Библиотека института физики им. Л.В. Киренского СО РАН

Главная

Базы данных

Труды сотрудников ИФ СО РАН - результаты поиска

Вид поиска

Каталог книг и брошюр библиотеки ИФ СО РАН

Каталог журналов библиотеки ИФ СО РАН

Труды сотрудников ИФ СО РАН

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>K=нейронные сети<.>)

Общее количество найденных документов : 2
Показаны документы с 1 по 2

    Полевое тестирование метода картографического моделирования влагозапасов поверхностного слоя почвенного покрова, основанного на данных радарной съёмки Sentinel-1 и цифровой модели рельефа / А. М. Зейлигер, K. V. Muzalevskiy, Е. В. Зинченко [и др.] // Соврем. проблемы дистанц. зондир. Земли из космоса. - 2020. - Т. 17, № 4. - С. 113-128, DOI 10.21046/2070-7401-2020-17-4-113-128. - Библиогр.: 32 . - ISSN 2070-7401. - ISSN 2411-0280
   Перевод заглавия: Field testing of the cartographic modeling of soil water content of the surface layer of soil cover based on Sentinel-1 radar survey and digital elevation model
Кл.слова (ненормированные):
почвенный покров -- влажность почвы -- точечные данные -- растровые данные -- гранулометрический состав -- шероховатость земной поверхности -- цифровая модель местности -- БПЛА -- радарная съёмка -- Sentinel-1 -- обратное радарное рассеяние -- нейронные сети -- диэлектрическая модель почвы -- Soil cover -- Soil moisture -- Raster data -- Particle size distribution -- Surface roughness -- Digital terrain model -- UAV -- Radar imaging -- Sentinel-1 -- Radar backscatter -- Neural networks -- Dielectric soil model
Аннотация: Влагосодержание поверхностного слоя почвенного покрова (ВПС ПП) является одним из ключевых параметров, используемых для количественного описания гидрологического состояния поверхности почвы, а также при оценке доступности почвенной влаги растительному покрову. Поскольку коэффициент обратного радарного рассеяния чувствителен к влажности почвы, в настоящей работе применялись данные Sentinel-1 для картирования влажности почвы с высоким пространственным разрешением с целью отображения пространственных и временных закономерностей распределения почвенной влаги на уровне поля в практике управления почвенными и водными ресурсами. Прямые измерения ВПС ПП толщиной 5 см были реализованы в результате проведённого полевого мониторинга на экспериментальном участке, расположенном на территории Всероссийского научно-исследовательского института орошаемого земледелия (пос. Водный, Волгоградская обл.). В заданных координатах на тестовом участке были отобраны соответствующие почвенные образцы, влагосодержание которых было определено с использованием термостатно-весового метода. В результате создан первый точечный слой геоданных ВПС ПП. По данным радарной съёмки Sentinel-1 была выполнена оценка ВПС ПП для того же пространственного экстента экспериментального участка. Значения растрового набора значений влажности почвы по данным дистанционного зондирования (ВПС ПП-ДЗЗ) в пределах границ экспериментального участка были рассчитаны по данным радарной съёмки Sentinel-1. Эти расчёты основаны на оценке отражательной способности почвы, полученной методом нейронной сети, и дальнейшего решения обратной задачи с использованием диэлектрической модели, учитывающей содержание глинистой фракции почвы тестового участка. В ходе тренировки нейронной сети использовались входные данные коэффициентов обратного радарного рассеяния, измеренные Sentinel-1 на согласованной вертикальной и перекрёстной поляризации, и выходное значение отражательной способности почвы, оценённое на основе точечного слоя геоданных ВПС ПП и диэлектрической модели. Ортотрансформация снимка Sentinel-1 осуществлялась с использованием цифровой модели рельефа (ЦМР), созданной в результате стереосъёмки, выполненной с использованием беспилотного летательного аппарата Phantom 4 Pro. В результате сравнения наборов геоданных ВПС ПП и ВПС ПП-ДЗЗ, полученных в ходе полевого мониторинга и