Фурье, многомасштабные изображения пирамид и
технику космической съемки такую как вейвлеты. Последние виды анализа изображений могут эффективно использоваться для извлечения пространственных
данных. З десь же описывается концепция декомпозиции пространственного
изображения на два или более компонента, чтобы связать между собой различ
ные пространственные трансформации. В главе 7 приведено несколько примеров
обработки изображений для радиометрической и геометрической калибровки.
Особое внимание уделяется важности калибровки для изображений с высоким
спектральным разрешением («гиперспектральных»). Т ема совмещения нескольких изображений рассматривается в главе 8 со ссылкой на пространственную
концепцию декомпозиции Г лавы 6. Р азличные подходы объясняются и иллюстрируются на примере обработки многоспектральных и панхроматических изображений со спутников Landsat TM и SPOT. Б ольшое место уделяется пирамидам
изображений для извлечения цифровой модели рельефа из изображений. Г лава 9
посвящена тематическим классификациям дистанционного зондирования, в том
числе традиционным статистическим подходам и новым нейронным сетям и ме-
тодам классификации нечетких изображений. В этой главе описываются и мето-
ды, специально разработанные для гиперспектральных изображений.
Из этой книги были намеренно исключены темы, которые обычно бывают
представлены в книгах по обработке изображений дистанционного зондирова-
ния, такие, например, как анализ классификации картографических ошибок. Это
было сделано не только из соображений экономии печатного слова, но также и
потому, что я чувствовал, что они слишком далеко отошли от основной темы. По
этим же соображениям были опущены и вопросы методов классификации, таких
как правило-устанавливающие системы, которые используют более высокий
уровень абстракции данных, хотя они и являются достаточно эффективными и
перспективными во многих случаях. Я также рассматриваю Г еографические информационные системы (ГИС) выходящими за рамки данной работы.
Я считаю себя обязанным многим своим коллегам за их советы и помощь. В некоторых случаях их вклад был весьма существенным: Фил С лейтер и К урт Т орн
(University of Arizona) много помогали при работе над главами 2 и 3, а Д женнифер
Дунган (NASA/Ames Research Center) при работе над главой 4. М ногие мои коллеги
предоставили обзоры по отдельных темам, среди них Ч ак Х атчинсон и С тюарт
Марш (Office of Arid Lands Studies, University of Arizona), а также К рис Х лавка
(NASA / Ames Research Center). М не также хотелось бы выразить признательность
Эрику К ристу (Environmental Research Institute of Michigan) за отзыв по теме преобразования «колпак с кисточкой». М ногие из моих бывших и нынешних студентов
представили ценные данные и примеры, среди них Д эн Филиберти (Science
Applications International Corporation), С тив Г ойсман (University
of Arizona), Пер
Лисне (University of Arizona), Д жастин Паола (Oasis Research Center) и Х о-Юан
Панг (University of Arizona). Г ерхард М ельдау (Photogrammetrie GmBH) помог мне
в обновлении версии IPT. К оллеги по геологической службе С ША Уильям А севедо,
Сьюзен Б енджамин, Б райан Б еннетт, Р ик Ч емпион, Л ен Г ейдос и Д жордж Л и, а
также Д жефф М ейерс из NASA/Ames Research Center, любезно предоставили изображения и цифровые данные, которые стали интересными примерами в в этой
книге. Я также хотел бы поблагодарить Питера В . К инана, моего давнего друга и
коллегу, который помог мне увидеть землю во всей ее красе во время велосипедной
прогулки в один из прекрасных дней в районе залива С ан-Франциско!
Я благодарен редакторам и сотрудникам Academic Press за содействие при ра-
боте над рукописью и макетом, в том числе Л оре А сбери, С андре Л и и Б рюсу
Вашберну из С ан-Диего, Д иане Г россман, Эбби Х айме и Ц ви Р удеру из Ч естнат
Хилл.
Наконец, я должен поблагодарить мою семью, Эми, А ндреа и Д женнифер, потому что их вклад оказался гораздо больше того, который внес я во время долгих
часов, отданных работе над этой книгой. Н адеюсь, что результат хотя бы в неко-
торой степени оказался достойным их поддержки.
Глава 1
Основы
дистанционного
зондирования
Земли
1.1. Введение
Современный этап развития космических методов дистанционного зондирования Земли (ДЗЗ) начался в 1972 году с запуска искусственного спутника Landsat с
установленной на его борту аппаратурой MSS (Multispectral Scanner System), ко-
торая позволяла вести съемку в четырех спектральных диапазонах, ширина каж-
дого из которых составляла около 100 нм. При этом каждый пиксел космического
снимка соответствовал площадке размером 80 метров на поверхности Земли.
Современные системы дистанционного зондирования отличаются большим разнообразием, а их технические характеристики существенно превосходят характеристики аппаратуры MSS. Сегодня на орбите работают искусственные спутники
Земли (ИСЗ), которые ведут съемку в десятках различных диапазонов электромагнитного спектра с разрешением от одного километра до одного метра или да-
же нескольких десятков сантиметров. Используются также гиперспектральные
системы ДЗЗ, устанавливаемые на воздушных летательных аппаратах. Такие сис-
темы охватывают уже сотни спектральных зон шириной около 10 нм каждая. Ос-
новные характеристики этой электронно-оптической аппаратуры и получаемых с
ее помощью данных описываются в настоящей главе ниже.
1.2. Дистанционное зондирование Земли
Дистанционное зондирование можно определить как метод измерения свойств
объектов на земной поверхности, в котором используются данные, полученные с
помощью воздушных летательных аппаратов и искусственных спутников Земли.
Из этого определения видно, что суть метода заключается в том, чтобы вместо
проведения измерений по месту расположения объекта попытаться измерить его
характеристики на расстоянии. Поскольку непосредственный контакт с объектом
в этом случае невозможен, нам остается полагаться только на ту информацию,
которая содержится в регистрируемом сигнале, например в оптическом, акустическом или микроволновом. В этой книге мы ограничимся обсуждением тех ме-
18 Глава 1. Основы дистанционного зондирования Земли
тодов ДЗЗ, в которых используются оптические сигналы. Хотя данные дистанци-
онного зондирования могут соответствовать и отдельным точкам на поверхности
Земли, и некоторым линейным профилям, больше всего нас будут интересовать
измерения на двумерной пространственной сетке, представленные в виде снимков. Аппаратура ДЗЗ, особенно та, которая устанавливается на ИСЗ, позволяет
проводить периодическую съемку земной поверхности и таким образом наблюдать за изменениями окружающей среды и влияния на нее человека. Перечислим
некоторые области применения методов ДЗЗ:
•• мониторинг и оценка состояния окружающей среды (анализ развития го-
родской инфраструктуры, контроль за опасными отходами производства);
•• наблюдение за глобальными изменениями (истощение озонового слоя ат-
мосферы, обезлесенье, глобальное потепление);
•• сельское хозяйство (анализ состояния сельскохозяйственных культур, про-
гноз урожая, исследование эрозии почв);
•• добыча полезных ископаемых (минералы, нефть, природный газ);
•• наблюдение за возобновляемыми природными ресурсам (заболоченные
территории, почвы, леса, океаны);
•• метеорология (исследование динамики атмосферы, прогноз погоды);
•• картография (топография, землепользование, гражданское строительство);
•• военная область: разведка и рекогносцировка (стратегические задачи, так-
тический анализ);
•• средства массовой информации (иллюстративный материал, анализ).
Для удовлетворения нужд различных категорий специалистов было разрабо-
тано множество систем ДЗ, с помощью которых изучают пространственные,
спектральные и временные параметры самых разнообразных объектов. Каждая
из этих систем ориентирована на определенный круг задач и имеет свои осо-
бенности. Так, например, в метеорологии используется частая съемка террито-
рии с относительно низким пространственным разрешением1. В картографии,
наоборот, основным требованием является максимальное пространственное
разрешение, а периодичность съемки может быть относительно низкой. В ряде
задач, например в военной разведке, возникает необходимость обеспечить не
только высокое пространственное разрешение и высокую повторяемость съемки, но и очень быструю передачу данных наземным службам. Правильно отка-
либрованные данные ДЗЗ можно использовать также для проверки глобальных
климатических моделей, предназначенных для моделирования и прогноза развития природной среды. Интересно, что в этом случае высокое пространствен
1 Термин «разрешение» в этой книге используется в своем традиционном значении
расстояния на земной поверхности, которое соответствует интервалу между соседними
пикселами цифрового снимка (рис. 1.11). Подробнее этот термин обсуждается в гл. 3.
1.2. Дистанционное зондирование Земли 19
ное разрешение является нежелательным из-за вычислительных ограничений,
а наиболее важными требованиями становятся точность и постоянство калиб-
ровки датчиков во времени и пространстве. Пример использования данных ДЗ
для мониторинга состояния растительного покрова показан на цветной вклад-
ке 1.1.
