Космический мониторинг заснеженности территории речных бассейнов : доклад, тезисы доклада

Описание

Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций

Конференция: Современные проблемы дистанционного зондирования Земли из космоса; Москва; Москва

Год издания: 2016

Ключевые слова: Terra, снежный покров, классификация изображений, речной бассейн, заснеженность

Аннотация: Для обеспечения данными гидролого-математических моделей прогноза стока рек создана автоматическая геоинформационная система мониторинга заснеженности речных бассейнов по данным КА Terra, в которой предпринята попытка достичь максимально возможного разрешения данных по времени.Оценка площадей снегового покрытия является одним из ваПоказать полностьюжных направлений в гидрометеорологии, в котором использование данных дистанционного зондирования с космических аппаратов имеют неоспоримые преимущества перед другими источниками информации. Регулярное картографирование снежного покрова ведётся NOAA c 1966 г [1]. В рамках программы EOS с 1998 г выпускаются ежедневные и 8-дневные карты снежного и ледового покровов и температуры льда морей в NSIDC (National Snow and Ice Data Center) в Университете Колорадо [2]. В результате совершенствования автоматизированной системы оперативной оценки площади снегового покрытия речных бассейнов, разработанной в Красноярском НИЦ и Институте леса СО РАН в 1995—2003 гг. [3], создана новая, полностью автоматическая «Система мониторинга заснеженности», которая обеспечивает полный цикл обработки данных радиометра MODIS со спутников TERRA в оперативном режиме без участия оператора, а также реализует доступ к результатам обработки из сети интернет. Система рассчитана на функционирование в автоматическом режиме в пунктах приема данных КА TERRA и использованию для бассейнов больших и средних рек (более 5 000—10 000 км2). Конечным результатом работы программы является распределение снегового покрытия в относительном выражении по высотным зонам в пределах речного бассейна, а также средней высотой кромки снега. Эти результаты используются для коррекции параметров гидролого-математических моделей для прогнозов уровней и расходов воды в реках [4]. Кроме того, данные сопровождаются обзорными снимками и картосхемами снежного покрова территории бассейнов. Система развёрнута и функционирует в Сибирском центре ФГБУ «НИЦ «Планета».Выделение снежного покрова ведётся с использованием алгоритма классификации, разработанного в NASA для глобального картографирования снежного покрова по данным с радиометра MODIS [5]. Данный алгоритм, основанный на дифференциальном нормализованном снежном индексе (NDSI), использует специфическое свойство снега к поглощению излучения в диапазоне 1,6 мкм. Для классификации снега на лесистых территориях дополнительно рассчитывается значение дифференциального нормализованного растительного индекса (NDVI), который дает возможность идентифицировать наличие лесного покрова [6]. В этом случае значения порогов по NDSI понижаются для возможности классификации снега при пониженном контрасте NDSI из-за экранирующего эффекта крон деревьев. Такая модификация алгоритма позволяет обнаруживать от 50 до 98% снега на лесистых территориях, в зависимости от типа и состава леса [7].Наилучшая точность определения относительной заснеженности достигается на безоблачных снимках, что очевидно. Однако таких снимков за сезон снеготаяния попадается не много, и тем меньше, чем больше бассейн. Иногда для бассейна за всю весну с трудом можно выбрать один снимок. В существующих системах [2] для исключения влияния облачности используется миноритарная композиция данных за 8 суток в отношении снега — хотя бы один случай встречи снега за период даёт в результате снег. Однако для применения в гидрологических прогнозах, с одной стороны, шаг в 8 суток очень грубый, и, с другой стороны, важно именно изменение площади заснеженности. Поэтому для данной системы был разработан алгоритм мониторинга динамики заснеженности на основе метода обнаружения разладки, известного как метод кумулятивных сумм [8].Разладкой случайного процесса называется существенное изменение его параметров. В данном случае случайный процесс — это классификация снежного покрова при наличии помех в виде облачности, а существенное изменение параметров — это смена результата классификации со «снег» на «не снег» или обратно. Метод кумулятивных сумм применительно к оценке заснеженно

Ссылки на полный текст

Издание

Журнал: Современные проблемы дистанционного зондирования Земли из космоса

Номера страниц: 109

Издатель: Институт космических исследований Российской академии наук

Персоны

  • Ромасько В.Ю. (Сибирский центр ФГБУ НИЦ Планета (Российская Федерация, Красноярск))
  • Бураков Д.А. (Красноярский государственный аграрный университет (Российская Федерация, Красноярск))

Вхождение в базы данных