CC BY
27
Е ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 11 № 3-2019 АТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
10.24411/2409-5419-2018-10270
МЕТОДЫ ОПРЕДЕЛЕНИЯ МОРСКОЙ БЕРЕГОВОЙ ЛИНИИ С ПОМОЩЬЮ БОРТОВОЙ МНОГОКАНАЛЬНОЙ ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ
АБДУЛЛАЕВА АННОТАЦИЯ
ЛЯТИФА ДЖАФАРАГА КЫЗЫ Работа посвящена вопросам определения морской береговой линии с помощью
бортовых измерительных систем. Отмечено, что основной недостаток спектрального метода определения береговой линии может быть устранено путем реализации измерений с применением разноформатных окон. Показано, что в качестве границы вода-суша можно принять критерий, когда показатель водное содержание почвы достигает величины 40%. Рассмотрена возможность построения гиперспектральной измерительной системы на базе индекса WISOIL с применением управляемого жидкокристаллического фильтра. Сформулировано требование к скорости передвижения носителя системы измерения. Оптимизирован режим работы измерителя в смысле уменьшения избыточности информации путем введения адаптивного режима измерения. Проанализированы вопросы разработки многоволнового метода дистанционного определения береговой линии в условиях сильного аэрозольного загрязнения атмосферы. Предложена модель оценки сигналов спутниковых спектрорадиометров для случая аномального загрязнения атмосферы аэрозолем. На основе предложенной модели разработан многоволновый метод определения береговой линии, позволяющий устранить аэрозольную погрешность известного двухволнового метода.
Сведения об авторе:
ведущий научный сотрудник
Национального аэрокосмического агентства, КЛЮЧЕВЬЕ СП°ВА: авт°матизир°ванная система в°енн°г° назначения; инф°рмаци-
г. Баку, Азербайджан, [email protected] онная система; средства автоматизации; качество; характеристики; жизненный цикл.
Для цитирования: Абдуллаева Л.Д. Методы определения морской береговой линии с помощью бортовой многоканальной измерительной системы // Наукоемкие технологии в космических исследованиях Земли. 2019. Т. 11. № 3. С. 72-80. doi: 10.24411/2409-5419-2018-10270
S/ZK
Hi iff,
Vol 11 No 3-2019, H&ES RESEARC INFORMATICS, COMPUTER ENGINEERING AND CON",
V\\\ v \\\\ ■
Введение
Хорошо известно, что проведение достоверного мониторинга береговых зон является важнейшей задачей для устойчивого развития прибрежных территорий и защиты окружающей среды в этих регионах [1-2]. При этом особую важность имеет исследование долговременной и сезонной динамики береговых линий различных водоёмов. Как отмечается в [3], береговая линия является наиболее важной характеристикой земной поверхности, обладающей временной динамикой. Применение дистанционного спектрального зондирования в целях определения береговой линии основывается на свойствах водной среды поглощения оптической радиации в инфракрасной области и сильного отражения этой радиации почвой и растительностью. Эти спектральные свойства компонентов прибрежных зон обуславливают использование изображений видимого и инфракрасного диапазонов для решения задач картирования береговых линий [1].
Методика исследования
Как сообщается в работе [4], форма береговой линии находится под воздействием таких факторов как гидрография, геология, климат и растения. Использование самолетных средств для аэрофотографирования береговых зон с целью контроля береговых линий связано с большими затратами, что обосновывает использование космических снимков в этих целях.
Согласно работе [4], для исследования динамики береговой линии могут быть использованы различные источники данных, такие как картографические данные, спутниковые снимки (SPOT-PX/XS, Landsat-TM, Corona), а также самолетные данные.
Как отмечается в работе [5], результаты дистанционного зондирования такого показателя, как водное содержание почвы (SMC) зависит от неровностей поверхности почвы. Информативность гиперспектральных изображе-
нии при исследовании влажности почвы зависит от цвета почвы, а также от текстуры почвы.
Несмотря на вышеуказанные недостатки, гиперспектральные методы исследования водного содержания почвы в 2015-2018 гг. продолжались развиваться. В течении этих годов на орбиту были выведены гиперспектрометры, работающие по программам PRISMAиEnMAR. Указанные приборы охватывают спектральный диапазон 0,4-2,5 мкм со спектральным разрешением 10 нм.