Как уже было сказано в начале этой главы, современный этап дистанционного
зондирования Земли начался с запуска искусственного спутника Landsat с уста-
новленной на его борту сканирующей аппаратурой MSS. В 1972 году с этого спут-
ника были получены первые обзорные снимки высокого разрешения. Аппарату-
ра MSS позволяла вести съемку в нескольких спектральных диапазонах (интерва-
лах электромагнитного спектра шириной2 около 100 нм) с относительно высоким
для своего времени разрешением (80 метров), большой площадью съемки (185 на
185 км) и периодом повторения 18 дней. Значительным достижением было также
то, что снимки со спутника передавались на Землю сразу в цифровом формате.
Основные методы обработки многоспектральных снимков были разработаны в
начале 70-х годов XX века такими организациями, как Национальная ассоциация
по аэронавтике и исследованию космического пространства (НАСА), Лаборато-
рия реактивных двигателей (Jet Propulsion Laboratory, JPL), Геологическая служба
США (USGS), Научно-исследовательский институт исследования окружающей
среды штата Мичиган (ERIM) и Лаборатория прикладных методов дистанцион-
ного зондирования Университета Пурдю (Laboratory for Applications of Remote
Sensing, LARS). Превосходное изложение истории запуска ИСЗ Landsat и разви-
тия методов обработки данных приводится в книге Дэвида Лэндгребе (Landgrebe,
David, 1997).
На спутниках серии Landsat, запущенных после 1972 года, было установлено
еще четыре системы MSS, а также два комплекта съемочной аппаратуры Thematic
Mapper (TM) и съемочная система Enhanced Thematic Mapper Plus (ETM+). Кро-
ме того, на орбиту были выведены пять французских спутников SPOT с аппарату-
рой высокого разрешения, несколько съемочных систем AVHRR и GOES, обла-
давших более низким разрешением, и ряд датчиков НАСА, установленных на
ИСЗ Terra и Aqua в рамках программы Earth Observing System (EOS). Сегодня на
орбите находится множество систем дистанционного зондирования, которые работают в рамках национальных программ Канады, Индии, Израиля, Японии,
Южной Кореи и Тайваня, а также таких международных организаций, как Европейское космическое агентство (European Space Agency, ESA). Наглядное пред-
ставление о технических характеристиках некоторых из этих систем можно получить из диаграммы, представленной на рис. 1.1, по осям которой отложены два
2 Спектральный диапазон чувствительности можно определить несколькими разными
способами (см. гл. 3). Этим диапазоном определяется спектральное разрешение датчика.
основных параметра: количество спектральных каналов и наземный интервал дис-
кретизации3. Пример космического снимка, полученного с помощью аппаратуры
TM, показан на цветной вкладке 1.2. Технические характеристики различных
съемочных систем обсуждались также в специальных выпусках научных журна-
лов (см. табл. 1.1).
3 Значение термина «наземный интервал дискретизации» совпадает с принятым в дан-
ной книге значением термина «пространственное разрешение».
HyMap
Hyperion AVIRIS
MODIS (VSWIR/MWIR/LWIR)
MODIS
(VSWIR/
MWIR)
AVHRR
MERIS
MODIS VNIR
ASTER (LWIR)
SPOT5 (SWIR)
IRS-1D (LISS-III SWIR)
IKONOS/OrbView3 (VNIR)
SPOT5
(VNIR)
ASTER
(VNIR)
IKONOS/
OrbView3 (P)
QuickBird (VNIR)
QuickBird (P)
SPOT5 (P)
ETM (P)
IRS-1D (PAN)
IRS-1D (LISS-III VNIR)
MSS
ALI (VSWIR)
ASTER (SWIR)/
ETM+ (VSWIR)
ALI (P)
0,1 1
1
10
100
1000
10 100 1000
Рис. 1.1. Двумерная диаграмма, представляющая ряд систем дистанционного зондиро-
вания. Аббревиатуры названий съемочных систем расшифрованы в приложении
A; спектральные диапазоны на диаграмме обозначены следующим об-
разом: V — диапазон видимого света, NIR — ближний инфракрасный (ИК)
диапазон, LWIR — тепловой (длинноволновой) ИК-диапазон, MWIR — сред-
неволновой ИК-диапазон, SWIRК — коротковолновой ИК-диапазон, P —
панхроматический канал. Более подробное описание спектральных диапазо-
нов приведено в этой главе ниже. Все изображенные на диаграмме системы,
за исключением AVIRIS и HyMap, устанавливались на искусственных спут-
никах Земли. Помимо указанных систем, для ДЗЗ использовалась также аппа-
ратура на воздушных летательных аппаратах, в частности MODIS Airborne
Simulator (MAS), Airborne MISR (AirMISR) и Thematic Mapper Simulator
(TMS). Системы этого типа на диаграмме не изображены. Список обозначе-
ний этих и многих других съемочных систем см. в приложении A. Подробный
обзор систем ДЗЗ можно найти в книге Крамера (Kramer, 2002)
Верхнюю часть диаграммы 1.1 занимают так называемые гиперспектральные
датчики. К этой группе относятся в первую очередь спектрометры Advanced Visible/
InfraRed Imaging Spectrometer (AVIRIS) и HyMap, которые устанавливаются
на воздушных летательных аппаратах для съемки в спектральных каналах шири-
ной около 10 нм (суммарный диапазон регистрации отраженного солнечного из-
лучения: 400—2400 нм). Еще одной гиперспектральной системой является аппа-
ратура Hyperion, которая была установлена на спутнике НАСА Earth-Observing-1
(EO-1). Это была первая гиперспектральная система, предназначенная для граж-
данского использования. Несколько меньше спектральных каналов используется
в спектрометре MERIS (MEdium Resolution Imaging Spectrometer), выведенном на
орбиту Европейским космическим агентством. Разделение сигнала по спектраль-
ным каналам в перечисленных системах осуществляется с помощью оптических
элементов — призм или дифракционных решеток. Представленный на диаграмме
Таблица 1.1. Специальные выпуски научных журналов, содержащие статьи с опи-
саниями конструкции, технических характеристик, калибровочных
параметров и областей применения некоторых съемочных систем
ИСЗ и съемочная
аппаратура
Библиографическая ссылка
Aqua IEEE Transactions on Geoscience и Remote Sensing, Vol. 41, No 2,
2003
ASTER
(научные данные) Remote Sensing of Environment, Vol. 99, No 1—2, 2005
ASTER (калибровоч-
ные и технические
характеристики)
IEEE Transactions on Geoscience и Remote Sensing, Vol. 43,
No 12, 2005
EO-1 IEEE Transactions on Geoscience и Remote Sensing, Vol. 41, No 6,
2003
IKONOS Remote Sensing of Environment, Vol. 88, Nos 1—2, 2003
Landsat-4
IEEE Transactions on Geoscience и Remote Sensing, Vol. GE-22,
No 3, 1984
Photogrammetric Engineering и Remote Sensing, Vol. LI, No 9,
1985
Landsat-5,-7 (обсужде-
ние технических
характеристик)
IEEE Transactions on Geoscience и Remote Sensing, Vol. 42,
No 12, 2004
MERIS International Journal of Remote Sensing, Vol. 20, No 9, 1999
MODIS (науки о Земле) Remote Sensing of Environment. Vol. 83, Nos 1—2, 2002
MTI IEEE Transactions on Geoscience и Remote Sensing, Vol. 43, No 9,
2005
Terra IEEE Transactions on Geoscience и Remote Sensing, Vol. 36, No 4,
1998
радиометр MODerate Imaging Spectroradiometer (MODIS) установлен на ИСЗ
Terra и Aqua и позволяет получать изображения в 36 спектральных каналах в диа-
пазоне от 0,4 до 14 мкм. Благодаря разработке перечисленных выше датчиков
удалось существенно повысить количество и качество информации, которая со-
биралась методами ДЗЗ (табл. 1.2). Примеры снимков, полученных с помощью
систем AVIRIS и Hyperion, приведены на цветных вкладках 1.3 и 1.4, а примеры
снимков, полученных аппаратурой MODIS, — на рис. 1.22.
Постоянно увеличивающееся количество снимков и их возрастающее разре-
шение влекут за собой определенные проблемы, связанные с хранением и ком-
пьютерной обработкой данных. Чтобы представить себе характер этих проблем,
достаточно, например, вспомнить, что объем данных в архиве LP DAAC Центра
изучения природных ресурсов (EROS) Геологической службы США в городе Су-
Фолс, шт. Южная Дакота, превысил в 2003 году 1 петабайт4. В последние годы
открыт также бесплатный доступ к некоммерческим данным, которые распро-
страняются через интернет-сайты университетов и других организаций. Такой
порядок предоставления данных, вероятно, сохранится и в будущем.
Хотя в настоящее время в дистанционном зондировании Земли превалиру-
ют электронно-оптические съемочные системы и цифровые снимки, прежние
методы не утратили своего значения. Так, важным источником данных ДЗЗ по-
прежнему является аэросъемка, преимущества которой заключаются прежде
всего в высоком разрешении и почти произвольном охвате съемкой. Не утрати-
ли своей роли и старые космические фотоснимки. Различные компании (на-
пример, «Совинформспутник», SPOT Image и GAF AG) предоставляют оциф-
рованные фотоснимки, полученных с помощью российской панхроматической
камеры KVR-1000 с разрешением 2 метра и камеры TK-350, использовавшейся
для стереосъемки с разрешением 10 метров. Правительство США рассекретило
архив фотоснимков, полученных с первых разведывательных спутников
CORONA, ARGON и LANYARD (McDonald, 1995a; McDonald, 1995b).
