Диссертация (Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям)
Описание файла
Файл "Диссертация" внутри архива находится в папке "Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям". PDF-файл из архива "Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст из PDF
Федеральное государственное автономное образовательное учреждения высшегообразования «Московский физико-технический институт (государственныйуниверситет)» (МФТИ)На правах рукописиИгнатьев Владимир ЮрьевичМетоды математического моделирования для распознавания ипрогнозирования характеристик областей земной поверхности помультиспектральным космическим изображениям05.13.18 – Математическое моделирование, численные методы и комплексыпрограмм (технические науки)диссертация на соискание ученой степеникандидата технических наукНаучный руководительд. ф.-м. н., проф. Цурков В.И.Москва 20172ОглавлениеОГЛАВЛЕНИЕ ______________________________________________________________ 2ВВЕДЕНИЕ 5ГЛАВА 1.СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ МОДЕЛЬНЫХПРЕДСТАВЛЕНИЙ АНАЛИЗА ДИНАМИКИ И ПРОГНОЗИРОВАНИЯХАРАКТЕРИСТИК ОБЛАСТЕЙ ЗЕМНОЙ ПОВЕРХНОСТИ ПО КОСМИЧЕСКИМИЗОБРАЖЕНИЯМ ______________________________________________________________ 141.1РОЛЬ КОСМИЧЕСКИХ ДАННЫХ В ПРОГНОЗИРОВАНИИ __________________________ 141.2ПРОГНОЗИРОВАНИЕ ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ____________ 151.3ЗАДАЧА ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ________________________________ 181.3.1Спутниковая система мониторинга окружающей среды _______________ 181.3.2Космические средства при мониторинге Земли _______________________ 201.4ОБРАБОТКА МУЛЬТИСПЕКТРАЛЬНЫХ ДАННЫХ В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯСОСТОЯНИЯ ОБЛАСТЕЙ ЗЕМНОЙ ПОВЕРХНОСТИ ________________________________________ 221.4.1Географическая привязка изображений ______________________________ 231.4.2Особенности мультиспектральных изображений _____________________ 241.4.3Оценка состояния различных типов подстилающей поверхности помультиспектральным изображениям ___________________________________________ 251.5МОДЕЛИ ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ ОБЛАСТЕЙ ЗЕМНОЙ ПОВЕРХНОСТИ281.5.11.6Классификация моделей и методов прогнозирования ___________________ 29АНАЛИЗ МЕТОДОВ ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ ХАРАКТЕРИСТИК, ОПИСЫВАЮЩИХСОСТОЯНИЕ ОБЛАСТЕЙ, НА ПРИМЕРЕ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ___________________ 321.6.1Метод выявления года-аналога _____________________________________ 361.6.2Регрессионный метод _____________________________________________ 391.6.3Метод прогнозирования урожайности на основе моделирования приростабиомассы растений ___________________________________________________________ 411.6.4Итоги анализа и сопоставления методов прогнозирования урожайности _ 433ГЛАВА 2.РАЗРАБОТКА ЧИСЛЕННОГО МЕТОДА ПРОГНОЗИРОВАНИЯСОСТОЯНИЯ ОБЛАСТЕЙ АНТРОПОГЕННОГО И ПРИРОДНОГО ВОЗДЕЙСТВИЯ ПОКОСМИЧЕСКИМ ИЗОБРАЖЕНИЯМ ____________________________________________ 452.1ПОСТАНОВКА ЗАДАЧИ __________________________________________________ 472.2ВЫБОР ДАННЫХ ДЗЗ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ ________________ 512.2.12.3Получение и предварительная обработка космических изображений _____ 51ВЫДЕЛЕНИЕ ИНФОРМАТИВНОГО СИГНАЛА ИЗ ПОЛУЧЕННЫХ ДАННЫХ ____________ 542.3.1Метод выделения областей интереса на основе анализа динамики состоянияобъектов по сериям разновременных космических изображений _____________________ 552.3.2Детектирование растительности по сериям космических изображениях наоснове анализа динамики вегетации _____________________________________________ 622.3.32.4Метод уточнения карт растительности ____________________________ 70ОСНОВНАЯ КОНЦЕПЦИЯ РАЗРАБОТАННОГО МЕТОДА __________________________ 722.4.1Сезонные и долгосрочные наблюдения _______________________________ 742.4.2Процесс обучения ________________________________________________ 792.4.3Процесс прогнозирования.
_________________________________________ 83ГЛАВА 3.ПОСТРОЕНИЕ МОДЕЛЕЙ ПРОГНОЗА ПЛОДОРОДИЯ ИПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ РАЗЛИЧНЫХ СЕЛЬСКОХОЗЯЙСТВЕННЫХКУЛЬТУР3.186ВЫБОР ИНФОРМАТИВНЫХ ПРИЗНАКОВ СОСТОЯНИЯ ОБЛАСТЕЙ ЗЕМНОЙ ПОВЕРХНОСТИ873.1.1Предикативный вектор, описывающий изменение состояния областей ___ 873.1.2Корреляция индексов состояния областей c их количественнымихарактеристиками ___________________________________________________________ 913.2ПОСТРОЕНИЕ МОДЕЛИ __________________________________________________ 933.2.13.3Общий вид модели плодородия _____________________________________ 93РАЗВИТИЕ МОДЕЛИ ПЛОДОРОДИЯ С УЧЕТОМ СПЕЦИФИКИ ЗАДАЧИ _______________ 963.3.1Базовая многомерная модель прогнозирования урожайности. ___________ 963.3.2Локальная многомерная модель для отдельных областей.
