Wiki ТНТУ - Внесок користувача [uk]

Розкладання дисперсії на складові

2012-03-13T11:24:31Z

Natalya priyan: /* Посилання */

{{Завдання|Пріян Н.|Назаревич О. Б.|14 березня 2012}}

Розглянемо задачу розкладання дисперсії як характеристики коливальності (розкиду, розсіювання, зміни) на простому абстрактному прикладі.

Нехай вимірювана величина <math>y</math> набувала в <math>N</math> дослідах таких значень <math>y_1,y_2,y_3, ..., y_k, ..., y_N</math>, які характеризуються деякими середніми <math>\overline{y}</math> та оцінкою дисперсії <math>S_y^2</math>. Відкладемо результати вимірювань <math>y</math> на осі ординат (рис. 1), а вісь абсцис для одного із випливаючих на <math>y</math> фаторів <math>x</math>.

[[Файл:Img1.jpg‎ ]]

Рисунок - 1

Відрізком довжиною <math>S_y</math> зобразимо показник загального розкиду значення <math>y</math> (скористатися дисперсією <math>S_y^2</math> не можна, оскільки її розмірність не збігається з розмірністю <math>y</math>). Припустимо, що одночасно з <math>y</math> реєструвалася величина певного фактора, який за припущенням впливає на <math>y</math>. Цей фактор в усіх дослідах набував лише трьох значень. Результати сумісних вимірювань пар значень <math>y</math> і <math>x</math> зображено на рис. 2. помітна загальна тенденція зростання <math>y</math> зі збільшенням <math>x</math>. Однак говорять лише про зміни <math>y</math> у середньому. оскільки в окремих випадках спостерігається , наприклад <math>y_1>y_5</math>, хоча <math>y_5</math> відповідає більшому <math>x</math>. Ішими словами, кожному <math>x_i</math> відповідає середнє <math>y_i</math>, яке можна розрахувати у даному випадку за чотирма значеннями <math>y</math>. Умовні середні <math>y_i</math> зображено на рис. 3. Розглядаючи <math>\overline{y_i}</math> як самостійні значення, говорять про їх розкид відносно загального середнього <math>\overline{y_i}</math>. Охарактеризуємо цей розкид величиною <math>S^2_{y/x}</math>, яка при певному числі дослідів (в даному випадку 3) залежить від суми квадратів відхилень умовних середніх <math>\overline{y_i}</math> від загального середнього <math>\overline{y}</math>.

[[Файл:Img2.jpg‎ ]] [[Файл:Img3.jpg‎ ]]

Рисунок - 2 Рисунок -3

Природно, що від того, наскільки зміни <math>x</math> впливають на середні зміни <math>y</math>, залежать значення <math>S^2_{y/x}</math> і показник загального розкиду <math>S^2_y</math>.
Зазначимо, що при одному й тому ж значенні <math>x</math> в чотирьох дослідах дістали різні значення <math>y</math> (див. рис. 2). Наявність даного розкиду при фіксованому значенні фактора <math>x</math> пояснюється діянням невраховуваних факторів <math>z</math>, тобто різними випадковими причинами. Не виділяючи будь-яку з них, охарактеризуємо сумарний ефект від них залишковою дисперсією <math>S^2_{y/z}</math>, яка, представляючи розкид результатів вимірювань <math>y</math> відносно <math>\overline{y}</math>, залежить від суми квадратів відхилень <math>y</math>, виміряних при кожному значенні <math>x</math>, від відповідних умовних середніх <math>\overline{y_i}</math>. На рис. 3 відрізками зображено показник розкиду для кожного <math>x</math>, а також показник розкиду <math>S_{y/x}</math> середніх значень <math>\overline{y_i}</math>.

Очевидно, що, коли усунути вплив невраховуваних факторів, розкид <math>y</math> при фіксованому <math>x</math> не спостерігатиметься і загальний розкид <math>y</math> визначатиметься тільки діяннями <math>x</math> (див. рис. 4). З іншого боку, якби вплив фактора <math>x</math> на <math>y</math> був відсутній, а випадкові причини виявляли своє діяння (див. рис. 5), то загальний розкид <math>y</math> визначався б тільки ними і характеризувався лише залишковою дисперсією від діяння невраховуваних факторів.

[[Файл:Img4.jpg‎ ]] [[Файл:Img5.jpg‎ ]]

Рисунок - 4 Рисунок - 5

Детально розглянемо основні принципи сучасного експерименту: рандомізацію, багатофакторність, оптимізацію та автоматизацію. Пояснимо перший з них. Дисперсійний аналіз стає об’єктивним інструментом дослідження лише при умові, що кожне значення змінної вибрано з генеральної сукупності випадковим чином. Відбір випадкових значень змінної, який забезпечує однакову імовірність потрапити до вибірки будь-якого з них для всієї генеральної сукупності, називається рандомізацією (від англійського random – вибраний навмання). У біометрії це слово прийнято записувати і вимовляти як рендомізація. Щоб забезпечити однакову імовірність для будь-якого члена генеральної сукупності, найчастіше користуються таблицею випадкових чисел.

Таким чином, при сумісності діяння фактора <math>x</math> та випадкових причин <math>z</math> наступною буде рівність
<math>S^2= S^2_{y/x}+ S^2_{y/z}</math>,
яка і виражає властивість адитивної дисперсії.

