CC BY
22
Наука и Образование
МГТУ им. Н.Э. Баумана
Сетевое научное издание
133М 1994-0406 УДК 504.064.36
Лазерное зондирование состояния растительности по результатам двухспектральных измерений коэффициента отражения
Белов М.Л.1 л, Фесенко Ю.С.1, *ье1оу@ътаи:ш
Городничев В.А.1, Готальская О.В.1
:МГТУ им. Н.Э. Баумана, Москва, Россия
На основе экспериментально измеренных спектров отражения различных видов растительности проведено математическое моделирование вероятности правильного обнаружения и ложных тревог для задачи обнаружения участков растительности, находящейся в неблагоприятных условиях (с аномальными спектрами отражения), по результатам двухспектральных измерений коэффициента отражения. Показано, что метод лазерного зондирования состояния растительности, основанный на результатах двухспектральных измерений коэффициента отражения на длинах волн 0,532 мкм и 0,85 мкм, позволяет даже при погрешности измерений 10 % проводить обнаружение участков растительности, находящихся в неблагоприятных условиях с вероятностью правильного обнаружения близкой к 1 и вероятностью ложных тревог близкой к 0.
Ключевые слова: лазер; дистанционное зондирование; растительный покров; коэффициенты отражения
Введение
Лазерная аппаратура широко используется во многих прикладных задачах [1-5], среди которых одной из наиболее важных является дистанционное зондирование окружающей среды.
Лазерная аппаратура дистанционного зондирования может работать в широком интервале оптических состояний атмосферы, в любое время суток и обладает высокой пространственной разрешающей способностью.
В настоящее время перспективным направлением дистанционного зондирования окружающей среды являются различные задачи мониторинга растительного покрова - оценка продуктивности сельскохозяйственных культур; оценка влагосодержания почв и состояния экосистем; картирование районов заболачивания, опустынивания, засух; контроль фаз вегетации сельскохозяйственных культур и др. [6-15].
Наука и Образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2017. № 03. С. 137-149.
Б01: 10.7463/0317.00000945
Представлена в редакцию: 09.02.2017 Исправлена: 23.02.2017
© МГТУ им. Н.Э. Баумана
Неблагоприятные факторы (низкая или высокая температура, избыток или недостаток воды, засоление почвы, болезни и т.п.) приводят к невозможности нормального развития растительности.
Актуальным является разработка систем мониторинга для дистанционного обнаружения участков растительности, находящейся в неблагоприятных условиях. Наиболее эффективными для этой задачи являются оптические методы, основанные на различиях в отражательной способности растительного покрова в видимом и ближнем инфракрасном спектральных диапазонах [6,7,11]. Физической основой этих методов являются особенности спектров отражения растительности, находящейся в неблагоприятных условиях, и растительности, находящейся в нормальных условиях.
Одним из вариантов оптико-электронной аппаратуры мониторинга состояния растительного покрова является лазерная аппаратура, позволяющая с высоким пространственным разрешением проводить дистанционное зондирование растительности с авиационного носителя и картирование участков растительности с аномальными (не соответствующими периоду вегетации) спектрами отражения.
Статья посвящена разработке перспективного двухспектрального метода лазерного дистанционного зондирования состояния растительности.
1. Постановка задачи
Среди методов лазерного дистанционного зондирования для задачи контроля состояния растительности выделяют флуоресцентный метод (на основе регистрации различных характеристик флуоресцентного излучения растительного покрова) и метод, основанный на регистрации лазерного излучения, отраженного от растительного покрова [9-15].
Недостатком флуоресцентного метода является небольшая (100 - 150 м) высота зондирования (при установке лазерной аппаратуры на авиационный носитель) и, как следствие, небольшая пространственная полоса сканирования на земной поверхности.
