Сравнение методов структурного анализа двухмерных спектральных данных дистанционного зондирования лесных массивов, повреждённых сибирским шелкопрядом
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 4 т.50, 2026 года.
Бесплатный доступ
Представляется подход структурного анализа данных дистанционного зондирования, основанный на разбиении области значений двухмерных спектральных признаков с использованием компонент коэффициента корреляции. Структурный анализ данных основывается на анализе знаков составляющих компонент коэффициента корреляции, которые соответствуют нормированным значениям спектральных признаков данных дистанционного зондирования. На этой основе определяются четыре класса, которым соответствуют значения составляющих компонент коэффициента корреляции: положительные, знакопеременные и отрицательные. Для анализа данных дистанционного зондирования формируется решающее правило, которое позволяет относить контрольные ситуации к одному из четырёх классов. В зависимости от исследуемых пар спектральных признаков каждый класс характеризует уникальную сигнатуру, соответствующую определённому типу земной поверхности. Для проведения дополнительных исследований полученных классов предлагается методика декомпозиции спектральных данных. Методика основана на преобразовании составляющих компонент коэффициента корреляции в виде произведения или их евклидового расстояния. Для визуального представления полученных результатов используется ядерная оценка плотности вероятности. Приводится методика её оптимизации. Эффективность предложенных методик декомпозиции сравнивается с анализом данных дистанционного зондирования, основанного на использовании значений нормализованного разностного инфракрасного индекса. Этот индекс преобразует информацию спектральных каналов ближнего и коротковолнового инфракрасного. Проведено сравнение результатов применения рассматриваемых методик структурного анализа на тестовом участке лесного массива, повреждённого сибирским шелкопрядом, распложенного на территории Красноярского края. Приводятся картосхемы и числовые характеристики полученных результатов.
Короткий адрес: https://sciup.org/140316469
IDS: 140316469 | DOI: 10.18287/COJ1800
Comparison of methods for structural analysis of two-dimensional spectral remote sensing data of forests damaged by the Siberian silkmoth
An approach to structural analysis of remote sensing data is presented, based on the partitioning of the domain of values of two-dimensional spectral features using components of the correlation coefficient. Structural data analysis is based on the analysis of the signs of the correlation coefficient components, which correspond to the normalized values of the spectral features of remote sensing data. On this basis, four classes are defined, to which the values of the components of the correlation coefficient correspond: positive, alternating and negative. To analyze remote sensing data, a decision rule is formed that allows classifying control situations into one of four classes. Depending on the studied pairs of spectral features, each class characterizes a unique signature corresponding to a certain type of earth's surface. To conduct additional studies of the obtained classes, a spectral data decomposition technique is proposed. The method is based on the transformation of the components of the correlation coefficient in the form of a product or their Euclidean distance. For the visual presentation of the obtained results, a kernel probability density estimate is used. A method for its optimization is presented. The effectiveness of the proposed decomposition methods is compared with the analysis of remote sensing data based on the use of normalized difference infrared index values. This index transforms information from spectral channels of near and short-wave infrared. A comparison of the results of applying the considered structural analysis methods was carried out on a test plot of a forest area damaged by the Siberian silkmoth, located in the Krasnoyarsk Territory. Maps and numerical characteristics of the obtained results are provided.