Зазначимо, що ця формула правильна лише при незалежних (некорельованих) факторах, які впливають на <math>y</math>. У противному разі вона ускладнюється:
<math>S^2= S^2_{y/x} + S^2_{y/z} - 2 S_{y/x} S_{y/z} r_{xz} </math>,
де <math> r_{xz}</math> - коефіцієнт кореляції.

Формула адитивності дисперсії є основною всього дисперсійного аналізу. Її застосування часто зустрічається з боку експерименту внутрішній опір. Оскільки при всій своїй простоті вона не є очевидною. Тому, перш ніж дістати на основі цієї формули розрахункові рівняння, доведемо її правильність. Для цього скористаємось формальним перетворенням суми квадратів відхилень від загального середнього:
<math>\sum_{j=1}^n \sum_{i=1}^m (y_{ij} - \overline{y})^2 = \sum_{j=1}^n \sum_{i=1}^m (y_{ij} - \overline{y_i} + \overline{y_j} + \overline{y})^2 + \sum_{j=1}^n \sum_{i=1}^m [(y_{ij} - \overline{y_i}) + (\overline{y_i} - \overline{y})]^2 = </math>

<math> = \sum_{j=1}^n \sum_{i=1}^m (y_{ij} - \overline{y_i})^2 + \sum_{j=1}^n \sum_{i=1}^m (\overline{y_i} - \overline{y})^2 + 2\sum_{j=1}^n \sum_{i=1}^m (y_{ij} - \overline{y_i})(\overline{y_i}-\overline{y}) </math>.

Враховуючи, що
<math> \overline{y_i} = \frac{\mathrm 1}{\mathrm n}\, \sum_{j=1}^n y_{ij} </math> ;

<math> \overline{y} = \frac{\mathrm 1}{\mathrm mn}\, \sum_{j=1}^n \sum_{i=1}^m y_ij = \frac{\mathrm 1}{\mathrm m}\, \sum_{i=1}^m \frac{\mathrm 1}{\mathrm n}\, \sum_{j=1}^n y_{ij} = \frac{\mathrm 1}{\mathrm m}\, \sum_{i=1}^m \overline{y_i} </math>;

<math> \sum_{j=1}^n \overline{y_i} = n \overline{y_i} </math> ;
<math> \sum_{j=1}^n \overline{y} = n \overline{y} </math> ,

покажемо, як останній доданок при розкладанні перетворюється в нуль:

<math> \sum_{j=1}^n \sum_{i=1}^m (y_{ij} - \overline{y_i})(\overline{y_i}-\overline{y}) = \sum_{j=1}^n \sum_{i=1}^m y_{ij}\overline{y_i} - \sum_{j=1}^n \sum_{i=1}^m \overline{y_i} \overline{y_i} - </math>

<math> - \sum_{j=1}^n \sum_{i=1}^m y_{ij} \overline{y} + \sum_{j=1}^n \sum_{i=1}^m \overline{y_i} \overline{y} = \sum_{i=1}^m \overline{y_i} n \frac{\mathrm 1}{\mathrm n}\, \sum_{j=1}^n y_{ij}-</math>

<math> - \sum_{i=1}^m \overline{y_i} \sum_{j=1}^n \overline{y_i} - mn \frac{\mathrm 1}{\mathrm mn}\, \sum_{j=1}^n \sum_{i=1}^m y_{ij} y + m \frac{\mathrm 1}{\mathrm m}\, \sum_{i=1}^m y_i \sum_{j=1}^n \overline{y} = </math>

<math> = \sum_{i=1}^m n \overline{y_i} \overline{y_i} - \sum_{i=1}^m n \overline{y_i} \overline{y_i} - m n \overline{y} \overline{y} + m n \overline{y} \overline{y}= 0 </math>

Отже,

<math> \sum_{j=1}^n \sum_{i=1}^m (y_{ij} - \overline{y_i})^2 = \sum_{j=1}^n \sum_{i=1}^m (y_{ij} - \overline{y})^2 + \sum_{j=1}^n \sum_{i=1}^m (\overline{y_i} - \overline{y})^2 </math>,

що й треба було довести, оскільки
<math> S^2_y \approx \sum \sum (y_{ij} - \overline{y})^2 </math>; <math> S^2_{y/x} \tilde \sum \sum (y_{ij} - \overline{y_i})^2 </math>; <math> S^2_{y/z} \approx \sum \sum (\overline{y_i} - \overline{y})^2 </math>.

Другий доданок в здобутому результаті містить тільки одну змінну <math> y_i </math>, яка підсумовується за <math> m </math> . Тому підсумовування за змінною <math> j</math> сталою <math> (\overline{y_i} - \overline{y})^2 </math> рівнозначне помноженню на <math> n </math>, тобто <math> \sum_{j=1}^n = n </math>, тоді
<math> \sum_{j=1}^n \sum_{i=1}^m = (\overline{y_i} - \overline{y})^2 = \sum_{i=1}^m n (\overline{y_i} - \overline{y})^2 </math>.

Така сума називається зваженою, оскільки <math>n</math> у загальному випадку для кожного <math>i</math> може бути різними.

