Размещено на http://www.allbest.ru/

Національний технічний університет України

Київський політехнічний інститут

УДК 681.3

05.13.06 - інформаційні технології

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

МОДЕЛІ, МЕТОДИ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ МОНІТОРИНГУ СТАНУ РОСЛИННОСТІ ТА ҐРУНТУ

Кравченко Олексій Миколайович

Київ - 2009

Дисертацією є рукопис.

Робота виконана в Інституті космічних досліджень Національної академії наук України і Національного космічного агентства України.

Науковий керівник: доктор технічних наук, старший науковий співробітник, професор Куссуль Наталія Миколаївна, Інститут космічних досліджень Національної академії наук України і Національного космічного агентства України, завідувач відділу космічних інформаційних технологій та систем

Офіційні опоненти:

- доктор технічних наук, професор Гриша Сергій Миколайович, Національний технічний університет України "Київський політехнічний інститут" МОН України, професор кафедри автоматизованих систем обробки інформації та управління

- кандидат фізико-математичних наук, старший науковий співробітник Железняк Марк Йосипович, Інститут проблем математичних машин і систем Національної академії наук України, завідувач відділу математичного моделювання навколишнього середовища

Захист відбудеться "16 " червня 2009 р. о 1500 годині на засіданні спеціалізованої вченої ради Д 26.002.03 у Національному технічному університеті України "Київський політехнічний інститут" МОН України за адресою: Київ, проспект Перемоги, 37, корпус 35, аудиторія 006.

З дисертацією можна ознайомитись у бібліотеці Національного технічного університету України "КПІ" за адресою Київ, проспект Перемоги, 37.

Автореферат розісланий " 15 " травня 2009 р.

Вчений секретар спеціалізованої вченої ради доктор технічних наук, професор О.М. Новіков

Анотації

Кравченко О.М. Моделі, методи та інформаційні технології моніторингу стану рослинності та ґрунту. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 - інформаційні технології. - Інститут космічних досліджень Національної академії наук України та Національного космічного агентства України. - Київ, 2009.

У дисертаційній роботі розв'язано науково-прикладну задачу створення інформаційної технології моніторингу стану рослинності та ґрунту на основі системного підходу, аналізу та побудови каскаду взаємозалежних моделей, розв'язання обернених задач та асиміляції даних. Запропоновано метод розв'язання оберненої задачі для радіаційних моделей рослинного покриву на основі нейронних мереж густини суміші. На основі побудованої ймовірносної моделі розроблено та реалізовано новий метод оцінки параметрів рослинного покриву за даними дистанційного зондування в оптичному діапазоні. Вдосконалено методи побудови оптичного потоку Лукаса-Кенеда та Хорна-Шанка, які призначено для аналізу відеозображень у випадку низької частоти дискретизації кадрів. Отримані модифікації методів використані для відновлення полів вітру за даними геостаціонарних метеорологічних супутників. Розроблено інформаційну технологію моніторингу стану грунту на основі каскаду гідрометеорологічних моделей, що складається з моделі чисельного прогнозування погоди WRF та моделі волого- та теплопереносу в системі "ґрунт-рослина-атмосфера" NOAH. Теоретичні результати реалізовано у вигляді програмного забезпечення системи супутникового моніторингу поверхні суші, яке задовольняє міжнародним стандартам ISO та OGC. Розроблені сервіси зареєстровано в пілотній архітектурі системи систем GEOSS.

Ключові слова: асиміляція даних, обернені задачі, нейронні мережі густини суміші, оптичні потоки, метеорологічне моделювання, параметрична ідентифікація складних моделей, супутниковий моніторинг.

Кравченко А.Н. Модели, методы и информационные технологии мониторинга состояния растительности и грунта. - Рукопись.

Диссертация на соискание научной степени кандидата технических наук по специальности 05.13.06 - информационные технологии. Институт космических исследований Национальной академии наук Украины и Национального космического агентства Украины. - Киев, 2009.

В диссертационной работе решена научно-прикладная задача создания информационной технологии мониторинга состояния растительности и грунта на основе системного подхода, анализа и построения каскада взаимосвязанных моделей, решения обратных задач и ассимиляции данных.

В работе рассмотрена постановка задачи восстановления параметров растительного покрова, проанализированы нейросетевые модели для решения задач восстановления, на основе нейронных сетей плотности смеси разработан вычислительно-эффективный метод решения обратной задачи восстановления параметров растительного покрова по измерениям спектров в оптическом диапазоне, выполнено сравнение разработанного метода с методом Монте-Карло, проведена валидация разработанного метода на реальных данных. Задача восстановления параметров растений рассматривается как задача обратная задаче моделирования спектральных характеристик солнечного излучения, отраженного растением. Обратная задача формулируется в байесовской постановке. Показано, что для задачи восстановления влагосодержания листа растения погрешность аппроксимации стандартного отклонения оценки влагосодержания с помощью сети плотности смеси в 3 раза выше, чем с помощью многослойного персептрона. Для валидации алгоритма восстановления влагосодержания растения использовалась база данных LOPEX93 наземных измерений спектров растений. Результаты экспериментов показали, что 90% значений отклонения оценки влагосодержания нейронной сетью от истинного значения попадают в интервал , что свидетельствует об адекватности оценки влагосодержания и стандартного отклонения оценки с помощью сети плотностей смеси.

Усовершенствованы методы построения оптического потока Лукаса-Кенеда и Хорна-Шанка, предназначенные для анализа видеоизображений в случае низкой частоты дискретизации кадров. Для этого применен итеративный и иерархический (грубо-точный) подход. Сравнение результатов работы классического и модифицированного алгоритма Хорна-Шанка на снимках КА Meteosat с известным оптическим потоком (постоянное смещение в 10 пикселей) показали следующее: в отличие от модифицированного алгоритма, классический алгоритм недооценивает в 4 раза истинное значение оптического потока. Полученные модификации методов применимы для восстановления полей ветра по данным геостационарных спутников.