Более привлекательным представляется метод, основанный на регистрации лазерного излучения, отраженного от растительного покрова. Этот метод рассматривался в работе [15]. Он позволяет проводить мониторинг растительности с высоты несколько километров и тем самым обеспечивает большую пространственную полосу сканирования на земной поверхности. В работе [15] показана возможность дистанционного обнаружения участков растительности, находящейся в неблагоприятных условиях, при лазерном зондировании на двух длинах волн в видимом и ближнем инфракрасном диапазонах. Однако, задача оценки вероятности обнаружения участков растительности, находящейся в неблагоприятных условиях (с аномальными спектрами отражения), ранее не ставилась ни для лазерного [15], ни для оптического пассивного метода [4,6,7,11] контроля состояния растительности.
В статье на основе экспериментально измеренных спектров отражения различных видов растительности проводится математическое моделирование вероятности правильного обнаружения и ложных тревог для задачи обнаружения участков растительности, находящейся в неблагоприятных условиях (с аномальными спектрами отражения, не соот-
ветствующими периоду вегетации), по результатам двухспектральных измерений коэффициента отражения.
2. Математическое моделирование вероятности правильного обнаружения и ложных тревог для задачи обнаружения участков растительности, находящейся в неблагоприятных условиях
Математическое моделирование вероятности правильного обнаружения и ложных тревог для задачи обнаружения участков растительности, находящейся в неблагоприятных условиях (с аномальными спектрами отражения, не соответствующими периоду вегетации), по результатам двухспектральных измерений коэффициента отражения проводилось на основе экспериментально полученных спектров отражения различных видов растений.
На сегодняшний день существуют доступные библиотеки с данными о спектрах отражения разного вида объектов (в том числе и растительности), полученных многоканальными спектрометрами в натурных условиях (как при неконтактных, так и при дистанционных измерениях) или в лабораторных условиях. При математическом моделировании были использованы как данные таких спектральных библиотек, так и спектры отражения, приведенные в отдельных статьях и книгах [ 16-24].
Отметим, что использованные при математическом моделировании спектры отражения различных видов растений как в нормальных, так и в неблагоприятных условиях, относятся к различным видам экспериментальных исследований: измерениям спектров растений в естественных природных условиях с помощью аппаратуры, установленной на летательном аппарате, или с помощью переносной аппаратуры; измерениям спектров растений, выращенных в теплице; измерениям в лабораторных условиях спектров отдельных (за несколько минут до этого отрезанных) листьев растений.
Примеры спектров отражения разных видов растительности приведены на рисунках 1-4 [16,17].
коэффициент отражения, отн.ед
0.60-
0.400.200.00-1-г-
450
Рис.1. Зеленые листья яблони
Рис.2. Желтые листья яблони
Рис.3. Зеленая трава
Рис.4. Сухая трава
На рисунках 1 и 2 показаны спектры отражения яблони с зеленой (рисунок 1) и желтой (рисунок 2 листвой), а на рисунках 3 и 4 - спектры зеленой (рисунок 3) и сухой (рисунок 4) газонной травы.
Из рисунков видно, что зеленые растения в нормальных условиях имеют в спектре отражения локальный максимум в зеленой области спектра (0,52-0,58 мкм). В ближнем инфракрасной области спектра (для излучения с длинами волн более 0,75 мкм) значение коэффициента отражения зеленых растений в нормальных условиях достигает максимального значения.
В неблагоприятных условиях (или при изменении периода вегетации) происходит изменение спектра отражения растений - исчезает или сглаживается (или деформируется) локальный максимум в зеленой области спектра, а при переходе от красной области спектра к ближней инфракрасной области существенно уменьшается «перепад» коэффициента отражения.
Искажение спектра отражения растений, находящихся в неблагоприятных (для развития растений) ситуациях, является физической основой оптических методов контроля состояния растительности.
Для практических приложений перспективным вариантом оптической аппаратуры дистанционного мониторинга состояния растительного покрова является лидарная система на двух длинах волн в видимом и ближнем инфракрасном диапазонах [15].