При використанні дисперсійного аналізу запишемо останні формули через вихідні значення <math>y_{ij}</math>:
<math> \sum \sum (y_{ij} - \overline{y})^2 = \sum \sum y^2_{ij} + \sum \sum \overline{y^2} + 2 \sum \sum y_{ij} \overline{y} = </math>
<math> \sum \sum y_{ij}^2 + m n \overline{y^2} - 2 m n y^2 = \sum \sum y^2_{ij} - m n \overline{y^2} = </math>
<math> \sum \sum y_{ij}^2 - \frac{\mathrm mn}{\mathrm m^2 n^2}\, (\sum \sum y_{ij})^2 = \sum_{j=1}^n \sum_{i=1}^m y^2_{ij} - \frac{\mathrm 1}{\mathrm mn}\, (\sum \sum y_{ij})^2 </math>;
<math> \sum \sum (\overline{y_i} - \overline{y})^2 - \sum^n \sum^m \overline{y^2_i} + \sum^n \sum^m \overline{y^2} - 2\sum^n \sum^m \overline{y_i} \overline{y} = </math>
<math> \sum^n \sum^m y^2_i + \frac{\mathrm mn}{\mathrm m^2 n^2}\, (\sum \sum y_{ij})^2 - 2 m \overline{y} n \overline{y} = </math>
<math> \sum^2 n \frac{\mathrm 1}{\mathrm n^2}\, (\sum^n y_{ij})^2 + \frac{\mathrm 1}{\mathrm mn}\, (\sum \sum y_{ij})^2 - 2 \frac{\mathrm 1}{\mathrm mn}\, (\sum \sum y_{ij})^2 = </math>
<math> = \frac{\mathrm 1}{\mathrm n}\, \sum^m (\sum^n y_{ij})^2 - \frac{\mathrm 1}{\mathrm mn}\, (\sum \sum y_{ij})^2 </math>;

<math> \sum \sum (y_{ij} - \overline{y_i})^2 = \sum \sum y^2_{ij} + \sum \sum \overline{y^2_i} - 2 \sum \sum y_{ij} \overline{y_i} = </math>
<math> \sum^m \sum^n y^2_{ij} + n\sum^m y^2_i - 2\sum^m \sum^n y_{ij} \frac{\mathrm 1}{\mathrm n}\, \sum^n y_{ij} = </math>
<math>\sum \sum y^2_{ij} +n \sum^m \frac{\mathrm 1}{\mathrm n^2}\, (\sum^n y_{ij})^2 - 2\sum^m \frac{\mathrm 1}{\mathrm n}\, (\sum^n y_{ij})^2 = </math>
<math> \sum \sum y^2_{ij} - \frac{\mathrm 1}{\mathrm n}\, \sum^m (\sum^n y_{ij})^2 </math>.

Ці формули є робочими при одно факторному дисперсійному аналізі. Якщо розглядати дисперсії не функції, а не залежного параметра, а замість <math>y</math> покласти <math>x</math>, то структура формул зберігатиметься.

==Посилання==
В.О. АНІСТРАТЕНКО, В.Г. ФЕДОРОВ. Математичне планування експериментів в АПК: Навч. посібник. - К.: Вища шк., 1993. - 375 с.: іл.

[[Категорія:Планування експерименту Пікатегорія: Статистичний дисперсійний аналіз]]

Дистанційне зондування землі

2012-03-13T11:23:42Z

Natalya priyan: /* Див. також */

{{Завдання|Пріян Н.М.|Назаревич О. Б.|14 березня 2012}}
{{Студент | Name=Наталія | Surname=Пріян | FatherNAme=Миколаївна |Faculti=ФІС | Group=СНм-51 | Zalbook=СНм-11-242}}

{{Презентація доповіді |title= [http://elartu.tntu.edu.ua/handle/123456789/1589 Дистанційне зондуваня землі]}}

'''Дистанційне зондування Землі''' - це спосіб отримання інформації про земну поверхню та розташовані на ній об'єкти шляхом реєстрації електромагнитного випромінювання, що відбивається від них, без безпосереднього контакту.

Досить часто, говорячи про дистанційне зондування, мають на увазі знімання землі з космосу. Між тим до цього способу збору данних відноситься і аерофотознімання, і повітряне лазерне сканування.

== Необхідність проведення ДЗЗ ==

З розвитком космічних технологій все актуальнішим стає вивчення та моніторинг Землі з космосу. Це пояснюється можливістю охоплення оптичним комплексом космічного апарата (КА) чималої території, оперативністю одержання та достовірністю одержуваних даних.

Космічні технології є ефективним засобом постійного і надійного глобального моніторингу навколишнього середовища. Завдяки оглядовості, об’єктивності та оперативності одержання інформації, дані дистанційного зондування Землі з космосу виступають важливим джерелом геопросторових даних. Аерокосмічна інформація використовується для доповнення, узагальнення та деталізації даних, отриманих з наземних джерел і використовується в різних соціально-економічних сферах: картографуванні, гідрології, лісовому і сільському господарстві, рибному господарстві, екологічному моніторингу, земельному кадастрі і т. д.

Дистанційне зондування Землі (ДЗЗ) – це спостереження та вимірювання енергетичних і поляризаційних характеристик власного та відбитого випромінювання елементів суші, океану та атмосфери Землі в різних діапазонах електромагнітних хвиль, що сприяють опису місцезнаходження, характеру та тимчасової мінливості природних параметрів і явищ, ресурсів Землі, навколишнього середовища, а також антропогенних об'єктів і утворень.