Вместе с тем, в принципе, береговая линия может быть определена с помощью сигнала одного спектрального канала спектрорадиометра. Например, сигнал отражения воды в ИК диапазоне существенно ниже по уровню сигнала отражения почвы и других компонентов прибрежной суши. С этой целью могут быть использованы один из ИК каналов аппаратуры ТМ или ЕТМ+. Согласно [3], для этой цели наиболее подходящим является 5-й канал среднего ИК диапазона ТМ. Однако, как отмечается в [1], если граница земля-вода имеет комплексный характер и заполнена водными растениями, то из-за высокой отражательной способности растений возникает некоторая погрешность определения береговой линии. Для устранения указанного недостатка используется двухволновая методика, например сигналы каналов 4 и 2 аппаратуры ЕТМ+/ТМ. В табл. 1 приведены данные спектральных каналов ЕТМ+/ТМ.
Как отмечается в работе [1], для определения береговой линии может быть использовано следующее свойство спектральных каналов: отношение сигналов каналов 2 и 5, т.е. Ь2/Ь5 применительно к водной среде больше, чем единица, однако меньше единицы для суши. Однако, существенный недостаток данного метода заключается в том, что некоторые растительные участки, существующие в береговой зоне могут быть отнесены к водной территории. Другим, не менее существенным недостатком данного метода, на наш взгляд, является незащищённость от влияния аномального атмосферного аэрозоля, что может привести
Таблица 1
Данные спектральных каналов ETM/TM
Номер канала Спектральный диапазон ЕТМ Спектральный диапазон ТМ
1 0,45 - 0,515 0,45-0,52
2 0,525 - 0,6 0,53-0,60
3 0,63 - 0,69 0,63-0,69
4 0,75 - 0,9 0,76-0,90
5 1,55 - 1,75 1,55-1,75
6 10,4 - 12,5 10,5-12,4
7 2,09 - 2,35 2,08-2,35
am
тШ
УКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т
№ 3-2019
ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
к уменьшению сигнала b . Как результат, уменьшение b2/b5 может привести к оценке некоторых водных участков в качестве суши. Для устранения вышеуказанного недостатка в настоящей статье также рассматривается возможность разработки теоретических основ многоволнового метода определения береговой линии, основу которой составляет трёхволновый метод устранения аэрозольной погрешности в солнечных фотометрах, изложенный в работах [6-7].
Наиболее полное теоретическое обоснование возможности применения показателя SMC в качестве индикатора для определения береговой линии приведено в работе [8]. Согласно [8], комбинация сред «вода-песок» по результатам спектральных измерений может быть разделена на четыре группы: сухой песок; влажный песок; мокрый песок; насыщенный песок. Спектральные сигнатуры этих четырех классов показаны на рис. 1.
В табл. 1 приведены данные по выбору границ между вышеуказанными группами и водной средой.
Вместе с тем, очевидно что высказанные в работе [5] критические замечания на счет влияния неровности поверхности почвы должны быть приняты во внимание. Для решения указанного вопроса воспользуемся результатами исследований, приведенных в работе [9].
Как отмечается в работе [9], на результаты спектральных измерений влажности почвы могут повлиять такие факторы как контраст, гомогенность, текстура и энергетические характеристики. Для исследования влияния
текстуры почвы предлагается проводить измерения с разноформатными окнами: 3*3; 7*7; 15*15; 31*31; и 63*63. Отмечается что использование результатов таких измерений с применением алгоритма необучаемой классификации ISODATA позволяет четко установить границы вышеуказанных групп.
Таким образом, наиболее общий недостаток спектрального метода определения береговой линии может быть устранен с применением способа измерений разноформатного окна.
Подробное описание и обоснование метода разноформатного окна приведено в работе [9] и здесь далее не обсуждается. Более подробно рассмотрим вопросы использования спектрального метода определения береговой линии.