При математическом моделировании считалось, что лидарная система дистанционного зондирования работает на длинах волн 0,532 мкм и 0,85 мкм. Шум измерения полагался нормальным с нулевым средним значением и с относительным среднеквадратиче-ским значением 1 - 10 %. Исследовались вероятности правильного обнаружения и ложных тревог при обнаружении участков растительности, находящейся в неблагоприятных условиях, для растений из созданной базы данных.
3. Результаты математического моделирования и их анализ
В качестве информационного признака (растение в нормальных или в неблагоприят-ч О ^0,532
ных условиях) возьмем отношение К = —-- интенсивностей отраженного от раститель-
^0,86
ного покрова излучения на двух длинах волн 0,532 и 0,85 мкм. Пример значений информационного признака К для ряда растений из созданной базы данных показан на рисунке 5.
На рисунке 5 по вертикальной оси отложены результаты расчетов значения о ^0,532
К = —-- для ряда растений, а по горизонтальной оси - номер I спектра отражения рас-
^0,86
тений из созданной базы данных (описание растений для рисунка 5 приведено в Таблице 1).
Рис.5. Значения Я для спектров отражения ряда растений из базы данных.
Из рисунка 5 видно, что значения информационного признака Я для растений с зелеными листьями (в нормальных условиях для развития) всегда меньше, чем значения информационного признака для растений с желтыми или сухими листьями, для сухой или выжженной Солнцем травы (в неблагоприятных условиях для развития или в соответствующий период вегетации).
Таким образом, анализ информационного признака Я может быть положен в основу лазерного метода обнаружения участков растительности, находящейся в неблагоприятных условиях (с аномальными спектрами отражения, не соответствующими периоду вегетации), по результатам двухспектральных измерений коэффициента отражения.
Исследование вероятности правильного обнаружения (вероятности обнаружить
растительность, находящуюся в неблагоприятных условиях, когда она имеет спектр отражения, характерный для растительности в неблагоприятных условиях) и ложных тревог £>ё6 (вероятности обнаружить растительность, находящуюся в неблагоприятных условиях, когда она имеет спектр отражения, характерный для растительности в нормальных условиях) при использовании в качестве информационного признака величины Я = 0,532
I,
0,86
проводилось (по 105 шумовых реализаций) для двух предельных случаев, показанных на рисунке 5: для номера 9 из таблицы 1 (саксаул поздняя зелень и саксаул засохший) - для него различие значений информационного признака является минимальным и для номера 10 из таблицы 1 (степь целинная при безоблачном небе и степь целинная с выжженной Солнцем травой) - для него различие значений информационного признака является максимальным. Считалось, что интенсивности отраженного излучения Iо 532 и 1о 86 измеряются с относительной погрешностью 5=1 - 10 %.
№ Растение К Растение К
1 зеленые листья дуба 4,610 желтые листья дуба 1,499
2 зеленые листья яблони 3,839 желтые листья яблони 1,842
3 зеленые листья бука 6,711 желто-оранжевые листья бука 3,802
4 зеленые листья осины 5,674 желтые листья осины 2,666
5 зеленые листья березы 5,245 желтые листья березы 2,400
6 зеленые листья явора 7,385 желтые листья явора 2,826
7 зеленые листья черемухи 4,891 желтые листья черемухи 2,018
8 зеленая газонная трава 8,140 сухая газонная трава 2,225
9 саксаул поздняя зелень 3,424 саксаул засохший 1,722
10 степь целинная при безоблачном небе 14,358 степь целинная с выжженной Солнцем травой 3,681
11 степь целинная при облачном небе 10,842 степь целинная с выжженной Солнцем травой при облачном небе 3,078
12 трава летняя 5,913 трава прошлогодняя 3,561
13 листья ивы (прибрежная зона) 7,081 сухие листья ивы 4,296
14 свежий лист клена 7,459 желтые листья клена 5,661
Решение об обнаружении растительности, находящейся в неблагоприятных условиях (когда она имеет спектр отражения, характерный для растительности в неблагоприятных условиях) принималось при выполнении условия К > К^д , где К^д - пороговое значение информационного признака, которое выбиралось посредине между значениями информационного признака К для данного вида растительности в нормальных и в неблагоприятных условиях.