Разработана информационная технология мониторинга состояния грунта на основе каскада гидрометеорологических моделей, состоящего из модели численного прогнозирования погоды WRF и модели влаго- и теплопереноса в системе "почва-растение-атмосфера" NOAH. Параметры моделей настроены с учетом спутниковых данных, что позволило уменьшить ошибки моделирования в 1,5-2 раза.

Теоретические результаты реализованы в виде программного обеспечения системы спутникового мониторинга поверхности суши, удовлетворяющего стандартам ISO и OGC. Разработанные сервисы зарегистрированы в пилотной архитектуре системы систем GEOSS.

Ключевые слова: ассимиляция данных, обратные задачи, нейронные сети плотности смеси, оптические потоки, метеорологическое моделирование, параметрическая идентификация сложных моделей, спутниковый мониторинг.

Kravchenko O.M Models, methods and informational technologies of vegetation and soil state monitoring. - Manuscript.

Ph.D. Thesis for Scientific Degree of Candidate of Technical Sciences on speciality 05.13.06 - informational technologies. - Space Research Institute of the National Academy of Sciences of Ukraine and the National Space Agency of Ukraine. - Kyiv, 2009.

Thesis is devoted to the solution of scientific and applied problem of the development of informational technology of vegetation and soil state monitoring. Thesis is based on the application of methods of system analysis, creation of cascade of environmental models, inverse problems solving and data assimilation techniques. We developed a method for inverse problem solving for radiative transfer models of vegetation canopy that is based on the application of Mixture Density neural networks. Using the probability neural network model we developed a new approach to the estimation of vegetation water content from remote sensing data in optical electro-magnetic range. We improved Lucas-Kennedy's and Horn-Schank's methods for optical flow estimation for the analysis of sequence of images in the case of low frequency discretization. Modified versions of algorithms were used for the wind field assessment from the sequence of images acquired by meteorological geostationary satellites. We developed an informational technology of soil state estimation based on a cascade of hydrometeorological models that consists of Numerical Weather Prediction model WRF and land surface model NOAH. Theoretical results were implemented in the land surface satellite monitoring system. The developed services conform to the ISO and OGC intenrational standards, and were registered in the GEOSS Architecture Implementation Pilot.

Key words: data assimilation, inverse problems, Mixture Density Networks, optical flow, meteorological modeling, complex models, identification of complex models, satellite monitoring.

Загальна характеристика роботи

Актуальність теми. У зв'язку з процесами інтеграції України у світову економіку, на сьогоднішній день на державному рівні постає задача моніторингу стану рослинності та ґрунту для розв'язання важливих економічних проблем прогнозування врожайності та ефективного використання природних ресурсів. Сучасний етап розвитку систем моніторингу відзначається активними процесами інтеграції та глобалізації з широким залученням супутникової інформації. Найбільш відомим з цих процесів є створення міжнародної системи систем спостереження Землі GEOSS, в межах якої інтегруються дані дистанційного зондування, дані in-situ і моделей для створення систем підтримки прийняття управлінських рішень. Україна бере активну участь у створенні цієї системи.

Різним аспектам створення систем моніторингу поверхні суші, методам асиміляції даних, розв'язання обернених задач, методам обробки даних дистанційного зондування присвячені роботи наступних вітчизняних і закордонних учених Железняка М.Й., Коротаєва Г.К., Лялька В.І., Попова М.О., Baret F., Barker D., Evensen G., Hluchy L., Jacquemoud S., Kalnay E., Liang S., Lorenc A. та ін.

Для підвищення якості розв'язання задач моніторингу, зокрема задач супутникового моніторингу поверхні суші, необхідно враховувати міждисциплінарність самої проблеми моніторингу. Існуючі методи розв'язання окремих задач моніторингу є фрагментарними, призначеними для оцінки окремих параметрів навколишнього середовища, для роботи з окремими типами сенсорів, а більшість використовуваних моделей описують процеси у вузькій предметній області.

Тому задача створення інформаційної технології моніторингу стану рослинності та ґрунтів на основі спільного використання моделей з різних предметних областей, методів асиміляції даних аерокосмічних і наземних спостережень є актуальною. Дана дисертаційна робота присвячена розв'язанню цієї задачі.

Зв'язок роботи з науковими програмами, планами, темами. Результати, представлені в дисертаційній роботі, отримані в межах низки фундаментальних та прикладних науково-дослідних тем, а також конкурсних проектів НАН України і міжнародних грантів, зокрема:

- Наукова тема НАН України "Розробка методів прийняття рішень, ідентифікації та адаптивного управління в умовах невизначеності", 2004-2007 рр., № 0104U003973;

- Конкурсний проект НАН України "Розробка алгоритмів кластерних обчислень для задач обробки супутникової інформації та сценарного аналізу космічної діяльності" (шифр "Інтелект", № 0104U006234) (2004-2006 рр.);

- Конкурсний проект "Розробка принципів та методів побудови Grid-систем та їх реалізація у вигляді Grid-системи для розв'язання задач космічних досліджень" (шифр "Інтелект", № 0107U005853) в межах програми НАН України "Створення ефективних інтелектуальних інформаційних технологій, високопродуктивних ЕОМ та засобів захисту інформації", 2007-2009 рр.;

- Конкурсний проект НАН України "Забезпечення підвищення надійності функціонування апаратно-програмних засобів суперкомп'ютерних систем СКІТ-1 та СКІТ-2, розробка інтелектуальних інформаційних технологій та прикладного програмного забезпечення для розв'язання складних задач в економіці, науці, безпеці, оборони України та інших галузях народного господарства. Розробка інформаційних технологій для ефективного розв'язання складних задач обробки космічних даних за допомогою суперкомп'ютерних систем СКІТ-1 та СКІТ-2" (шифр "Кластер", № 0105U006425), 2005 р.;