дистанционного зондирования соответственно, были оценены значения коэффициента детерминации (0,948) и стандартного отклонения (2,04 %). Этот результат подтверждает удовлетворительную линейную корреляцию между наборами ВПС ПП и ВПС ПП-ДЗЗ. Сравнение двух полученных точечных слоёв геоданных ВПС ПП указывает на удовлетворительное воспроизведение первого набора вторым. Такой вывод получен в результате наземного мониторинга и картографического моделирования, выполненного с помощью разработанного метода с использованием данных радарной съёмки Sentinel-1 и характеристик ЦМР. Результаты исследования позволяют сделать вывод, что разработанный метод может рассматриваться в качестве научной и методологической основы новой технологии картографического мониторинга ВПС ПП, которая рассматривается в настоящее время в качестве одной из основных базовых характеристик для использования в точном орошаемом земледелии.
The surface moisture content (SMC) is one of the key parameters, which is used for the quantitative description of soil hydrological state as well as the estimation of soil water availability to vegetation canopy. Since the radar backscattering coefficient is sensitive to SMC, in this investigation Sentinel-1 data was used for soil moisture mapping with a high spatial resolution, based on which the spatial and temporal patterns of soil moisture distribution at field level was mapped for implementing in the management of soil and water resources. Direct measurements of SMC in a layer thickness of 5 cm were carried out during field monitoring at an experimental test site, located on the territory of the All-Russian Scientific Research Institute of Irrigated Agriculture (Vodny village, Volgograd region). In the given coordinates on the test site, soil samples were taken, the moisture content of which was determined using the thermostat-weight method. As a result, the first point georeferenced layer of SMC was created. At the same time, the estimation of SMC based on Sentinel-1 radar observations was performed for the same spatial extent of the test site. The raster set of SMC within the boundaries of the test site was calculated from the Sentinel-1 remote sensing (RS) observations. This layer will be named SMC-RS. These calculations were based on the assessment of soil reflectivity obtained by neural network (NN) method and the further solution of the inverse problem using a dielectric model, which takes into account the soil clay content at the test site. During the training of the NN, backscatter coefficients measured by Sentinel-1 at co- and cross-polarization were used as input data. As the output data of the NN, the value of soil reflectivity, which was estimated based on point georeferenced layer of SMC and a dielectric model were used. Terrain correction of Sentinel-1 image was carried out using a digital elevation model (DEM), created by Phantom 4 Pro unmanned aerial vehicle as the result of stereo photography. As a result of comparing the georeferenced data sets SMC and SMC-RS obtained during field monitoring and remote sensing, respectively, the following values of determination coefficient (0.948) and standard deviation (2.04 %) were estimated. This result confirms a satisfactory linear correlation between both data sets. The comparison of the two layers of point georeferenced data sets indicates that the first set is well correlated by the second. This conclusion was obtained as the result of ground monitoring and cartographic modelling carried out using the developed method, Sentinel-1 observation and DEM. The developed method can be considered as the scientific and methodological basis of the new technology for the cartographic monitoring of SMC, which is currently treated as one of the main basic characteristics to be used in precision irrigated agriculture. © 2020 Space Research Institute of the Russian Academy of Sciences. All rights reserved.

