CC BY
81
ИНФОРМАЦИОННЫМ МЕТОД КАЛИБРОВКИ И ВАЛИДАЦИИ СПУТНИКОВЫХ ДАННЫХ С ПОМОЩЬЮ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ
СУЛЕИМАНОВ Тофик Инаят оглы1
МАМЕДОВ
Илкин Эльбрус оглы2
1д.т.н., профессор, заместитель генерального директора по науке Национального аэрокосмического агентства, г. Баку, Азербайджан, [email protected]
2аспирант Национального аэрокосмического агентства, г. Баку, Азербайджан,
КЛЮЧЕВЫЕ СЛОВА: беспилотный летательный аппарат; дистанционное зондирование; калибровка; валидация; спектрорадио-метр; гиперспектрометр.
АННОТАЦИЯ
Рассмотрена возможность осуществления калибровки и валидации спутниковых данных дистанционного зондирования с помощью спектрорадиометри-ческой аппаратуры установленной на беспилотных летательных аппаратах. Реализация общей идеи использования сенсоров беспилотных летательных аппаратов для калибровки и валидации сенсоров, установленных на спутниках требует решения ряда технических и методологических задач. Отмечена нарастающая тенденция осуществления калибровки и валидации сенсоров спутников дистанционного зондирования с помощью сенсоров, устанавливаемых на беспилотных летательных аппаратах. При этом должны быть приняты во внимание следующие различия между сенсорами спутников и беспилотных летательных аппаратов - пространственные разрешение на земле у сенсора беспилотного летательного аппарата намного лучше, чем у спутникового сенсора, кроме того, пространственный охват спутника намного шире, чем у беспилотного летательного аппарата. Вышеуказанные причины приводят к сильной коррелированности данных спутникового сенсора при исследовании гомогенных наземных растительных полей, по сравнению с данными беспилотного летательного аппарата. Это объясняется фильтрацией высокочастотных составляющих сигнала, формируемого оптической системой сенсора спутника на инерционных фотоприемниках дискретной структуры. Указанная неидентичность статистических показателей сенсоров беспилотного летательного аппарата и спутника приводит к необходимости решения следующей методологической задачи: какова должна быть временная длительность проведения измерений с помощью беспилотного летательного аппарата, чтобы обеспечить достоверную валидацию и калибровку сенсоров спутника с помощью средств, установленных на беспилотных летательных аппаратах. Предложена методика выбора режимных показателей сенсоров беспилотного летательного аппарата, используемого для валида-ции и калибровки сенсоров в спутников. Предложенная методика основана на информационном критерии Темникова и позволяет определить режимные показатели полета беспилотных летательных аппаратов используемых для проведения калибровки. Разработана методика вычисления основных показателей полета беспилотных летательных аппаратов.
ДЛЯ ЦИТИРОВАНИЯ: Сулейманов Т. И., Мамедов И.Э. Информационный метод калибровки и валидации спутниковых данных с помощью беспилотных летательных аппаратов // Наукоемкие технологии в космических исследованиях Земли. 2017. Т. 9. № 5. С. 19-24.
Как сообщается в работе [1], данные получаемые с термальных камер и спекгрорадиометров, установленных на беспилотных летательных аппаратах (БПЛА) позволяют осуществить калибровку и валидации спутниковых данных полученных от ASTER и LANDSAT 8. Использование БПЛА в указанных целях особенно важно при организации спутникового контроля за состоянием вулканов, где должны быть дистанционно измерены такие показатели как температура, давление, концентрации S02, H2S, С02 с GPS привязкой к местности. Вопросы использования БПЛА для калибровки и валидации спутниковых данных также рассмотрены в работах [2-8]. Как отмечается в этой работе, для осуществления викариозной калибровых сенсоров установленных на спутниках дистанционного зондирования используются два гиперспекгрометра видимого и близкого ПК диапазона. Это обусловливает высокие точностные требования, которые выставляются к метрологическим характеристикам аппаратуры, устанавливаемой на БПЛА.
В работе [9] сообщается о возможности использования БПЛА для калибровки и валидации данных спутника GOES-16 находящейся на геостационарной орбите высотой 22.300 миль. Следует отметить, что использование БПЛА для калибровки и валидации спутниковых сенсоров дистанционного зондирования становиться все более развивающимся направлением в общей теории и практики обеспечения достоверности и результатов дистанционного зондирования земли с космоса. С технической стороны такая тенденция поддерживается появлением малогабаритных сенсоров, обладающих достаточно высокими метрологическими характеристиками [10,11]. Так например, в работе [12], сообщается о разработке малогабаритного гиперспекгрометра спектрального диапазона 338-824 нм с разрешением 3 нм.
