'
Ханова О., Танрыгулыева М., Овезов Ш.
НАУЧНЫЕ ОСНОВЫ ИЗУЧЕНИЯ ТЕХНОЛОГИЯ ГИПЕРСПЕКТРАЛЬНОГО АНАЛИЗА СЕЛЬСКОХОЗЯЙСТВЕННЫХ И ПАСТБИЩНЫХ РАСТЕНИЙ *
Аннотация:
в статье анализируются научные основы изучения технология гиперспектрального анализа сельскохозяйственных и пастбищных растений.
Ключевые слова:
пастбища, сельскохозяйственное растение, корма
Первый предполагает, что после минимизации шума (алгоритм MNF) и определения индекса чистоты пикселя (алгоритм PPI) с помощью n-D-визуализации идентифицируется облако данных пикселей на классы, задавая различный цвет каждому из них. С выделением регионов интереса создаются группы объектов (вода, растительность, строения и т.д.), которые идентифицируются как их конечные элементы. Используя набор последних, с помощью специальных алгоритмов спектрального поиска можно получить гиперспектральное изображение с конечными элементами объектов. Второй означает, что после минимизации шума и алгоритма поиска по спектральному эталону, используя библиотеку полевых спектров в ENVI, получаем набор конечных элементов гиперспектрального изображения. В итоге с помощью алгоритма спектрального поиска (SAM) получаем конечные элементы гиперспектрального изображения объектов. С использованием второго метода классификации интересующих исследователя объектов гиперспектрального изображения в августе 2018 г. на спектрорадиометре Field SpecHandHeld2Pro [2] были проведены полевые замеры спектральных характеристик пастбищной растительности на побережье Каспийского моря. В октябре 2018 г. в районе пос. Карадамак Ахалского велаята были проведены полевые замеры спектральных характеристик, используемых для посевов трёх районированных сортов хлопчатника (Иолотань-39,133, 9871-И). Все спектры были обработаны в камеральных условиях с помощью программного пакета ViewSpecPro для подготовки полученных данных к экспорту в программный пакет ENVI 5.2 [1]. для дешифрирования гиперспектральных космических снимков были использованы архивы спутника Earth Observation-1 (EO-1) со сканером Hyperion. Процесс дешифрирования осуществлялся с помощью программного пакета ENVI 5.2 по следующим алгоритмам: 1. Resize Data – алгоритм, удаляющий «плохие каналы» (неинформационные) и каналы, находящиеся в полосах поглощения водяного пара атмосферы. 2. Thor De-striping – алгоритм коррекции вертикального полосового шума, влияющего на данные Hyperion, связанного с небольшой относительной погрешностью калибровки каждого детектора в массиве фокальной плоскости (FPA) спектрального отражения из сигнала излучения гиперспектральных изображений. Он компенсирует воздействие атмосферы на электромагнитный поток. Атмосферная коррекция происходит в видимом диапазоне, в БИК- (ближний инфракрасный) и КВИК-(коротковолновой инфракрасный) диапазонах электромагнитного спектра [3]. 4. Band Math – алгоритм гибкой обработки гиперспектральных изображений и их отдельных каналов с использованием различных математических операций из матричной алгебры.
Номер журнала Вестник науки №3 (72) том 2
Ссылка для цитирования:
Ханова О., Танрыгулыева М., Овезов Ш. НАУЧНЫЕ ОСНОВЫ ИЗУЧЕНИЯ ТЕХНОЛОГИЯ ГИПЕРСПЕКТРАЛЬНОГО АНАЛИЗА СЕЛЬСКОХОЗЯЙСТВЕННЫХ И ПАСТБИЩНЫХ РАСТЕНИЙ // Вестник науки №3 (72) том 2. С. 487 - 489. 2024 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/13330 (дата обращения: 19.05.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2024. 16+
*