Моделирование динамики яркостной температуры земли методом инвариантного погружения и нейронных сетей

КУРСОВАЯ РАБОТА

"МОДЕЛИРОВАНИЕ ДИНАМИКИ ЯРКОСТНОЙ ТЕМПЕРАТУРЫ ЗЕМЛИ МЕТОДОМ ИНВАРИАНТНОГО ПОГРУЖЕНИЯ И НЕЙРОННЫХ СЕТЕЙ"

Введение

Необходимость усиления контроля за глобальными процессами: изменения климата, ростом негативного антропогенного воздействия на биосферу, а также потребности в прогнозировании природных и техногенных катастроф, в ведении хозяйственной деятельности выдвигают в качестве приоритетной задачи дистанционное зондирование природной среды.

Дистанционное зондирование (ДЗ) можно представить как процесс, посредством которого собирается информация об объекте, территории или явлении без непосредственного контакта с ним. Методы ДЗ основаны на регистрации в аналоговой или цифровой форме отраженного или собственного электромагнитного излучения участков поверхности в широком спектральном диапазоне (от оптического и инфракрасного до коротковолнового).

Космическое зондирование, интенсивно развивающиеся в последние десятилетия, предоставило наукам о Земле новые возможности для исследования земной поверхности. За этот период существенно возросли объем, разнообразие и качество материалов ДЗ. К настоящему времени накоплен огромный фонд (более 100 миллионов) аэрокосмических снимков, полностью покрывающих всю поверхность Земли, а для значительной части районов с многократным перекрытием. [5]

Ученые и специалисты многих стран активно разрабатывают методики изучения Земли с использованием дистанционных измерений, совершенствуются и техническая база мониторинга, и методы интерпретации данных. Радиометрические методы исследования земной поверхности являются перспективными, поскольку не зависят от естественной освещенности местности и состояния атмосферы. Наблюдения в радиоволновом диапазоне чувствительны к влажностным, геометрическим и диэлектрическим характеристикам объектов. Это делает возможным ведение наблюдения и определение характеристик объектов, которые недоступны для оптических систем наблюдения.

Один из последних выведенных на орбиту спутников – ALOS помимо сенсоров видимого и ИК-диапазона оборудован РСА PALSAR с разрешением от 10 до 100 м (L-диапазон). В 2007 году готовится к запуску спутник SMOS, имеющий на борту усовершенствованный радиометр L-диапазона для изучения влажности почв и солености океанов. [13]

Однако обработка результатов радиолокационных и радиометрических исследований является более сложной по сравнению с оптическими системами наблюдения и требует особенного подхода, адаптированных к физическому и техническому алгоритму формирования данных. Также, важной задачей является повышение оперативности получения физических данных наблюдаемого объекта. Необходимы новые методы экспресс-анализа и быстрой обработки данных ДЗ в режиме реального времени.

Целью работы является применение моделирования динамики яркостной температуры методом инвариантного погружения и нейронных сетей; решение обратной задачи радиометрии – получение физических данных исследуемого объекта (почв); обзор различных моделей нейронных сетей; оценка погрешности и выявление причин ее появления.

моделирование динамика инвариантный нейронный

1. Задачи дистанционного зондирования земли. Современные методы обработки данных

1.1 Задачи, решаемые методами радиометрии

Задачи, которые ставит перед собой радиометрическое зондирование, имеют широкий спектр в области исследований различных параметров окружающей среды (геосферы, гидросферы и атмосферы).

Исследование земных покровов – одна из важных задач нынешнего времени. Данные этих исследований очень значимы для многих областей науки, экономики и быта человечества.

Существует огромное количество различных методов, моделей, алгоритмов анализа для расчета величин и параметров исследуемой поверхности. Каждая из этих моделей допускает свои упрощения и неточности.

Задачи, решаемые радиометрическим зондированием в геосфере Земли.

Радиометрическое зондирование используют для определения влажности почвы (требует частоты в 1–6 GHz), оценки уровня грунтовых вод. Вода обладает самой большой диэлектрической проницаемостью. Таким образом, если вода попадает в почву, то она будет вносить вклад в диэлектрическую проницаемость почвы, которая состоит из воздушных полостей, плёнок воды, которые покрывают частицы грунта. Поэтому с увлажнением почвы её диэлектрическая проницаемость начинает возрастать, следовательно, увеличивается коэффициент отражения.

Динамика радиояркостной температуры в процессе испарения почвенной влажности зависит от типа почвы, что позволяет оценивать физические и механические характеристики почв, находящихся в одинаковых метеоусловиях, дистанционным радиометрическим методом [1,12].

В радиометрии легко обнаружить загрязнение почвы нефтью. Нефть является гидрофобной жидкостью, то есть она препятствует проникновению воды в почву, в результате чего образуется плотная корка или стоит лужа в низине. В виду этого, сразу после дождя загрязнённая почва кажется более сухой и более яркой. Применяя радиометр на различных длинах волн можно определить толщину загрязнённого слоя. [6,16]

Дистанционное радиометрическое зондирование дает такую полезную информацию как концентрацию в ней солей и минеральных веществ, глубину промерзания и оттаивания почв.