Как указано в работе [5], в основе спектрального метода определения влажности почвы лежит полуэмпирическая модель, связывающая коэффициент отражения почвы р(Х) с показателем SMC и некоторыми коэффициентами а(Х), b(X), с(Х), зависящими от длины волны проводимых измерений:
р(А,) = a(X) • SMC2 + b(X)SMC + c(X)
(1)
где с(к)—спектральный коэффициент, эквивалентный спектральной сигнатуре сухой почвы; а(Х), Ь(к) — спектральные коэффициенты, подробно измеренные в [10].
Длина волны (ям)
Рис.1. Спектральные сигнатуры 4-х групп комбинаций «вода-песок»: 1 — сухой песок; 2 — влажный песок; 3 — мокрый песок; 4 — насыщенный песок
i&ti t , ///
hi I [if/
3-2019, H&ES RESEARC INFORMATICS, COMPUTER ENGINEERING AND CONTROL
Vol
No
Таблица 2
Данные по выбору границ между вышеуказанными группами и водной средой
Группы Водное содержание Границы между группами и водой
Сухой песок 0-10% Граница между сухим и влажным песком
Влажный песок 10-20% Граница между влажным и мокрым песком
Мокрый песок 20-30% Граница между мокрым и насыщенным песком
Насыщенный влагой песок 30-40% Граница между насыщенным песком и водой
Очевидно, что если р(Х), а(Х), й(Х), с(к) известны, то SMC может быть вычислен путем решения соответствующего квадратичного уравнения
SMC2 + ™ SMC',
a(k)
a(X)
= 0
(2)
Согласно (2), для оценки SMC также пригодны спектральные индексы№М1и WISOIL, определяемые как
NSMI = ■
Pl,8 + Р2,119
WISOIL = -
(3)
(4)
В выражениях (3) и (4) в индексах указаны значения длин волн проводимых измерениях в мкм.
Как видно из вышеприведенных формул (3) и (4), для определения величины SMC необходимо проведение гиперспектральных измерений. Однако, применение гиперспектрометров не является единственным решением данной проблемы.
Далее, в настоящей статье покажем, что для этой цели могут быть использованы жидкокристаллические фильтры.
В настоящее время многие компании мира изготавливают жидкокристаллические фильтры с перестраиваемой длиной волны. Например, компания AZIMUT-FOTONIKS производит перестраиваемый жидкокристаллический фильтр, у которого длина волны может быть изменена с шагом 20 нм в диапазоне 650-1100 нм. На рис. 2 приведена блок-схема гиперспектрального определителя береговой линии, построенного на базе жидкокристаллического фильтра.
Устройство работает следующим образом. При поступлении на вход жидкокристаллического фильтра 1 оптического сигнала блок управления 6 подключает выход генератора 2 на управляемый вход фильтра. Сигналы на
Рис. 2. Блок-схема гиперспектрального определителя береговой линии на основе жидкокристаллического фильтра: 1 — жидкокристаллический фильтр; 2 — генератор импульсов; 3 — фотодетектор; 4 — счетчик; 5—GPS; 6 — блок управления; N1yN2 — внешне задаваемые коды
am
^iml
УКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т
№ 3-2019
ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
выходы фильтра поступают на вход фотодетектора 3, сформированные импульсы которого подсчитываются на счетчике 4. При достижении равенства кода счетчика с внешне заданным кодом (Ы1) блок управления запоминает выход-ный оптический сигнал фильтра 1 и после повтора всей вышеописанной процедуры для внешнезаданного кода Ы2 вычисляет значение индекса WISOIL. При равенстве вычисленного значения индексаWISOIL с внешне заданной пороговой величиной WISOIL первый блок управления подает команду на блок 5, содержащий GPSи считанный сигнал географической координаты точки береговой линии поступает на выход всего устройства.
Так как устройство определения береговой линии устанавливается на борту беспилотного летательного аппарата (БПЛА), рассмотрим требование к скорости передвижения БПЛА.