- Конкурсний проект ДНТП "Теоретичні та алгоритмічні основи створення інформаційно-аналітичної системи космічного антикризового моніторингу", 2003-2004 рр., № 0103U006097;

- Конкурсний проект НАН України та УНТЦ "Розробка ефективних Grid-технологій екологічного моніторингу на основі супутникових даних", 2005-2007 рр., № 0105U008493;

- Науково-технічний проект НАН України "Створення пілотної версії інформаційної системи геофізичного моніторингу в межах українського сегменту GEOSS", 2007 р., № 0107U003530;

- Науково-технічний проект НАН України "Відпрацювання математичних моделей, методів та інформаційних технологій обробки супутникових даних в межах створення пілотного проекту інформаційної системи українського сегменту GEOSS/GMES", 2006 р., № 106U009399;

- Державний контракт НКАУ "Інформаційно-аналітичний супровід Програми. Інформаційно-аналітична підтримка створення системи GEO-Ukraine", 2007 р., (шифр "Інформація", № 0107U005852);

- Наукова тема НАН України "Розробка теоретичних основ та інформаційних технологій обробки наукової інформації космічних експериментів на основі методів оцінювання в умовах невизначеності та вейвлетних підходів", 2002-2004 рр., № 0102U003028;

- Міжнародний грант INTAS-CNES-НКАУ "Data Fusion Grid Infrastructure", Ref Nr 06-1000024-9154, 2007-2008 рр.

Мета і задачі дослідження. Мета роботи - розробка інформаційної технології моніторингу стану рослинності та ґрунтів на основі побудови каскаду взаємозалежних моделей, розв'язання обернених задач і асиміляції даних.

Для досягнення поставленої мети в дисертаційній роботі необхідно розв'язати наступні задачі:

- аналіз джерел даних, існуючих моделей, методів та інформаційних технологій оцінювання стану рослинності та ґрунтів;

- розробка методу відтворення стану рослинності на основі нейромережевої імовірнісної моделі за супутниковими даними;

- розробка методу побудови полів вітру на основі супутникової інформації;

- розробка інформаційної технології оцінювання стану ґрунтів на основі каскаду гідрометеорологічних моделей з урахуванням асиміляції даних;

- реалізація розроблених моделей та інформаційної технології в розподіленій комп'ютерній системі моніторингу стану рослинності та ґрунту.

Об'єкт дослідження - системи моніторингу поверхні суші на основі спільного використання даних дистанційного зондування, наземних даних і моделей.

Предмет дослідження - структура, принципи взаємодії компонентів систем моніторингу поверхні суші, моделі, методи розв'язання обернених задач та асиміляції даних.

Методи дослідження - для розв'язання поставлених задач використані методи системного аналізу, теорії оптимізації, апарат штучних нейронних мереж, методи статистичного дослідження, об'єктно-орієнтований аналіз і проектування.

Наукова новизна отриманих результатів полягає в наступному:

- проведено аналіз існуючих моделей та методів оцінювання стану рослинності та ґрунтів. Показано, що найбільш ефективним є нейромережевий підхід, однак традиційні нейронні мережі не дозволяють оцінити похибки моделювання;

- вперше запропоновано метод розв'язання оберненої задачі для радіаційних моделей рослинного покриву на основі нейромережевої моделі густини суміші. На відміну від нейронних мереж з квадратичним критерієм якості навчання запропонована модель дозволяє оцінити похибку відновлених значень стану рослинного покриву;

- вдосконалено методи побудови оптичного потоку Лукаса-Кенеда та Хорна-Шанка для відновлення полів вітру за даними геостаціонарних метеорологічних супутників;

- розроблено інформаційну технологію оцінювання стану ґрунтів на основі каскаду гідрометеорологічних моделей, який складається з моделі чисельного прогнозування погоди WRF та моделі волого- та теплопереносу в системі "ґрунт-рослина-атмосфера" NOAH;

- обґрунтовано достовірність інформаційної технології методами статистичних експериментів.

Обґрунтування достовірності результатів. Наукові положення, результати та висновки, сформульовані в дисертації, обґрунтовані коректним застосуванням методів системного аналізу, нейромережевого підходу, методів статистичного моделювання та підтверджені результатами обчислювальних експериментів.

Практичне значення отриманих результатів полягає у створенні каскаду гідрометеорологічних моделей для розв'язання прикладних задач моніторингу поверхні суші. Даний каскад впроваджено в Inter-Grid системі, що інтегрує ресурси Інституту космічних досліджень НАНУ-НКАУ, Інституту інформатики САН (Словаччина) та ресурси європейської Grid-програми EGEE. Каскад моделей використовується для інтеграції інформаційних систем супутникового моніторингу поверхні суші, розроблених в Інституті космічних досліджень РАН, Фрязінській філії Інституту радіотехніки та електроніки РАН та Інституті космічних досліджень НАНУ-НКАУ.

Розроблено та реалізовано новий метод оцінки параметрів рослинного покриву на основі даних дистанційного зондування в оптичному діапазоні. Даний метод має високу обчислювальну ефективність і дозволяє обчислювати характеристики похибок оцінюваних параметрів рослинності.

Розроблені моделі та інформаційну технологію реалізовано в розподіленій комп'ютерній системі супутникового моніторингу стану рослинності та ґрунту. Розроблені сервіси зареєстровано в пілотній архітектурі системи систем GEOSS.