Результаты моделирования вероятности правильного обнаружения и вероятности ложных тревог £ёб приведены в таблице 2 (для саксаула) и таблице 3 (для целинной степи).
Таблица 2 Вероятности правильного обнаружения и ложной тревоги для саксаула
5, % £ £ёб
5 1 0,00001
7 1 0,00001
10 0,99785 0,00001
5, %
5 1 0,00001
7 1 0,00001
10 1 0,00001
Результаты, приведенные в таблицах, показывают, что метод лазерного зондирования состояния растительности, основанный на результатах двухспектральных измерений коэффициента отражения, позволяет в высокой надежностью (с вероятностью правильного обнаружения близкой к 1 и вероятностью ложных тревог близкой к 0) проводить обнаружение участков растительности, находящихся в неблагоприятных условиях.
Заключение
На основе экспериментально измеренных спектров отражения различных видов растительности проведено математическое моделирование вероятности правильного обнаружения и ложных тревог для задачи обнаружения участков растительности, находящейся в неблагоприятных условиях (с аномальными спектрами отражения), по результатам двухспектральных измерений коэффициента отражения. Показано, что метод лазерного зондирования состояния растительности, основанный на результатах двухспектральных измерений коэффициента отражения на длинах волн 0,532 мкм и 0,85 мкм, позволяет даже при погрешности измерений 10 % проводить обнаружение участков растительности, находящихся в неблагоприятных условиях с вероятностью правильного обнаружения близкой к 1 и вероятностью ложных тревог близкой к 0.
Список литературы
1. Привалов В.Е., Фотиади А.Э., Шеманин В.Г. Лазеры и экологический мониторинг атмосферы // СПб.; М.: Изд-во Лань, 2013. 288 с.
2. Карасик В.Е., Орлов В.М. Лазерные системы видения // М.: МГТУ, 2013. 478 с.
3. Weitkamp C. Lidar. Range-Resolved Optical Remote Sensing of the Atmosphere // Berlin: Springer, 2005. 460 p.
4. Козинцев В.И., Орлов В.М., Белов М.Л., Городничев В.А., Стрелков Б.В. Оптико-электронные системы экологического мониторинга природной среды // М.: Из-во МГТУ, 2002, 528 с.
5. Носов П.А. Синтез резонатора твердотельного лазера с термооптически искаженным активным элементом // Изв. Вузов. Приборостроение. 2016. Т. 59, № 9. С. 750-758.
6. Токарева О.С. Обработка и интерпретация данных дистанционного зондирования Земли // Томск: Изд-во Томского политехнического университета, 2010.148 с.
7. Вегетационные индексы. Основы, формулы, практическое использование. Режим доступа: http://www.mapexpert.com.ua/index_ru.php?id=20&table=news (дата обращения 05.02.2016).
8. Белов М.Л., Городничев В.А., Колючкин В.Я., Одиноков С.Б. Оптико-электронные системы мониторинга природной среды // М.: Из-во МГТУ, 2014, 76 с.
9. Zhang Y., Chen J.M., Miller J.R., Noland T.L. Leaf chlorophyll content retrieval from airborne hyperspectral remote sensing imagery // Remote Sensing of Environment. 2008. № 112. P. 3234-3247.
10. Афонасенко А.В., Иглакова А.И., Матвиенко Г.Г., Ошлаков В.К., Прокопьев В.Е. Лабораторные и лидарные измерения спектральных характеристик листьев березы в различные периоды вегетации // Оптика атмосферы и океана. 2012. Т. 25, № 3. С. 237-243.