Если время переключения каналов фильтра обозначить как ДТ, а количество спектральных каналов N то общее время Т0 вычисления индексаWISOIL в первом приближении оценим как
T = 2 N -AT
(5)
Далее, если обозначить скорость передвижения как V, а допустимую геометрическую погрешность определения береговой линии как ДЬ, то запишем
T0 • v <AL
С учетом (5) и (6) получим
2N-At ■ v <AL Из выражения (7) имеем
v <-
AL 2N ■At
(6)
(7)
(8)
Таким образом, между v и N существует гиперболическая зависимость, т. е^может расти с ростом L и уменьшаться с уменьшением N и t.
Проанализируем информативность проводимых измерений. Рассмотрим следующее модельное представление проводимых измерений. Считаем, что поперек береговой линии А^А проводятся измерения отраженной радиации на трассах длиной L,, причем множество L={L,}; I = I, n; является упорядоченным, т. е.
L = Li_l +AL;
AL = const;
Lo = 0
С учетом вышеприведенных допущений, выработанное количество информации в течении одного цикла измерений определим как
M = £ N, • log
U„
AU
(9)
L
где Ni = —L-; ' AL
N. — количество измерений на трассе длиной L..
U — максимально возможный сигнал на входе
max
измерителя
AU — квант сигнала.
Рассмотрим адаптивный режим измерений, когда между U и N. вводится функциональная связь, т. е. существует функция
ДЦ = f (N)
(10)
Смысл функции (10) заключается в стремлении уменьшения избыточности вырабатываемой информации.
С учетом выражений (9) и (10) приняв ограничительное условие
I f (N) = с
i=1
С = const
(11)
Можно составить задачу дискретной вариационной оптимизации, целевой функционал которой будет иметь вид
Рис. 3. Геометрическое представление рассматриваемой модели проводимых измерений
F = Z N log
u„
f (N)
dN + y
Z f (N) - С
(12)
t , /// I ¡¡I [if/
Vol 11 No 3-2019, H&ES RESEARC INFORMATICS, COMPUTER ENGINEERING AND CONTROL
L = I +1
^ пр рас.н.п.
(15)
Отражённая радиация может быть оценена как
Для удобства решения вышеуказанной задачи представим функционал (12) в непрерывном виде
F2 = f N ■ log ^Nk dN + y f f(N)dN - C
f (N)
(13)
I = a(X)(I + I )
отр v 'v пр рас.н.п/
(16)
где а(Х) — альбедо отражения в прибрежной зоне.
Так как I направлен в сторону спектрорадиометра, то на его вход поступает суммарная радиация определяемая как
Решение оптимизационной задачи (13) по методу Эйлера-Лагранжа [11] получено в виде
I
I
dco
(17)
f (N ) =
N
(14)
При этом легко показать, что при условии (14) функционал (13) достигает минимума, т.е. задача уменьшения избыточности информации выполняется.
Прежде всего изложим предлагаемую модель оценки сигналов спутниковых спектрорадиометров. Считаем, что на исследуемую поверхность прибрежной зоны попадают две составляющие солнечной радиации:
1. I — прямая солнечная оптическая радиация.
2. I — половина рассеянной солнечной оптиче-
рас.н.п. А
ской радиации, направленная в нижнюю полусферу (рис. 4).
При этом, в противоположном направлении излучается в космос вторая половина суммарной рассеянной радиации /рас в п Таким образом, в зону береговой линии попадает суммарная радиация.
где ю — угол обзора оптики спектрорадиометра.
Т(к) — оптическая толщина атмосферного аэрозоля.
Хорошо известно, что спектрорадиометры, установленные на спутниках дистанционного зондирования осуществляют атмосферную коррекцию, включая аэрозольную коррекцию по собственному алгоритму. Вместе с тем, как было показано в работе [12], валидационные оценки с использованием данных AERONET показывают разность оптических толщин аэрозоля, измеренных с помощью спутника и AERONET, достигающую 0,1.
Таким образом, оптическую толщину атмосферного аэрозоля можно определить как
т (X) = т (X) + т (X)
a..v ' я.нЛ ' a.a. v '
(18)
где первая составляющая в (18) определяет корректируемую на борту часть оптической толщины аэрозоля, а вторая составляющая некорректируемую часть. С учётом выражений (17) и (18) имеем
Солнце
та(>.НЛт(>.)