== Випромінювання як джерело інформації про об'єкти ==

При вивченні земної поверхні дистанційними методами джерелом інформації про об'єкти служить їх випромінювання (власне та відбите). Випромінювання також поділяється на природне та штучне. Під природним випромінюванням розуміють природне освітлення земної поверхні Сонцем або теплове - власне випромінювання Землі. Штучне випромінювання, це випромінювання, яке створюється при опроміненні місцевості джерелом, розташованим на носії реєстрованого пристрою. Випромінювання являє собою електромагнітні хвилі різної довжини, спектр яких змінюється в діапазоні від рентгенівського до радіовипромінювання. Для досліджень навколишнього середовища використовують більш вузьку частину спектру від оптичних хвиль до радіохвиль в діапазоні довжин 0,3 мкм - 3 м. Важливою особливістю ДЗЗ є наявність між об'єктами і реєструючими приладами проміжного середовища, що впливає на випромінювання: це товща атмосфери та хмарність. Атмосфера поглинає частину відбитих променів. В атмосфері є кілька "вікон прозорості", які пропускають електромагнітні хвилі з мінімальним ступенем спотворень.

З цієї причини, логічно припустити, що всі знімальні системи працюють тільки в тих спектральних діапазонах, які відповідають вікнам прозорості.

== Системи ДЗЗ ==
В даний час існує широкий клас систем ДЗЗ, що формують зображення досліджуваної Земної поверхні. У рамках даного класу апаратури можна виділити декілька підкласів, що розрізняються за спектральним діапазоном використовуваного електромагнітного випромінювання та за типом приймача реєстрування випромінювання, а також за методом (активний чи пасивний) зондування:

* Фотографічні і фототелевізійні системи;
* Скануючі системи видимого та ІЧ-діапазону (телевізійні оптико-механічні та оптико-електронні, скануючі радіометри та багатоспектральні сканери);
* Телевізійні оптичні системи;
* Радіолокаційні системи бічного огляду (РЛСБО);
*Скануючі НВЧ-радіометри.

У той же час продовжується експлуатація та розробка апаратури ДЗЗ, орієнтованої на отримання кількісних характеристик електромагнітного випромінювання, просторово-інтегральних або локальних, що не формують зображення. У цьому класі систем ДЗЗ можна виділити декілька підкласів: нескануючі радіометри та спектрорадіометри, лідар.

Сучасні системи дистанційного зондування Землі (ДЗЗ) дозволяють спостерігати за об’єктами і явищами на поверхні Землі, та класифікувати їх за результатами дешифрування знімків. Але отримані від оптичного комплексу знімки для їх дешифрування та подальшого використовування потребують якісної обробки, принаймні з метою видалення з зображень шуму та їх компресії для передачі на наземну станцію. Більш глибока та складна обробка знімків спрямована на детальне розпізнавання малорозмірних об’єктів та явищ, що не можна спостерігати на знімках, зроблених у певному спектральному діапазоні. Суттєвою особливістю таких знімків з позиції тематичного оброблення є те, що вже на момент фіксації вони мають растрову структуру. Актуальною є обробка декількох одночасних знімків, коли зйомка ведеться на різних хвилях випромінювання та з різним просторовим розрізненням, з метою одержання одноєдиного штучного зображення з покращеними інформаційними показниками у порівнянні із первинними знімками. Результатом такої обробки є підвищена інформативність синтезованого зображення з позиції подальшого тематичного аналізу.

== Класифікація знімків по просторовій роздільній здатності ==

* знімки дуже низької роздільної здатності 10 000 - 100 000 м.;
* знімки низької роздільної здатності 300 - 1 000 м.;
* знімки середньої роздільної здатності 50 - 200 м.;
* знімки високої роздільної здатності:
** відносно високої 20 - 40 м.;
** високої 10 - 20 м.;
** дуже високої 1 - 10 м.;
**знімки надвисокої роздільної здатності 0,3 - 0,9 м.

== Методи обробки космічних знімків ==

Методи обробки космічних знімків розділяють на методи попередньої і тематичної обробки.

Попередня обробка космічних знімків - це комплекс операцій зі знімками, спрямований на усунення різних спотворень зображення.

Спотворення можуть бути обумовлені:
* недосконалістю реєструючої апаратури;
* впливом атмосфери; перешкодами, пов'язаними з передачею зображень по каналах зв'язку;
* геометричними спотвореннями, пов'язаними з методом космічної зйомки;
* умовами освітлення підстилаючої поверхні;
* процесами фотохімічної обробки та аналого-цифрового перетворення зображень (при роботі з матеріалами фотографічної зйомки);
* іншими факторами.

Тематична обробка космічних знімків - це комплекс операцій зі знімками, який дозволяє витягувати з них інформацію, що представляє інтерес з точки зору рішень різних тематичних завдань.

Алгоритм оброблення цифрових сигналів на основі вейвлет-технологій виконується за декілька етапів.

''[[Етап 1.]]'' Попередня обробка початкового знімка. Отримання синтезованого зображення.