Согласно [13], еще в 2003-м году был разработан малогабаритный гиперспекгрометр со спектральным диапазоном 480-880нм, со спектральным разрешением Ihm для установки на БПЛА, осуществляющею контроль за созреванием сельскохозяйственный продукции.
Вместе с тем, реализация общей идеи использования сенсоров БПЛА для калибровки и валидации сенсоров, установленных на спутниках требует решения ряда технических и методологических задач. Технические задачи, заключающиеся в повышение метрологических характеристик сенсоров БПЛА решаются достаточно успешно, что можно увидеть на таблице сравнительных данных ги-перспекгрометров, устанавливаемых в настоящее время на БПЛА, самолетах и на спутниках [11].
Как видно из данных, приведенных на таблице, характеристики сравниваемых устройств сильно различаются в таких показателях как разрешение на Земле и размер изображения на Земле, что в свою очередь приводят к появлению некоторых методологических проблем при решение задачи использования БПЛА для калибровки и валидации спутниковых данных.
Основным из таких методологических проблем является появляющиеся различия в статистических показателях исследуемых идентичных сцен. Так, ширина гистограмм измеренных величин NDVI для БПЛА составила 0,2^0,9; для самолета 0,3^0,7; для спутника 0,5^0,65 (рис.1) [11].
Как видно из гистограмм, приведенных на рис.1, гистограмма данных спутника намного уже чем гистограмма данных БПЛА, что обусловлена следующими причинами:
1. Пространственные разрешение на земле у сенсора БПЛА намного лучше, чем у спутникового сенсора.
2. Пространственный охват спутника намного шире, чем у БПЛА.
Таблица
БПЛА САМОЛЕТ СПУТНИК
Платформа Mikrokarter Okto XL Sky Arrow 650 ТС/Р68 Rapid Eye
Камера Tetracam ADC lite ASPIS REIS
Количество каналов 3 12 5
Охватываемый диапазон длин волн 526 - 900 nm 415 - 910 nm 440 - 850 nm
Размеры 114x77x22 мм 270 x 250 x 20 мм 656 x 361 x 824 мм
Вес 0,2 кг 10 кг 62 кг
Разрешение 2048x 1536 2048 х 2048 12000 пикселей линейка на каждом диапазоне
Разрешение на земле 0,05 м/пиксель 0,05 м/пиксель 5 м/пиксель
Размер изображения на земле 116,5x87,5 м 1024 х 1024 м 77 x45 км
Рис. 1. Гистограммы измеренных величин с помощью сенсоров БПЛА,
самолета и спутника
Вышеуказанные причины приводят к сильной коррелированное™ данных спутникового сенсора при исследовании гомогенных наземных растительных полей, по сравнению с данными БПЛА. Это объясняется фильтрацией высокочастотных составляющих сигнала, формируемого оптической системой сенсора спутника на инерционных фотоприемниках дискретной структуры.
Указанная неидентичность статистических показателей сенсоров БПЛА и спутника приводит к необходимости решения следующей методологической задачи: Какова должна быть временная длительность проведения измерений с помощью БПЛА, чтобы обеспечить достоверную валидация и калибровку сенсоров спутника с помощью средств, установленных на БПЛА. Базовым положением предлагаемого критерия является следующее равенство
(1)
MS = 77 • log-At,
MD = T- • log2
Ъ
A/
+1
Atd
Av
- +1
(2)
(3)
где: Г, Td — длительности съема информации с исследуемого поля с помощью спутника и БПЛА соответственно;
Д/, Atd— временные дискреты съема информации спутника и БПЛА соответственно;
U.U. — максимальные значения измерительного
s.rn d.m r
сигнала спутника и БПЛА соответственно;
h.U, AUd— кванты сигналов спутнике и БПЛА соответственно;
Как было отмечено, измерительные сигналы спутника и БПЛА коррелированны в разной степени. Если аппроксимировать эти сигналы нормальным Марковским процессом с нормированной корреляционной функцией в виде
где: Мж- количество информации, вырабатываемой сенсором спутника за период пролета спутника над исследуемых полем; МШ¥- тоже для БПЛА.