11. Черепанов А.С., Дружинина Е.Г. Спектральные свойства растительности и вегетационные индексы. Режим доступа: http://sovzond.ru/press-center/geomatics/2009-03/ (дата обращения 10.12.2016).
12. Yanga J., Gonga W., Shia S., Dua L., Suna J., Songe S. Laser-induced fluorescence characteristics of vegetation by a new excitation wavelength // Spectroscopy letters. 2016. V. 49, № 4, P. 263-267.
13. Федотов Ю.В., Булло О.А., Белов М.Л., Городничев В.А. Экспериментальное исследование лазерного флуоресцентного метода контроля состояния растений для стрессовых состояний, вызванных неправильным режимом полива // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2014. № 4. Режим доступа: http://technomag.bmstu.ru/doc/707937.html (дата обращения 10.12.2016).
14. Hedimbi M., Singh S., Kent A. Laser induced fluorescence study on the growth of maize plants // Natural Science. 2012. V.4, № 6. P. 395-401.
15. Белов М.Л., Фесенко Ю.С., Городничев В. А., Кувшинов А.В. Лазерный мониторинг состояния растительного покрова по данным измерений коэффициентов отражения // Радиооптика. МГТУ им. Н.Э. Баумана. Электронное научно-техническое издание. № 03, 2016. Режим доступа: http://radiooptics.ru/doc/840843.html (дата обращения 10.12.2016).
16. USGS Digital Spectral Library 06. Режим доступа: http://speclab.cr.usgs.gov/spectral.lib06 (дата обращения 10.12.2016).
17. Спектры отражения природных объектов - база данных. Режим доступа: http://gis-lab.info/projects/spectra (дата обращения 10.12.2016).
18. Thorhaug A., Richardson A.D., Berlyn G.P. Spectral reflectance of Thalassia testudinum (Hydrocharitaceae) seagrass: low salinity effects. Режим доступа: http://www.amjbot.org/content/93/1/110.full (дата обращения 10.12.2016).
19. Тимофеев Ю.М., Васильев А.В. Теоретические основы атмосферной оптики // СПб.: Наука, 2003.
20. Кринов Е.Л. Спектральная отражательная способность природных образований // МЛ.: АН СССР, 1947. 272 с.
21. 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. Режим доступа: https://www.researchgate.net/publication/248815511_Non-Destructive_Detection_of_Water Stress_ and_Estimation_of_Relative_Water_Content_in_Maize (дата обращения 10.12.2016).
22. Carter G.A., Knapp A.K. Leaf optical properties in higher plants: linking spectral characteristics to stress and chlorophyll concentration. Режим доступа: http://www.amjbot.org/content/88/4/677.full (дата обращения 10.12.2016).
23. Emengini E.J., Blackburn G.A, Theobald J.C. Detection and discrimination of stress in bean (Phaseolus vulgaris Tendergreen) caused by oil pollution and waterlogging using spectral and thermal remote sensing. Режим доступа: http://medwelljournals.com/abstract/?doi= rjasci.2013.302.312 (дата обращения 10.12.2016).
24. Reflectance Response of a Single Magnolia Leaf (Magnolia grandiflora) to Decreased Relative Water Content. Режим доступа: https://www.coursehero.com/file/p3gdkvs/ Reflec-tance-Response-of-a-Single-Magnolia-Leaf-Magnolia-grandiflora-to/ (дата обращения 10.12.2016).
Science ¿Education
of the Baumail MSTU
Science and Education of the Bauman MSTU, 2017, no. 03, pp. 137-149.
DOI: 10.7463/0317.00000945
Received: 09.02.2017
Revised: 23.02.2017
© Bauman Moscow State Technical Unversity
Laser Sensing of Vegetation Based on Dual Spectrum Measurements of Reflection Coefficients
M.L. Belov1'*, Yu.S. Fesenko1, V.A. Gorodnichev1, O.V. Gotalskaya1
:Bauman Moscow State Technical University, Moscow, Russia
beloviSbmstuju
Keywords: laser; remote sensing; vegetation cover; reflection coefficients
Currently, a promising trend in remote sensing of environment is to monitor the vegetative cover: evaluate the productivity of agricultural crops; evaluate the moisture content of soils and the state of ecosystems; provide mapping the sites of bogging, desertification, drought, etc.; control the phases of vegetation of crops, etc.