На даному етапі початкові знімки розкладаються за каналами. Здійснюється перемішування каналів відповідним чином – компоненті R відповідає зображення четвертого спектрального каналу, компоненті G – третього, компоненті B – другого. Отримане штучне зображення із кольоровою моделлю RGB переводиться до кольорової моделі HSV. Також до HSV переводиться допоміжне зображення високого просторового розрізнення: чи панхроматичний знімок, чи перший канал для кольорових RGB-зображень. Далі, за допомогою допоміжного зображення, здійснюється зміна яскравісної компоненти V штучного зображення, і результат переводиться з кольорової моделі HSV до кольорової моделі RGB. На виході цього етапу маємо синтезоване штучне RGB-зображення, яке поступає на вхід наступного етапу обробки.

''[[Етап 2.]]'' Пошук аргументів, які мають бути отримані за максимізації функції інформаційної якості синтезованого зображення. В якості такої функції може бути інформаційна ентропія та індекс структурної схожості.

На даному етапі використовуються штучне RGB-зображення, яке надійшло після попередньої обробки, та допоміжне зображення, що представляє собою чи панхроматичний знімок, чи перший канал відповідного RGB-зображення. Дані зображення піддаються вейвлет-декомпозиції першого рівня, в результаті чого для кожного з зображень отримують матриці апроксимуючих та деталізуючих коефіцієнтів. Далі здійснюється перетворення отриманих деталізуючих коефіцієнтів обох зображень, в якому створюються лінійні комбінації на вхід вейвлет-реконструкції першого рівня поступають в якості деталізуючих коефіцієнтів утворені лінійні форми суміщення різномасштабних компонент знімків, а в якості апроксимуючих коефіцієнтів – апроксимуючі коефіцієнти, отримані після вейвлет-декомпозиції RGB-зображення. Таким чином утворюється нове зображення, синтезоване за допомогою вейвлетів, для якого обчислюється функція ентропії чи індекс структурної схожості. Далі відбувається пошук аргументів, які представляють собою коефіцієнти лінійних форм суміщення, при яких ентропія чи індекс структурної схожості для синтезованого зображення досягає максимальних значень. Таким чином, результатом даного етапу є коефіцієнти лінійних комбінацій, отримані за максимізації характеристик інформативності, з допомогою яких на наступному етапі буде здійснюватися подальший аналіз оброблюваного зображення.

''[[Етап 3.]]''Використання одержаних аргументів для підвищення інформативності оброблюваного зображення. Отримання шуканого зображення з підвищеною інформативністю.

На даному етапі аналіз здійснюється на основі штучного RGB-зображення, одержаного після попередньої обробки, та коефіцієнтів лінійних комбінацій, отриманих на попередньому етапі. Спочатку здійснюється вейвлет-декомпозиція першого рівня синтезованого та допоміжного зображень, у результаті чого для кожного із зображень отримують матриці апроксимуючих та деталізуючих коефіцієнтів. Отримані деталізуючі коефіцієнти обох зображень утворюють лінійні комбінації з урахуванням чисельних значень коефіцієнтів лінійних форм суміщення. Далі виконується вейвлет-реконструкція першого рівня. Вхідними даними для здійснення вейвлет-реконструкції є апроксимуючи коефіцієнти, отримані після вейвлет-декомпозиції синтезованого кольорового зображення, які беруться без змін, та в якості деталізуючих коефіцієнтів використовуються утворені лінійні комбінації. Таким чином, в результаті вейвлет-реконструкції має бути отримане зображення, синтезоване за допомогою вейвлетів, що представляє собою шукане зображення з підвищеною інформативністю.

== Використання космічних знімків ==

Космічні знімки широко використовуються в самих різних областях людської діяльності - дослідження природних ресурсів, моніторинг стихійних лих і оцінка їх наслідків, вивчення впливу антропогенної дії на навколишнє середовище, будівельні та проектно-вишукувальні роботи, міський та земельний кадастр, планування та управління розвитком територій, містобудування , геологія та освоєння надр, промисловість, сільське та лісове господарства, туризм і т.д. Сучасні геоінформаційні технології і створення карт різних масштабів також неможливі без використання космічних знімків.

'''Картографування'''

Космічні знімки часто застосовуються як унікальне джерело даних для створення нових та оновлення існуючих топографічних і тематичних карт. Знімки з високим дозволом можуть бути використані також для визначення змін об'єктів на карті з плином часу, в тому числі з використанням спеціального програмного забезпечення з виявлення та класифікації об'єктів.
* Розробка скелета карти;
* Оновлення топографічних карт;
* Картографічні додатки (міське планування, земельне планування).

'''Сільське та лісове господарство'''

Аналіз мультиспектрального та панхроматичного зображення дозволяє проводити картографування сільськогосподарських угідь, дає точну інформацію про стан рослин і зараження їх паразитами. Аналіз рослинності, показники активності врожаю, контроль за цільовим використанням земель і створення карт сільськогосподарських районів - популярні сільськогосподарські програми. Широко поширені застосування космічних знімків у лісовому господарстві включають визначення порід дерев, виявлення незаконних вирубок, вікові зміни і лісове картографування.

'''Землекористування / управління виробничими потужностями'''

Композитне (злите) зображення створене з ортотрансформованих знімків, векторних даних і тривимірних моделей рельєфу отримані з стереопар може використовуватися в наступних проектах по землекористуванню та землеустрою:
* Планування та управління муніципальними потужностями (електрика, газ, вода);
* Управління промисловими територіями;
* Будівництво;
* Планування та управління транспортними мережами (автошляхи, залізниці та мости);
* Міське планування і управління оподаткуванням.

