CC BY
14Использование космических^средств, технологий и геоинформационны^систем для мониторинга и моделирования природной среды
УДК 519.7 + 004.93
ПРОГРАММНЫЕ СРЕДСТВА АНАЛИЗА ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ НА ОСНОВЕ НЕПАРАМЕТРИЧЕСКИХ АЛГОРИТМОВ ПРИНЯТИЯ РЕШЕНИЙ
А. В. Лапко1, 2*, В. А. Лапко1, 2
Институт вычислительного моделирования Сибирского отделения Российской академии наук Российская Федерация, 660036, г. Красноярск, Академгородок, 50/44 2Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: lapko@icm.krasn.ru
Рассматриваются функциональные возможности программных средств обработки данных дистанционного зондирования. Основу их математического обеспечения составляют непараметрические алгоритмы принятия решений. Программные средства реализованы в среде Delphi.
Ключевые слова: непараметрические алгоритмы распознавания образов, проверка гипотез, оценивание состояний объектов исследования, многомерные случайные величины, ядерные оценки плотности вероятности, дистанционное зондирование.
SOFTWARE TO ANALYZE REMOTE SENSING DATA ON THE BASIS OF NONPARAMETRIC DECISION ALGORITHMS
A. V. Lapko1, 2*, V. A. Lapko1, 2
institute of Computer Modeling Siberian Branch of the Russian Academy of Sciences 50/44, Akademgorodok, Krasnoyarsk, 660036, Russian Federation 2Reshetnev Siberian State University of Science and Technology 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: lapko@icm.krasn.ru
The functional capabilities of remote sensing data processing software are considered. The basis of their mathematical support is nonparametric decision algorithms. The software is implemented in Delphi environment.
Keywords: nonparametric pattern recognition algorithms, hypothesis testing, estimation of the condition of research objects, multidimensional random variables, kernel density estimation, remote sensing.
Разработка информационных средств комплексного анализа данных дистанционного зондирования является основой создания геоинформационных систем, обеспечивающих оперативность получения требуемой информации и поддержку принятия управленческих решений. Их применение позволяет значительно повысить точность и оперативность решения задач принятия решений, что особенно актуально при освоении природных ресурсов Севера и Сибири. В данной работе предлагаются программные средства обработки данных дистанционного зондирования с использованием модифицированных непараметрических алгоритмов распознавания образов для решения задач оценивания состояний природных объектов, их пространственного отображения и проверки статистических гипотез о распределениях случайных величин.
Для реализации цели работы создан комплекс программ NSARSD (Nonparametric system for the analysis of remote sensing data), который предназначен для решения задач обработки данных дистанционного зондирования и принятия решений на основе непараметрических статистик ядерного типа. Программа реализована в среде Delphi-7 [1].
Рассмотрим функциональные возможности программных средств.
1. Первичная обработка данных дистанционного зондирования, обеспечивающая оценивание основных количественных характеристик законов распределения случайных величин (математическое ожидание и его доверительное оценивание, среднеквадратическое отклонение, коэффициенты асимметрии, эксцесса и контрэксцесса) [2].
2. Проверка гипотез о распределениях многомерных случайных величин с использованием непараметрических алгоритмов распознавания образов ядерного типа [3; 4].
3. Оценивание состояния природных объектов по спектральным данным на основе непараметрических алгоритмов распознавания образов [5; 6].
4. Пространственное распределение состояний природных объектов по данным дистанционного зондирования.
Основной исходной информацией для обработки данных дистанционного зондирования является обучающая выборка V = (х{,..., х'к, 5('), I = 1,п), составленная из спектральных данных х' = (х!,..., х'к) элементов земной поверхности и указаний 8(') об их принадлежности к состояниям природного объекта
Решетневскуе чтения. 2018
(классам) Qj, j = 1, M . Классы определяют свойства
элементов земной поверхности. Например, типы дре-востоев лесных массивов по степени усыхания и уровни влажности почвы. Выборка V используется для обучения непараметрического алгоритма распознавания образов с градациями преимущества [2]. На основе обучающей выборки V с использованием непараметрических алгоритмов распознавания образов решается задача проверки гипотез об однородности спектральных данных, принадлежащих двум произвольно выбранным классам. Для пространственного отображения состояний природных объектов по спектральным данным, содержащихся в контрольной выборке V' = ((,..., xk, y', i = 1, n'). Здесь y' = (y1, y2 ) -
координаты элемента S i земной поверхности, который характеризуется спектральными данными x' =(x/,..., x'k). Обучающая и контрольная выборки
представляются в виде таблиц Microsoft Office Excel.
В первой строке каждого столбца файла Excel должны быть указаны сокращённые названия признаков x. Остальные строки заполняются числовыми значениями признаков, а в последнем столбце для обучающей выборки определяется их принадлежность к классам. Количество классов (состояний природных объектов) ограниченно значением 10. Количество используемых спектральных каналов (признаков x ) - до 15.
