Обработка спектрального индексов GNDVI и CVI на основе данных дистанционного зондирования

Авторы

  • К.К Сеитназаров

    Нукусский государственный технический университет

  • С.М Мадиримова

    Ташкентский Университет Информационных Технологий image/svg+xml

  • Б.К Туремуратова

    Нукусский государственный технический университет

  • Б.Б Айтмуратов

    Нукусский государственный технический университет

Ключевые слова: дистанционное зондирование Земли, мультиспектральные изображения, предварительная обработка данных, вегетационные индексы, GNDVI, CVI, атмосферная коррекция, экспертные системы, геоинформационные технологии

Аннотация

В данной статье проводится вычислению индексов GNDVI, CVI, которые обладают высокой чувствительностью к состоянию растительного покрова, в особенности содержанию хлорофилла. Также стоит отметить, что архитектура модуля построена на основе конвейерного подхода, которая обеспечивает модульность, масштабируемость и устойчивость обработки больших объёмов спутниковых изображений. Реализация включает оптимизацию вычислений, а также интеграцию с геопространственной базой данных PostgreSQL/PostGIS.

Библиографические ссылки

1. Мельников А.В. Обработка многозональных изображений. – Москва: «Наука», 202

2. Seitnazarov K. et al. Hydrogeological-Mathematical Model of Formation and Management of Resources and Quality of Fresh Underground Water of the Karakalpak Artesian Basin. // International Conference on Information Science and Communications Technologies (ICISCT). – IEEE, 2021. – Р. 01-05.

3. Ткаченко В.Н. Основы дистанционного зондирования Земли. – Санкт-Петербург: «Политехника», 2020. Seitnazarov K., Turdishov D., Dosimbetov A. Knowledge base of algorithmic software complex for providing agricultural fields with water resources. //AIP Conference Proceedings. – AIP Publishing, 2024. Т. 3147. №. 1.

4. Гектин Ю. М. и др. Температура и методы ее определения с помощью оптико-электронной аппаратуры космических систем ДЗЗ. // Журнал Ракетно-космическое приборостроение и информационные системы. 2024. Т.11. № 2. – С. 11-21.

5. Seitnazarov K..K., Turemuratova B.K.., Aytanov A.K. Stages and Methods of Data Collection for Devel- oping an Artificial Intelligence Model for Recognizing Letters of the Karakalpak Sign Language. // IEEE 25th International Conference of Young Professionals in Electron Devices and Materials (EDM). IEEE, 2024. – С. 2530-2534.

6. Murphy Kevin P. Machine learning: a probabilistic perspective. – MIT press, 2012.

7. Kenesbaevich S.K., Muxambetmustapayevich D.A., Arzubaevich N.A. Development of software for calculating the forecast of groundwater regime based on probabilistic and statistical methods. // ACADEMICIA: An International Multidisciplinary Research Journal 10 (7). – Р. 526-530.