'''Навколишнє середовище та усунення наслідків катастроф'''

Космічні знімки надають оперативну детальну інформацію про земельні ділянки, що забезпечує:
* Вибір місця розташування для очисного обладнання та іншого обладнання спостереження;
* Визначення та картування забруднення;
* Захист біорізноманіття;
* Екологічне планування та реалізація проектів;
* Моніторинг якості води;
* Виявлення незаконних звалищ;
* Оцінка змін навколишнього середовища;
* Оцінка збитків від стихійних лих, катастроф та відновлювальні дії.

== Див. також==
[http://uk.wikipedia.org/wiki/Дистанційне_зондування_Землі Дистанційне_зондування_Землі]
[http://uk.wikipedia.org/wiki/Супутникова_зйомка Супутникова_зйомка]
[http://www.geoguide.com.ua/survey/survey.php?part=dzz]

[[Категорія: Планування експерименту]]

Розкладання дисперсії на складові

2012-03-13T11:22:31Z

Natalya priyan: /* Посилання */

Розкладання дисперсії на складові

2012-03-13T11:21:45Z

2012-03-13T09:15:07Z

Natalya priyan:

Розкладання дисперсії на складові

2012-03-11T19:31:50Z

Natalya priyan:

Розкладання дисперсії на складові

2012-03-11T18:31:33Z

Natalya priyan: Створена сторінка: {{Завдання|Пріян Н.|Назаревич О. Б.|14 березня 2012}}

2012-03-04T20:46:44Z

Natalya priyan:

{{Завдання|Пріян Н.М.|Назаревич О. Б.|14 березня 2012}}

Дистанційне зондування землі (ДЗЗ) - це спосіб отримання інформації про земну поверхню та розташовані на ній об'єкти шляхом реєстрації електромагнитного випромінювання, що відбивається від них, без безпосереднього контакту.

Досить часто, говорячи про дистанційне зондування, мають на увазі знімання землі з космосу. Між тим до цього способу збору данних відноситься і аерофотознімання, і повітряне лазерне сканування.

== Необхідність проведення ДЗЗ ==

З розвитком космічних технологій все актуальнішим стає вивчення та моніторинг Землі з космосу. Це пояснюється можливістю охоплення оптичним комплексом космічного апарата (КА) чималої території, оперативністю одержання та достовірністю одержуваних даних. Сучасні системи дистанційного зондування Землі (ДЗЗ) дозволяють спостерігати за об’єктами і явищами на поверхні Землі, та класифікувати їх за результатами дешифрування знімків. Але отримані від оптичного комплексу знімки для їх дешифрування та подальшого використовування потребують якісної обробки, принаймні з метою видалення з зображень шуму та їх компресії для передачі на наземну станцію. Більш глибока та складна обробка знімків спрямована на детальне розпізнавання малорозмірних об’єктів та явищ, що не можна спостерігати на знімках, зроблених у певному спектральному діапазоні. Суттєвою особливістю таких знімків з позиції тематичного оброблення є те, що вже на момент фіксації вони мають растрову структуру. Актуальною є обробка декількох одночасних знімків, коли зйомка ведеться на різних хвилях випромінювання та з різним просторовим розрізненням, з метою одержання одноєдиного штучного зображення з покращеними інформаційними показниками у порівнянні із первинними знімками. Результатом такої обробки є підвищена інформативність синтезованого зображення з позиції подальшого тематичного аналізу.

Космічні технології є ефективним засобом постійного і надійного глобального моніторингу навколишнього середовища. Завдяки оглядовості, об’єктивності та оперативності одержання інформації, дані дистанційного зондування Землі з космосу виступають важливим джерелом геопросторових даних. Аерокосмічна інформація використовується для доповнення, узагальнення та деталізації даних, отриманих з наземних джерел і використовується в різних соціально-економічних сферах: картографуванні, гідрології, лісовому і сільському господарстві, рибному господарстві, екологічному моніторингу, земельному кадастрі і т. д.

Дистанційне зондування Землі (ДЗЗ) – це спостереження та вимірювання енергетичних і поляризаційних характеристик власного та відбитого випромінювання елементів суші, океану та атмосфери Землі в різних діапазонах електромагнітних хвиль, що сприяють опису місцезнаходження, характеру та тимчасової мінливості природних параметрів і явищ, ресурсів Землі, навколишнього середовища, а також антропогенних об'єктів і утворень.

== Випромінювання як джерело інформації про об'єкти ==

При вивченні земної поверхні дистанційними методами джерелом інформації про об'єкти служить їх випромінювання (власне та відбите). Випромінювання також поділяється на природне та штучне. Під природним випромінюванням розуміють природне освітлення земної поверхні Сонцем або теплове - власне випромінювання Землі. Штучне випромінювання, це випромінювання, яке створюється при опроміненні місцевості джерелом, розташованим на носії реєстрованого пристрою. Випромінювання являє собою електромагнітні хвилі різної довжини, спектр яких змінюється в діапазоні від рентгенівського до радіовипромінювання. Для досліджень навколишнього середовища використовують більш вузьку частину спектру від оптичних хвиль до радіохвиль в діапазоні довжин 0,3 мкм - 3 м. Важливою особливістю ДЗЗ є наявність між об'єктами і реєструючими приладами проміжного середовища, що впливає на випромінювання: це товща атмосфери та хмарність. Атмосфера поглинає частину відбитих променів. В атмосфері є кілька "вікон прозорості", які пропускають електромагнітні хвилі з мінімальним ступенем спотворень.