Интерфейс программы позволяет осуществлять эффективное управление исходными данными, последовательностью их обработки и представлением результатов решения функциональных задач.
Разработанные программные средства были использованы при оценивании состояний древостоев лесных массивов юга Красноярского края по данным дистанционного зондирования, полученных с аппарата MODIS/Terra. Каждый элемент земной поверхности характеризовался шестью спектральными признаками x = (,..., x6 ) в диапазоне длин волн (620 - 1652) нанометров.
Состояния исследуемого природного объекта Qj,
j = 1,3 соответствовали темнохвойному лесу, усыхающему и сухому древостою. Оценка вероятности ошибки определения состояний древостоев лесных массивов определяется значением p(c ) =0,024.
Программный комплекс NSARSD v. 1.0 позволил количественно оценить принадлежность ситуации x = (,..., x6 ) к классам Qj, j = 1,3, используя нормированные значения непараметрических оценок плотностей вероятностей pj ( x), j = 1,3.
Библиографические ссылки
1. Программные средства анализа данных дистанционного зондирования на основе непараметрических алгоритмов распознавания образов (NSARSD v. 1.0) : свидетельство о государственной регистрации программы для ЭВМ №2018618074 от 09.07.2018 / А. В. Лапко, В. А. Лапко, С. Т. Им, А. В. Бахтина //
Федеральная служба по интеллектуальной собственности, 2018.
2. Лапко А. В., Лапко В. А. Непараметрические системы обработки информации и принятия решений : учеб. пособие / Сиб. гос. аэрокосмич. ун-т. Красноярск, 2014. 382 с.
3. Лапко А. В., Лапко В. А. Непараметрические алгоритмы распознавания образов в задаче проверки статистической гипотезы о тождественности двух законов распределения случайных величин // Автометрия. 2010. Т. 46, № 6. С. 47-53.
4. Лапко А. В., Лапко В. А. Непараметрические алгоритмы распознавания образов в задаче проверки гипотезы о распределениях случайных величин // Изв. вузов. Приборостроение. 2011. Т. 54, № 4. С. 67-72.
5. Лапко А. В., Лапко В. А. Многоуровневые непараметрические системы обработки информации / Сиб. гос. аэрокосмич. ун-т. Красноярск, 2013. 270 с.
6. Развитие и применение информационных технологий исследования природных ресурсов территорий Сибири на основе данных дистанционного зондирования / И. В. Зеньков, С. Т. Им, А. В. Лапко и др. ; Сиб. гос. аэрокосмич. ун-т. Красноярск, 2017. 280 с.
References
1. Lapko A. V., Lapko V. A., Im S. T., Bakhtim A. V. Programmnye sredstva analiza dannykh distantsionnogo zondirovaniya na osnove neparametricheskikh algoritmov raspoznavaniya obrazov (NSARSD v. 1.0) [Software for remote sensing data analysis based on nonparametric pattern recognition algorithms (NSARSD v. 1.0)]. Certificate of state registration of the program is RF No. 2018618074, 09.07.2018.
2. Lapko A. V., Lapko V. A. Neparametricheskie sis-temy obrabotki informatsii i prinyatiya reshenij [Non-parametric information processing and decision-making systems] / Sib. gos. aerokosmich. un-t. Krasnoyarsk, 2014. 382 p.
3. Lapko A. V., Lapko V. A. Nonparametric algorithms of pattern recognition in the problem of testing a statistical hypothesis on identity of two distribution laws of random variables. Optoelectronics, Instrumentation and Data Processing. 2010. Vol. 46, No 6. P. 545-550.
4. Lapko A. V., Lapko V. A. [Nonparametric algorithms of pattern recognition in the problem of hypothesis testing on distributions of random variables]. Izvestiya vuzov. Priborostroenie [Journal of Instrument Engineering]. 2011. Vol. 54, No. 4. P. 67-72. (In Russ.)
5. Lapko A. V., Lapko V. A. Mnogourovnevye neparametricheskie sistemy obrabotki informatsii [Multilevel nonparametric information processing systems]. Krasnoyarsk, SibGAU Publ., 2013. 270 p.
6. Zen'kov I. V., Im S. T., Lapko А. V. et al. Razvitie i primenenie informatsionnykh tekhnologij issledovaniya prirodnykh resursov territorij Sibiri na osnove dannykh distantsionnogo zondirovaniya [Development and application of information technologies for the study of natural resources in Siberia on the basis of remote sensing data] ; Sib. gos. aerokosmich. un-t. Krasnoyarsk, 2017. 280 p.
© Лапко А. В., Лапко В. А, 2018
