Forwarded from Спутник ДЗЗ
Картографирование наводнений с помощью радаров: обзор методов и наборов данных
📖 Amitrano, D., Di Martino, G., Di Simone, A., & Imperatore, P. (2024). Flood Detection with SAR: A Review of Techniques and Datasets. Remote Sensing, 16(4), 656. https://doi.org/10.3390/rs16040656
Дистанционное зондирование Земли из космоса при помощи радаров оказывает большую помощь в борьбе с наводнениями и смягчении их последствий. В отличие от оптических датчиков, радары позволяют получать данные в условиях облачности, что обеспечивает регулярный мониторинг зон затопления.
Для картографирования и мониторинга наводнений применяется широкий спектр подходов: пороговые методы, нечёткая логика, машинное обучение, слияние данных (data fusion) и др. Оценить точность и эффективность различных методов картографирования наводнений позволяют справочные наборы данных. Приведен обзор открытых наборов радарных данных, которые охватывают события, связанные с наводнениями.
Мониторинг наводнений при помощи радаров испытывает трудности в районах городской застройки и густой растительности, где сложные механизмы рассеяния могут помешать точному выделению зон затопления. Эти и другие проблемы, а также перспективы развития методов картографирования наводнений на основе радарных данных обсуждаются в данной работе.
Обзор методов картографирования поверхностных водоёмов и зон затопления с помощью мультиспектральных оптических спутниковых сенсоров приведен здесь.
📊 Архитектура нейронной сети Siam-DWENet, предназначенной для извлечения высокоуровневых характеристик водных объектов из радарных снимков, сделанных до и после наводнения.
#обзор #SAR #наводнение #вода
📖 Amitrano, D., Di Martino, G., Di Simone, A., & Imperatore, P. (2024). Flood Detection with SAR: A Review of Techniques and Datasets. Remote Sensing, 16(4), 656. https://doi.org/10.3390/rs16040656
Дистанционное зондирование Земли из космоса при помощи радаров оказывает большую помощь в борьбе с наводнениями и смягчении их последствий. В отличие от оптических датчиков, радары позволяют получать данные в условиях облачности, что обеспечивает регулярный мониторинг зон затопления.
Для картографирования и мониторинга наводнений применяется широкий спектр подходов: пороговые методы, нечёткая логика, машинное обучение, слияние данных (data fusion) и др. Оценить точность и эффективность различных методов картографирования наводнений позволяют справочные наборы данных. Приведен обзор открытых наборов радарных данных, которые охватывают события, связанные с наводнениями.
Мониторинг наводнений при помощи радаров испытывает трудности в районах городской застройки и густой растительности, где сложные механизмы рассеяния могут помешать точному выделению зон затопления. Эти и другие проблемы, а также перспективы развития методов картографирования наводнений на основе радарных данных обсуждаются в данной работе.
Обзор методов картографирования поверхностных водоёмов и зон затопления с помощью мультиспектральных оптических спутниковых сенсоров приведен здесь.
📊 Архитектура нейронной сети Siam-DWENet, предназначенной для извлечения высокоуровневых характеристик водных объектов из радарных снимков, сделанных до и после наводнения.
#обзор #SAR #наводнение #вода
Forwarded from Спутник ДЗЗ
Моделирование водной эрозии с помощью модели RUSLE в масштабе сельскохозяйственного предприятия
📖 В работе описан процесс моделирования водной эрозии почвенного покрова в масштабе сельскохозяйственного предприятия с использованием уравнения RUSLE на основе наземных данных и данных ДЗЗ из космоса.
Исходные данные:
🔹 цифровая модель рельефа FABDEM
🔹 спутниковые снимки Sentinel-2
🔹 данные наземной метеостанции
🔹 цифровые карты почвы
🔹 цифровая карта типов землепользования
Сложнее всего, обычно, найти цифровые карты почвы. Они нужны для вычисления фактора эродируемости почвы (K). В эти данные входит содержание песка (SAN), ила (SIL) и глины (CLA) в процентах, а также содержание органических веществ в почве (OM) в процентах. В работе карта почв построена по данным наземных обследований.
В качестве источника данных для расчёта фактора природоохранной практики (P) использовалась карта типов землепользования (пахотные земли, пастбища и кустарник, водно-болотные угодья, лес), построенная для данного сельхозпредприятия.
📊 Алгоритм вычисления факторов уравнения RUSLE
#почва #вода
📖 В работе описан процесс моделирования водной эрозии почвенного покрова в масштабе сельскохозяйственного предприятия с использованием уравнения RUSLE на основе наземных данных и данных ДЗЗ из космоса.
Исходные данные:
🔹 цифровая модель рельефа FABDEM
🔹 спутниковые снимки Sentinel-2
🔹 данные наземной метеостанции
🔹 цифровые карты почвы
🔹 цифровая карта типов землепользования
Сложнее всего, обычно, найти цифровые карты почвы. Они нужны для вычисления фактора эродируемости почвы (K). В эти данные входит содержание песка (SAN), ила (SIL) и глины (CLA) в процентах, а также содержание органических веществ в почве (OM) в процентах. В работе карта почв построена по данным наземных обследований.
В качестве источника данных для расчёта фактора природоохранной практики (P) использовалась карта типов землепользования (пахотные земли, пастбища и кустарник, водно-болотные угодья, лес), построенная для данного сельхозпредприятия.
📊 Алгоритм вычисления факторов уравнения RUSLE
#почва #вода