Оценивание вероятностных характеристик результатов дистанционного зондирования Земли

от

Ю.В. Доронина, А.М. Скатков

ФГАОУ ВО «Севастопольский государственный университет»,
РФ, г. Севастополь, ул. Университетская, 33
E-mail: YVDoronina@sevsu.ru

УДК 519.8                                                            

DOI: 10.33075/2220-5861-2023-4-103-111 

EDN: https://elibrary.ru/celzak

Реферат:

Статья посвящена решению задачи приближенной оценки вероятностных характеристик результатов обнаружения объектов при дистанционном зондировании Земли. На практике часто требуется знание о достаточности статистических данных, которые позволят управлять оборудованием космического аппарата, стратегиями запуска с заданными доверительными вероятностями. Предполагается, что объект поиска расположен на плоскости, ограниченной окружностью с некоторым радиусом r. На основе метода Монте-Карло была выбрана случайная точка, имитирующая луч космического аппарата. Случайное число попаданий луча в круг по отношению к числу всех тестов является приблизительной оценкой вероятности попадания в предполагаемую область поиска. Координаты точки являются случайными, распределенными по нормальному закону с математическим ожиданием M = 0. Показано, что наиболее быстрое уменьшение вероятности происходит при максимальном угле: после первой условной единицы времени вероятность уменьшается примерно в три раза, а при уменьшении скорости в два раза вероятность обнаружения увеличивается в два раза. Моделирование указанных поисковых ситуаций проводилось на основе разработанного программного обеспечения, которое позволило при наличии классификации типичных случаев получить оценки вероятности и стандартного отклонения в зависимости от времени при различных скоростях роста дисперсии с углами наклона. Результаты исследования позволили повысить степень обоснованности принимаемых решений по управлению параметрами космического аппарата.

Ключевые слова: дистанционное зондирование Земли, вероятность обнаружения, орбитальный спутник, космический аппарат, нестационарная дисперсия.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

  1. Технология визуального геодезического ориентирования космических снимков земной поверхности / А.М. Кочергин, А.Е. Кузнецов, В.И. Побаруев, А.С. Шокол // Цифровая обработка сигналов. 2012. № 3. С. 45–48.
  2. Новаковский Б.А., Пермяков Р.В. Комплексное геоинформационно-фото-грамметрическое моделирование рельефа: учебное пособие. М.: Изд-во МИИГАиК, 2019. 175 с.
  3. Стариков И.П., Копылова Н.С., Шерстюк Е.В. Математическая модель единого дифференциально-локального метода отображения земной поверхности // Информация и космос. 2017. № 1. С. 168–173.
  4. Макунина Я.С., Долматов С.Н., Борисевич А.Н. Перспективы применения технологии ДЗЗ в качестве инструмента раннего обнаружения лесных пожаров // Актуальные проблемы обеспечения пожарной безопасности и защиты от чрезвычайных ситуаций: материалы IV Всероссийской научно-практической конференции (Железногорск, 21 апреля 2023 г.). 2023. С. 174–177.
  5. Соловьёв М.Д. Перспективные проекции с многократными изображениями (перспективами) // Труды ЦНИИГАиК. 1959. Вып. 31. С. 137–165.
  6. Андронов В.Г. Математические модели, методы и методики автономной фотограмметрической обработки космических сканерных снимков: дис. … д-ра техн. наук. Курск. 2016. 328 с.
  7. Комиссаров А.В. Теория и технология лазерного сканирования для пространственного моделирования территорий: дис. … д-ра техн. наук. Новосибирск, 2016. 278 с.
  8. Hope C., Chuaqui M. Manual total station monitoring // Geotechnical News. 2008. No. 26. Iss. 3. P. 28–30.
  9. Wang H. Application of Leica TS30 ultra-precision total station in de-formation monitoring // Journal of Liaoning, Technical University (Natural Science Edition). 2015. No. 34, Iss. 3. P. 401–404.
  10. Bond J., Chrzanowski A., Wilkins R. Using GPS for augmenting deformation monitoring systems in open pit mines — Problems and solutions // Geomatica. 2005. No. 59, Iss. 1. P. 73–82.
  11. Zhao Q.A. A snowment runoff forecasting model coupling WRF and DHSVM / Q. Zhao, Z. Liu, B. Qin, Z. Wei, S. Fang // Hydrology and Earth Systems sciences (HESS). 2009. Vol. 13 (10). P. 1897–1906.
  12. Исследование точности фототриангуляции с использованием различных методов лабораторной и полевой калибровки / А.Г. Чибуничев, В.М. Курков, А.В. Говоров [и др.] // Изв. вузов. Геодезия и аэрофотосъемка. 2016. № 2. С. 42–47.
  13. Mendoza M., Tsvetkov P.V., Lewis M. Multi-modal global surveillance methodology for predictive and on-demand characterization of localized processes using cube satellite platforms and deep learning techniques // In Remote Sensing Applications: Society and Environment. 2021. Vol. 22. P. 100518. DOI: 10.1016/j.rsase. 2021.100518.
  14. Guyot A., Lennon M., Hubert-Moy L. Objective comparison of relief visualization techniques with deep CNN for archaeology // Journal of Archaeological Science: Reports. 2021. Vol. 38. P. 103027. DOI: 10.1016/j.jasrep.2021.103027
  15. Михайлов И.Р., Абрамов Н.А., Долматов С.Н. Методы дистанционного зондирования земли в лесной промышленности // Современные инновации, системы и технологии. 2023. № 3 (3). С. 0301–0310. https://doi. org/10.47813/2782-2818-2023-3-3-0301-0310
  16. Полунатурное моделирование бортовых радиолокационных систем, работающих по земной поверхности: учебное пособие / В.Г. Важенин, Н.А. Дядьков, А.С. Боков, А.К. Сорокин, Ю.В. Марков, Л.Л. Лесная / под общ. ред. В.Г. Важенина. Екатеринбург: Изд-во Урал. ун-та, 2015. 208 c.
  17. Михайлов Г.А., Аверина Т.А. Алгоритм «максимального сечения» в методе Монте-Карло // Доклады Академии наук. 2009. Т.428, №2. C. 163–165.

Loading