Этот архив насчитывает более 800 000 снимков, значительная доля которых
уже преобразована в цифровую форму. За исключением небольшого количест-
ва цветных снимков и стереопар большая часть архива — это черно-белые
снимки больших областей земной поверхности, полученные с разрешением от
2 до 8 метров. Архив охватывает период с 1959 по 1972 год, и хотя представлен-
ная в нем общая площадь съемки уступает площади съемки ИСЗ Landsat, ос-
новная ценность этого архива заключается в том, что он относится к 12-летне-
му периоду, который чрезвычайно важен для изучения окружающей среды. Эти
данные предоставляются Центру изучения природных ресурсов Геологической
службой США.
4 Один петабайт равен 1 125 899 906 842 624 байт.
1.2. Дистанционное зондирование Земли 23
Таблица 1.2. Основные геофизические параметры, измеряемые в различных спект-
ральных каналах съемочной системы EOS MODIS (Salomonson и др.,
1995). Обратите внимание на то, что для каналов 1—19 спектральный
диапазон указан в нанометрах, а для каналов 20—36 в микрометрах
Геофизические наблюдения
Канал
Спектральный
диапазон
Интервал
дискретиза-
Общие Специальные ции, м
Граница меж-
ду земной по-
верхностью
и облаками
Хлорофилл растений 1 620—670 нм 250
Облачность и растительность 2 841—876 нм
Свойства зем-
ной поверх-
ности и обла-
ков
Различие в почвах и расти-
тельности
3 459—479 нм 500
Зеленая растительность 4 545—565 нм
Свойства листового полога 5 1230—1250 нм
Различия снежного покрова
(облачности)
6 1628—1652 нм
Параметры земного покрова
и облачности
7 2105—2155 нм
Цвет океана Наблюдение за хлорофиллом 8 405—420 нм 1000
Наблюдение за хлорофиллом 9 438—448 нм
Наблюдение за хлорофиллом 10 483—493 нм
Наблюдение за хлорофиллом 11 526—536 нм
Осадки 12 546—556 нм
Осадки, атмосфера 13 662—672 нм
Флюоресценция хлорофилла 14 673—683 нм
Свойства аэрозолей 15 743—753 нм
Свойства аэрозолей и пара-
метры атмосферы
16 862—877 нм
Атмосфера
и облака
Параметры облачности и ат-
мосферы
17 890—920 нм
Параметры облачности и ат-
мосферы
18 931—941 нм
Параметры облачности и ат-
мосферы
19 915—965 нм
Тепловые
свойства
Температура морской поверх-
ности
20 3,66—3,84 мкм
Лесные пожары, вулканы 21 3,929—3,989 мкм
Температура облаков и по-
верхности Земли
22 3,929—3,989 мкм
Температура облаков и по-
верхности Земли
23 4,02—4,08 мкм
Геофизические наблюдения
Канал
Спектральный
диапазон
Интервал
дискретиза-
Общие Специальные ции, м
Тепловые
свойства
Температура в тропосфере,
состав облаков
24 4,433—4,498 мкм 1000
Температура в тропосфере,
состав облаков
25 4,482—4,549 мкм
Атмосфера
и облака
Перистые облака 26 1,36—1,39 мкм
Влажность в средней части
тропосферы
27 6,535—6,895 мкм
Влажность в верхней части
тропосферы
28 7,175—7,475 мкм
Температура поверхности
Земли
29
8,4—8,7 мкм
Тепловые
свойства
Анализ общего содержания
озона
30 9,58—9,88 мкм
Температура облаков и по-
верхности Земли
31 10,78—11,28 мкм
Температура облаков и по-
верхности Земли
32 11, 77—12,27 мкм
Высота и состав облаков 33 13,185—13,485 мкм
Высота и состав облаков 34 13,485—13,785 мкм
Высота и состав облаков 35 13,785—14,085 мкм
Высота и состав облаков 36 14,085—14,385 мкм
Таблица 1.2. (окончание)
В конце 90-х годов XX века были разработаны высокоэффективные орбиталь-
ные датчики (Fritz, 1996), которые позволили вести панхроматическую съемку с
разрешением от 0,5 до l метра, а многоспектральную — с разрешением от 2,5 до 4
метров. Благодаря этому данные ДЗЗ стали использоваться в целом ряде новых
областей — торговле недвижимостью, проектировании сетей сотовой и беспро-
водной персональной связи (структура которых зависит от топографии местнос-
ти и расположения зданий), планировании развития городской инфраструктуры
и транспортных сетей, а также для предупреждения природных и антропогенных
катастроф и картографирования связанных с ними факторов. Эти системы ис-
пользуются также разведывательными службами и организациями, занимающимися
наблюдением за окружающей средой. Первое поколение этих датчиков
было установлено на ИСЗ IKONOS, QuickBird и OrbView. По-видимому, даль-
нейшее развитие этих систем будет связано в основном с увеличением их про-
странственной разрешающей способности (в соответствии с законодательством и
требованиями национальной безопасности различных стран). Пример космичес-
кого снимка с ИСЗ QuickBird показан на цветной вкладке 1.5.
Наибольшим пространственным разрешением обладают снимки, полученные
с помощью фотокамер, установленных на воздушных летательных аппаратах.
Вместе с тем разрешение, которое обеспечивается современными цифровыми
камерами
и ПЗС-сканерами с линейкой или матрицей датчиков, уже настолько
высоко, что эти системы вполне могут конкурировать с аппаратурой для аэрофо-
тосъемки, традиционно используемой для картографических целей. Пример
снимка, полученного с помощью цифровой аэросъемки, показан на цветной
вкладке 1.6.
1.2.1. Интерпретация снимков
Существует два подхода к интерпретации данных дистанционного зондирования.
Первый из них (традиционный) можно назвать пространственным, поскольку в
нем основной задачей является изучение пространственных взаимосвязей между
различными объектами земной поверхности и нанесение их на карту. В прошлом
для анализа аэрофотоснимков применялись методы дешифрирования, требовав-
шие обширных знаний и громадного опыта специалиста, который должен был
определить местоположение различных объектов в зависимости от поставленной
задачи. Например, для исследования окружающей среды на карту необходимо
нанести реки, геологические структуры и виды растительности, а для военных
нужд — расположение аэродромов, транспортных колонн и ракетных шахт. В ос-
новном работа заключалась в изучении снимков, иногда с помощью увеличитель-
ных приборов или устройств анализа стереопар, определении координат и атри-
бутов объектов и нанесении их на географическую карту. Для определения высот
объектов и изогипс использовались стереопары и различные устройства их ана-
лиза (например, стереоплоттеры). Примеры дешифрирования фотоснимков
можно найти в многочисленных учебниках по дистанционному зондированию
(Colwell, 1983; Lillesand и др., 2004; Sabins, 1997; Avery и Berlin, 1992; Campbell,
2002).
Поскольку сегодня большинство материалов ДЗЗ представлено в цифровой
форме, стандартным методом извлечения полезной информации стал компью-
терный анализ и обработка данных. В частности, с помощью компьютерных
программ можно не только улучшить визуальное восприятие снимка, но и клас-
сифицировать представленные на нем объекты для создания цифровой темати-
ческой карты (Swain и Davis, 1978; Moik, 1980; Schowengerdt, 1983; Niblack,
1986; Mather, 1999; Richards и Jia, 1999; Landgrebe, 2003; Jensen, 2004). Приме-
нение методов компьютерной фотограмметрии позволило в последние годы
частично автоматизировать и сами процессы создания географических и тема-
тических карт. Вместе с тем несмотря на то, что применение компьютерных
методов позволило существенно ускорить анализ снимков и повысить его точ-
ность, результатом такого анализа все равно является карта. Кроме того, ком-
пьютерные методы интерпретации в большинстве случаев не могут полностью
заменить собой визуальных.
Второй подход к интерпретации снимков можно назвать функциональным.
В этом случае исследователя интересуют не столько пространственное располо-
жение объектов, сколько различные свойства самих данных. Например, исполь-
зуя данные гиперспектральной съемки и специальные алгоритмы их анализа,
можно измерить спектральные параметры поглощения (Rast и др., 1991; Rubin,
1993) и оценить относительное содержание различных материалов для каждого
пиксела5 (Goetz и др., 1985; Vane и Goetz, 1988). Существует также ряд алгоритмов
восстановления, в которых исходные интегральные данные используются для ре-
шения обратной задачи определения параметров атмосферы и океана. В отличие
от пространственного подхода, при функциональном анализе данных большое
значение имеет точность абсолютной или относительной радиометрической ка-
либровки. В то же время для полного понимания результатов такого анализа их
необходимо рассматривать в контексте обычной пространственной карты.