Смотреть статью,
РИНЦ,
Scopus,
Читать в сети ИФ
Держатели документа:
Российский государственный аграрный университет ― МСХА имени К. А. Тимирязева, Москва, Россия
Институт физики им. Л.В. Киренского СО РАН, Красноярск, Россия
Всероссийский научно-исследовательский институт орошаемого земледелия, Волгоград, Россия

Доп.точки доступа:
Зейлигер, А. М.; Muzalevskiy, K. V.; Музалевский, Константин Викторович; Зинченко, Е. В.; Ермолаева, О. С.; Мелихов, В. В.
}
Найти похожие

    Метод мониторинга влажности почвы, покрытой растительным покровом, с использованием нейронной сети, радарных и мультиспектральных оптических данных Sentinel-1,2 / А. М. Зейлигер, К. В. Музалевский, Е. В. Зинченко, О. С. Ермолаева // Журн. радиоэлектрон. - 2023. - № 1. - Ст. 7 ; J. Radio Electron., DOI 10.30898/1684-1719.2023.1.8. - Библиогр.: 24. - Грант РФФИ №19-29-05261 «Картографическое моделирование влагозапасов почвенного покрова на основе комплексной геофизической влагометрии для целей цифрового орошаемого земледелия» . - ISSN 1684-1719
   Перевод заглавия: Using a neural network, radar and multispectral optical data of Sentinel-1,2 for the moisture monitoring of vegetation covered soil
Кл.слова (ненормированные):
радиолокация -- влажность почв -- нейронные сети -- диэлектрическая проницаемость -- radiolocation -- soil moisture -- neural networks -- permittivity
Аннотация: В данной работе проведен мониторинг пространственного распределения влажности поверхностного слоя агропочв тестового участка поля, покрытого растительностью, в Волгоградской области на основе данных радарной съемки спутника Sentinel-1 и мультиспектральной оптической съемки спутника Sentinel-2. Алгоритм восстановления влажности основан на применении нейронной сети для прогноза коэффициента отражения электромагнитной волны от почвенного покрова, с последующей инверсией во влажность почвы с использованием диэлектрической модели, учитывающей гранулометрический состав агропочвы. Входным параметром нейронной сети является отношение микроволнового радарного растительного индекса (рассчитанного на основе данных спутника Sentinel-1) к мультиспектральному оптическому индексу (рассчитанного на 8-11 каналах спутника Sentinel-2). Это отношение индексов обнаруживает существенно большую зависимость с влажностью почвы, чем с высотой растительности. Восстановленные значения влажности почвы сопоставлялись с влажностью отобранных образцов почвы, измеренных в лабораторных условиях термостатно-весовым методом. Предложенный метод позволяет с коэффициентом детерминации 0,435 и среднеквадратическим отклонением 2,4 % прогнозировать влажность почвы тестового участка, покрытого растительным покровом, относительно влажности почвы, измеренной контактным методом. Проведенное исследование создает научные основы новой всепогодной технологии мониторинга влажности агропочв как элемента системы точного земледелия.
In this article, a method for the moisture monitoring of vegetation covered soil was proposed using neural network, radar and optical multispectral data of Sentinel-1,2. Test site was chosen in the Volgograd region at an agriculture field. The moisture retrieval algorithm is based on the use of a neural network to predict reflection coefficient of an electromagnetic wave from the soil, followed by inversion into soil moisture using a dielectric model that takes into account the soil texture. The input parameter of the neural network is the ratio of the microwave radar vegetation index (calculated on the basis of Sentinel-1 data) to the multispectral optical index (calculated on 8-11 channels of the Sentinel-2). Such way calculated index reveals a significantly greater dependence on soil moisture than on vegetation height. The retrieved values of soil moisture were compared with the moisture content of in-situ selected soil samples, which were measured under laboratory conditions by the thermostatic-weight method. The proposed method with a determination coefficient of 0.435 and a standard deviation of 2.4 % allows predicting the soil moisture content of a test area covered with vegetation, relative to soil moisture measured in-situ. The conducted research creates the scientific basis for a new all-weather technology for remote sensing the moisture content of agricultural soils as an element of the precision farming system.

Смотреть статью,
РИНЦ,
Читать в сети ИФ
Держатели документа:
Саратовский государственный университет генетики, биотехнологий и инженерии им. Н.И. Вавилова, 410012, Саратов, пр-кт им. Петра Столыпина, 4, стр. 3
Институт физики им. Л.В. Киренского СО РАН, 660036, Красноярск, Академгородок, 50, стр. No 38
Всероссийский научно-исследовательский институт орошаемого земледелия, 400002, Волгоград, ул. им. Тимирязева, 9
Российский государственный аграрный университет МСХА им. К.А. Тимирязева, 127434, Москва, ул. Тимирязевская, 49

Доп.точки доступа:
Зейлигер, А. М.; Музалевский, Константин Викторович; Muzalevskiy, K. V.; Зинченко, Е. В.; Ермолаева, О. С.

}
Найти похожие