Наукові результати використано в декількох міжнародних проектах, зокрема в межах спільного проекту INTAS-CNES-НКАУ №06-1000024-9154 "Data Fusion Grid Infrastructure" і в проекті Європейського космічного агентства Category-1 "Wide Area Grid Testbed for Flood Monitoring using Spaceborne SAR and Optical Data" (№4181).

Особистий внесок здобувача. Всі основні результати дисертаційної роботи отримані автором самостійно. У наукових працях, опублікованих у співавторстві, авторові належать наступні результати.

У монографії [1] дисертанту належать розділи 3 і 6; розділи 5, 7, 8 написані авторами спільно. В роботах [5, 6] - розробка та реалізація методу асиміляції даних різної природи для розв'язання задач екологічного моніторингу; у роботах [8, 13] - методи обробки даних геостаціонарних метеорологічних супутників; [7, 10] - дослідження існуючих підходів до створення геопросторових Web-сервісів та реалізація сервісів на основі стандартів OGC; [9] - розробка інформаційної технології оцінювання стану рослинного покриву; [11] - дослідження сценаріїв використання підходів Sensor Web та Grid в задачах обробки супутникових даних; [12] - розробка та реалізація каскаду гідрометеорологічних моделей для розв'язання прикладних задач моніторингу в рамках українського сегменту GEOSS.

Апробація результатів дисертаційного дослідження. Основні результати роботи доповідалися і обговорювалися на наукових конференціях і молодіжних школах-семінарах для молодих вчених: Міжнародних конференціях з автоматичного керування "Автоматика" (2004, 2005 р.), Українських конференціях з перспективних космічних дослідженнях (Крим, 2004, 2005 і 2007 р.), Міжнародних конференціях "Сучасні проблеми дистанційного зондування Землі з космосу" (Москва, 2005-2008 рр.), Міжнародних конференціях Knowledge-Dialog-Solution (Варна, Болгарія, 2005, 2007 рр.), Міжнародній конференції Third IEEE Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Application (Софія, Болгарія, 2005 р.), Білоруському космічному конгресі (Мінськ, Білорусь, 2005, 2007 рр.), Міжнародній науковій конференції "Сучасні проблеми гідробіології. Перспективи, шляхи і методи досліджень" (Херсон, 2006 р.), П'ятій та Шостій Міжнародних науково-практичних конференціях з програмування (Київ, 2006, 2008 рр.), Міжнародній конференції "Information Research&Applications" (Варна, Болгарія, 2007 р.), Міжнародній конференції "Аерокосмічні спостереження в інтересах сталого розвитку і безпеки" (Київ, 2008 р.), Міжнародній конференції European Geosciences Union General Assembly (Відень, Австрія, 2008 р.), а також демонструвалися на міжнародній виставці інформаційних технологій CEBIT (Ганновер, Німеччина, 2004-2008 рр.), на засіданнях групи WGISS комітету CEOS (2005-2008 рр.), україно-польському семінарі з космічних досліджень (Варшава, Польща, 2007 р.).

Публікації. Основні результати дисертаційної роботи опубліковано в 25 наукових працях. Серед них 1 монографія, 12 статей у профільних наукових журналах відповідно до переліку ВАК України (у тому числі 3 без співавторів), а також матеріали конференцій.

Структура й обсяг дисертації. Дисертаційна робота складається зі вступу, 5 розділів, висновків, списку літературних джерел з 111 найменувань та одного додатку. Загальний обсяг дисертації складає 182 сторінки: 126 сторінки основного тексту, 67 рисунків і 12 таблиць.

Основний зміст роботи

У вступі обґрунтована актуальність теми і наукових задач; сформульована мета дисертаційної роботи; визначені об'єкт та предмет досліджень, наукова новизна і практична значимість отриманих результатів; зазначений особистий внесок здобувача, дані про реалізацію, апробацію та публікацію результатів досліджень.

В першому розділі "Аналіз існуючих методів і систем моніторингу поверхні суші" проведено аналіз існуючих систем моніторингу, а також моделей і методів асиміляції даних, які використовуються в цих системах. Виділено характерні властивості систем моніторингу поверхні суші: необхідність широкого використання даних дистанційного зондування Землі (ДЗЗ), комплексування даних різної природи, а також необхідність функціонування в реальному часі. Показано, що для розв'язання задачі моніторингу стану ґрунту і рослинного покриву - необхідно застосовувати методи асиміляції даних у моделі з різних предметних областей: радіаційні моделі, моделі тепло- і вологопереносу в ґрунті і рослинності, а також метеорологічні моделі.

Досліджено існуючі методи оцінювання параметрів рослинності. Показано, що обчислювальна складність більшості методів не дозволяє розв'язувати задачу в оперативному режимі (табл. 1), а найбільш обчислювально-ефективний нейромереживий метод не дозволяє оцінити похибку відновлених параметрів рослинності.

Обґрунтовано актуальність задачі системного аналізу і проектування систем моніторингу поверхні суші на основі інтеграції метеорологічних, гідрологічних, радіаційних моделей і асиміляції даних. Визначено критичні ланки та недоліки існуючих інформаційних технологій моніторингу стану рослинності та ґрунту. Сформульовано постановку задачі дисертаційного дослідження.

Таблиця 1. Обчислювальна складність методів оцінювання параметрів рослинності (розв'язання обернених задач для радіаційних моделей)

Метод	Кількість ітерацій для розв'язання задачі (1 піксель)	Час обчислення однієї ітерації процесором Intel Core Duo 2ГГц, с	Час обробки зображення 106 пікселів, с	Можливість оцінки дисперсії похибки
Монте-Карло	1000	10-2	3,5 місяці	Так
Варіаційний	100	10-2	11 діб	Так
Нейро-мережевий (після навчання мережі)	1	10-4	100 с	Ні

В другому розділі "Метод оцінювання параметрів рослинного покриву" розглянуто постановку задачі відновлення вологовмісту рослинного покриву, проаналізовано нейромережеві моделі для розв'язання задач відновлення, розроблено обчислювально-ефективний метод розв'язання оберненої задачі відновлення параметрів рослинного покриву за вимірами спектрів в оптичному діапазоні, проведено валідацію розробленого методу на реальних даних.