Спектрорадиометр
Лфо голь
^рас.в.п.
,-te. Д)
аД) + :
i
рас.
-т .. w
dm (19)
Выражение (19), в коротком виде напишем как
* Ъ Г'о Лас.н.п, ^ '
(20)
где ^ — суммарная оптическая радиация на входе спектрорадиометра при хаа(Х) = 0.
С учётом модели (20), вышеупомянутое отношение Ь2/Ь5, предложенное в [1] может быть оценено как
Рис. 4. Предлагаемая модель формирования входной оптической радиации спектрорадиометра
b b2(X2) e].Fl(X2) Co .Fl(X2)
b5 b5(X5)
FM
FAh)
(21)
N.
N
0
0
I
^^чЩ \\\\
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 11 № 3-2019 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
Как видно из выражения (21), двухволновый метод, изложенный в [1], будет давать результат, зависимый от
At = т (X2) - т (X5)
а.а. я.яЛ 2 а.а. v 5'
(22)
т.е. от случайной величины Дтаа ввиду случайного характера величины оптической толщины атмосферного аэрозоля.
С учётом вышеизложенного, нами предлагается мно-говолновый метод определения береговой линии в условиях сильного аэрозольного загрязнения.
Суть предлагаемого метода заключается в использовании известной трёхволновой методики [6-7] применительно к Ь2(Х2) и Ь5(Х5) для устранения влияния таа(Х2) и таа(Х5) соответственно. Согласно трёхволновой методике вводится промежуточный показатель у, определяемый как
K„T„.(X +2 ) + K 2lTa,.(X 2) = Т„. (X 2)
(27)
С учётом выражений (24), (25), и (27) получим следующую систему уравнений для вычисления коэффици-
ентов Kn и K 21.
KII -Г? + K2I -X? =x:af 11 2 21 2f 2
K11 'Л 2+ + K 21 'Л 2-~K2
(28)
(29)
где су, ас — показатели Ангстрема для мелкодисперсного и крупнодисперсного составляющих аэрозоля соответственно.
Очевидно, что вычисление К1 и К2 позволяет нам написать выражение (26) в виде
Yi =
Ii(^i)Kl ■ I3O-3)^ I2(X2)
(23)
где Х1< Х2< Х3;
/1(Х1), /2(Х2), /3(^3) — результаты спектрометрических измерений на длинах волн Х1, Х2, Х3;
К1, К2 — коэффициенты коррекции, вычисляемые с учётом модели Ангстрема атмосферного аэрозоля в виде
та =р.Х-
(24)
где в — показатель аэрозольной мутности атмосферы;
а—показатель Ангстрема, а также аддитивной модели атмосферного аэрозоля в виде
т = т , т ,
а ac + af
(25)
где тас — оптическая плотность крупнодисперсной составляющей аэрозоля;
та/ — оптическая плотность мелкодисперсной составляющей аэрозоля.
С учётом методики, заключённой в выражениях (23) — (25), введём промежуточный показатель у1(Ь2) применительно к Ь , подобно (9). Имеем
Yi(b2) =
[ F,(X;). e-^) ] 111.[ F,(X -). e-(X-) ]1
Fi(X2).e
X2)
(26)
где X2+ = X2+AX; V = X-AX;
AX = const.
Очевидно, что условия устранения влияния атмосферного аэрозоля в (26) имеем следующий вид
Yi(b2) =
F^ f11 • Fi(X2_ )k
(30)
f1(x2)
Повторив все процедуры трёхволновой методики для
b5(X5) получим
Yib) =
(31)
С учётом (30) и(31) имеем
.._ YA) = С, • Fl(X2) Y(M F, (X5)
где C1 =
Fi(X5+ )Kl2 • F2(X5_))
Fi(xi+ )Ki1 • f;(X2_ )k
(32)
(33)
Сравнивая выражения (21) и (32), можно заметить их схожесть по форме, однако, существенное различие заключается в том, что С0 является случайной величиной, а С — детерминированной.