Фиксация границ снежного покрова лучше происходит с помощью дистанционного зондирования в видимом диапазоне, однако при дешифрировании снежного покрова лесных территорий, возникает ряд затруднений, вследствие чего приходится ориентироваться на заснеженность открытых площадок: болот, вырубок, озер, или применять радиометрические методы в ИК или микроволновом диапазоне.

Оперативное картографирование снежного покрова и скорость отступания его границ в весенний период используются для гидрологических прогнозов. Некоторые параметры можно оценить косвенно. Например, зоны, охваченные снеготаянием, выявляются в ближнем инфракрасном диапазоне спектра, а мощность снежного покрова рассчитывается по ряду последовательных снимков, скорости продвижения границ снегонакопления и температуре воздуха. [9,14,16,18]

С помощью радиометрического ДЗ ведутся наблюдения за крупными чрезвычайными происшествиями и экологическими катастрофами (наводнения, засухи, лесные пожары, загрязнения морских вод нефтепродуктами, заморозки, ураганы, туманы, гололед, пыльные бури). Например, лесные пожары хорошо обнаруживаются даже на снимках малого разрешения, за счёт того, что излучение горящих углей очень большое, то есть большая яркостная температура. Однако существуют другие проблемы: большая задымлённость приводит к маскировке теплового излучения.

Торфяные пожары страшны тем, что находятся под поверхностью. Радиометрия может определить эти очаги пожара за счёт повышения температуры поверхности. [6,8]

Задачи, решаемые радиометрическим зондированием в гидросфере Земли.

Температура поверхности земли и океана является главным, хотя и не единственным фактором, воздействующим на яркостную температуру.

Длинноволновые радиометры (длина волны 20 см и более) в принципе могут оценивать соленость морской воды, используя зависимость поглощательной способности от солености. Точность таких измерений невелика – около одного промилле (1% 0), что сравнимо по величине с естественными вариациями солености в Мировом Океане. Однако длинноволновые радиометры могут найти применение в арктических районах, где вариации солености достигаются 10–20%.

Для слежения за изменением ледовой обстановки в морях составляют ледовые карты. Важные преимущества космической съемки – повторяемость поступления информации и оперативность обработки – дают возможность фиксировать состояние быстро изменяющихся природных явлений на различные моменты времени. Автоматизированные технологии позволяют отличать льды от облаков и разделять лед по сплоченности.

В результате, по спутниковым данным, создаются динамические карты ледовой обстановки в период навигации, а также в осенне-зимний и весенний периоды (наступление ледостава, очищение ото льда).

В результате интерференции наблюдаемая яркостная температура участка водной поверхности с разливом нефти изменяется периодически с изменением толщины пленки нефти. Сравнение наблюдаемой яркостной температуры участка разлива нефти с яркостной температурой участка чистой водной поверхности позволяет провести измерения толщины пленки нефти в пятне загрязнения. [8,13,16]

Особенностью мероприятий по метеозащите крупных городов – использование наряду с радиолокационной информацией, отражающей пространственно-временную эволюцию жидко-капельных облаков и осадков СВЧ-радиометрической информации о содержании как парообразной, так и жидко-капельной влаги в атмосфере. В ходе работ выполняется анализ временной / пространственной изменчивости характеристик влагосодержания атмосферы (водозапас облаков, влагозапас атмосферы). [6,10,13,16]

Задачи, решаемые радиометрическим зондированием для других планет Солнечной Системы.

Дистанционное зондирование радиометрическими методами проводится не только для Земли, но и для других близлежащих планет Солнечной системы. Эти методы особенно оправданы для планет с «густой» атмосферой.

Радиолокационное картирование северного полушария планеты Венера космическими аппаратами Венера-15 и Венера-16, выполненное в 1983–1984 гг. советскими учеными, заслуженно является достижением мирового уровня. Впервые в мире с борта космических аппаратов была выполнена детальная радиолокационная съемка поверхности планеты, закрытой плотной атмосферой, непрозрачной для наблюдений в оптическом диапазоне. Площадь отснятой территории, расположенной севернее 300 С.Ш., равна 115 млн. км2, что составляет четверть всей поверхности Венеры и лишь на треть меньше территории всей земной суши. Идея проведения эксперимента и его научно-методическая основа разработана в ИРЭ РАН. [2,15,18]

В рамках программы по исследованию планет солнечной системы и их спутников по проекту «Марс-96» совместно с учеными ИРЭ был разработан и установлен на космическом аппарате длинноволновый радар для глубинного зондирования грунта и ионосферы Марса в диапазоне рабочих частот от 0,2 до 5 МГц. Основным препятствием к широкому использованию радиолокаторов в геологической разведке земных недр является сильное поглощение радиоволн в почве из-за наличия в ней воды. Однако на других планетах и космических телах вода практически отсутствует, поэтому глубина проникновения может быть весьма большой. Основной целью эксперимента «Марс-96» являлось исследование высотного распределения электронной концентрации ионосферы Марса, измерение диэлектрических свойств грунта на разных глубинах вдоль трассы дрейфа космического аппарата, выявление глубинной структуры полярных областей. [2,15,18]

1.2 Недостатки современных методов обработки данных дистанционного зондирования

На данный момент в мире существует достаточно большое количество теорий, которые сами по себе верны, но при некоторых условиях не выполняются, дают сбой. Наверное, ещё не существует универсального способа или метода для определения тех или иных характеристик. Также и в радиометрии. Есть множество моделей, некоторые разные, некоторые почти одинаковые. Для примера можно рассмотреть характеристики почвы, которые надо учитывать, а которыми можно пренебрегать.