Потребность в данных дистанционного зондирования возникает прежде всего
при исследовании глобальных изменений окружающей среды и при долгосроч-
ном мониторинге влияющих на нее природных и антропогенных факторов
(Townshend и др., 1991). При этом оба подхода — пространственный и функцио-
нальный — естественным образом дополняют друг друга. Так, например, при мо-
ниторинге глобальных изменений нам важно не только получить данные об объ-
ектах в спектральной и временной области, но и понять, как эти данные распре-
делены в пространстве. В этом отношении особенно важно выполнить
пространственную и радиометрическую калибровку данных, так чтобы они были
согласованы между собой во времени и не зависели от индивидуальных особен-
ностей датчиков. В частности, анализ данных, полученных в разное время раз-
личными съемочными системами, существенно упрощается после геопривязки
этих данных к неподвижной относительно Земли координатной сетке (геодези-
ческие координаты). В этом случае можно применить специальные алгоритмы и
«обратить» исходные данные, рассчитав по ним определенные геофизические па-
раметры.
1.2.2. Спектральные диапазоны съемки
Основные спектральные диапазоны, которые применяются в дистанционном
зондировании Земли, перечислены в табл. 1.3. Эти диапазоны характеризуется
тем, что в них содержаться окна прозрачности атмосферы, через которые можно
«увидеть» поверхность Земли, и тем, что именно для этих диапазонов разработа-
ны эффективные детекторы излучения. Вне окон прозрачности излучение погло-
5 Пиксел — элемент цифрового изображения, элементарная ячейка обработки данных.
Рис. 1.2. Пример того, как карта и снимок могут дополнять друг друга. На рисунке
представлена карта одного из районов города Феникс, шт. Аризона, созданная
в результате дешифрирования стереопары аэрофотоснимков, а затем преобра-
зованная с помощью сканера в цифровой растровый формат. На карте содер-
жится только та информация, которую посчитал нужным отобразить карто-
граф: оросительный канал вверху карты, дороги, изогипсы (изогнутая линия в
центре карты) и крупные здания коммерческого или общественного назначе-
ния. С помощью программы обработки изображений на эту карту можно нало-
жить снимок и проанализировать отличия между двумя изображениями. Аэро-
фотоснимок содержит информацию о землепользовании, которая отсутствует
на карте. Так, например, слева от центра снимка хорошо различима группа
больших белых зданий — жилой комплекс, который либо не существовал на
момент создания карты, либо по какой-то причине не был нанесен на карту.
На снимке справа от жилого комплекса отчетливо видны сельскохозяйствен-
ные поля, которые не указаны на карте, так же, впрочем, как и множество
частных домов, которые располагаются в нижней половине снимка
щается различными составляющими атмосферы. Так, например, пары воды и
двуокись углерода поглощают излучение в диапазонах от 2,5 до 3 мкм и от 5 до
8 мкм. В микроволновом диапазоне небольшое окно поглощения парами воды
лежит вблизи частоты 22 ГГц (длина волны 1,36 см)6. Коэффициент пропускания
излучения в этом окне равен приблизительно 0,85 (Curlander и McDonough, 1991).
Основное окно поглощения кислородом начинается выше 50 ГГц (длина волны
менее 0,6 см) и занимает часть спектра примерно до 80 ГГц (Elachi, 1988). Замечено
также, что в диапазонах с высоким коэффициентом пропускания микроволновые
датчики и радары способны регистрировать излучение через облака,
туман и дождь. Такие датчики, являющиеся одновременно и источниками излу-
чения, используются также для регистрации отраженного излучения в ночное
время суток.
При пассивном методе ДЗ измеряется отраженное солнечное излучение и собс-
твенное излучение земной поверхности, атмосферы и облаков. В видимой, ближ-
ней инфракрасной и коротковолновой инфракрасной области спектра (от 0,4 до
6 Частота ν электромагнитных волн измеряется в герцах (Гц) и определяется формулой
ν = c/λ, где c — скорость света (в вакууме: 2,998 × 108 м/c), λ — длина волны (м) (Slater,
1980; Scott, 1996). На рис. 1.4 представлена номограмма в виде логарифмического графика
зависимости λ от ν.
Таблица 1.3. Основные спектральные диапазоны, используемые в дистанционном
зондировании Земли. Границы некоторых атмосферных «окон» опре-
делены не всегда четко. Именно этим определяется тот разброс значе-
ний, который можно встретить в научной литературе
Название
Диапазон длин
волн
Источник излучения
Анализируемый
параметр поверхности
Видимый (V) 0,4—0,7 мкм Солнце Отражательная
способность
Ближний
инфракрасный (NIR)
0,7—1,1 мкм Солнце Отражательная
способность
Коротковолновой
инфракрасный (SWIR)
1,1—1,35 мкм
1,4—1,8 мкм
2,0—2,5 мкм
Солнце Отражательная
способность
Средневолновой инф-
ракрасный (MWIR)
3—4 мкм
4,5—5 мкм
Солнце, источники
тепла
Отражательная
способность, температура
Тепловой (длинновол-
новой) инфракрасный
канал (TIR или LWIR)
8—9,5 мкм
10—14 мкм
Источники тепла Температура
Микроволновой
канал, радар
от 1 мм
до 1 мт
Тепловой
(пассивная система),
искусственный
(активная система)
Температура
(пассивная система),
рельеф
(активная система)
3 мкм) превалирует отраженное солнечное излучение. Средневолновая зона явля-
ется переходной — в ней существенный вклад вносят все составляющие излуче-
ния. При длине волны больше 5 мкм обычно доминирует собственное тепловое
излучение Земли. Поскольку оно не зависит от Солнца, съемку в этом диапазоне
можно вести как в дневное, так и в ночное время суток. Собственное тепловое
излучение Земли можно регистрировать и в микроволновом диапазоне. В этом
случае характеристикой излучения является яркостная температура, которая из-
меряется такими пассивными системами, как Special Sensor Microwave/Imager
(SSM/I) (Hollinger и др. 1987; Hollinger и др., 1990). Пример многоспектрального
снимка (VSWIR и TIR) показан на рис. 1.3.
При активном методе дистанционного зондирования каждый датчик исполь-
зуется также в качестве искусственного источника излучения. В результирующем
сигнале содержится информация либо о земной поверхности, либо об атмосфе-
ре. В частности, по рассеянию и поглощению в атмосфере лазерного излучения
определенной длины волны можно судить о ее молекулярном составе (например,
о содержании озона). В микроволновом диапазоне используется технология ра-
даров с синтезированной апертурой (SAR), при которой сканирующий луч гене-
рируется движущимся датчиком, а регистрируется излучение, отраженное от
земной поверхности. Движение платформы датчика создает, по существу, боль-
шую антенну, в результате чего увеличивается пространственное разрешение
снимков.
Пространственное распределение параметров можно реконструировать по ам-
плитуде и фазе отраженного сигнала с помощью специальных программ обработ-
ки данных. Рабочие диапазоны длин волн для активных и пассивных систем ДЗЗ
представлены в табл. 1.4. Связь между длинами волн и соответствующими часто-
тами проиллюстрирована на рис. 1.4. Пример изображения, полученного с помо-
щью SAR-системы, показан на рис. 1.5.
На рис. 1.6 показана кривая спектральной плотности энергетической осве-
щенности внешней границы атмосферы Земли вместе с кривой чувствительности
человеческого глаза в дневное время суток. Как видно из графика, то, что мы ви-
дим, относится лишь к малой части солнечного спектра, который, в свою оче-
редь, составляет лишь небольшую долю спектра всего электромагнитного излуче-
ния. Таким образом, хотя мы и можем отобразить любую часть спектра на экране
монитора, большая часть данных ДЗЗ лежит вне видимой области. Задача интер-
претация данных, полученных в тепловом и микроволновом диапазоне, многими
считается довольно сложной именно потому, что мы с трудом можем представить
себе, как должно выглядеть то, что регистрирует датчик за пределами видимой
части спектра.
Большинство оптических систем ДЗЗ являются многоспектральными, то есть
такими, которые позволяют практически одновременно получать снимки в не-
TMS3 TMS4 TMS5
TMS7 TMS6
Рис. 1.3. Аэроснимок опустошительного пожара в Йеллоустонском национальном
парке, шт. Вайоминг, полученный 2 сентября 1988 года с помощью съемочной
аппаратуры Thematic Mapper Simulator (TMS), в которой используются те же
каналы съемки, что и в системе TM. При съемке в видимом и ближнем инф-
ракрасном диапазоне (каналы TMS3 и TMS4) виден только дым от пожара.
Сам огонь начинает проявляться в канале TMS5 (1,55—1,75 мкм) и становится
отчетливо виден в каналах TMS7 (2,08—2,35 мкм) и TMS6 (8,5—14 мкм). Вы-
сокий уровень сигнала в тепловом ИК-диапазоне (правый нижний снимок)
достигается благодаря большому коэффициенту усиления. Снимки предо-
ставлены Джефри Майерсом, лаборатория обработки данных аэросъемки,
Научно-исследовательский центр Эймса, НАСА
скольких диапазонах спектра. В таких снимках зачастую содержится гораздо
больше информации о спектральных свойствах объектов, чем в однозональных
снимках, полученных в одном спектральном диапазоне, или в так называемых
панхроматических снимках, соответствующих широкой полосе длин волн. С дру-
Таблица 1.4. Рабочие длины волн и частоты микроволнового излучения, использу-
емого при ДЗЗ. (По данным работ Sabins, 1987; Hollinger и др., 1990;
Way и Smith, 1991 и Curlander и McDonough, 1991.)
