Двухволновой лазерный метод мониторинга породного состава леса


https://doi.org/10.36027/rdeng.0220.0000162

Полный текст:


Аннотация

Проведен сравнительный анализ и выбор наиболее эффективных длин волн зондирования для двухволнового лазерного метода определения участков леса с преобладанием лиственных или хвойных пород деревьев. Показано, что наиболее эффективным вариантом, позволяющим проводить обнаружение с вероятность правильного обнаружения ~ 0,99 и вероятностью ложных тревог ~ 0,04, являются длины волн 0,532 и 1,54 мкм. Однако, с точки зрения безопасности для зрения лучше выбрать длины волн 0,355 и 1,54 мкм, которые позволяют удовлетворительно решить задачу определения участков леса с преобладанием лиственных или хвойных пород деревьев с вероятность правильного обнаружения ~ 0,9 и вероятностью ложных тревог ~ 0,14.

Об авторах

В. А. Городничев
МГТУ им. Н.Э. Баумана, Москва
Россия

Городничев Виктор Александрович

заведующий кафедры РЛ-5



М. Л. Белов
МГТУ им. Н.Э. Баумана, Москва
Россия

Белов Михаил Леонидович

профессор кафедры РЛ-2



М. М. Швыгина
МГТУ им. Н.Э. Баумана, Москва
Россия

Швыгина Мария Михайловна

кафедра РЛ-2



Д. С. Ситников
МГТУ им. Н.Э. Баумана, Москва
Россия

Ситников Дмитрий Сергеевич

кафедра РЛ-2



Список литературы

1. Гиперспектральные снимки: обзор сенсоров для БПЛА, систем обработки данных и приложений для сельского и лесного хозяйства Режим доступа: http://geomatica.ru/clauses/giperspektralnye-snimki-obzor-sensorov-dlya-bpla-sistem-obrabotka-dannyh-i-prilozhenij-dlya-selskogo-i-lesnogo-hozyajstva (дата обращения 02.03.2020).

2. Мониторинг лесов с помощью группировки спутников RapidEye. Режим доступа: http://geomatica.ru/clauses/303/ (дата обращения 02.03.2020).

3. Технологии дистанционной оценки лесных ресурсов России: современные возможности и потенциал применения. Режим доступа: https://docplayer.ru/58588071-Tehnologii-distancionnoy-ocenki-lesnyh-resursov-rossii-sovremennye-vozmozhnosti-i-potencial-primeneniya.html (дата обращения: 02.03.2020).

4. White J.C., Coops N.C., Wulder M.A., Vastaranta M., Hilker T., Tompalski P. Remote sensing technologies for enhancing forest inventories: a review // Canadian J. of Remote Sensing. 2016. Vol. 42. No. 5. Pp. 619–641. DOI: 10.1080/07038992.2016.1207484

5. Puliti S., Ørka H.O., Gobakken T., Næsset E. Inventory of small forest areas using an unmanned aerial system // Remote Sensing. 2015. Vol. 7. No. 8. Pp. 9632–9654. DOI: 10.3390/rs70809632

6. Getzin S., Nuske R.S., Wiegand K. Using unmanned aerial vehicles (UAV) to quantify spatial gap patterns in forests // Remote Sensing. 2014. Vol. 6. No. 8. Pp. 6988–7004. DOI: 10.3390/rs6086988

7. Gini R., Passoni D., Pinto L., Sona G. 2014. Use of unmanned aerial systems for multispectral survey and tree classification: a test in a park area of Northern Italy // Eur. J. of Remote Sensing. 2014. Vol. 47. No. 1. Pp. 251–269. DOI: 10.5721/EuJRS20144716

8. Hansen E.H., Ene L.T., Mauya E.W., Patočka Z., Mikita T., Gobakken T., Næsset E. Comparing empirical and semi-empirical approaches to forest biomass modelling in different biomes using airborne laser scanner data // Forests. 2017. Vol. 8. No. 5. P. 170. DOI: 10.3390/f8050170

9. Прозрачность земной атмосферы. Режим доступа: http://www.bourabai.kz/physics/3115.html (дата обращения 02.03.2020).

10. Clark R.N., Swayze G.A., Wise R.A., Livo K.E., Hoefen T.M., Kokaly R.F., Sutley S.J. USGS digital spectral library splib06a // U.S. Geological Survey. Digital Data Series 231. 2007. Режим доступа: https://pubs.er.usgs.gov/publication/ds231 (дата обращения 11.04.2020). DOI: 10.3133/ds231

11. Meerdink S.K., Hook S.J., Abbott E.A., Roberts D.A. ECOSTRESS spectral library version 1.0 // Remote Sensing of Environment. 2019. Vol. 230. Article 111196. DOI: 10.1016/j.rse.2019.05.015

12. Zygielbaum A.I., Gitelson A.A., Arkebauer T.J., Rundquist D.C. Non-destructive detection of water stress and estimation of relative water content in maize // Geophysical Research Letters. 2009. Vol. 36. No. 12. Article L12403. DOI: 10.1029/2009GL038906

13. Vina A., Gitelson A.A., Nguy-Robertson A.L., Peng Y. Comparison of different vegetation indices for the remote assessment of green leaf area index of crops // Remote Sensing of Environment. 2011. Vol. 115. No. 12. Pp. 3468-3478. DOI: 10.1016/j.rse.2011.08.010

14. Ahmad F. Spectral vegetation indices performance evaluated for Cholistan Desert // J. of Geography and Regional Planning. 2012. Vol. 5. No. 8. Pp. 165-172. DOI: 10.5897/JGRP11.098

15. ГОСТ 31581-2012. Лазерная безопасность. Общие требования безопасности при разработке и эксплуатации лазерных изделий. Введ. 2015-01-01. М.: Стандартинформ, 2013. 19 с.

16. Mayor S.D., Spuler S.M., Morley B.M. Scanning eye-safe depolarization lidar at 1.54 microns and potential usefulness in bioaerosol plume detection // Proc. of the Soc. of Photo-Optical Instrumentation Engineers (SPIE). 2005. Vol. 5887. Pp. 137-148. DOI: 10.1117/12.620361


Дополнительные файлы

Для цитирования: Городничев В.А., Белов М.Л., Швыгина М.М., Ситников Д.С. Двухволновой лазерный метод мониторинга породного состава леса. Радиостроение. 2020;(2):27-38. https://doi.org/10.36027/rdeng.0220.0000162

For citation: Gorodnichev V.A., Belov M.L., Shvygina V.V., Sitnikov D.S. Two-wave Laser Method for Monitoring the Species Composition of Forest. Radio Engineering. 2020;(2):27-38. (In Russ.) https://doi.org/10.36027/rdeng.0220.0000162

Просмотров: 85

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-926X (Online)