Игнатьев, Владимир Юрьевич Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям

brief description

Игнатьев, Владимир Юрьевич Методы математического моделирования для распознавания и прогнозирования характеристик областей земной поверхности по мультиспектральным космическим изображениям

ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ

кандидат наук Игнатьев, Владимир Юрьевич

Оглавление

ОГЛАВЛЕНИЕ_2

ВВЕДЕНИЕ

ГЛАВА 1. СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ МОДЕЛЬНЫХ ПРЕДСТАВЛЕНИЙ АНАЛИЗА ДИНАМИКИ И ПРОГНОЗИРОВАНИЯ ХАРАКТЕРИСТИК ОБЛАСТЕЙ ЗЕМНОЙ ПОВЕРХНОСТИ ПО КОСМИЧЕСКИМ ИЗОБРАЖЕНИЯМ_14

1.1 Роль космических данных в прогнозировании_14

1.2 Прогнозирование по данным дистанционного зондирования_15

1.3 Задача дистанционного зондирования_18

1.3.1 Спутниковая система мониторинга окружающей среды_18

1.3.2 Космические средства при мониторинге Земли_20

1.4 Обработка мультиспектральных данных в задачах прогнозирования состояния областей земной поверхности_22

1.4.1 Географическая привязка изображений_23

1.4.2 Особенности мультиспектральных изображений_24

1.4.3 Оценка состояния различных типов подстилающей поверхности по мультиспектральным изображениям _25

1.5 Модели оценки и прогнозирования состояния областей земной поверхности

1.5.1 Классификация моделей и методов прогнозирования_29

1.6 Анализ методов оценки и прогнозирования характеристик, описывающих

состояние областей, на примере прогнозирования урожайности _32

1.6.1 Метод выявления года-аналога_36

1.6.2 Регрессионный метод_39

1.6.3 Метод прогнозирования урожайности на основе моделирования прироста биомассы растений_41

1.6.4 Итоги анализа и сопоставления методов прогнозирования урожайности _

ГЛАВА 2. РАЗРАБОТКА ЧИСЛЕННОГО МЕТОДА ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ ОБЛАСТЕЙ АНТРОПОГЕННОГО И ПРИРОДНОГО ВОЗДЕЙСТВИЯ ПО КОСМИЧЕСКИМ ИЗОБРАЖЕНИЯМ_45

2.1 Постановка задачи_47

2.2 Выбор данных ДЗЗ для решения задачи прогнозирования_51

2.2.1 Получение и предварительная обработка космических изображений_51

2.3 Выделение информативного сигнала из полученных данных_54

2.3.1 Метод выделения областей интереса на основе анализа динамики состояния объектов по сериям разновременных космических изображений_55

2.3.2 Детектирование растительности по сериям космических изображениях на основе анализа динамики вегетации_62

2.3.3 Метод уточнения карт растительности_70

2.4 Основная концепция разработанного метода_72

2.4.1 Сезонные и долгосрочные наблюдения_74

2.4.2 Процесс обучения _79

2.4.3 Процесс прогнозирования. _83

ГЛАВА 3. ПОСТРОЕНИЕ МОДЕЛЕЙ ПРОГНОЗА ПЛОДОРОДИЯ И

ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ РАЗЛИЧНЫХ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР

3.1 Выбор информативных признаков состояния областей земной поверхности

87

3.1.1 Предикативный вектор, описывающий изменение состояния областей_87

3.1.2 Корреляция индексов состояния областей с их количественными характеристиками_91

3.2 Построение модели_93

3.2.1 Общий вид модели плодородия _93

3.3 Развитие модели плодородия с учетом специфики задачи_96

3.3.1 Базовая многомерная модель прогнозирования урожайности._96

3.3.2 Локальная многомерная модель для отдельных областей. _97

3.3.3 Модель с мультипликативной поправкой для областей. _98

3.3.4 Трендовая модель с мультипликативной поправкой для областей. _99

3.3.5 Использование метео-климатических данных для построения предикативного вектора_102

3.3.6 Рекомендации по применению разработанных моделей_103

ГЛАВА 4. АНАЛИЗ РЕЗУЛЬТАТОВ ПРИМЕНЕНИЯ ЧИСЛЕННОГО МЕТОДА ДЛЯ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ РАЗЛИЧНЫХ ОБЛАСТЕЙ РФ И РАЗЛИЧНЫХ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР_105

4.1 Настройка моделей плодородия_105

4.1.1 Планирование численного эксперимента. Сбор данных для численного эксперимента _105

4.1.2 Численный эксперимент_107

4.1.3 Оценка точности прогноза_111

4.2 Сопоставление результатов прогнозирования урожайности с использованием разработанных моделей_112

4.2.1 Прогнозы с использованием модели 1. _113

4.2.2 Прогнозы с использованием модели 2. _113

4.2.3 Прогнозы с использованием модели 3. _114

4.2.4 Прогнозы с использованием модели 4. _115

4.2.5 Сравнение моделей._116

4.3 Оценка статистической значимости полученных прогнозов_117

4.4 Оценка применимости модели посредством процедуры кросс-валидации

4.5 Зависимость точности прогноза от момента прогнозирования и типа с/х

культуры

4.6 Уточнение параметров прогностической модели после расширения обучающих данных _123

4.6.1 Уточнение оптимального момента прогнозирования и состава вектора состояния растительности для расширенного вектора признаков. _124

4.6.2 Прогнозы с использованием уточнённой модели 1._128

4.6.3 Прогнозы с использованием уточнённой модели 2._129

4.6.4 Прогнозы с использованием уточнённой модели 3._130

4.6.5 Прогнозы с использованием уточнённой модели 4._131

ЗАКЛЮЧЕНИЕ_135

СПИСОК СОКРАЩЕНИЙ_137

СПИСОК ЛИТЕРАТУРЫ