Изложим математическое решение с формулированной задачи. Используя известное определение количества информации Шеннона можем записать следующие выражения
Д(т) = е-«
где: т — временной шаг; а — показатель степени корреляции в сигнале, то используя известный среднеквадратичный критерий Темникова Ф.Е. легко можем получить следующие уравнения [14-15]
Т =—ln а,
1 - -4
2Bs (с
(5)
Td =—ln ad
1-
-Bd (с
(6)
Ё 2
d
v
где: £s, е^среднеквадратичные погрешности квантования. С учетом выражений (1), (2), (3),(4), (5), (6) запишем
TD = k-T
D s
где:
K =
Приняв равенства
a s • ln 1 logi I4" l Uv J
1 -Ëd2/Bd (o)
ad • ln 1 log Vd m + 1 I lAVd J
1 -£s2/ Bs (o )
s =Av
4°) = ï>vàm
S(o) = Bv
îv y 1 s-m
(7)
(8)
сматриваемом контексте не подлежит изменению. Вместе с тем, как видно из выражения (9) величина коэффициента К сильно зависит от ааи ^ т.е. от показателя коррелированное™ измерительного сигнала БПЛА и от количества используемых квантов измерительного сигнала БПЛА.
Следовательно, для уменьшения Тв — следуем увеличить количество квантов в сигнале и/или увеличить степень коррелированности сигнала БПЛА.
Таким образом, с учетом вышеизложенного, можно предложить следующую методику выбора режимных показателей сенсоров БПЛА, используемого для валидации и калибровки сенсоров в спутников:
1. Устанавливаются показатели Т и С1 характеризующие полетный режим спутника, а также сенсоров спутника и наземный полигон, используемый для калибровки и валидации.
2. По заданной величине Ти — временного ресурса, затрачиваемого на операции калибровки и валидации определяется величине К по формуле (9).
3 (а). Задаваясь величиной а^ используя выражение (9) вычисляется необходимая величина Ы^ или
3 (б). Задаваясь величиной N а вычисляется необходимая величина а,
(Р
4. Используя заданную или вычисленную по формуле (6) величину та определяется скорость V передвижения БПЛА по формуле
N _ V d m
d ~ i AVd
Выражение (8) запишем в следующем виде.
C1 • ln
K _
1 —
Ni
ad • logi (Nd +j)
(9)
где: С1 — обобщенный показатель измерительного сигнале спутника определяемый как:
as • l<og2
C1 _
Av.
+1
ln
i - i
2BS (с
(11)
Отметить, что показатель С1 характеризует информативные свойства измерительного сигнала спутника и в рас-
v = Д1/т,
а
где: Д/ — пространственный шаг корреляции исследуемого объекта на полигоне
В заключение сформулируем основные выводы и положения проведенного исследования:
1. Отмечена нарастающая тенденция осуществления калибровки и валидации сенсоров спутников дистанционного зондирования с помощью сенсоров, устанавливаемых на БПЛА, осуществляемых синхронный облет калибровочного полигона.
2. Предложен информационный критерий для определения режимных показателей полета БПЛА используемых для проведения калибровки.
3. Разработана методика вычисления режимных показателей полета БПЛА.
Литература
1. Silvestri M., Musacchio M., BuongiornaM. F., Doumaz F., DiarJ.A. Geophysical Research Abstracts // EGU General Assembl. 2017. Vol. 19. EGU2017-13169.
2. Nemenyi M., Milics G. Precision agriculture technology and diversity II Cereal Research Communications. 2007. No. 35. Pp. 829-832.
1
1
V
1
3. Franke J., Menz G. Multi-temporal wheat disease detection by multi-spectral remote sensing // Precision Agriculture. 2007. No. 8. Pp. 161-172.
4. BemiJ.A.J., Zarco-Tejada P.J., Suarez L., Gonzalez-Dugo V, Fereres E. Remote sensing of vegetation from UAV platforms using lightweight multispectral and thermal imaging sensors II Int. Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Hannover, Germany. 2009. Vol. 1-4-7/W5. Pp. 6.
5. Chao H., Baumann M., Jensen A., Chen Y. Q., Cao Y., Ren W., McKee MBand-reconfigurable multi-UAV based cooperative remote sensing for real-time water management and distributed irrigationcontrol II IFAC World Congress, 2008. Vol.41. Issue 2. Pp.11744-11749.