Задача відновлення параметрів рослин розглядається як задача обернена задачі моделювання спектральних характеристик сонячного випромінювання, відбитого рослиною. Для формулювання прямої задачі розглянемо радіаційні моделі рослини та атмосфери в наступному вигляді:

(1)

де - скінченновімирне відображення "вхід-вихід", що сформоване на основі математичної моделі радіаційних процесів. Функція відображає вектор параметрів рослинного покриву у вектор вимірів - дискретних значень спектра відбиття рослинного покриву на різних довжинах хвиль електромагнітного випромінювання. Зазначимо, що множини та є обмеженими. Наприклад, для радіаційної моделі листя рослини PROSPECT, розмірність вектора дорівнює 4:

,

де - параметр структури листя, а , , - концентрації хлорофілу, води та сухої речовини. Розмірність вектора дорівнює 2100 (), оскільки модель PROSPECT видає значення спектра листя рослини в діапазоні довжин хвиль 400-2500 нм із кроком дискретизації 1 нм.

Оскільки реальні вимірювальні прилади (особливо супутникові) мають невисоку спектральну розрізненість, кількість доступних вимірів зазвичай значно менше 2100. Наприклад, число спектральних каналів приладу MODIS дорівнює 7, а вектор вимірів формується з урахуванням функцій чутливості каналів даного приладу

, (2)

де - -й елемент вектора , - довжина хвилі, - дискретні значення довжини хвилі , - функція відносної спектральної чутливості каналу , - спектр відбиття рослинного покриву. Тоді розмірність вектора дорівнює 7.

Оскільки модель (1) є тільки апроксимацією реальних процесів поширення фотонів у рослинному покриві, а в реальних вимірювальних приладах присутній шум, то взаємозв'язок між входом моделі та вимірами виражається з урахуванням характеристик шуму. Дана задача характеризується мультиплікативним шумом :

(3)

В даній роботі припускається, що невизначеність в апріорній оцінці входу моделі та в процесі вимірювання вектору носить імовірнісний характер. Позначимо , , - випадкові вектори апріорної оцінки входу моделі, вимірювання та шуму у вимірюваннях, а , і - відповідні густини розподілу цих векторів. Припускається, що випадкові вектори та - незалежні, а густина розподілу , і функція такі, що випадкові вектора і мають спільну густину , а компоненти векторів мають дисперсію.

Таким чином, виникає обернена задача - визначення параметрів рослинного покриву за даними вимірів . Розв'язком цієї задачі є густина умовного розподілу входу моделі при відомому значенні вектору вимірів :

(4)

Знання густини умовного розподілу дозволяє обчислювати різні статистичні характеристики оцінки входу відображення : середнє, медіану, дисперсію, довірчий інтервал, найбільш ймовірне значення тощо.

Для розв'язання даної оберненої задачі (4) застосовується нейромережевий підхід. В межах цього підходу шукається обернене перетворення , що мінімізує матсподівання квадрата нев'язки:

(5)

Відображення шукається серед широкого класу функцій , які визначаються нейронною мережею, зокрема, багатошаровим персептроном з одним прихованим шаром:

, (6)

де вектори і формують матриці вагових коефіцієнтів нейронів прихованого та вихідного шарів, а вектори і - вагові коефіцієнти зв'язків bias-нейронів з нейронами прихованого шару та вихідного шару відповідно, - -ий компонент вектора . У сукупності вектори , , та формують вектор параметрів нейронної мережі .

Знаходження коефіцієнтів відбувається під час навчання мережі. Для цього сформуємо навчальну вибірку з розподілу :

,

де - вхідний вектор нейромережі, - вектор входу моделі, тобто виходу нейронної мережі; - розмір вибірки. Навчання полягає у мінімізації функціонала помилки

(7)

Основна складність в застосуванні звичайних нейронних мереж для розв'язання обернених задач полягає в неадекватному виборі функціоналу , тобто квадраті норми векторів нев'язки. В цьому випадку нейромережа буде наближати значення умовного математичного сподівання

вектору виходу мережі за умови вектору входу мережі. Сформулюємо цей факт у вигляді наступного твердження.

Твердження 1. Для будь-якого та існує таке , що з імовірністю для будь-якого середньоквадратична похибка роботи песпептрона на вибірці з густиною розподілу задовольнятиме нерівності

(8)

Для подолання вказаного недоліку звичайних нейронних мереж для розв'язання обернених задач в даній роботі пропонується використовувати нейронні мережі з неквадратичним критерієм оптимальності - нейронні мережі густини суміші (Mixture Density Networks). Нейронні мережі даного типу дозволяють моделювати густину умовного розподілу у вигляді згортки гаусівських густин:

, (9)

де

- гаусівська густина із середнім і діагональною матрицею коваріації , - коефіцієнти згортки (), - кількість елементів у згортці. Для побудови функцій , та використовується багатошаровий персептрон з модифікованим вихідним шаром.

Навчання даної нейронної мережі відбувається шляхом мінімізації похибки роботи мережі

.

Для даних нейронних мереж сформульовано та доведено наступне твердження.

Твердження 2. Похибка роботи нейронної мережі густини суміші , яка містить одне ядро гаусівської густини на вибірці з густиною розподілу , задовольняє граничному співвідношенню

, (10)

де - дисперсія умовного розподілу -ї компоненти вектору виходу мережі , а

.

