Науковий вісник НГУ

Інформаційне забезпечення Internet-центру моніторингувикористання земельних ресурсів України

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Інформаційні технології, системний аналіз та керування

Останнє оновлення: 19 листопада 2016

Опубліковано: 18 листопада 2016

Перегляди: 4010

Authors:

Б.С.Бусигін, д-р техн. наук, проф., Державний вищий навчальний заклад „Національний гірничий університет“, м. Дніпро, Україна

Г.М.Коротенко, д-р техн. наук, доц., Державний вищий навчальний заклад „Національний гірничий університет“, м. Дніпро, Україна

C.Л.Нікулін, д-р геол. наук, доц., Державний вищий навчальний заклад „Національний гірничий університет“, м. Дніпро, Україна

І.М.Гаркуша, канд. техн. наук, доц., Державний вищий навчальний заклад „Національний гірничий університет“, м. Дніпро, Україна

К.Л.Сергєєва, канд. техн. наук., Державний вищий навчальний заклад „Національний гірничий університет“, м. Дніпро, Україна

Abstract:

Мета. Систематизувати вітчизняний та закордонний досвід використання даних дистанційного зондування Землі з космосу, методів перетворення різнорівневих та різночасових наборів даних і програмного інструментарію для їх обробки при створенні Національного Internet-центру моніторингу стану ґрунтового покриву та розробки методів контролю за сезонною динамікою ґрунтових процесів.

Методика. Виконано науково-теоретичний аналіз літератури із досліджуваної проблеми, узагальнені сформовані методологічні підходи до вирішення завдань ідентифікації та прогнозування змін характеристик ґрунтового покриву, що впливають на погіршення основних показників його фізичного стану.

Результати. Сформовані основні вимоги та визначені необхідні компоненти для формування інформаційного, методичного й програмного наповнення Internet-центру моніторингу та аналізу даних дистанційного зондування Землі з космосу.

Наукова новизна. Уперше в Україні запропоновані, сформульовані та формалізовані принципи організації інформаційного, методичного та програмного наповнення інформаційної системи моніторингу й аналізу даних космічної зйомки, одним з найважливіших завдань якої є моніторинг територій з метою підвищення ефективності їх використання.

Практична значимість. Отримані результати можуть бути використані для підготовки й реалізації основних етапів створення Internet-центру моніторингу та аналізу даних дистанційного зондування Землі з космосу, для вирішення завдань підвищення ефективності використання земельних ресурсів України.

References/Список літератури

1. Shumakov, A., 2011. Remote sensing to solve the problems of agriculture: the experience of developed countries. Earth from space, No. 9, pp. 54–56.

Шумаков А. Космическая съемка для решения задач сельского хозяйства: опыт развитых стран // Земля из космоса. – 2011. – № 9. – С. 54–56.

2. Mikhailov, S. I., 2011. The use of remote sensing data for solving agricultural production problems. Earth from space, No. 9, pp. 17–23.

Михайлов С. И. Применение данных дистанционного зондирования Земли для решения задач в области сельскохозяйственного производства / С. И. Михайлов // Земля из космоса. – 2011. – № 9. – С. 17–23.

3. Bartalev, S. A. and Lupian, E. A., 2013. Research and development of the Space Research Institute for improving techniques of satellite vegetation monitoring. Actual problems of remote sensing of the Earth from space, Vol. 10, No. 1, pp. 197–214.

Барталев С. А. Исследования и разработки ИКИ РАН по развитию методов спутникового мониторинга растительного покрова / С. А. Барталев, Е. А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса. – 2013. – Т. 10. – №1. – С. 197–214.

4. Zhilenev, M. Yu., 2009. Review of the application of multispectral remote sensing data, and their combinations during digital processing. Geomatics, No. 3, pp. 56–64.

Жиленев М. Ю. Обзор применения мультиспектральных данных ДЗЗ и их комбинаций при цифровой обработке / М. Ю. Жиленев // Геоматика. – 2009. – № 3. – С. 56–64.

5. Kussul, N. N., Lavreniuk, A. N., Lavreniuk, S. I. and Gripich, Yu. A., 2009. Metadata catalog of GEO-Ukraine system. Proceedings of Donetsk national technical university. Issue: Computer science, cybernetics and Computer Engineering, Vol. 10, pp. 92–100, [online] Available at: http://nbuv.gov.ua/UJRN/ Npdntu_inf_2009_10_13.

Каталог метаданных системы GEO-Ukraine / Н. Н. Куссуль, А. Н. Лавренюк, С. И. Лавренюк, Ю. А. Грипич // Наукові праці Донецького національного технічного університету. Серія: Інформатика, кібернетика та обчислювальна техніка. – 2009. – Вип. 10. – С. 92–100. – Режим доступу: http://nbuv.gov.ua/UJRN/Npdntu_inf_2009_10_13.