Возвращаясь к решаемой задаче определения береговой линии двухволновым методом, критерий, изложенный в работе [1], на основании выражения (32) можно переформулировать следующим образом: отношение С ■^ (Х2)
F (^5 )
применительно к водной среде больше, чем С
и меньше, чем С1 для суши. Таким образом, проведённый анализ позволяет усовершенствовать известную двухвол-новую методику в смысле устранения влияния аомальных величин атмосферного аэрозоля.
Применительно к практическому использованию предлагаемого многоволнового метода отметим, что пока-
затели Ангстрема а^и ас могут изменяться с интервалом автокорреляции величиной одной сутки и даже меньше, что диктует необходимость проведения операций коррекции коэффициентов K и K Для этой цели могут быть использованы данные всемирной сети AERONET, а также других региональных сетей измерения атмосферного аэрозоля.
Заключение
Сформулируем основные выводы и положения проведённого исследования:
1. Отмечено, что основной недостаток спектрального метода определения береговой линии может быть устранено путем реализации измерений с применением разноформатных окон.
2. Отмечено, что в качестве границы вода-суша можно принять критерий, когда показатель SMC достигает величины 40%.
3. Рассмотрена возможность построения гиперспектральной измерительной системы на базе индекса WISOIL с применением управляемого жидкокристаллического фильтра.
4. Сформулировано требование к скорости передвижения носителя системы измерения.
5. Оптимизирован режим работы измерителя в смысле уменьшения избыточности информации путем введения адаптивного режима измерения.
6. Предложена модель оценки сигналов спутниковых спектрорадиометров для случая аномального загрязнения атмосферы аэрозолем.
7. На основе предложенной модели разработан мно-говолновый метод определения береговой линии, позволяющий устранить аэрозольную погрешность известного двухволнового метода.
Литература
1. Alesheikh A.A., Ghorbanali A., Nouri N. Coastline change detection using remote sensing // International Journal of Science and Technology. 2007. No. 4(1). Pp. 61-66.
2. GuarigliaA., BuonamassaA., LosurdoA., SaladinaR., Trivigno M. L., Zaccagnino A., Colangelo A. A multisource approach for coastline mapping and identification of shoreline changes // Annals of Geophysics. 2006. Vol. 49. No. 1. Pp. 295-304.
3. Winarso G., Budhiman S. The potential application of remote sensing data for coastal study // Proc. 22nd Asian Conference on Remote Sensing (Singapore, 5-9 November 2001). 2001. No. 16 (1). Pp. 111-124. URL: http://www.cnsp. nus.edu.sg/~acrs2001 (дата обращения 25.03.2019)
4. Chen L. C., Rau J. Y. Detection of shoreline changes for tideland areas using multi-temporal satellite images // Int. J. Remote Sens. 1998. No. 19(10). Pp. 3383-3397.
5. Fabre S., BriottetX., Lesaignux A. Estimation of Soil
Hi iff, /;■-/ ////
Vol 11 No 3-2019, H&ES RESEARC INFORMATICS, COMPUTER ENGINEERING AND CON",
V\\\ v \\\\ ■
Moisture Content from the Spectral Reflectance of Bare Soils in the 0.4-2.5^m Domain // Sensors. 2015. No. 15. Pp. 32623281. doi:10.3390/s150203262
6. Asadov H. H., Isayev A. A. Three waves methods for measurements of total content of ozone. Full Compensation of measurements error // Proceedings of the XX Quadrennial Ozone Symposium. (1-8 June, 2004, Kos, Greece). 2004. Vol. 1. Pp. 477-485.
7. Асадов Х.Г., Исаев А. А. Общая теория трехволно-вых озонометрических измерений // Измерительная техника. 2005. № 8. С. 66-68.
8. Méndez Alves MV. Detection of physical shoreline indicators in an object based classification approach. Study case: Island of Schiermonnikoog, The Netherlands: abstract. 2007. 53p. URL: https://pdfs.semanticscholar.org/67d3/0102 22e193928e27a120167cf491f6894c3f.pdf. (дата обращения 25.03.2019)
9. Su L., Gibeaut J. Using UAS Hyperspatial RGB Imagery for Identifying Beach Zones along the South Texas Coast // Remote Sens. 2017. No. 9. URL: www.mdpi.com/jour-nal/remotesensing. (дата обращения 25.03.2019).