Два останні доданки у виразі (11) залежать від вагових коефіцієнтів, є невід'ємними і можуть бути наближені до нуля з довільною точністю в результаті навчання нейронної мережі. При цьому вихід мережі наближає матсподівання розподілу , а - середнє квадратичне стандартних відхилень розподілів . Тобто нейронна мережа густини суміші, яка містить одне ядро гаусівської густини, дозволяє оцінити крім матсподівання умовного розподілу також і його дисперсію.

Нейронні мережі густини суміші апробовано на тестових моделях та використано для розв'язання оберненої задачі відновлення вологовмісту листа рослини та рослинного покриву за спектром в оптичному діапазоні. Результати порівняння точності розв'язання оберненої задачі для тестової залежності традиційним багатошаровим персептроном (MLP) та нейронною мережею густини суміші (MDN) наведено в таблиці 2.

Для формулювання оберненої задачі відновлення вологовмісту рослинності використовувалися радіаційні моделі PROSPECT4 та 4SAIL. Для оцінки вологовмісту і відповідної дисперсії було навчено нейронну мережу густини суміші з одним ядром гаусівської густини, яка містить 7 нейронів у вхідному шарі, 5 - у прихованому. При навчанні використовувалася вибірка з дисперсією шуму 5%.

Таблиця 2. Порівняння точності оцінки умовного середнього та стандартного відхилення за допомогою нейронних мереж MLP та MDN

	Теор. значення	Похибка апроксимації , MLP	Похибка апроксимації , MDN	Теор. значення	Похибка апроксимації , MLP	Похибка апроксимації , MDN
d=0,1	0,05	3,25E-03	6,70E-04	2,89E-02	1,76E-01	1,13E-02
d=0,5	0,25	-7,57E-04	-7,75E-04	1,44E-01	6,03E-02	-3,18E-04
d=1,0	0,5	-4,37E-04	-3,18E-04	2,86E-01	-8,40E-02	-2,56E-02
d=1,5	0,75	6,37E-04	1,19E-03	1,44E-01	6,03E-02	2,85E-03

Для оцінки якості розробленного нейромережевого методу його було порівняно з методом Монте-Карло для оберненої задачі відновлення вологмісту листя рослини (на основі моделі PROSPECT4). У порівнянні з методом Монте-Карло, середньоквадратична відносна похибка в процентах (СКВП) апроксимації умовного середнього вологовмісту за домогою MDN складає 1.6%. А СКВП аппроксимації стандартного відхилення густини умовного розподілу складає:

· 7% за домогою MDN;

· 20% за допомогою MLP.

Тобто для задачі відновлення вологовмісту листя рослини точність апроксимації стандартного відхилення похибки відновлення за допомогою нейронної мережі густини суміші в 3 рази вища за точність апроксимації за допомогою багатошарового персептрона.

Для валідації алгоритму відновлення вологовмісту рослини використовувалася база даних LOPEX93 (The JRC Leaf Optical Properties Experiment) наземних вимірів спектрів рослин. З бази даних LOPEX було відібрано 330 спектрів свіжих листів різних видів рослин з різними значеннями вологовмісту. Показано гістограму відхилення оцінки вологовмісту при вході від істинного значення , співвіднесеного до значення стандартного відхилення . При цьому більшість значень (90%) відхилення попадають в інтервал , що свідчить про адекватність оцінки вологовмісту і стандартного відхилення оцінки за допомогою мережі густини суміші.

Третій розділ присвячено створенню алгоритму відновлення полів вітрів за знімками хмарності, зроблених з геостаціонарних супутників, шляхом модифікації існуючих методів побудови оптичного потоку. Основною задачею цих методів є відновлення полів швидкостей чи зсувів елементів зображення за послідовностями зображень. В межах цього підходу припускається збереження вимірюваної величини уздовж траєкторій руху:

, (11)

де - інтенсивність пікселів зображення (вимірювана величина), що залежить від часу, - швидкість елементів зображення, - просторові координати елементів зображення.

У випадку диференційованості функції інтенсивності зображення, з наближення Тейлора першого порядку і формули (12) можна отримати лінійне рівняння обмеження на швидкість:

, (12)

де - частинна похідна за часом від ;

- просторовий градієнт інтенсивності.

Для побудови алгоритму було обрано диференціальні методи обчислення оптичного потоку Лукаса-Кенеда та Хорна-Шанка.

Метод Хорна-Шанка полягає у пошуку мінімуму наступного критерію

, (13)

де параметр визначає міру заданої гладкості оптичного потоку, який необхідно отримати.

Методи обчислення оптичного потоку в більшості випадків пристосовані для відновлення оптичного потоку при незначних (субпіксельних) переміщеннях об'єктів на зображеннях. Для роботи зі знімками хмарності методи Лукаса-Кенеда та Хорна-Шанка були модифіковані для урахування значних зсувів. Для цього використано ітеративний та ієрархічний підхід. В межах цього підходу будується ієрархія зображень

, (14)

де - кількість рівнів ієрархії, - коефіцієнт зменшення лінійних розмірів зображень. На кожному рівні ієрархії використовується класичний алгоритм обчислення оптичного потоку. Потім значення потоку поширюється на нижні рівні ієрархії. Загальна схема ієрархічного визначення значень оптичного потоку має наступний вигляд:

1. Встановити початкове значення оптичного потоку .

2. На кожному наступному кроці обчислити нове значення оптичного потоку відповідно до наступного виразу

3. Значення є результатом роботи схеми.

Показано результат роботи класичного і модифікованого алгоритму Хорна-Шанка на знімках космічного апарату (КА) Meteosat з відомим оптичним потоком (постійний зсув у 10 пікселів). На відміну від модифікованого алгоритму, класичний алгоритм недооцінює у 4 рази істинне значення оптичного потоку. Показано результат роботи модифікованого алгоритму на реальній послідовності знімків КА Meteosat.