6. Han, W., Yang, Z., Di, L. and Mueller, R., 2012. CropScape: A Web service based application for exploring and disseminating US conterminous geospatial cropland data products for decision support. Computers and Electronics in Agriculture, No. 84, pp. 111–123.

7. Busygin, B. S., Garkusha, I. N. and Nikulin, S. L., 2015. Innovative GIS technology for solving the problem of nature and environmental management using a range of remote sensing data. International scientific and practical conference “Advanced methods of processing and analysis of space data” (Dnipropetrovsk, Ukraine), EOS Data Analytics, pp. 20–23.

Бусыгин Б.С. Инновационные ГИС-технологии решения природопользовательских и экологических задач по комплексу данных ДЗЗ: Международная научно-практическая конференция „Передовые методы обработки и анализа космической информации“ / Б. С. Бусыгин, И. Н. Гаркуша, С. Л. Никулин. – Днепропетровск, EOS Data Analytics, 2015. – C. 20–23.

8. Busygin, B. and Nikulin, S., 2015. Specialized geoinformation system RAPID: features, structure, tasks. 14th EAGE International Conference on Geoinformatics – Theoretical and Applied Aspects, Kyiv.

9. Rouse, J. W., Haas, R. H. and Schell, J. A., 1973. Monitoring vegetation systems in the Great Plains with ERTS, Third ERTS Symposium, NASA SP-351 I., pp. 309–317.

10. Verstraete, M., 1994. Retrieving canopy properties from remote sensing measurements. In: Imaging Spectrometry: a Tool for Environmental Observations, edited by J. Hill and J. Me`gier, Dordrecht, Kluwer Academic, pp. 109–123.

11. Metternicht, G., 2003. Vegetation indices derived from high-resolution airborne videography for precision crop management. International Journal of Remote Sensing, 24:14, 2855-2877, DOI: 10.1080/01431160210163074

12. Kogan, F. N., 1997. Global drought watch from space. Bulletin of the American Meteorological Society, Vol. 78, pp. 621–636.

13. Rojas, O., Vrieling, A. and Rembold, F., 2011. Assessing drought probability for agricultural areas in Africa with coarse resolution remote sensing imagery. Remote Sensing of Environment, No. 115: pp. 343-352. DOI: 10.1016/j.rse.2010.09.006.

14. Food and Agriculture Organization (FAO), 1998. Crop evapotranspiration: Guidelines for computing crop requirements. [online] Available at: http://www.fao.org/docrep/X0490E/X0490E00.htm.

15. Huete, A., Didan, K., Miura, T., Rodriguez, E. P., Gao, X. and Ferreira, L.G., 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing Of Environment, No. 83 (2-Jan), pp. 195–213.

16. Prince, S. D., 1991. A model of regional primary production for use with coarse-resolution satellite data. International Journal of Remote Sensing, No. 12, pp. 1313–1330.

17. Prince, S. D., 2002. Spatial and temporal scales of measurement of desertification. In: Global desertification: do humans create deserts?, M. Stafford-Smith and J. F. Reynolds (eds.), Dahlem University Press, Berlin, pp. 23–40.

18. Kussul, N., Ilyin, N., Skakun, S. and Lavreniuk, A., 2008. Assessment of vegetation and crop yield forecasting in Ukraine using satellite data. International Book Series “Information Science and Computing”, pp. 103–109.

Оценка состояния растительности и прогнозирование урожайности культур Украины по спутниковым данным / Н. Куссуль, Н. Ильин, С. Скакун, А. Лавренюк // International Book Series „Information Science and Computing“. – 2008. – С. 103–109.

19. Garkusha, I. N. and Kodola, G. N., 2015. Agricultural fields allocation method using Landsat-8 satellite data. Proceedings of State Higher Educational Institution “National Mining University”, Dniepropetrov’sk, Uktaine, Vol. 47, pp. 27–35.

Гаркуша И. Н. Метод выделения сельскохозяйственных полей по данным спутника Landsat-8 / И. Н. Гаркуша, Г. Н. Кодола // Збірник наукових праць НГУ. – Дніпропетровськ: Державний вищий навчальний заклад „Нацiональний гiрничий унiверситет“, 2015. – № 47. – С. 27–35.

20. Savin, I. Yu., Bartalev, S. A., Lupian, E. A, Tolpin, V. A. and Khvostikov, S. A., 2011. Prediction of agricultural culture yield using satellite data: Opportunities and Prospects. Actual problems of remote sensing of the Earth from space, Vol. 8, No. 4, pp. 285–302.

Прогнозирование урожайности сельскохозяйственных культур на основе спутниковых данных: возможности и перспективы / И. Ю. Савин, С. А. Барталев, Е. А. Лупян [та ін.] // Современные проблемы дистанционного зондирования Земли из космоса. – 2011. – Т. 8. – № 4. – С. 285–302.

