Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.15372/AUT20260302
Ключевые слова: Structural analysis of spectral data, automatic classification, correlation coefficient, NDVI method, NDII method, kernel probability density function, statistical data decomposition, remote sensing data, forest area, damaged stands, Структурный анализ спектральных данных, автоматическая классификация, коэффициент корреляции, метод NDVI, метод NDII, ядерная оценка плотности вероятности, декомпозиция статистических данных, данные дистанционного зондирования, лесной массив, повреждённые древостои
Аннотация: Предлагается методика структурного анализа данных дистанционного зондирования, основанная на двухуровневой системе принятия решений. На первом уровне структуры системы декомпозиция данных дистанционного зондирования осуществляется на основе использования знаков составляющих компонент оценки коэффициента корреляции между спектральныПоказать полностьюми признаками. На этой основе выделяются 4 класса спектральных данных. На втором уровне структуры системы каждый обнаруженный класс первого уровня подвергается дополнительной декомпозиции в соответствии со значениями евклидового расстояния для составляющих компонент оценки коэффициента корреляции между спектральными признаками. Разработанная система использовалась при структурном анализе данных дистанционного зондирования темнохвойного лесного массива, повреждённого сибирским шелкопрядом. Полученные результаты сравнивались с результатами применения значений спектральных индексов дистанционного зондирования NDVI и NDII. Для анализа спектральных индексов данных дистанционного зондирования и разработанной методики системы декомпозиции используются непараметрические оценки плотностей вероятностей. Рассматривается процедура оптимизации ядерной оценки плотности вероятности. Приводятся картосхемы полученных результатов. A method for structural analysis of remote sensing data is proposed, based on a two-level decision-making system. At the first level of the system's structure, remote sensing data is decomposed using the signs of the components that make up the estimated correlation coefficient between spectral features. Based on this, four classes of spectral data are identified. At the second level of the system structure, each identified first-level class undergoes further decomposition according to the Euclidean distance values for the components of the correlation coefficient estimate between spectral features. The developed system was used in the structural analysis of remote sensing data of a dark coniferous forest damaged by the Siberian silkmoth. The obtained results were compared with those obtained using the NDVI and NDII spectral indices of remote sensing. Nonparametric probability density estimates were used to analyze the spectral indices of remote sensing data and the developed decomposition system methodology. A procedure for optimizing kernel probability density estimation is considered. Schematic diagrams of the obtained results are provided.
Журнал: Автометрия
Выпуск журнала: Т.62, №3
Номера страниц: 20-31
ISSN журнала: 03207102
Место издания: Новосибирск
Издатель: Сибирское отделение РАН, Институт автоматики и электрометрии СО РАН, Новосибирский национальный исследовательский государственный университет