З цієї причини, логічно припустити, що всі знімальні системи працюють тільки в тих спектральних діапазонах, які відповідають вікнам прозорості.

== Системи ДЗЗ ==
В даний час існує широкий клас систем ДЗЗ, що формують зображення досліджуваної Земної поверхні. У рамках даного класу апаратури можна виділити декілька підкласів, що розрізняються за спектральним діапазоном використовуваного електромагнітного випромінювання та за типом приймача реєстрування випромінювання, а також за методом (активний чи пасивний) зондування:

* Фотографічні і фототелевізійні системи;
* Скануючі системи видимого та ІЧ-діапазону (телевізійні оптико-механічні та оптико-електронні, скануючі радіометри та багатоспектральні сканери);
* Телевізійні оптичні системи;
* Радіолокаційні системи бічного огляду (РЛСБО);
*Скануючі НВЧ-радіометри.

У той же час продовжується експлуатація та розробка апаратури ДЗЗ, орієнтованої на отримання кількісних характеристик електромагнітного випромінювання, просторово-інтегральних або локальних, що не формують зображення. У цьому класі систем ДЗЗ можна виділити декілька підкласів: нескануючі радіометри та спектрорадіометри, лідар.

Сучасні системи дистанційного зондування Землі (ДЗЗ) дозволяють спостерігати за об’єктами і явищами на поверхні Землі, та класифікувати їх за результатами дешифрування знімків. Але отримані від оптичного комплексу знімки для їх дешифрування та подальшого використовування потребують якісної обробки, принаймні з метою видалення з зображень шуму та їх компресії для передачі на наземну станцію. Більш глибока та складна обробка знімків спрямована на детальне розпізнавання малорозмірних об’єктів та явищ, що не можна спостерігати на знімках, зроблених у певному спектральному діапазоні. Суттєвою особливістю таких знімків з позиції тематичного оброблення є те, що вже на момент фіксації вони мають растрову структуру. Актуальною є обробка декількох одночасних знімків, коли зйомка ведеться на різних хвилях випромінювання та з різним просторовим розрізненням, з метою одержання одноєдиного штучного зображення з покращеними інформаційними показниками у порівнянні із первинними знімками. Результатом такої обробки є підвищена інформативність синтезованого зображення з позиції подальшого тематичного аналізу.

== Класифікація знімків по просторовій роздільній здатності ==

* знімки дуже низької роздільної здатності 10 000 - 100 000 м.;
* знімки низької роздільної здатності 300 - 1 000 м.;
* знімки середньої роздільної здатності 50 - 200 м.;
* знімки високої роздільної здатності:
** відносно високої 20 - 40 м.;
** високої 10 - 20 м.;
** дуже високої 1 - 10 м.;
**знімки надвисокої роздільної здатності 0,3 - 0,9 м.

== Методи обробки космічних знімків ==

Методи обробки космічних знімків розділяють на методи попередньої і тематичної обробки.

Попередня обробка космічних знімків - це комплекс операцій зі знімками, спрямований на усунення різних спотворень зображення.

Спотворення можуть бути обумовлені:
* недосконалістю реєструючої апаратури;
* впливом атмосфери; перешкодами, пов'язаними з передачею зображень по каналах зв'язку;
* геометричними спотвореннями, пов'язаними з методом космічної зйомки;
* умовами освітлення підстилаючої поверхні;
* процесами фотохімічної обробки та аналого-цифрового перетворення зображень (при роботі з матеріалами фотографічної зйомки);
* іншими факторами.

Тематична обробка космічних знімків - це комплекс операцій зі знімками, який дозволяє витягувати з них інформацію, що представляє інтерес з точки зору рішень різних тематичних завдань.

Алгоритм оброблення цифрових сигналів на основі вейвлет-технологій виконується за декілька етапів.

''[[Етап 1.]]'' Попередня обробка початкового знімка. Отримання синтезованого зображення.

На даному етапі початкові знімки розкладаються за каналами. Здійснюється перемішування каналів відповідним чином – компоненті R відповідає зображення четвертого спектрального каналу, компоненті G – третього, компоненті B – другого. Отримане штучне зображення із кольоровою моделлю RGB переводиться до кольорової моделі HSV. Також до HSV переводиться допоміжне зображення високого просторового розрізнення: чи панхроматичний знімок, чи перший канал для кольорових RGB-зображень. Далі, за допомогою допоміжного зображення, здійснюється зміна яскравісної компоненти V штучного зображення, і результат переводиться з кольорової моделі HSV до кольорової моделі RGB. На виході цього етапу маємо синтезоване штучне RGB-зображення, яке поступає на вхід наступного етапу обробки.

''[[Етап 2.]]'' Пошук аргументів, які мають бути отримані за максимізації функції інформаційної якості синтезованого зображення. В якості такої функції може бути інформаційна ентропія та індекс структурної схожості.