10. Lesaignoux A., Fabre S., BriottetX. Influence of soil moisture content on spectral reflectance of bare soils in the 0.4-14 ^m domain // Int. J. Remote Sens. 2013. No. 34. Pp. 2268-2285.
11. Эльскольц Л. Е. Дифференциальные уравнения и вариационное исчисление. М. Наука, 1974. 432 с.
12. Pflug B., Main-Knorn M., Makarav A., Richter R. Validation of aerosol estimation in atmospheric correction algorithm ARCOR // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 36th International Symposium on Remote Sensing of Enviroment (11-15 May 2015, Berlin, Germany). 2015. Vol. XL-7/W3. Pp. 677-683. URL: https://www.int-arch-photo-gramm-remote-sens-spatial-inf-sci.net/XL-7-W3/677/2015/ (дата обращения 25.03.2019).
13. Roeckner E., Bauml G., Bonaventura L., Brokopf R., EschM., GiorgettaM., HagemannS., Kirchner I., KornbluehL., Manzini E., RhodinA., Schlese U., Schulzweida U., Tompkins A. The atmospheric general circulation model ECHAM5. Part I: Model description. Report No. 349, 354. Max-Planck-Institut für Meteorologie, Hamburg, 2003. 127 p.
14. Walker W.A., Garder C. Comparison of ISCCP and other cloud amounts // J. Climate. 1993. No. 6. Pp. 2394-2418.
15. Schaaf C. B., Gao F., Strahler A. H., Lucht W. L., LiX., Trang T., Strucknell N. C., ZhangX., Jin Y., Mueller J.-P., Lewis P., Barnsley M., Hobson P., Disney M., Roberts G., Dunderdale M., Doll C., D'entremont R. P., Hu B., Liang S., Privette J. L., Roy D. First oberservational BRDF, albedo and nadir reflectance from MODIS // Remote Sensing of Environment. 2002. No. 83. Pp. 135-148. Doi:10.1016/ s0034-4257(02)00091-3
)) НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 11 № 3-2019 ЮРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
METHODS FOR DETERMINATION OF MARITIME COASTLINE USING ABOARD MULTICHANNEL MEASURING SYSTEM
ABDULLAYEVA LYATIFA DJAFARAGA KIZI,
Baku, Azerbaijan, [email protected]
ABSTRACT
The work is devoted to questions of coastline determination using aboard measuring systems. It is noted that major drawback of spectral method for determination of coastline can be removed by realization of windows of different sizes. It is shown that as a border between water and soil media criterion stating that the water content of the soil at the border should reach 40% may be adopted. The feasibility for development of hyperspectral measuring system on the basis of WISOIL index by utilization of controlled liquid cristallic filter is considered. The requirement for speed of movementt of carrier of measuring system is formulated. The operation regime of measuring instrument is optimized in direction of decrease of information exorbitance by way of use of adaptive measuring regime. Questions on development of multiwave method of remote determination of coastline in condition of heavy aerosol pollution of atmosphere are analyzed. The model for assessment of signals of satellites spectroradiometers in condition of abnormal aerosol pollution of atmosphere is suggested. On the suggested model the multiwave method for determination of coasline is developed which make it possible to remove the aerosol error of known two wavelength method.
REFERENCES
1. Alesheikh A.A., Ghorbanali A., Nouri N. Coastline change detection using remote sensing. International Journal of Science and Technology. 2007. No. 4(1). Pp. 61-66.
2. Guariglia A., Buonamassa A., Losurdo A., Saladina R., Trivigno M. L., Zac-cagnino A., Colangelo A. A multisource approach for coastline mapping and identification of shoreline changes. Annals of Geophysics. 2006. Vol. 49. No. 1. Pp. 295-304.
3. Winarso G., Budhiman S. The potential application of remote sensing data for coastal study. Proc. 22nd Asian Conference on Remote Sensing (Singapore, 5-9November 2001). 2001. No. 16 (1). Pp. 111-124. URL: http://www. crisp.nus.edu.sg/~acrs2001 (date of access 25.03.2019)
4. Chen L.C., Rau J. Y. Detection of shoreline changes for tideland areas using multi-temporal satellite images. Int. J. Remote Sens. 1998. No. 19(10). Pp. 3383-3397.