В идеальном случае мы считаем, что градиент температуры неизвестен, это есть функция, которую можно только аппроксимировать более простой, но точно задать невозможно. Или разбивать почвы на слои, желательно бесконечно малые и определять температуру каждого слоя. Также следует поступать с комплексной диэлектрической проницаемостью (КДП) и волновым числом, которое выражается через КДП. Зависит от КДП и коэффициент отражения каждого слоя, но эту зависимость можно определить с помощью простого математического аппарата. Влажность каждого слоя также нужно учитывать и определять.

Не надо забывать, что почва – это неоднородная среда. В почве встречаются камни, песчинки, живые организмы, мёртвые организмы, вода, трава, огромное количество природных ресурсов и многое другое. Каждая составляющая почвы имеет свою КДП, волновое число, влажность, температуру, коэффициент отражения. То есть для задания алгоритма по расчёту яркостной температуры и отражающей способности надо каждый слой разбивать на много подслоёв. Такое задание параметров почвы очень сильно осложняет работу и сводит её к нереализуемой, так как всё учесть невозможно, причём наука далеко ещё не всё знает об окружающей нас природе (среде). Также на поверхности почвы существуют шероховатости, неровности, растительность, органические соединения (живые существа). В зависимости от географического расположения изменяются характеристики среды, а также угол под которым растут растения на поверхности, вид растений (насколько сильно они поглощают тепло, как глубоко корни приникают в почву и прочие факторы). Даже если учесть все известные зависимости и закономерности максимально точно, то всегда будет какое-то допущение, упрощение. Для этого и создано это множество моделей, которые учитываю одно, досконально просчитывая все возможные варианты, и не учитывают другое.

Модели, используемые при тематической обработке радарных или радиометрических изображений, можно условно поделить на два класса: физические и статистические. Физические модели строятся на основе знания закономерностей собственного излучения или рассеяния волн. Они содержат функциональные соотношения, связывающие совокупность геофизических параметров исследуемого природного объекта с измеряемыми характеристиками принимаемого микроволнового излучения. Это позволяет построить количественные алгоритмы восстановления с использованием математических методов решения обратных задач, соответствующих форме найденных функциональных соотношений. Статистические модели не содержат априорных функциональных соотношений. Они рассчитаны на получение статистических оценок геофизических параметров с помощью выборочных значений для конкретной совокупности характеристик электромагнитных полей, которые получаются в процессе зондирования, и геофизической информации, собираемой с тестовых участков. Этот подход широко использует обучение по выборкам и нейронные сети. Построение статистических моделей трудоемко, и они обычно справедливы для конкретных природных объектов. Однако ввиду сложности процессов собственного излучения и рассеяния электромагнитных волн при построении физических моделей для большинства реальных природных объектов часто встречаются непреодолимые трудности. Поэтому в настоящее время используются оба вида моделей в зависимости от сложности зондируемых природных комплексов. В ряде случаев применяются комбинированные модели, в которых используются как элементы статистических оценок, так и физические закономерности взаимодействия волн с природной средой.

2. Необходимость использования нейронных сетей в моделировании динамики яркостной температуры земли при дистанционном зондировании земли

Одним из направлений дальнейшего совершенствования алгоритмов обработки данных ДЗ является использование искусственных нейронных сетей, обладающих способностью реализовать широкий класс функций без априорных допущений о законах их распределения. На основе их обучения может быть обеспечено более точное и оперативное получение искомых параметров в реальном масштабе времени. Разработка эффективных алгоритмов, основанных на искусственных нейронных сетях, для выполнения задач подобного класса представляет собой актуальную проблему данного исследования.

2.1 Нейронные сети и их применение

Нервная система и мозг человека состоят из нейронов, соединенных между собой нервными волокнами. Нервные волокна способны передавать электрические импульсы между нейронами. Все процессы передачи раздражений от нашей кожи, ушей и глаз к мозгу, процессы мышления и управления действиями – все это реализовано в живом организме как передача электрических импульсов между нейронами. Рассмотрим строение биологического нейрона. Каждый нейрон имеет отростки нервных волокон двух типов – дендриты, по которым принимаются импульсы, и единственный аксон, по которому нейрон может передавать импульс. Аксон контактирует с дендритами других нейронов через специальные образования – синапсы, которые влияют на силу импульса.

Рис. 1. Биологическая нейронная сеть

Страницы: 1, 2, 3, 4