Development of monitoring systems for remote detection of vegetation sites being under unfavorable conditions (low or high temperature, excess or lack of water, soil salinity, disease, etc.) is of relevance. Optical methods are the most effective for this task. These methods are based on the physical features of reflection spectra in the visible and near infrared spectral range for vegetation under unfavorable conditions and vegetation under normal conditions.
One of the options of optoelectronic equipment for monitoring vegetation condition is laser equipment that allows remote sensing of vegetation from the aircraft and mapping of vegetation sites with abnormal (inactive periods of vegetation) reflection spectra with a high degree of spatial resolution.
The paper deals with development of a promising dual-spectrum method for laser remote sensing of vegetation. Using the experimentally measured reflection spectra of different vegetation types, mathematical modeling of probability for appropriate detection and false alarms to solve a problem of detecting the vegetation under unfavorable conditions (with abnormal reflection spectra) is performed based on the results of dual-spectrum measurements of the reflection coefficient.
In mathematical modeling, the lidar system was supposed to provide sensing at wavelengths of 0.532 p,m and 0.85 p,m. The noise of the measurement was supposed to be normal with zero mean value and mean-square value of 1% -10%.
It is shown that the method of laser sensing of vegetation condition based on the results of dual-spectrum measurement of the reflection coefficient at wavelengths of 0.532 p,m and 0.85 p,m makes it possible, even with a measurement error of 10%, to detect vegetation sites that are
under unfavorable conditions, with the probability of appropriate detection close to 1 and the probability of false alarms close to 0.
References
1. Privalov V.E., Fotiadi A.E., Shemanin V.G. Lazery i ekologicheskii monitoring atmosfery. Lan', Saint Petersburg, Moscow, 2013, 288 p. [In Russian]
2. Karasik V.E., Orlov V.M. Lazernye sistemy videniia. BMSTU, Moscow, 2013, 478 p. [In Russian]
3. Weitkamp C. Lidar. Range-Resolved Optical Remote Sensing of the Atmosphere. Springer, Berlin, 2005, 460 p.
4. Kozintsev V.I., Orlov V.M., Belov M.L., Gorodnichev V.A., Strelkov B.V. Optiko-elektronnye sistemy ekologicheskogo monitoringa prirodnoi sredy. Bauman Moscow State Technical University Publishing, 2002, 528 p. [In Russian]
5. Nosov P.A. Sintez rezonatora tverdotel'nogo lazera s termoopticheski iskazhennym aktivnym elementom. Journal of Instrument Engineering, 2016, vol. 59, no. 9, p. 750-758. [In Russian]
6. Tokareva O.S. Obrabotka i interpretatsiia dannykh distantsionnogo zondirovaniia Zemli. Publishing of Tomsk Polytechnic University, Tomsk, 2010, 148 p. [In Russian]
7. Vegetatsionnye indeksy. Osnovy, formuly, prakticheskoe ispol'zovanie. Available at: http://www.mapexpert.com.ua/index ru.php?id=20&table=news, accessed 05.02.2016. [In Russian]
8. Belov M.L., Gorodnichev V.A., Koliuchkin V.Ia., Odinokov S.B. Optiko-elektronnye sistemy monitoringa prirodnoi sredy. Bauman Moscow State Technical University Publishing, 2014, 76 p. [In Russian]
9. Zhang Y., Chen J.M., Miller J.R., Noland T.L. Leaf chlorophyll content retrieval from airborne hyperspectral remote sensing imagery. Remote Sensing of Environment, 2008, no. 112, p. 3234-3247.
