Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.235.56.11
    [SESS_TIME] => 1628113874
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => c611f9b6fd5c9aef827d562db90e0677
    [SALE_USER_ID] => 0
    [UNIQUE_KEY] => afc786be5dca4d2c7399cb1c62b13206
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Оптика атмосферы и океана

2016 год, номер 7

Прямые и обратные задачи самолетного гиперспектрального зондирования

В.В. КОЗОДЕРОВ1, Е.В. ДМИТРИЕВ2
1Московский государственный университет им. М.В. Ломоносова, 119899, г. Москва, ГСП-3, Воробьевы горы
vkozod@mail.ru
2Институт вычислительной математики РАН, 117951, г. Москва, ГСП-1, ул. Губкина, 8
yegor@mail.ru
Ключевые слова: дистанционное зондирование, обработка гиперспектральных изображений, распознавание лесной растительности, восстановление параметров, прямые и обратные задачи, remote sensing, optical imagery processing, pattern recognition of forest vegetation, parameters retrieval, direct and inverse problems
Страницы: 533-540

Аннотация

С целью развития когнитивных технологий распознавания лесной растительности разного породного состава и возраста при обработке гиперспектральных самолетных изображений рассмотрены особенности формирования получаемых изображений с помощью оптических приемных устройств, а также модели описания регистрируемых спектров и восстановления параметров лесного покрова. Показаны характерные условия решения прямых задач в виде зависимости спектрального функционала от оптических свойств лесного полога и обратных задач восстановления объема фитомассы лесной растительности и параметров ее биологической продуктивности в возможных приложениях этих параметров в моделях климата.

DOI: 10.15372/AOO20160701