6. Hakala T., Honkavaara E., Saari H., Makynen J., Kaivosoja J., Pesonen L., Polonenl. Spectral imaging from UAVs under varying illumination conditions. International Archives of the Photogrammetry II Remote Sensing and Spatial Information Sciences. 2013. Vol. XL-1/W2. Pp. 189-194.
7. Grenzdorffer G., Bill R. (Eds.). UAV-g2013 II International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (4-6 Sep Rostock, Germany). 2013. Vol. XL-1/W2. 423 p.
8. PottsD. .R.Hyperspectral Imaging from Unmanned Aerial Vehicles for the Calibration and Validation of Earth Observation Satellites. Doctoral thesis. UCL (University College London). 2014. URL: http: //discovery.vcl.ac.uk/1451799/
9. Scientists Begin Field Campaign for NOAA's GOES-16. URL: https://www.nesdis.noaa.gov/content/scientists-begin-field-campaign-noaa%E2%80%99s-goes-16.
10. Tsouvaltsidis C., Zaid Al Salem N., Benari G., Vreka-lic D., Quine B. Remote spectral imaging using a low cost uav system II Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci. 2015. Vol. XL-1/W4. Pp. 25-31. URL: https://doi. org/10.5194/isprsarchives-XL-l-W4-25-2015,2015.
11. MateseA., Toscano P., Gennaro S. F.D., Genesio L., Vac -cari F. P., Primicerio J., Belli C., Zaldei A., Bianconi R., Gioli B. Intercomparison of UAV, Aircraft and Satellite Remote Sensing Platforms for Precision Viticulture Remote Sens II Remote Sens. 2015. Vol. 7. Issue 3. Pp. 2971-2990; doi:10.3390/rs70302971.
12. Von Bueren S.K., Burkart A., Hueni A., Rascher U., Tuoh M. P., Yule I. J. Deploying four optical UAV-based sensors over grassland: challenges and limitations II Biogeo-sciences. 2015. No. 12(1). Pp. 163-175.
13. Johnson L. F., Herwitz S., Dunagan S., Lobitz В., Sullivan D., Slye R. Collection of ultra high spatial and spectral resolution image data over California vineyards with a small UAV II Proceedings of the 30th International Symposium on Remote Sensing ofEnvironment. 2003.Vol. 20. Pp. 845-849.
14. КрючковскийВ. В., ПодмогилъныйН.В.Коктролъ реализации принятых решений жизненного цикла решений II Наук ovi пращ Дон НГУ Вып. 148. С. 96-103.
15. Темников Ф.Е. Теоретические основы информаци-оннойтехники. М.: Энергия, 1971. 424с.
INFORMATION METHOD FOR CALIBRATION AND VALIDATION OF SATELLITE DATA USING DRONES
TOFIK I. SULEYMANOV, KEYWORDS: drones; remote sensing; calibration; validation;
Baku, Azerbaijan, [email protected] spectroradiometer; hyper spectrometer.
ILKIN E. MAMEDOV,
Baku, Azerbaijan, [email protected]
ABSTRACT
The possibility for carrying out of calibration and validation of satellite remote sensing data using the spectroradiometric instruments installed on the drone is considered. Realization of general idea concerning utilization of drones sensors for calibration and validation of satellites sensors requires solution of some technical and methodological tasks. The increasing ten-
dency of carrying out of calibration and validation of satellite remote sensing sensors by help of drones sensors is noted. In this case following differences between sensors of satellites and drones should be taken into account - the spatial resolution of drones sensors is more better than that of satellites. Besides, the spatial scope of satellite is broader than that of
drones. Above mentioned causes lead to strong correlation of satellites sensors data upon research of homogenic on-earth vegetation fields in comparison with drones data. This can be explained by filtration of high frequency components of signals formed by optical system of satellite sensors containing inertial photo receiver of matrix structure. The said non-identity property of statistical characteristics of drones and satellites sensors lead to necessity of solution of following methodology task what should be duration of measurements carried out by drones in order to provide for the authentic validation and calibration of satellite sensors using drones instruments. The method for selection of regime parameters of drones sensors used for validation and calibration of satellites sensors is developed. The suggested methodology is based on Temnikovs information criterion and allows to define the regime parameters of drones flight used for calibration. The method for calculation of major parameters of drones flight is developed.