21. Kogan, F., Kussul, N. N., Adamenko, T. I., Skakun, S. V., Kravchenko, A. N., Krivobok, A. A., Shelestov, A. Yu., Kolotiy, A. V., Kussul, O. M. and Lavreniuk, A. N., 2013. Comparative analysis of regression and biophysical models in problems of winter wheat forecasting. Actual problems of remote sensing of the Earth from space, Vol. 10, No. 1, pp. 215–227.

Сравнительный анализ результатов регрессионных и биофизических моделей в задачах прогнозирования урожайности озимой пшеницы / Ф. Коган, Н. Н. Куссуль, Т. И. Адаменко [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. – 2013. – Т. 10. – № 1. – С. 215–227.

22. Kolotiy, A. V., 2012. Regression models for prediction of winter wheat in Ukraine, Inductive modeling of complex systems, No. 4, pp. 92–101.

Колотий А. В. Регрессионные модели прогнозирования урожайности озимой пшеницы в Украине / А. В. Колотий // Індуктивне моделювання складних систем. – 2012. – № 4. – С. 92–101.

23. Kussul, N. N., Kravchenko, A. N., Skakun, S. V., Adamenko, T. I., Shelestov, A. Yu., Kolotiy, A. V. and Gripich, Yu. A., 2012. Regression models for assessing crop yields according to the MODIS. Actual problems of remote sensing of the Earth from space, Vol. 9, No. 1, pp . 95–107.

Регрессионные модели оценки урожайности сельскохозяйственных культур по данным MODIS / Н. Н. Куссуль, А. Н. Кравченко, С. В. Скакун [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. – 2012. – Т. 9. – № 1. – С. 95–107.

24. Kleshchenko, A. D. and Savitskaia, O. V., 2011. Technology for ten-day periods assessment of the yield of grain crops by satellite and ground-based agro-meteorological information. Actual problems of remote sensing of the Earth from space, Vol. 8, No. 1, pp. 178–182.

Клещенко А. Д. Технология ежедекадной оценки урожайности зерновых культур по спутниковой и наземной агрометеорологической информации / А. Д. Клещенко, О. В. Савицкая // Современные проблемы дистанционного зондирования Земли из космоса. – 2011. – Т. 8. – № 1. – С. 178–182.

25. Bartalev, S. A., Yegorov, V. A., Ershov, D. V., Isaev, A. S., Lupian, E. A., Plotnikov, D. E. and Uvarov, I. A., 2011. Satellite mapping of Russia vegetation according the MODIS spectroradiometer. Actual problems of remote sensing of the Earth from space, Vol. 8, No. 4, pp. 285–302.

Спутниковое картографирование растительного покрова России по данным спектрорадиометра MODIS / С. А. Барталев, В. А. Егоров, Д. В. Ершов [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. – 2011. – Т. 8. – № 4. – С. 285–302.

26. Skakun, S. V., Shelestov, A. Yu., Yailymov, B. Ya, Ostapenko, V. A., Lavreniuk, M. S. and Vikulov, A. V., 2014. Classification of agricultural crops using satellite data time series, Inductive modeling of complex systems, No. 6, pp. 157–166.

Класифікація сільськогосподарських посівів з використанням часових рядів супутникових даних / С. В. Скакун, А. Ю. Шелестов, Б. Я. Яйлимов [та ін.] // Індуктивне моделювання складних систем. – 2014. – № 6. – С. 157–166.

27. Busygin, B. S., Nikulin, S. L., Zatsepin, E. P. and Sergieieva, K. L., 2010. Raster and object-oriented approaches in the tasks of spatial data integrated analysis Scientific Reports on Resource Issues. Freiberg: TU Bergakademie, Vol. 1, pp. 92–102.

28. Plotnikov, D. E., Bartalev, S. A. and Zharko, V. O., 2011. Experimental evaluation of agriculture recognizability according to seasonal satellite measurements of the spectral brightness. Actual problems of remote sensing of the Earth from space, Vol. 8, No. 1, pp. 199–208.

Плотников Д. Е. Экспериментальная оценка распознаваемости агрокультур по данным сезонных спутниковых измерений спектральной яркости / Д. Е. Плотников, С. А. Барталев, В. О. Жарко // Современные проблемы дистанционного зондирования Земли из космоса. – 2011. – Т. 8. – № 1. – С. 199–208.

29. Bartalev, S. A., Egorov, V. A., Lupian, E. A., Plotnikov, D. E. and Uvarov, I. A., 2011. Recognition of arable land on the basis of long-term satellite data MODIS sensor and locally-adaptive classification. Computer Optics, Vol. 35, No. 1, pp. 103–116.