Канал Частота, ГГц Длина волны, см Примеры аппаратуры (частота в ГГц)
Ka 26,5—40 0,8—1,1 SSM/I (37,0)
К 18—26,5 1,1—1,7 SSJVM (19,35; 22,235)
Ku 12,5—18 1,7—2,4 Cassini (13,8)
X 8—12,5 2,4—3,8 X-SAR (9,6)
С 4—8 3,8—7,5 SIR-C (5,3), ERS-1 (5,25), RADARSAT (5,3)
S 2—4 7,5—15 Magellan (2,385)
L 1—2 15—30 Seasat (1,275), SIR-A (1,278), SIR-B (1,282),
SIR-C (1,25), JERS-1 (1,275)
P 0,3—1 30—100 NASA/JPL DC-8 (0,44)
1000
1000
100
100
10
10
1
1
0,1
0,1
L
S
P
C
X
Ku
Ka
K
Рис. 1.4. Номограмма, позволяющая определять длину волны по заданной частоте в
микроволновой части спектра. На графике указаны также основные каналы
радарной съемки. Аналогичные номограммы можно построить для любой
части электромагнитного спектра
32 Глава 1. Основы дистанционного зондирования Земли
Пример снимка потока
лавы пахоехое.
(Снимок из архива
Геологической
службы США.)
Рис. 1.5. Космический снимок острова Изабелла в западной части Галапагосских ост-
ровов, полученный в L-канале радара SIR-C/X-SAR при HH-поляризации на
сороковом витке космического корабля многоразового использования
Endeavour 15 апреля 1994 года. Центр снимка соответствует примерно 15° юж-
ной широты и 91° западной долготы. Угол падения луча радара в точке, соот-
ветствующей центру изображения, равен приблизительно 20°. В западной
группе Галапагосских островов, расположенных в южной части Тихого океа-
на приблизительно в 1200 км к западу от Эквадора, находится шесть действу-
ющих вулканов. Со времени посещения этого района Чарлзом Дарвином в
1835 году здесь зарегистрировано более 60 извержений. На изображении
вулканов Альседо и Сьерра-Негра, полученном с помощью радара SIR-C/X-SAR,
менее гладкие потоки лавы видны как более яркие области, а отложения вул-
канического пепла и гладкие потоки лавы пахоехое — как более темные.
(Снимок и его описание предоставлены НАСА/JPL.)
гой стороны, микроволновые системы, за исключением пассивной аппаратуры
SSM/I, работают, как правило, на одной частоте. SAR-системы излучают сигнал,
поляризованный в одной из двух плоскостей: горизонтальной (H) или вертикаль-
ной (V), — и регистрируют отраженный сигнал, поляризованный либо в той же
плоскости (режимы HH и VV), либо в ортогональной (режимы HV и VH) (Avery и
Berlin, 1992; Richards и Jia, 1999). Все чаще для повышения точности интерпрета-
ции данных используют комбинации снимков, полученных в разных спектраль-
ных диапазонах, различными съемочными системами и с разной поляризацией
сигнала. В научной литературе описываются результаты комбинирования дан-
ных, полученных в видимой части спектра с тепловыми данными (Haydn и др.,
1982), данными радарной съемки (Wong и Orth, 1980; Welch и Ehlers, 1988) и дан-
ными гамма-съемки (Schetselaar, 2001), а также результаты комбинирования аэ-
рофотоснимков и гиперспектральных данных (Filiberti и др., 1994).
1.3. Спектральные образы объектов
К сожалению, из-за недостаточно высокого пространственного разрешения кос-
мических снимков целый ряд объектов практически невозможно распознать по
их форме и другим пространственным деталям. Однако в некоторых случаях та-
кие объекты удается идентифицировать по их спектральным характеристикам.
Именно этим объясняется то внимание, которое уделяется определению спект-
ральных образов растительного покрова, почв, горных пород и других объектов в
спектральном диапазоне, показанном на рис. 1.6. В той части спектра, где доми-
нирует отраженное солнечное излучение, спектральный образ объекта определя-
ется графиком зависимости его отражательной способности от длины волны,
0
400
500
900 1400 1900 2400
0
0,2
0,4
0,6
0,8
1
1000
1500
2000
2500
Рис. 1.6. Спектральная плотность энергетической освещенности верхней границы ат-
мосферы и чувствительность человеческого глаза в дневное время суток
34 Глава 1. Основы дистанционного зондирования Земли
построенным с соответствующим спектральным разрешением. В тепловой части
спектра образы объектов определяются их температурой и излучательной способ-
ностью, а при использовании радарной съемки — неровностями рельефа земной
поверхности. То, что для разделения объектов можно использовать различия в их
спектральных образах, является, вообще говоря, основной причиной использова-
ния многоспектральной съемки в дистанционном зондировании. Однако на
практике эта идеальная ситуация часто нарушается в силу ряда причин, среди ко-
торых можно назвать следующие:
•• естественные вариации спектральных образов объектов одного класса,
•• слишком низкое спектральное разрешение многих систем дистанционного
зондирования,
•• влияние атмосферы на измерение спектральных характеристик.
Таким образом, нет никакой гарантии того, что измеренное различие в спект-
ральных образах разных природных объектов окажется действительно сущест-
венным.
На рис. 1.7 показаны кривые спектральной отражательной способности раз-
личных видов трав и листового полога ряда сельскохозяйственных культур. Вид-
но, что у всех кривых есть схожие общие черты: низкая отражательная способ-
ность в зеленой и красной зонах спектра7, резкое увеличение отражательной спо-
собности вблизи длины волны8 710 нм и глубокие провалы около длин волн 1400
и 1900 нм, вызванные поглощением излучения водой в листве растений. Спект-
ральный образ растительности является, пожалуй, наиболее изменчивым, пос-
кольку он полностью зависит от смены времен года. В осенний период цвет рас-
тительности приобретает оттенок «увядания», что сопровождается увеличением
отражательной способности в красной зоне спектра, вызванным потерей хлоро-
филла.
Кривые спектральной отражательной способности некоторых геологических
пород показаны на рис. 1.8. Как видно из примера, относящегося к сухой и влаж-
ной глинистой почве, общее снижение отражательной способности в последнем
случае объясняется увеличением количества воды. Отметим также характерные
окна поглощения в коротковолновой инфракрасной области, аналогичные тем,
которые наблюдаются для растительного покрова. Кривые отражательной спо-
собности для других минералов были получены в лабораторных условиях и отли-
чаются высоким спектральным разрешением. На каждой из них видны отчетли-
7 Небольшой пик в зеленой области спектра вблизи 550 нм возникает из-за того, что
хлорофилл обладает относительно низким поглощением в красной и синей области справа
и слева от указанной длины волны. Привычный зеленый цвет растительности объясняется
именно этим пиком.
8 Так называемая красная граница растительности, которая возникает из-за опреде-
ленной клеточной структуры листьев.
1.3. Спектральные образы объектов 35
вые и иногда «дублирующие» друг друга полосы поглощения. Эти полосы были
бы не видны при съемке широкополосными датчиками (например, Landsat TM
или SPOT). Необходимая детальность регистрации данных может быть обеспече-
на только гиперспектральными датчиками типа AVIRIS, ведущими съемку в
спектральных диапазонах шириной 10 нм. За последние десятилетия было опуб-
ликовано несколько эталонных «каталогов» спектральной отражательной спо-
собности различных объектов (Clark и др., 1993; Hunt, 1979; Hook, 1998), которые
0
400
0,1
800 1200 1600 2000 2400
0,2
0,3
0,4
0,5
0
400
0,2
0,1
800 1200 1600 2000 2400
0,3
0,4
0,5
0,6
Рис. 1.7. Пример кривых спектральной отражательной способности некоторых расте-
ний (Bowker и др., 1985). Кривые, представленные на верхнем графике, ил-
люстрируют разброс в отражательной способности различных трав. Как вид-
но из нижнего графика, даже в относительно хорошо контролируемых лабо-
раторных условиях отражательная способность листьев кукурузы может
варьироваться в пределах ±17% вблизи границы 0,67 мкм (Landgrebe, 1978)
36 Глава 1. Основы дистанционного зондирования Земли
можно использовать для сравнения и классификации новых данных после внесе-
ния соответствующих калибровочных поправок (см. гл. 9).