5. Fabre S., Briottet X., Lesaignux A. Estimation of Soil Moisture Content from the Spectral Reflectance of Bare Soils in the 0.4-2.5|m Domain. Sensors. 2015. No. 15. Pp. 3262-3281. Doi:10.3390/s150203262
6. Asadov H.H., Isayev A. A. Three waves methods for measurements of total content of ozone. Full Compensation of measurements error. Proceedings of the XX Quadrennial Ozone Symposium. (1-8 June, 2004, Kos, Greece). 2004. Vol. 1. Pp. 477-485.
KEYWORDS: coastline; measuring system; hyperspectrometer; liquid cristallic filter; informativity; optimization.
7. Asadov Kh.G., Isaev A. A. Obshchaya teoriya trekhvolnovykhozonomet-richeskikh izmereniy [General theory of three-wave ozonometric measurements]. Izmeritel'naya tekhnika [Measuring technique]. 2005. No. 8. Pp. 66-68. (In Russian)
8. Mendez Alves MV. Detection of physical shoreline indicators in an object based classification approach. Study case: Island of Schiermonnikoog, The Netherlands: abstract. 2007. 53 p. URL: https://pdfs.semanticscholar.org/67d3 /010222e193928e27a120167cf491f6894c3f.pdf. (date of access 25.03.2019)
9. Su L., Gibeaut J. Using UAS HyperspatialRGB Imagery for Identifying Beach Zones along the South Texas Coast. Remote Sens. 2017. No. 9. URL: www.mdpi.com/journal/remotesensing. (date of access 25.03.2019)
10. Lesaignoux A., Fabre S., Briottet X. Influence of soil moisture content on spectral reflectance of bare soils in the 0.4-14 |m domain. Int. J. Remote Sens. 2013. No. 34. Pp. 2268-2285.
11. El'skol'ts L. E. Differentsial'nye uravneniya i variatsionnoe ischislenie [Differential equations and calculus of variations]. Moscow: Nauka, 1974. 432 p. (In Russian)
12. Pflug B., Main-Knorn M., Makarav A., Richter R. Validation of aerosol estimation in atmospheric correction algorithm ARCOR. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 36th International Symposium on Remote Sensing of Enviroment (11-15 May 2015, Berlin, Germany). 2015. Vol. XL-7/W3. Pp. 677-683. URL: https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/ XL-7-W3/677/2015/ (date of access 25.03.2019)
13. Roeckner E., Bauml G., Bonaventura L., Brokopf R., Esch M., Giorgetta M., Hagemann S., Kirchner I., Kornblueh L., Manzini E., Rhodin A., Schlese U., Schulzweida U., Tompkins A. The atmospheric general circulation model ECHAM5. Part I: Model description. Report No. 349. Max-Planck-Institut fur Meteorologie, Hamburg, 2003. 127 p.
14. Walker W.A., Garder C. Comparison of ISCCP and other cloud amounts. J. Climate. 1993. No. 6. Pp. 2394-2418.
15. Schaaf C. B., Gao F., Strahler A. H., Lucht W. L., Li X., Trang T., Struck-nell N. C., Zhang X., Jin Y., Mueller J.-P., Lewis P., Barnsley M., Hobson P., Disney M., Roberts G., Dunderdale M., Doll C., D'entremont R. P., Hu B., Liang S., Privette J. L., Roy D. First oberservational BRDF, albedo and nadir reflectance from MODIS. Remote Sensing of Environment. 2002. No. 83. Pp. 135-148. Doi:10.1016/s0034-4257(02)00091-3
INFORMATION ABOUT AUTHOR:
Abdullayeva L.Dj., leading scientific collaborator of the National Aerospace Agency.
For citation: Abdullayeva L.Dj. Methods for determination of maritime coastline using aboard multichannel measuring system. H&ES Research. 2019. Vol. 11. No. 3. Pp. 72-80. doi: 10.24411/2409-5419-2018-10270 (In Russian)
