Автоматизована система моніторингу стану рослин на основі розпізнавання супутникових знімків

Автор(и)

  • А.Г. Хергележю Чернівецький національний університет імені Юрія Федьковича
  • М.В. Талах Чернівецький національний університет імені Юрія Федьковича
  • В.В. Дворжак Чернівецький національний університет імені Юрія Федьковича
  • О.Г. Ушенко Чернівецький національний університет імені Юрія Федьковича

DOI:

https://doi.org/10.31649/1681-7893-2022-43-1-94-101

Ключові слова:

нормалізований різницевий індекс рослинності, алгоритми обробки даних, супутникові зображення, інформаційна система, обробка космічних зображень, технології обробки ГІС, OpenCV

Анотація

На основі дослідження підходів і методики для оцінки стану рослинного покриву, розроблено автоматизовану інформаційну систему що дозволяє проводити моніторинг вегетаційних індексів території на основі космознімків. Проведено автоматизацію їх обробки з прив’язкою температурних даних. Програма дає можливість візуалізації динаміки вегетаційних індексів та температури та встановлення наявності та типу зв’язку між досліджуваними факторами.

Біографії авторів

А.Г. Хергележю, Чернівецький національний університет імені Юрія Федьковича

master of Computer Science, Computer Science Department

М.В. Талах, Чернівецький національний університет імені Юрія Федьковича

Ph.D., assistant professor of Computer Science Department

В.В. Дворжак, Чернівецький національний університет імені Юрія Федьковича

Ph.D., assistant professor of Computer Science Department

О.Г. Ушенко, Чернівецький національний університет імені Юрія Федьковича

D.Sc., Professor, Head of Optics and Publishing Department

Посилання

S.Y.J. Prasetyo, K.D., Hartomo, M.C. Paseleng, D.W. Chandra, E. Winarko. 2020. Satellite imagery and machine learning for aridity disaster classification using vegetation indices. Bulletin of Electrical //Engineering and Informatics 9(3):1149–1158.

J. Wang, X. Yang, X. Yang, L. Jia, S. Fang. Unsupervised change detection between SAR images based on hypergraphs // ISPRS Journal of Photogrammetry and Remote Sensing, 2020 164(7):61–72

Marta Pasternak, Kamila Pawluszek-Filipiak The Evaluation of Spectral Vegetation Indexes and Redundancy Reduction on the Accuracy of Crop Type Detection // Appl. Sci. 2022, 12(10), 50-67.

B. Bardysh. The use of vegetation indices for the identification of objects on the earth's surface / B. Bardysh, Kh. Burshtynska // Current achievements of geodetic science and production. – 2014. – No. 2 (28). - P. 82-88.

S. Koshimura, L. Moya, E. Mas, Y. Bai. Tsunami damage detection with remote sensing: a review. Geosciences 2020 10(5):1–28

Yelu Zeng, Dalei Hao, Alfredo Huete, Benjamin Dechant, Joe Berry, Jing M. Chen, Joanna Joiner, Christian Frankenberg, Ben Bond-Lamberty, Youngryel Ryu, Jingfeng Xiao, Ghassem R. Asrar & Min Chen Optical vegetation indices for monitoring terrestrial ecosystems globally // Nature Reviews Earth & Environment volume 3, pages 477–493 (2022).

L Ma,.; X. Chen,; Q. Zhang, J. Lin,.; C. Yin,.; Y. Ma,.; Q. Yao,.; L. Feng,.; Z. Zhang, etc. Estimation of Nitrogen Content Based on the Hyperspectral Vegetation Indexes of Interannual and Multi-Temporal in Cotton. Agronomy 2022, 12, 1319.

I.O. Pestova Methodology for assessing the state of vegetation in urbanized areas using multispectral space images: dissertation for obtaining the scientific degree of candidate of technical sciences / I.O Pestova. // National Academy of Sciences of Ukraine, Kyiv. - 2015. - 172 p.

I.H. Semenova. Use of vegetation indices to monitor droughts in Ukraine / I.H. Semenova // Ukrainian Hydrometeorological Journal. - 2014. - No. 14. - P. 43-52.

Geological service. USGS [Electronic resource] - Access mode: https://www.usgs.gov/ .

Weather service. Worldweather [Electronic resource] – Access mode: https://www.worldweatheronline.com/

Weather service. rp5 [Electronic resource]. – Aсcess mode: https://rp5.kz.

W. Zhang. Application of Synthetic NDVI Time Series Blended from Landsat and MODIS Data for Grassland Biomass Estimation / V . Zhang, L. Zhang, D. Xi, X. Yin, Ch. Liu, G. Liu // Remote Sens. - 2016. - No. 8 (10). - S. 1-21.

Information Technology in Medical Diagnostics //Waldemar Wójcik, Andrzej Smolarz, July 11, 2017 by CRC Press - 210 Pages.

W. Wójcik, S. Pavlov, M. Kalimoldayev. Information Technology in Medical Diagnostics II. London: (2019). Taylor & Francis Group, CRC Press, Balkema book. – 336 Pages.

Highly linear Microelectronic Sensors Signal Converters Based on Push-Pull Amplifier Circuits / edited by Waldemar Wojcik and Sergii Pavlov, Monograph, (2022) NR 181, Lublin, Comitet Inzynierii Srodowiska PAN, 283 Pages. ISBN 978-83-63714-80-2

##submission.downloads##

Переглядів анотації: 85

Опубліковано

2022-12-28

Як цитувати

[1]
А. Хергележю, М. Талах, В. Дворжак, і О. Ушенко, «Автоматизована система моніторингу стану рослин на основі розпізнавання супутникових знімків», Опт-ел. інф-енерг. техн., вип. 43, вип. 1, с. 94–101, Груд 2022.

Номер

Розділ

Оптичні та оптико-електронні сенсори і перетворювачі в системах керування та екологічного моніторингу

Метрики

Завантаження

Дані завантаження ще не доступні.

Статті цього автора (авторів), які найбільше читають