Данные о спектральной отражательной способности являются уникальными
для каждой съемки и условий измерения. Образ одного и того же минерала будет
изменяться от образца к образцу. Еще больший разброс характерен для расти-
тельности, спектральный образ которой зависит от стадии роста, состояния посе-
вов и влажности почвы. Ситуация осложняется еще и тем, что измерение отража-
тельной способности, проведенное в полевых условиях, невозможно повторить в
0
400
0,2
0,1
800 1200 1600 2000 2400
0,3
0,4
0,5
0,6
0
400
0,4
0,2
800 1200 1600 2000 2400
0,6
0,8
1
Рис. 1.8. Примеры кривых спектральной отражательной способности для глины (верх-
ний график) и некоторых минералов (нижний график) (Bowker и др., 1985;
Clark и др., 1993). Как видно из рисунка, присутствие влаги в любом материа-
ле приводит, как правило, к снижению его отражательной способности. Тео-
ретическое объяснение этого эффекта см. в работе Туоми и соавт. (Twomey
и др., 1986)
1.4. Системы дистанционного зондирования 37
лаборатории. Даже в том случае, когда эталонные данные получены в условиях
полевых измерений, спектральный образ, зарегистрированный датчиком, будет
содержать помехи, связанные с влиянием атмосферы, рельефа местности и ка-
либровки (см. гл. 2 и 3) (Marsh, Lyon, 1980). Таким образом, при использовании
лабораторных и полевых измерений отражательной способности в качестве эта-
лонных данных следует всегда помнить о том, что эти данные являются лишь
приближением к истинному спектральному образу физических объектов. Поэто-
му при сравнении данных ДЗЗ с эталонными необходимо выполнить тщательную
калибровку. Вместе с тем во многих случаях анализ снимков можно упростить,
используя вместо абсолютных спектральных характеристик относительные, то
есть сравнивая спектральные образы разных объектов, полученные в процессе
одной и той же съемки.
1.4. Системы дистанционного зондирования
Поскольку выбор конструкционных решений и материалов для изготовления
каждого датчика во многом определяется его рабочим диапазоном длин волн, фи-
зические размеры оптических систем зависят от тех технических ограничений,
которые характерны для той или иной области спектра. Вместе с тем работа всех
пассивных сканирующих датчиков в оптическом диапазоне от видимой то тепло-
вой инфракрасной области спектра основана на одних и тех же законах оптики,
принципах формирования изображений и методах регистрации излучения.
В этой книге основное внимание уделяется датчикам именно этого типа. Описа-
ние микроволновых систем ДЗЗ, как активных, так и пассивных, основанных на
существенно иных принципах работы, выходит за рамки данной книги.
1.4.1. Пространственные и радиометрические характеристики
Значение каждого пиксела снимка является результатом усреднения по про-
странственным координатам, длине волны и времени. Интервал усреднения по
времени обычно очень мал и составляет от нескольких микросекунд для сканиру-
ющих датчиков типа TM до нескольких миллисекунд для ПЗС-сканеров типа
SPOT. На практике такой временной интервал почти не сказывается на результа-
тах измерений, чего нельзя сказать об усреднении по пространственным коорди-
натам и по длине волны — здесь операция усреднения существенно влияет на ха-
рактеристики регистрируемых данных.
Рассмотрим трехмерное пространство непрерывных параметров (x, y, λ), обра-
зованное пространственными координатами (x, y) и значениями длины вол-
ны (λ). Значение каждого пиксела можно представить как результат интегрирова-
ния по небольшому объему данного пространства (см. рис. 1.9). В действитель-
ности, как будет показано в гл. 3, пространство (x, y, λ) делится не совсем так, как
38 Глава 1. Основы дистанционного зондирования Земли
изображено на рис. 1.9. В частности, объемы интегрирования для соседних пик-
селов пересекаются как в спектральной, так и в пространственной области. Одна-
ко в данном разделе мы ради удобства будем придерживаться той упрощенной
схемы, которая представлена на рис. 1.9.
Значения пикселов цифрового снимка регистрируются в результате сканиро-
вания поперек маршрута съемки (т. е. перпендикулярно направлению движения
платформы) и движения самой платформы вдоль маршрута (рис. 1.10) (Slater,
1980). При этом для разделения непрерывного потока данных на отдельные пик-
селы используется электронная система датчика. В линейных сканерах для съем-
ки всей сцены используется один-единственный детекторный элемент. В попе-
речных ПЗС-сканерах, таких как Landsat TM, используется линейка детекторов,
расположенных вдоль маршрута съемки. В результате при каждом цикле движе-
ния зеркала все детекторные элементы осуществляют параллельное сканирова-
ние земной поверхности. Похожий механизм используется и в ПЗС-сканерах ти-
па AVHRR или MODIS, в которых непрерывное сканирование поперек маршрута
y
x
400 400
900 900
1 2
3
4
1
50
TM AVIRIS
Рис. 1.9. Сравнение пространственной и спектральной дискретизации данных для съе-
мочных систем Landsat TM и AVIRIS в видимой и ближней инфракрасной зо-
нах спектра. Каждый параллелепипед представляет область интегрирования
по спектральной и пространственным координатам. Из рисунка видно, что
при регистрации данных с помощью датчика TM спектральная ось охватыва-
ется не полностью, а для усреднения используются относительно широкие
спектральные интервалы. В отличие от этого, спектральное разбиение дан-
ных, регистрируемых датчиками AVIRIS, является в этом диапазоне почти не-
прерывным. По сравнению с датчиками TM аппаратура AVIRIS обеспечивает
и более высокое пространственное разрешение (ср. 20 метров у AVIRIS при
30 метрах у TM). Показанный на рисунке способ представления данных назы-
вают пространственно-спектральным кубом (п. 9.9.1)
1.4. Системы дистанционного зондирования 39
осуществляется с помощью двухстороннего зеркала, вращающегося в диапазоне
360 градусов. Существенное отличие между этими двумя типами сканеров заклю-
чается в том, что в приборах AVHRR и MODIS сканирование осуществляется
всегда в одном направлении, а в поперечных ПЗС-сканерах направление скани-
рования меняется во время цикла сканирования на прямо противоположное.
Продольные ПЗС-сканеры, установленные, например, на ИСЗ SPOT, оснащены
ПЗС-линейкой, состоящей из тысячи детекторных элементов, расположенных
поперек маршрута. В результате параллельное сканирование всего набора данных
происходит просто за счет движения платформы по орбите. Независимо от типа
сканирующей системы полный угол сканирования поперек маршрута съемки на-
зывается углом обзора, а соответствующая величина на поверхности Земли — ши-
риной полосы съемки9.
9 Другое название — ширина полосы охвата.
AVHRR ETM+
GOES
MODIS
MSS
TM
ALI
IKONOS
MTI
QuickBird
SPOT
Рис. 1.10. Основные параметры сканирующих систем различного типа. Стрелками по-
казаны направления движения относительно неподвижной Земли. Посколь-
ку большинство спутниковых систем дистанционного зондирования имеют
полярные орбиты, вращение Земли происходит в направлении, которое поч-
ти перпендикулярно маршруту съемки. Это приводит к постепенному смеще-
нию восточных и западных границ сканирования за время съемки всей сцены
40 Глава 1. Основы дистанционного зондирования Земли
Расстояние на земной поверхности, соответствующее расстоянию между цен-
трами соседних пикселов, называется наземным интервалом дискретизации10. На-
земные интервалы дискретизации вдоль и поперек маршрута съемки определя-
ются соответствующими частотами дискретизации, а также скоростью движения
платформы. На практике частоту дискретизации обычно подбирают так, чтобы
величина наземного интервала дискретизации была равна размеру мгновенного
поля обзора, то есть ширине проекции одного детекторного элемента на земную
поверхность (рис. 1.11 и 1.12). Таким образом, мгновенные поля обзора соседних
пикселов примыкают друг к другу как в продольном, так и в поперечном направ-
лении. Наземный интервал дискретизации вдоль маршрута съемки определяется
скоростью платформы и либо частотой дискретизации (для продольных ПЗС-
сканеров), либо скоростью сканирования (для линейных и поперечных ПЗС-ска-
неров), которые подбираются так, чтобы соответствовать мгновенному полю об-
зора в надире. Использование в некоторых системах более высокой частоты по-
перечной дискретизации приводит к наложению мгновенных полей обзора и, как
следствие, к некоторому улучшению качества данных. Такой метод «избыточного
сканирования» применяется, в частности, в съемочных системах Landsat MSS и
AVHRR KLM.
Наземный интервал дискретизации GSI определяется высотой расположения
платформы H, фокусным расстоянием f и междетекторным интервалом (или, как
было отмечено выше, пространственной частотой дискретизации). Если частота
дискретизации равна одному пикселу на один междетекторный интервал, назем-
ный интервал дискретизации в надире, то есть непосредственно под датчиком, за-
дается следующей простой формулой:
GSI
H
f m
= × =
, (1.1)
где m = f/H — коэффициент геометрического увеличения, а величина междетектор-
ного интервала обычно равна ширине детекторного элемента w11.
Мгновенное поле обзора GIFOV зависит от величин H, f и w аналогичным об-
разом. При этом следует отметить, что инженеры — разработчики систем дистан-
ционного зондирования предпочитают использовать в своих расчетах другой па-
раметр — величину мгновенного угла обзора IFOV, равную углу, который образу-
ет детекторный элемент с осью оптической системы (рис. 1.11):
IFOV
w
f
w
f
=
2arctan 2 . (1.2)
10 Другое название — наземный шаг сканирования.
