Блок-схема: Дорожная карта оптической идентификации деградированных почв на основе многоуглового дистанционного зондирования Название: Дорожная карта технологий идентификации деградированных почв на основе многоуглового дистанционного зондирования Общая структура: Горизонтальная, прогрессивная блок-схема слева направо, четко разделенная на четыре основных этапа исследования, со стрелками, соединяющими каждый шаг, полностью представляющая общий исследовательский цикл "Построение базы данных → Анализ количественной оценки признаков → Сравнительная проверка → Интеграция и применение результатов". Этап 1: Построение базы данных (Сбор и предварительная обработка данных из разных источников) Входные данные: Спутниковые данные дистанционного зондирования: Продукты MODIS BRDF/Albedo, данные многоуглового отражения поверхности MISR. Данные наземной проверки: Географическая информация о точках отбора проб деградированных почв и данные полевых исследований, накопленные исследовательской группой. Основной процесс: Сбор данных: Загрузка многоугловых данных дистанционного зондирования с веб-сайта NASA. Интеграция предварительной обработки: Использование MRT, ENVI и MISR Toolkit (MTK) для радиометрической калибровки, атмосферной коррекции и геометрической точной коррекции. Нормализация угла: Выполнение точной регистрации и нормализации информации об угле наблюдения. Ключевые инструменты: MRT, ENVI, MTK Выходные данные: Стандартизированный набор данных многоуглового отражения, обеспечивающий высококачественную, пространственно-временную согласованную базу данных для последующего анализа. Этап 2: Анализ количественной оценки признаков (Извлечение BRDF и спектральных индексов) Входные данные: Стандартизированный набор данных многоуглового отражения, полученный на этапе 1. Основной процесс (Параллельный двойной путь): Путь A: Количественная оценка признаков BRDF Извлечение отражения поверхности при ключевых геометрических конфигурациях Солнце-наблюдатель. Построение кривых BRDF и расчет параметров, таких как факторы анизотропии. Сравнение и анализ различий признаков BRDF между различными типами деградации, такими как пастбища, горнодобывающие районы и обрабатываемые земли. Путь B: Расчет и анализ спектральных индексов Использование Python (NumPy, Pandas) для пакетного расчета спектральных индексов, таких как SAVI, SR и NDVI под разными углами. Систематический статистический анализ диапазона и коэффициента вариации значений индексов с изменениями зенитного угла и азимутального угла для выявления их угловой зависимости. Ключевые инструменты: Python (NumPy, Pandas) Выходные данные: Набор параметров признаков BRDF и набор данных многоугловых спектральных индексов, проясняющие закон оптической анизотропии деградированной почвы. Этап 3: Сравнительная проверка (Проверка преимуществ многоугловой информации) Входные данные: Набор параметров признаков BRDF и набор данных многоугловых спектральных индексов, полученные на этапе 2. Основной процесс: Построение набора признаков: Построение набора признаков "одиночного почти вертикального наблюдения" и комбинированного набора признаков "интегрированного многоуглового". Обучение и идентификация модели: Использование моделей Support Vector Machine (SVM) или Random Forest (RF) для обучения двух типов наборов признаков для завершения идентификации и извлечения типов деградированных почв. Сравнение и проверка точности: Посредством перекрестной проверки количественно сравнить точность классификации двух типов наборов признаков и оценить вклад многоугловой информации.