У четвертому розділі запропоновано інформаційну технологію оцінювання профілів температури та вологості ґрунту на основі побудови каскаду гідрометеорологічних моделей з урахуванням асиміляції даних. Розроблений каскад складається з регіональної моделі чисельного прогнозування погоди WRF і моделі тепло- і вологопереносу в ґрунті і рослинності NOAH.

Для адаптації моделі WRF для роботи на території України було налаштовано параметри моделі - набори схем параметризацій процесів, що не представлені в моделі явно. Для подальшого уточнення роботи моделі використовувалися наступні методи асиміляції даних: динамічної релаксації для асиміляції даних глобального метеорологічного аналізу і тривимірної варіаційної асиміляції (3d-var) для наземних метеорологічних вимірів.

Було проведено ідентифікацію параметрів моделі NOAH з використанням даних про температуру підстилаючої поверхні, яка вимірюється спектрорадіометром MODIS (продукт MOD11A2).

П'ятий розділ присвячено питанням реалізації розроблених методів в інформаційній системі моніторингу стану рослинності та ґрунтів. На основі результатів даної роботи створено наступні компоненти: побудови карт вітрів WindProc, оцінки параметрів рослинності VegProc, метеорологічного прогнозування WRF, гідрологічного прогнозування NOAH, управління потоками задач WorkflowController, а також компоненти завантаження та збору даних (DA) та візуалізації (MapServer).

Інформаційні продукти, що створюються в системі, надаються користувачу за допомогою оперативних Web-сервісів. Створена система базується на сучасних стандартах та програмних засобах організації розподілених обчислень та надання геопросторових даних. Для роботи обчислювально-складних компонентів системи використовується Grid-система, що дозволяє прискорити роботу моделі WRF в 40 раз.

Висновки

У дисертаційній роботі розв'язано науково-прикладну задачу створення інформаційної технології моніторингу стану рослинності та ґрунтів на основі системного підходу, аналізу та побудови каскаду взаємозалежних моделей, розв'язання обернених задач та асиміляції даних. Спроектовану систему реалізовано у вигляді сертифікованих програмних сервісів моніторингу поверхні суші в межах українського сегменту системи GEOSS. рослинний моніторинг зондування нейронний

1. Виконано аналіз методів асиміляції даних, які застосовуються для розв'язання задач моніторингу параметрів поверхні суші показав, що за критерієм обчислювальної складності оптимальним є нейромережевий підхід. Показано, що традиційні нейромережеві моделі з квадратичним критерієм якості навчання не дозволяють оцінити похибки моделювання.

2. Розроблено та реалізовано новий метод оцінки параметрів рослинного покриву на основі нейромережевої ймовірносної моделі, що оцінює похибку відновлення параметрів в 3 рази краще, ніж традиційний персептрон.

3. Вдосконалено методи побудови оптичного потоку Лукаса-Кенеда та Хорна-Шанка, які призначено для аналізу відеозображень у випадку низької частоти дискретизації кадрів. Отримані модифікації методів використані для відновлення полів вітру за даними геостаціонарних метеорологічних супутників.

4. Побудовано інформаційну технологію моніторингу стану ґрунту на основі каскаду гідрометеорологічних моделей, який складається з моделі чисельного прогнозування погоди WRF та моделі волого- та теплопереносу в системі "ґрунт-рослина-атмосфера" NOAH. В результаті застосування асиміляції даних та налаштування параметрів моделей похибка моделювання зменшилася в 1,5-2 рази.

5. Теоретичні результати реалізовано у вигляді сервіс-орієнтованої розподіленої комп'ютерної системи супутникового моніторингу поверхні суші, яка задовольняє міжнародним стандартам ISO та OGC. Розроблені сервіси зареєстровано в пілотній архітектурі системи систем GEOSS.

Список опублікованих праць за темою дисертації

1. Интеллектуальные вычисления в задачах обработки данных наблюдения Земли / [Куссуль, Шелестов А.Ю., Скакун С.В., Кравченко А.Н.]. - К.: "Наукова думка", 2007. - 196 с.

2. Кравченко А.Н. Нейросетевой метод решения обратных задач для радиационных моделей растительного покрова / А.Н. Кравченко // Кибернетика и системный анализ. -2009. - №3. - С. 159-172.

3. Кравченко А.Н. Анализ динамики облачности по спутниковым снимкам на основе метода оптических потоков / А.Н. Кравченко // Кибернетика и вычислительная техника. - 2006. - № 151. - C. 16-23.

4. Кравченко А.Н. Каскад гидрометеорологических моделей для прогнозирования паводков / А.Н. Кравченко // Кибернетика и вычислительная техника. - 2007. - № 155. - С. 87-97.

5. Кравченко А.Н. Мониторинг водных ресурсов на основе интеграции разнородных данных и высокопроизводительных вычислений / А.Н. Кравченко, Н.Н. Куссуль, Е.А. Лупян, В.П. Саворский, Л. Хлухи, А.Ю. Шелестов // Кибернетика и системный анализ. - 2008. - №4. - C. 179-188.

6. Kussul N. Data Assimilation Technique For Flood Monitoring and Prediction / N. Kussul, A. Shelestov, S. Skakun, O. Kravchenko // International Journal on Information Theory and Applications. - 2008. - Volume 15, Number 1. - P. 76-84.

7. Кравченко О.М. Застосування реалізацій стандартів OGC для створення розподілених систем візуалізації та надання геопросторових даних / О.М. Кравченко, А.Ю. Шелестов // Проблеми програмування. - 2006. - №2-3. - С. 135_139.