11 Так как f < < H, а m много меньше единицы.
1.4. Системы дистанционного зондирования 41
Параметр IFOV принимает одинаковые значения в пространстве снимка и в
пространстве объекта и, кроме того, не зависит от рабочей высоты датчика H.
Последнее свойство особенно важно при съемке с воздушных летательных аппа-
Рис. 1.11. Простейшая геометрическая схема расположения детекторного элемента в
фокальной плоскости датчика. Для наглядности ширина детекторного эле-
мента w и фокусное расстояние f на рисунке существенно увеличены. Анало-
гичная схема верна и для оптических систем, которые чаще всего представля-
ют собой набор зеркал заданной кривизны и иногда характеризуются сразу
несколькими довольно сложными оптическими путями распространения
сигнала. Согласно представленной схеме, значения всех угловых параметров
(например, IFOV) в пространстве объектов и в пространстве снимка будут
совпадать, а линейные размеры объектов и их образов на снимке будут отли-
чаться на величину коэффициента увеличения f/H. Данная схема является
стационарной и соответствует съемке в надире. В реальной ситуации из-за
движения сканирующей системы, платформы и самой Земли проекция мгно-
венного поля обзора успевает сместиться даже за короткий интервал времени
интегрирования. В результате эффективная величина проекции мгновенного
поля обзора оказывается несколько больше показанной на рисунке. Эта вели-
чина увеличивается также по мере отклонения направления сканирования от
надира. Данный эффект будет подробно рассматриваться в гл. 3
42 Глава 1. Основы дистанционного зондирования Земли
ратов, высота которых может постоянно меняться. Воспользовавшись предыду-
щей формулой, получим следующее выражение для мгновенного поля обзора
GIFOV:
GIFOV H
IFOV
w
H
f
w
m
=
2 tg 2 = = . (1.3)
Наземный интервал дискретизации и мгновенное поле обзора находятся делени-
ем расстояния между детекторами и, соответственно, ширины детектора на вели-
чину геометрического увеличения m. При анализе данных ДЗЗ потребители впол-
не оправданно предпочитают использовать именно мгновенное поле обзора
GIFOV, а не мгновенный угол обзора IFOV. В то же время инженеры — разработ-
чики систем ДЗ пользуются в основном угловыми параметрами FOV и IFOV, пос-
кольку эти величины имеют одинаковые значения в пространстве снимка и в
пространстве объектов (рис. 1.11).
Расположение детекторных элементов в фокальной плоскости сканирую-
щей системы не является строго линейным или матричным. Скорость движе-
ния платформы, частота вращения зеркала, различия во временных характе-
GIFOV
GSI
Landsat MSS, AVHRR
Рис. 1.12. Связь между проекцией мгновенного поля обзора и интервалом дискретиза-
ции для большинства сканирующих датчиков, а также съемочной аппарату-
ры MSS и AVHRR. Каждый крест на рисунке соответствует одному пикселу.
Для MSS поперечный интервал дискретизации равен 57 метров, а ширина
проекции мгновенного поля обзора — 80 метров. В результате частота попе-
речной дискретизации составляет 1,4 пиксела на ширину мгновенного поля
обзора. Аналогичная величина для аппаратуры AVHRR KLM составила
1,36 пиксела. Увеличение частоты дискретизации повышает качество дан-
ных, но, вместе с тем, приводит и к увеличению корреляции между значени-
ями соседних пикселов и, следовательно, к необходимости увеличения об-
щего объема данных в пределах полосы съемки
1.4. Системы дистанционного зондирования 43
ристиках регистрации данных в разных спектральных диапазонах и для разных
пикселов, необходимость физически разделять детекторные элементы разных
спектральных каналов, а также ограниченность рабочей площадки в фокальной
плоскости, — все это приводит к расположению детекторов, показанному на
рис. 1.13—1.16.
Изображение земной поверхности формируется в фокальной плоскости дат-
чика в результате регистрации отраженного солнечного излучения (измерения
спектральной плотности энергетической яркости12). Значение каждого пиксела
снимка определяется путем интегрирования энергии, падающей на поверхность
датчика, и определения, таким образом, спектральной плотности энергетической
освещенности объектов13. В силу ряда причин фактическая площадь интегриро-
вания оказывается несколько большей, чем квадрат величины GIFOV (см. гл. 3).
Полученное интегральное значение преобразуется сначала в электрический сиг-
нал, а затем в целочисленное значение пиксела14 снимка. Поскольку дискретные
значения пикселов (DN) хранятся в двоичном виде, общее число значений, кото-
рые могут быть приписаны каждому пикселу, зависит от количества бит памя-
ти Q, отводимых для записи каждого числа:
NDN = 2Q. (1.4)
При этом само значение пиксела может быть любым целым числом в диапазоне
DNдиапазон = [0, 2Q – 1]. (1.5)
Чем больше величина Q, тем точнее дискретные данные аппроксимируют исход-
ный непрерывный сигнал и тем выше радиометрическая разрешающая способ-
ность детектора. В датчиках SPOT и TM для каждого значения пиксела отводится
8 бит, в датчиках AVHRR — 10 бит. В большинстве гиперспектральных датчиков,
включая датчики EOS MODIS, для увеличение радиометрического разрешения
используется 12 бит на пиксел. Конечно, не все биты могут быть значимыми при
проведении измерений — особенно это заметно при низкой амплитуде полезного
сигнала и при высоком уровне шума.
Таким образом, пиксел характеризуется (по крайней мере, в первом прибли-
жении) тремя параметрами: GSI, GIFOV и Q. В том случае, если возникает неоп-
12 Спектральная плотность энергетической яркости измеряется в Вт · м–2 · ср · мкм–1.
Подробное обсуждение роли фотометрии в оптическом дистанционном зондировании см.
в работах Слэйтера (Slater, 1980) и Скотта (Schott, 1996).
13 Единицей спектральной плотности энергетической освещенности является
Вт · м–2 · мкм–1. Связь между этой характеристикой и спектральной плотностью энергетической яркости рассматривается в гл. 2.
14 В англоязычной литературе используется два эквивалентных термина: Digital Number
и Digital Count.
44 Глава 1. Основы дистанционного зондирования Земли
1 8 2 3 4 7 5 6
Рис. 1.13. Расположение детекторных элементов аппаратуры ETM+ в фокальной плос-
кости. В основной фокальной плоскости расположены кремниевые детекто-
ры, которые используются для панхроматической съемки (GIFOV = 10 м) и
съемки в видимой и ближней инфракрасной зонах спектра (GIFOV = 30 м).
В охлаждаемой фокальной плоскости размещены детекторы на основе анти-
монида индия (InSb) для съемки в коротковолновом ИК-диапазоне
(GIFOV = 30 м) и детекторы на основе теллурида ртути и кадмия (HgCdTe)
для съемки в тепловом ИК-диапазоне (GIFOV = 60 м). Сканирующее зерка-
ло детектора вращается в поперечном направлении; сбор данных ведется во
всех каналах одновременно. Для коррекции временных характеристик сиг-
нала и внесения поправок на разность фаз между пикселами используется
специальная электронная схема. На фотографии матрицы детекторов хоро-
шо видно, что ее размер составляет всего несколько миллиметров. Снимки
предоставлены Кеном Дж. Эндо, компания «Рэйтеон» (Raytheon)
10 11 12 19 18 13 14 15 16 9 8 3 4 2 1 17
Рис. 1.14. Расположение детекторов аппаратуры MODIS в неохлаждаемых фокальных
плоскостях, используемых для съемки в видимом (VIS) и ближнем инфра-
красном (NIR) диапазонах спектра. Темный цвет детекторов на фотографиях
объясняется антиотражающим покрытием. В фокальной плоскости NIR рас-
положены детекторы, ведущие съемку с разрешением 250 метров в красной
зоне спектра и в каналах 1 и 2 ближнего ИК-диапазона. Полученные данные
используются в основном для дистанционного зондирования земной повер-
хности. При регистрации сигнала с помощью двойных рядов детекторов в
каналах 13 и 14 применяется методика интегрирования с задержкой по вре-
мени, которая позволяет усилить сигнал и понизить уровень помех при съем-
ке «темных» сцен (например, океанов). В данные, зарегистрированные де-
текторами одного ряда, вносится задержка по времени, которая позволяет
совместить эти данные с данными, полученными детекторами второго ряда.