______________ 973.3.3Модель с мультипликативной поправкой для областей. ________________ 983.3.4Трендовая модель с мультипликативной поправкой для областей. _______ 993.3.5Использование метео-климатических данных для построенияпредикативного вектора _____________________________________________________ 10243.3.6ГЛАВА 4.Рекомендации по применению разработанных моделей ________________ 103АНАЛИЗ РЕЗУЛЬТАТОВ ПРИМЕНЕНИЯ ЧИСЛЕННОГО МЕТОДАДЛЯ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ РАЗЛИЧНЫХ ОБЛАСТЕЙ РФ ИРАЗЛИЧНЫХ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР __________________________ 1054.1НАСТРОЙКА МОДЕЛЕЙ ПЛОДОРОДИЯ _____________________________________ 1054.1.1Планирование численного эксперимента. Сбор данных для численногоэксперимента ______________________________________________________________ 1054.1.2Численный эксперимент __________________________________________ 1074.1.3Оценка точности прогноза _______________________________________ 1114.2СОПОСТАВЛЕНИЕ РЕЗУЛЬТАТОВ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ СИСПОЛЬЗОВАНИЕМ РАЗРАБОТАННЫХ МОДЕЛЕЙ_______________________________________ 1124.2.1Прогнозы с использованием модели 1.
______________________________ 1134.2.2Прогнозы с использованием модели 2. ______________________________ 1134.2.3Прогнозы с использованием модели 3. ______________________________ 1144.2.4Прогнозы с использованием модели 4. ______________________________ 1154.2.5Сравнение моделей. ______________________________________________ 1164.3ОЦЕНКА СТАТИСТИЧЕСКОЙ ЗНАЧИМОСТИ ПОЛУЧЕННЫХ ПРОГНОЗОВ ____________ 1174.4ОЦЕНКА ПРИМЕНИМОСТИ МОДЕЛИ ПОСРЕДСТВОМ ПРОЦЕДУРЫ КРОСС-ВАЛИДАЦИИ 1194.5ЗАВИСИМОСТЬ ТОЧНОСТИ ПРОГНОЗА ОТ МОМЕНТА ПРОГНОЗИРОВАНИЯ И ТИПА С/ХКУЛЬТУРЫ4.6120УТОЧНЕНИЕ ПАРАМЕТРОВ ПРОГНОСТИЧЕСКОЙ МОДЕЛИ ПОСЛЕ РАСШИРЕНИЯОБУЧАЮЩИХ ДАННЫХ4.6.1__________________________________________________________ 123Уточнение оптимального момента прогнозирования и состава векторасостояния растительности для расширенного вектора признаков.
_________________ 1244.6.2Прогнозы с использованием уточнённой модели 1. ____________________ 1284.6.3Прогнозы с использованием уточнённой модели 2. ____________________ 1294.6.4Прогнозы с использованием уточнённой модели 3. ____________________ 1304.6.5Прогнозы с использованием уточнённой модели 4. ____________________ 131ЗАКЛЮЧЕНИЕ ___________________________________________________________ 135СПИСОК СОКРАЩЕНИЙ _________________________________________________ 137СПИСОК ЛИТЕРАТУРЫ __________________________________________________ 1395ВведениеВ работе рассматривается задача прогнозирования различных характеристик объектоввнутри определённого класса (например, административных регионов РФ) по даннымдистанционногозондирования(мультиспектральнымаэрокосмическимизображениям).Основной идеей является использование долгосрочных наблюдений за состоянием объекта приобучениимногомерныхпараметрическихмоделейисезонныхнаблюденийприпрогнозировании характеристик объектов.
Такое структурирование данных обеспечиваетувеличение размера обучающей выборки в сравнении с другими известными подходами, чтопозволяет повысить точность и статистическую значимость прогнозирования, сохраняя приэтом надёжность работы моделей.Актуальность темы. Постоянно увеличивающееся число сфер деятельности человека, вкоторых чрезвычайно важную роль играет использование данных ДЗЗ в силу их объективностии оперативности получения, приводит к росту спроса на методы и программные средства,позволяющие успешно решать актуальные задачи для каждой из областей. Такаявостребованность ДДЗ в современном мире способствует запуску новых спутников ипостоянному усовершенствованию методов автоматизированной обработки и анализаизображений дистанционного зондирования.Среди наиболее востребованных и сложных задач, решаемых с использованием данныхДЗЗ, выделяются мониторинг, обнаружение чрезвычайных ситуаций и оценка их последствий,моделирование процессов окружающей среды и прогнозирование характеристик объектов наземной поверхности.Однойизнаиболееважныхиинтересныхявляетсязадачапрогнозированияхарактеристик объектов на земной поверхности по космическим изображениям.
Примеромявляется задача прогнозирования урожайности сельскохозяйственных культур в заданномпространственном масштабе.Ключевыми моментами при прогнозировании урожайности на основе ДДЗ являютсясоздание модели прогнозирования – определение аналитического вида прогностическойфункции и процесс обучения созданной модели на основе наземных наблюдений – поискпараметров модели наилучшим образом приближающих значения прогностической функции намножестве данных, выбранных для обучения.6Построение модели прогнозирования урожайности в большинстве случаев основываетсялибо на непосредственном моделировании процессов роста и созревания культуры, либо наиспользовании данных ДЗЗ в качестве предикторов прогностической функции совместно сданными наземных наблюдений.