Распознавание пахотных земель на основе многолетних спутниковых данных спектрорадиометра MODIS и локально-адаптивной классификации / С. А. Барталёв, В. А. Егоров, Е. А. Лупян [и др.] // Компьютерная оптика. – 2011. – Т. 35. – № 1. – С. 103–116.

30. Kumar Navulur, 2007. Multispectral Image Analysis Using the Object-Oriented Paradigm. CRC Press/Talor & Francis Group.

31. Baraldi, A. and Boschetti, L., 2012. Operational Automatic Remote Sensing Image Understanding Systems: Beyond Geographic Object-Based and Object-Oriented Image Analysis (GEOBIA/GEOOIA). Part 1: Introduction, Remote Sensing, No. 4(9), pp. 2694–2735.

32. Blaschke, T., Hay, Geoffrey J., Kelly, M., Lang, S., Hofmann, P., Addink, E., Feitosa, R. Q., van der Meer, F., van der Werff, H., van Coillie, F. and Tiede, D., 2014. Geographic Object-Based Image Analysis – Towards a new paradigm. ISPRS Journal of Photogrammetry and Remote Sensing, No. 87(100), pp. 180–191.

33. Weng, Q. and McGraw, H., 2009. Remote Sensing and GIS Integration – Theories, Methods, and Applications. New York: McGraw-Hill.

34. Kalantaev, P.A., 2007. Functions for semantic processing of space monitoring data. Proceedings of the International Scientific Congress “GEO-Siberia 2007”, Novosibirsk, Russia, Vol.3 “Remote sensing and photogrammetry sensing, environmental monitoring, geo-ecology”, pp. 162–165.

Калантаев П. А. Функции семантической обработки данных космического мониторинга / Калантаев П. А. // Труды Международного научного конгресса „ГЕО-Сибирь-2007“, Новосибирск, Россия, „Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология“. – 2007. – Т. 3. – С. 162–165.

35. Nikonenko, A. A., 2009. Ontological type Database Review. Artificial intellect, No. 4, pp. 208–219.

Никоненко А. А. Обзор баз данных онтологического типа / А. А. Никоненко // Штучний інтелект. – 2009. – № 4. – С. 208–219.

36. Korotenko, G. M., 2015. Ontological modeling in problems of risk assessment during emergencies landslide processes. Proceedings of State Higher Educational Institution “National Mining University”, Dniepropetrovs’k, Ukraine, No. 46, pp. 151–159.

Коротенко Г. М. Онтологическое моделирование в задачах оценки рисков ЧС при оползневых процессах / Г. М. Коротенко // Збірник наукових праць НГУ. – Дніпропетровськ: Державний вищий навчальний заклад „Національний гірничий університет“, 2015. – № 46. – С. 151–159.

37. Korotenko, G. M. and Shevchenko, K. V., 2015. Prospects of ontological models to assess the significance and indicators used in public health monitoring. In: Proceedings of The XI International scientific and practical conference “Cutting-edge science – 2015” . Volume 25: “Ecology. Geography and geology. Construction and architecture”, Sheffield. Science and education LTD.

Коротенко Г. М. Перспективы применения онтологических моделей для оценки значимости показателей и индикаторов, применяемых в социально-гигиеническом мониторинге / Г. М. Коротенко, К. В. Шевченко // Proceedings of The XI International scientific and practical conference „Cutting-edge science – 2015“, „Ecology. Geography and geology. Construction and architecture“. – Sheffield. Science and education LTD. – 2015. – № 25. – C. 6–10.

38. Andrés, S., Arvor, D., Durieux, L., Laporte, M. A., Libourel, T., Mougnot, I. and Pierkot, C., 2012. Ontologies Contribution to link thematic and remote sensing knowledge: preliminary discussions. In: XV Symposium SELPER, Cayenne, French Guianna.

39. Garcia-Pedrero, A., Gonzalo-Martin, C., Fonseca-Luengo, D., Lillo-Saavedra, M., 2015. A GEOBIA Methodology for Fragmented Agricultural Landscapes, Remote Sensing, No. 7, pp. 767–787.

40. Clewley, D., Bunting, P., Shepherd, J., Gillingham, S., Flood, N., Dymond, J., Lucas, R., Armston, J. and Moghaddam, M., 2014. A Python-Based Open Source System for Geographic Object-Based Image Analysis (GEOBIA) Utilizing Raster Attribute Tables. Remote Sensing, No. 6, pp. 6111–6135.

41. Busygin, B., Garkusha, I. and Sergieieva, K., 2016. Information products of remote sensing of Earth from space as the basis of the Ukrainian National Internet-center monitoring and analysis of data for agriculture. In: 15th EAGE International Conference on Geoinformatics – Theoretical and Applied Aspects, Kyiv.

05_2016_Busygin
2016-11-15  601.98 KB  1027

• Наступна >