Затем два набора данных суммируются, благодаря чему увеличивается фак-
тическое время интегрирования для каждого пиксела. Снимки предоставле-
ны Кеном Дж. Эндо и Джоном Вамполой, компания «Рэйтеон» (Raytheon)
26 25 24 7 6 5 20 21 22 23 29 28 27 33 34 35 36 31 30 32
(PVHgCdTe) (PCHgCdTe)
Рис. 1.15. Расположение детекторов аппаратуры MODIS в охлаждаемых фокальных
плоскостях. Каналы 31—36 используются для съемки в длинноволновом
ИК-диапазоне (LWlR) с помощью фоторезисторных детекторов (PC) на ос-
нове кристаллов HgCdTe. В каналах SWIR/MWIR используются фотовольта-
ические детекторы (PV). Снимки предоставлены Кеном Дж. Эндо, компания
«Рэйтеон» (Raytheon)
ределенность и слово «пиксел» необходимо связать только с одной из величин —
GSI или GIFOV, — в качестве такой величины следует выбрать наземный интер-
вал дискретизации GSI.
Спектральные каналы в оптических датчиках формируются путем разделения
суммарного пучка на несколько лучей, каждый из которых распространяется по
1.4. Системы дистанционного зондирования 47
SCA3 SCA1
SCA4 SCA2
pan
0, 2, 4, ...
0, 2, 4, ...
0, 2, 4, ...
1, 3, 5, ...
1, 3, 5, ...
1, 3, 5, ...
VNIR
(Si)
SWIR
(HgCdTe)
Рис. 1.16. Четыре сборки датчиков (SCA) аппаратуры ALI. В каждом канале четные и
нечетные детекторы размещены в разных рядах сборки; поправки на раз-
ность фаз вносятся в процессе обработки данных. Более высокое значение
отношения сигнал/шум при использовании технологии интегрирования с
задержкой по времени (TDI) достигается благодаря применению двух рядов
детекторов в коротковолновых ИК-каналах 5p (бука «p» означает отличие ка-
нала 5p от канала с тем же номером у аппаратуры ETM+), 5 и 7 (см. также
рис. 1.14). Четыре сборки SCA содержат 3850 детекторов для панхроматичес-
кой съемки и 11 520 детекторов — для многозональной. Пикселы, появивши-
еся в результате наложения детекторов на разных сборках, удаляются на эта-
пе обработки данных (Storey и др., 2004)
48 Глава 1. Основы дистанционного зондирования Земли
своему оптическому пути с установленными на нем спектральными фильтрами.
Фильтры могут быть установлены и непосредственно на самих детекторах. В не-
которых гиперспектральных системах (например, HYDICE) используются дву-
мерные матрицы детекторных элементов (рис. 1.17). Для разделения спектраль-
ных диапазонов в такой матрице применяются оптические компоненты — при-
змы или дифракционные решетки. Матрица детекторов аппаратуры HYDICE
содержит 320 элементов поперек маршрута съемки и 210 элементов вдоль марш-
рута. Каждый поперечный ряд детекторов служит в качестве продольного ПЗС-
сканера, а продольное направление используется для разделения оптического пуч-
ка по длинам волн с помощью призмы. В результате по мере движения платформы
(воздушного летательного аппарата в случае HYDICE) значения пикселов регист-
рируются одновременно для всей полосы съемки в 210 спектральных каналах.
При этом суммарное количество измерений равно 67 200.
Эти данные считываются с матрицы детекторных элементов за время, необхо-
димое для перемещения платформы в следующее положение съемки. Соответс-
твие между спектральными каналами и детекторными элементами спектромет-
ров и многоспектральных датчиков показано на цветной вкладке 1.7.
HYDICE
Hyperion
MERIS
Рис. 1.17. Схема съемки с помощью продольного ПЗС-сканера, применяемая в гипер-
спектральных датчиках HYDICE, Hyperion и MERIS. Поперечные ряды де-
текторных элементов используются для одновременной регистрации данных
в разных диапазонах длин волн. Разделение общего сигнала по диапазонам
происходит вдоль продольного направления матрицы детекторов. Таким об-
разом удается регистрировать пространственные вариации сигнала в попе-
речном направлении сразу в большом количестве спектральных каналов.
Суммарное число каналов рано количеству детекторных элементов матрицы
в продольном направлении. Данные, полученные детекторами одного ряда,
считываются до того, как этот ряд переместится в следующее положение
съемки
1.4. Системы дистанционного зондирования 49
Углом обзора (FOV) датчика называют угол охвата съемкой поперек маршрута
летательного аппарата (рис. 1.10). Соответствующее этому углу расстояние GFOV
на поверхности Земли определяется как15
GVOF H
FOV
=
2 tg 2 . (1.6)
Расстояние GFOV называется шириной полосы съемки. Поскольку значения ин-
тервала дискретизации GSI и мгновенного поля обзора GIFOV указываются для на-
правления на надир, то есть для области непосредственно под летательным аппара-
том, следует помнить о том, что значения этих параметров будут увеличиваться по
мере приближения к краям полосы съемки (см. гл. 3). Угловой охват вдоль трассы
летательного аппарата не имеет четкого физического определения, поскольку его
величина зависит от скорости движения платформы. На практике этот параметр
часто определяют исходя из ограничений, связанных со временем обработки и ско-
ростью передачи данных, а также из соображений, состоящих в том, чтобы охват
съемкой был одинаковым в направлении вдоль и поперек трассы.
При использовании съемочных систем, оснащенных множеством детекторов
для каждого спектрального канала (к таким системам относятся, в частности,
продольные и поперечные ПЗС-сканеры), для каждого из детекторов необходи-
мо выполнить относительную радиометрическую калибровку. Напомним, что в
аппаратуре MSS используется 24 детектора (по 6 детекторов в каждом из 4 кана-
лов), а в съемочной системе TM — 100 детекторов (по 16 детекторов в каждом из
6 нетепловых каналов, ведущих съемку с интервалом дискретизации 30 метров,
плюс 4 детектора, ведущих съемку в 6 канале с интервалом дискретизации 120 мет-
ров). Помимо стандартного набора датчиков TM аппаратура ETM+, установлен-
ная на ИСЗ Landsat-7, оснащена дополнительными 32 детекторами для панхро-
матической съемки (интервал дискретизации 15 метров) и 8 датчиками в канале 6
(интервал дискретизации 60 метров). Таким образом, суммарное количество дат-
чиков аппаратуры ETM+ равно 136. Поскольку каждый датчик является отде-
льным электронным прибором с собственными характеристиками чувствитель-
ности, особое внимание следует придавать точности радиометрической калиб-
ровки этих датчиков. Ошибки калибровки приводят к появлению систематических
помех, которые проявляются на снимках в виде полосовых артефактов. Еще
больше усилий требуется при калибровке продольных ПЗС-сканеров, у которых
линейка датчиков содержит огромное количество элементов (например, на ИСЗ
15 Здесь мы пренебрегли кривизной поверхности Земли. Учет кривизны привел бы к
увеличению этого расстояния. Ошибка такой аппроксимации растет с увеличением угла
обзора FOV и высоты платформы H. Более точное описание, учитывающее кривизну зем-
ной поверхности, см. в гл. 3.
SPOT в панхроматическом режиме съемки задействовано 6000 детекторных эле-
ментов, которые при многоспектральной съемке начинают работать как 3000 де-
текторов). Наконец, наиболее сложная калибровка характерна для гиперспект-
ральных матричных приборов, аналогичных системе HYDICE, в фокальной плос-
кости которой установлено 67 000 отдельных детекторных элементов (рис. 1.18).
При съемке с помощью линейных сканеров и поперечных ПЗС-сканеров не-
обходимо учитывать параметры вращения зеркала и Земли, а также вращение ле-
тательного аппарата вокруг осей тангажа, крена и скольжения. Таким образом,
для корректной интерпретации данных сначала необходимо провести их предва-
рительную обработку. Как показывает опыт работы с данными Landsat TM, в ре-
зультате такой обработки можно добиться очень высокого качества снимков.
Геометрия съемки с помощью продольных ПЗС-сканеров (например, SPOT или
ALI) является существенно более простой, поскольку сканирование в этом случае
осуществляется просто за счет движения платформы вдоль маршрута. Однако и в
этом случае необходимо учитывать вращение Земли и ориентацию ИСЗ. Геомет-
рические характеристики съемки с помощью аппаратуры ETM+ и ALI проил-
люстрированы на рис. 1.19.
Полное время, необходимое для получения изображения вдоль маршрута за-
данной протяженности, зависит от скорости движения ИСЗ вдоль трассы. Для
ИСЗ с низкими орбитами эта скорость составляет около 7 км/c. Таким образом,
для съемки сцены TM требуется около 26 секунд, а для съемки сцены SPOT —
9 секунд. При использовании линейки детекторных элементов существенными
параметрами становятся их количество и время интегрирования приходящего оп-
тического сигнала для каждого пиксела. Продольные ПЗС-сканеры имеют в этом
отношении преимущество, поскольку регистрация сигнала происходит одновре-
менно для всех пикселов линейки (рис. 1.10). Для ИСЗ, выведенных на геостаци-
онарную орбиту, радиометрическое качество снимков, определяемое отношени-
ем сигнал/шум, растет с увеличением времени интегрирования. Однако для ИСЗ
на других орбитах увеличение времени интегрирования приводит также к сгла-
живанию изображения и, как следствие, к снижению пространственного разре-
шения. Как видно из рис. 1.20, «плата» за более высокое отношение сигнал/шум
оказывается в этом случае слишком большой.