Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.7868/S3034540526050017
Ключевые слова: structural data analysis, automatic classification, correlation coefficient estimation, kernel probability density estimation, remote sensing data, spectral features, NDMI moisture index, forest cover, Siberian silkmoth, структурный анализ данных, автоматическая классификация, оценка коэффициента корреляции, ядерная оценка плотности вероятности, данные дистанционного зондирования, спектральные признаки, индекс влажности NDMI, лесной покров, сибирский шелкопряд
Аннотация: Традиционными методами структурного анализа данных дистанционного зондирования являются алгоритмы автоматической классификации, которые позволяют осуществить переход от массива значений спектральных данных к его структурной идентификации. В настоящем исследовании рассматривается новый упрощенный метод декомпозиции области значений Показать полностьюдвумерных спектральных признаков объектов исследования, который основан на анализе составляющих оценки коэффициента корреляции. Составляющие оценки коэффициента корреляции определяются нормированными значениями спектральных признаков. С учетом знаков значений составляющих оценки коэффициента корреляции определяются четыре класса, которым соответствуют нормированные значения спектральных признаков: положительные, отрицательные и знакопеременные. На этой основе формируется алгоритм оценивания принадлежности контрольных ситуаций к обнаруженным классам. Приводятся результаты применения рассматриваемого метода структурного анализа на тестовом участке лесного массива, поврежденного сибирским шелкопрядом. Исходный массив статистической информации формируется по данным спектральных каналов NIR (ближний инфракрасный) и SWIR (коротковолновый инфракрасный) космического аппарата Landsat-8. Рассматриваемая пара спектральных признаков используется для расчета значений нормализованного разностного индекса влажности. Исследуется зависимость результатов применения предлагаемого метода структурного анализа данных дистанционного зондирования от интервала значений индекса влажности. В этом процессе используются непараметрические оценки плотностей вероятностей анализируемых спектральных данных. Рассматривается методика оптимизации непараметрических оценок плотностей вероятностей анализируемых случайных величин. Полученные результаты иллюстрируются картосхемами, графиками оценок плотностей вероятностей и таблицами основных показателей дешифрирования тестового участка лесного массива. Traditional methods of structural analysis of remote sensing data are automatic classification algorithms, which allow the transition from an array of spectral data values to its structural identification. This study examines a new simplified method for decomposing the domain of values of two-dimensional spectral features of research objects, which is based on the analysis of the components of the correlation coefficient estimate. The components of the correlation coefficient estimate are determined by the normalized values of the spectral features. Taking into account the signs of the components of the correlation coefficient estimate, four classes are defined, corresponding to the normalized values of the spectral features: positive, negative, and alternating. Based on this, an algorithm is developed for assessing the membership of control situations in the identified classes. The results of applying the considered structural analysis method to a test plot of a forest damaged by the Siberian silkmoth are presented. The initial statistical dataset is generated using data from the NIR (near infrared) and SWIR (Short Wavelength Infrared Range) spectral channels of the Landsat-8 spacecraft. This pair of spectral features is used to calculate the normalized difference moisture index. The dependence of the results of applying the proposed method for structural analysis of remote sensing data on the range of humidity index values is investigated. This process utilizes nonparametric estimates of the probability densities of the analyzed spectral data. A methodology for optimizing nonparametric estimates of the probability densities of the analyzed random variables is discussed. The obtained results are illustrated by maps, graphs of probability density estimates and tables of the main indicators of interpretation of the test forest area.
Журнал: Исследование Земли из космоса
Выпуск журнала: № 5
Номера страниц: 3-16
ISSN журнала: 02059614
Место издания: Москва
Издатель: Российская академия наук