REFERENCES
1. Silvestri M., Musacchio M., Buongiorna M. F., Doumaz F., Diar J. A. Geophysical Research Abstracts. EGU General As-sembl. 2017. Vol. 19. EGU2017-13169.
2. Nemenyi M., Milics G. Precision agriculture technology and diversity. Cereal Research Communications. 2007. No. 35. Pp. 829-832.
3. Franke J., Menz G. Multi-temporal wheat disease detection by multi-spectral remote sensing. Precision Agriculture. 2007. No. 8. Pp. 161-172.
4. Berni J. A.J., Zarco-Tejada P.J., Suarez L., Gonzalez-Dugo V., Fer-eres E. Remote sensing of vegetation from UAV platforms using lightweight multispectral and thermal imaging sensors. Int. Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Hannover, Germany. 2009. Vol. 1-4-7/W5. Pp. 6.
5. Chao H., Baumann M., Jensen A., Chen Y. Q., Cao Y., Ren W., McKee M. Band-reconfigurable multi-UAV based cooperative remote sensing for real-time water management and distributed irrigationcontrol. IFAC World Congress. 2008. Vol.41. Issue 2. Pp.11744-11749.
6. Hakala T., Honkavaara E., Saari H., Makynen J., Kaivosoja J., Pesonen L., Polonen I. Spectral imaging from UAVs under varying illumination conditions. International Archives of the Photogrammetry. Remote Sensing and Spatial Information Sciences. 2013. Vol. XL-1/W2. Pp. 189-194.
7. Grenzdorffer G., Bill R. (Eds.). UAV-g2013. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (4-6 Sep Rostock, Germany). 2013. Vol. XL-1/W2. 423 p.
8. Potts D. R. Hyperspectral Imaging from Unmanned Aerial Vehicles for the Calibration and Validation of Earth Observation Satellites. Doctoral thesis. UCL (University College London). 2014. URL: http: // discovery.vcl.ac.uk /1451799/
9. Scientists Begin Field Campaign for NOAA's GOES-16. URL: https://www.nesdis.noaa.gov/content/scientists-begin-field-campaign-noaa%E2%80%99s-goes-16.
10. Tsouvaltsidis C., Zaid Al Salem N., Benari G., Vrekalic D., Quine B. Remote spectral imaging using a low cost uav system. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci. 2015. Vol. XL-1/W4. Pp. 25-31. URL: https://doi.org/10.5194/ isprsarchives-XL-1-W4-25-2015, 2015.
11. Matese A., Toscano P., Gennaro S. F.D., Genesio L., Vacca-ri F. P., Primicerio J., Belli C., Zaldei A., Bianconi R., Gioli B. In-tercomparison of UAV, Aircraft and Satellite Remote Sensing Platforms for Precision Viticulture Remote Sens. Remote Sens. 2015. Vol. 7. Issue 3. Pp. 2971-2990; doi:10.3390/ rs70302971.
12. Von Bueren S. K., Burkart A., Hueni A., Rascher U., Tuoh M. P., Yule I. J. Deploying four optical UAV-based sensors over grassland: challenges and limitations. Biogeo-sciences. 2015. No. 12(1). Pp. 163-175.
13. Johnson L. F., Herwitz S., Dunagan S., Lobitz B., Sullivan D., Slye R. Collection of ultra high spatial and spectral resolution image data over California vineyards with a small UAV. Proceedings of the 30th International Symposium on Remote Sensing of Environment. 2003.Vol. 20. Pp. 845-849.
14. Krjuchkovskij V. V., Podmogil'nyj N. V. Kontrol' realizacii prinjatyh reshenij zhiznennogo cikla reshenij [Control of implementation of the accepted solutions of life cycle of decisions]. Nauk ovi Don NTU. Issue 148. Pp.96-103. (In Russian)
15. Temnikov F. E. Teoreticheskie osnovy informacionnoj teh-niki [Theoretical bases of information equipment]. Moscow: Energiya, 1971. 424 p. (In Russian)
INFORMATION ABOUT AUTHORS:
Suleymanov T. I ., PhD, Full Professor, Deputy Director on Science of National Aerospace Agency; Mamedov I. E., Aspirant of National Aerospace Agency.
FOR CITATION: Suleymanov T. I., Mamedov I. E. Information method for calibration and validation of satellite data using drones. H&ES Research. 2017. Vol. 9. No. 5. Pp. 19-24. (In Russian)