8. Shelestov A. Services for Satellite Data Processing / A. Shelestov, O. Kravchenko, M. Korbakov // International Journal on Information Theories and Applications. - 2006. - №3. - P. 272-276.

9. Куссуль Н.Н. Інформаційний сервіс оцінювання видового різноманіття рослинного і тваринного світу причорноморського регіону України в контексті розвитку українського сегмента системи GEOSS / Н.Н. Куссуль, М.О. Попов, А.Ю. Шелестов, С.А. Станкевич, М.Б. Корбаков, О.М. Кравченко, А.О. Козлова // Наука та інновації. - 2007. - № 6. - С. 13-25.

10. Shelestov A. Distributed visualization systems in remote sensing data processing GRID / A. Shelestov, O. Kravchenko, M. Ilin // International Journal Information Technologies and Knowledge. - 2008. - Volume 2, Number 1. - P. 76-82.

11. Kussul N. Practical issues of Sensor Web implementation and gridification / N. Kussul, M. Korbakov, O. Kravchenko // Проблеми програмування. - 2008. - №2-3. - С. 533-540.

12. Шелестов А.Ю. Grid-технология реализации украинского сегмента GEOSS / А.Ю. Шелестов, А.Н. Кравченко, М.Б. Корбаков, Н.Н. Куссуль, С.В. Скакун, А.И. Рудакова, Н.И. Ильин, Л.И. Тютюнник // Загальногалузевий науково-виробничий журнал "Зв'язок" (Розвиток інформаційно-комунікаційних технологій та розбудова інформаційного суспільства в Україні). - 2006. - С. 106-125.

13. Куссуль Н.Н. Построение карты облачности с использованием параллельного алгоритма марковской сегментации / Н.Н. Куссуль, А.Ю. Шелестов, М.Б. Корбаков, А.Н. Кравченко, Т.Ф. Нгуен // Кибернетика и вычислительная техника. - 2005. - № 146. - C. 49-60.

14. Кравченко А.Н. Использование нейронных сетей для определения характеристик растительности по спутниковым данным // 6-я всероссийская открытая ежегодная конференция "Современные проблемы дистанционного зондирования Земли из космоса", 10-14 ноября 2008 г. - Москва, 2008 - С. 256.

15. Куссуль Н.Н. Ассимиляция спутниковых данных в региональные модели NWP / Н.Н. Куссуль, А.Н. Кравченко // Матеріали конференції "Аерокосмічні спостереження в інтересах сталого розвитку та безпеки", 3-5 червня 2008 р. - Київ, 2008. - С. 125-126.

16. Shelestov A. Geospatial data visualisation in Grid system on Ukrainian segment of GEOSS/GMES / A. Shelestov, O. Kravchenko, N. Ilin // Proc. of the V-th International Conference "Information Research&Applications", June 26-30, 2007. - Varna (Bulgaria), 2007. - 2. - P. 422-428.

17. Kussul N.N. Flood Monitoring and Prediction Using Satellite and Modelling Data / N.N. Kussul, A.Yu. Shelestov, S.V. Skakun, A.N. Kravchenko // Материалы Третьего Белорусского космического конгресса, 23-25 октября 2007 г. - Минск (Беларусь), 2007. - С. 219-224.

18. Шелестов А.Ю. Экологический мониторинг водных ресурсов в украинском сегменте GEOSS / А.Ю. Шелестов, А.Н. Кравченко, Н.Н. Куссуль // Праці міжнародної наукової конференції "Розвиток інформаційно-комунікаційних технологій та розбудова інформ. суспільства в Україні". - 2007. - С. 81-90.

19. Куссуль Н.Н. Совместное использование разнородных данных в системах экологического мониторинга / Н.Н. Куссуль, А.Н. Кравченко // Тезисы Пятой юбилейной открытой всероссийской конференция "Современные проблемы дистанционного зондирования Земли из космоса", 12-16 ноября 2007 г. - Москва, 2007. - C. 78.

20. Шелестов А.Ю. Распределенная система мониторинга водных ресурсов с использованием данных дистанционного зондирования / А.Ю. Шелестов, А.Н. Кравченко, Н.Н. Куссуль // Материалы Четвёртой всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса", 13-17 ноября 2006 г. - Москва, 2006. - С. 74.

21. Шелестов А.Ю. Построение сервиса мониторинга водных ресурсов с использованием данных дистанционного зондирования / А.Ю. Шелестов, А.Н. Кравченко, С.В. Скакун, М.Б. Корбаков // Тезисы Международной научной конференции "Современные проблемы гидробиологии. Перспективы, пути и методы исследований". - Херсон, 2006. - С. 206-208.

22. Кравченко А.Н. Сервис визуализации геопространственных данных информационной системы КосмоГИС / А.Н. Кравченко, А.Ю. Шелестов // Материалы Третьей всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса", 14-17 ноября 2005. - Москва, 2005. - С. 60.

23. Kussul N. Cloud Mask Extracting from Meteosat Data with Use of Parallel Markovian Segmentation Algorithm / N. Kussul, M. Korbakov, A. Kravchenko, A. Shelestov // Proc. of the Third IEEE Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Application (IDAACS'2005). - Sofia (Bulgaria), 2005. - P. 204-207.

24. Шелестов А.Ю. Кластерная система предварительной обработки данных геостационарных спутников / А.Ю. Шелестов, А.Н. Кравченко // Матеріали 12-ої міжнародної конференції з автоматичного управління "Автоматика'2005". - Харків, 2005. - 2. - С. 134.

25. Шелестов А.Ю. Комплексное использование информации из различных источников для дистанционного мониторинга поверхности Земли / А.Ю. Шелестов, Е.В. Яровая, А.Н. Кравченко // Материалы II белорусского космического конгресса. - Минск, 2005. - С. 285-289.

Размещено на Allbest.ru

...