На даному етапі використовуються штучне RGB-зображення, яке надійшло після попередньої обробки, та допоміжне зображення, що представляє собою чи панхроматичний знімок, чи перший канал відповідного RGB-зображення. Дані зображення піддаються вейвлет-декомпозиції першого рівня, в результаті чого для кожного з зображень отримують матриці апроксимуючих та деталізуючих коефіцієнтів. Далі здійснюється перетворення отриманих деталізуючих коефіцієнтів обох зображень, в якому створюються лінійні комбінації на вхід вейвлет-реконструкції першого рівня поступають в якості деталізуючих коефіцієнтів утворені лінійні форми суміщення різномасштабних компонент знімків, а в якості апроксимуючих коефіцієнтів – апроксимуючі коефіцієнти, отримані після вейвлет-декомпозиції RGB-зображення. Таким чином утворюється нове зображення, синтезоване за допомогою вейвлетів, для якого обчислюється функція ентропії чи індекс структурної схожості. Далі відбувається пошук аргументів, які представляють собою коефіцієнти лінійних форм суміщення, при яких ентропія чи індекс структурної схожості для синтезованого зображення досягає максимальних значень. Таким чином, результатом даного етапу є коефіцієнти лінійних комбінацій, отримані за максимізації характеристик інформативності, з допомогою яких на наступному етапі буде здійснюватися подальший аналіз оброблюваного зображення.

''[[Етап 3.]]''Використання одержаних аргументів для підвищення інформативності оброблюваного зображення. Отримання шуканого зображення з підвищеною інформативністю.

На даному етапі аналіз здійснюється на основі штучного RGB-зображення, одержаного після попередньої обробки, та коефіцієнтів лінійних комбінацій, отриманих на попередньому етапі. Спочатку здійснюється вейвлет-декомпозиція першого рівня синтезованого та допоміжного зображень, у результаті чого для кожного із зображень отримують матриці апроксимуючих та деталізуючих коефіцієнтів. Отримані деталізуючі коефіцієнти обох зображень утворюють лінійні комбінації з урахуванням чисельних значень коефіцієнтів лінійних форм суміщення. Далі виконується вейвлет-реконструкція першого рівня. Вхідними даними для здійснення вейвлет-реконструкції є апроксимуючи коефіцієнти, отримані після вейвлет-декомпозиції синтезованого кольорового зображення, які беруться без змін, та в якості деталізуючих коефіцієнтів використовуються утворені лінійні комбінації. Таким чином, в результаті вейвлет-реконструкції має бути отримане зображення, синтезоване за допомогою вейвлетів, що представляє собою шукане зображення з підвищеною інформативністю.

== Використання космічних знімків ==
----

Космічні знімки широко використовуються в самих різних областях людської діяльності - дослідження природних ресурсів, моніторинг стихійних лих і оцінка їх наслідків, вивчення впливу антропогенної дії на навколишнє середовище, будівельні та проектно-вишукувальні роботи, міський та земельний кадастр, планування та управління розвитком територій, містобудування , геологія та освоєння надр, промисловість, сільське та лісове господарства, туризм і т.д. Сучасні геоінформаційні технології і створення карт різних масштабів також неможливі без використання космічних знімків.

'''Картографування'''

Космічні знімки часто застосовуються як унікальне джерело даних для створення нових та оновлення існуючих топографічних і тематичних карт. Знімки з високим дозволом можуть бути використані також для визначення змін об'єктів на карті з плином часу, в тому числі з використанням спеціального програмного забезпечення з виявлення та класифікації об'єктів.
* Розробка скелета карти;
* Оновлення топографічних карт;
* Картографічні додатки (міське планування, земельне планування).

'''Сільське та лісове господарство'''

Аналіз мультиспектрального та панхроматичного зображення дозволяє проводити картографування сільськогосподарських угідь, дає точну інформацію про стан рослин і зараження їх паразитами. Аналіз рослинності, показники активності врожаю, контроль за цільовим використанням земель і створення карт сільськогосподарських районів - популярні сільськогосподарські програми. Широко поширені застосування космічних знімків у лісовому господарстві включають визначення порід дерев, виявлення незаконних вирубок, вікові зміни і лісове картографування.

'''Землекористування / управління виробничими потужностями'''

Композитне (злите) зображення створене з ортотрансформованих знімків, векторних даних і тривимірних моделей рельєфу отримані з стереопар може використовуватися в наступних проектах по землекористуванню та землеустрою:
* Планування та управління муніципальними потужностями (електрика, газ, вода);
* Управління промисловими територіями;
* Будівництво;
* Планування та управління транспортними мережами (автошляхи, залізниці та мости);
* Міське планування і управління оподаткуванням.

'''Навколишнє середовище та усунення наслідків катастроф'''

Космічні знімки надають оперативну детальну інформацію про земельні ділянки, що забезпечує:
* Вибір місця розташування для очисного обладнання та іншого обладнання спостереження;
* Визначення та картування забруднення;
* Захист біорізноманіття;
* Екологічне планування та реалізація проектів;
* Моніторинг якості води;
* Виявлення незаконних звалищ;
* Оцінка змін навколишнього середовища;
* Оцінка збитків від стихійних лих, катастроф та відновлювальні дії.

Дистанційне зондування землі

2012-03-04T20:34:26Z

Natalya priyan:

Дистанційне зондування землі

2012-03-04T20:17:04Z

Natalya priyan: Створена сторінка: {{Завдання|Пріян Н.М.|Назаревич О. Б.|14 березня 2012}}