10. Afonasenko A.V., Iglakova A.I., Matvienko G.G., Oshlakov V.K., Prokop'ev V.E. Laboratornye i lidarnye izmereniia spektral'nykh kharakteristik list'ev berezy v razlichnye periody vegetatsii. Optika Atmosfery i Okeana = Atmospheric and Oceanic Optics, 2012, vol. 25, no. 3, p. 237-243. [In Russian]
11. Cherepanov A.S., Druzhinina E.G. Spektral'nye svoistva rastitel'nosti i vegetatsionnye indeksy. Available at: http://sovzond.ru/press-center/geomatics/2009-03/, accessed 10.12.2016.
12. Yanga J., Gonga W., Shia S., Dua L., Suna J., Songe S. Laser-induced fluorescence characteristics of vegetation by a new excitation wavelength. Spectroscopy letters, 2016, vol. 49, no. 4, p. 263-267.
13. Fedotov Iu.V., Bullo O.A., Belov M.L., Gorodnichev V.A. Eksperimental'noe issledovanie lazernogo fluorestsentnogo metoda kontrolia sostoianiia rastenii dlia stressovykh sostoianii,
vyzvannykh nepravil'nym rezhimom poliva. Nauka i obrazovanie = Science and education. Electronic Journal, 2014, no. 4. Available at: http://technomag.bmstu.ru/doc/707937.html, accessed 10.12.2016.
14. Hedimbi M., Singh S., Kent A. Laser induced fluorescence study on the growth of maize plants. Natural Science, 2012, vol. 4, no. 6, p. 395-401.
15. Belov M.L., Fesenko Iu.S., Gorodnichev V. A., Kuvshinov A.V. Lazernyi monitoring sostoianiia rastitel'nogo pokrova po dannym izmerenii koeffitsientov otrazheniia. Radiooptika = Radiooptics. Bauman MSTU electronic journal, no. 03, 2016. Available at: http://radiooptics.ru/doc/840843.html, accessed 10.12.2016.
16. USGS Digital Spectral Library 06. Available at: http://speclab.cr.usgs.gov/spectral.lib06, accessed 10.12.2016.
17. The reflection spectra of natural objects - database. Available at: http://gis-lab.info/projects/spectra, accessed 10.12.2016.
18. Thorhaug A., Richardson A.D., Berlyn G.P. Spectral reflectance of Thalassia testudinum (Hydrocharitaceae) seagrass: low salinity effects. Available at: http://www.amjbot.org/content/93/1/110.full, accessed 10.12.2016.
19. Timofeev Iu.M., Vasil'ev A.V. Teoreticheskie osnovy atmosfernoi optiki. Nauka = Science, Saint Petersburg, 2003. [In Russian]
20. Krinov E.L. Spektral'naia otrazhatel'naia sposobnost' prirodnykh obrazovanii. The USSR Academy of Sciences, Moscow, Leningrad, 1947. 272 p. [In Russian]
21. 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. Available at: https://www.researchgate.net/publication/248815511 Non-Destructive Detection of Water Stress and Estimation of Relative Water Content in Maize, accessed 10.12.2016.
22. Carter G.A., Knapp A.K. Leaf optical properties in higher plants: linking spectral characteristics to stress and chlorophyll concentration. Available at: http://www.amjbot.org/content/88/4/677.full, accessed 10.12.2016.
23. Emengini E.J., Blackburn G.A, Theobald J.C. Detection and discrimination of stress in bean (Phaseolus vulgaris Tendergreen) caused by oil pollution and waterlogging using spectral and thermal remote sensing. Available at: http://medwelljournals.com/abstract/?doi= rjasci.2013.302.312, accessed 10.12.2016.
24. Reflectance Response of a Single Magnolia Leaf (Magnolia grandiflora) to Decreased Relative Water Content. Available at: https://www.coursehero.com/file/p3gdkvs/ Reflectance-Response-of-a-Single-Magnolia-Leaf-Magnolia-grandiflora-to/, accessed 10.12.2016.
