Landsat MSS для лесных задач: различия между версиями

Материал из GIS-Lab
Перейти к навигации Перейти к поиску
Нет описания правки
Нет описания правки
 
(не показано 26 промежуточных версий 2 участников)
Строка 1: Строка 1:
Landsat MSS для лесных задач<br />
{{Статья|Опубликована|landsat-mss-forests}}


C открытием архива снимков Landsat стали доступными и снимки сенсоров MSS, работавших с 1972 по 1999 г. Таким образом, мы можем получить информацию о лесных экосистемах начиная с 70х гг прошлого века, однако снимки с описываемого сенсора имеют ряд ограничений по сравнению с Landsat TM и более поздними изображениями. В данной статье будут описаны характеристики и особенности дешифрирования изображений MSS, а также будет рассмотрен примерный круг задач, решаемых с помощью этих снимков, и опыт дешифрирования MSS в реальном лесном проекте.
Для лучшего понимания динамики лесных экосистем очень полезно иметь дистанционную информацию за как можно более долгий период. C открытием архива снимков Landsat стали доступными и снимки сенсоров MSS, работавших с 1972 по 1999 г. Таким образом, стала доступна информация о лесных экосистемах начиная с 70х гг прошлого века, и это уникальный источник, поскольку в 70-е-80-е других аппаратов ДЗЗ с таким разрешением и пространственным покрытием не было.<br>
Снимки с описываемого сенсора имеют ряд ограничений по сравнению с Landsat TM и более поздними изображениями. В данной статье будут описаны характеристики и особенности дешифрирования изображений MSS, а также будет рассмотрен примерный круг задач, решаемых с помощью этих снимков, и опыт дешифрирования MSS в реальном лесном проекте.
==Характеристики сенсора==
==Характеристики сенсора==
Сенсор MSS работал с июля 1972 года по январь 1999 на борту спутников Landsats с 1 по 5. В то время это была настоящая революция в области ДЗЗ; мало того, после поломки в ноябре 2011 года Landsat 5 TM, инструмент MSS снова был включен и работал с июня 2012 года до января 2013 года <ref>http://landsat.usgs.gov/NewMSSProduct.php</ref>.<br />
Сенсор MSS работал с июля 1972 года по январь 1999 на борту спутников Landsats с 1 по 5. В то время это была настоящая революция в области ДЗЗ; мало того, после поломки в ноябре 2011 года Landsat 5 TM, инструмент MSS снова был включен и работал с июня 2012 года до января 2013 года <ref>http://landsat.usgs.gov/NewMSSProduct.php</ref>.<br />
Изображения MSS поставляются с уровнем обработки L1T, разрешение 60 м/пиксель. Характеристики каналов и иную информацию можно получить [http://gis-lab.info/projects/ss/sensor/mss.html здесь]. Обратим внимание, что разрешение сенсора и разрешение снимка - разные вещи.<br />
Изображения MSS поставляются с уровнем обработки L1T (радиометрическая и геометрическая коррекция с использованием цифровых моделей рельефа), разрешение 60 м/пиксель. Характеристики каналов и иную информацию можно получить [http://gis-lab.info/projects/ss/sensor/mss.html здесь]. Обратим внимание, что разрешение сенсора и разрешение снимка - разные вещи. Нумерация каналов у MSS не такая, как у более новых Landsat'ов, а 4 5 6 7 соответственно.<br />
У многих изображений в центре изображения во всех диапазонах отсутствует полоса в 8 пикселей, что примерно составляет 18000 пикселей, а также имеются многочисленные полосы в случайных местах изображения [[файл: Mss1.png|thumb|597px|center|рис. 1 - полосы на Landsat MSS]]
У многих изображений в центре изображения во всех диапазонах отсутствует полоса в 8 пикселей, что примерно составляет 18000 пикселей, а также имеются многочисленные полосы в случайных местах изображения [[файл: Mss1.png|thumb|597px|center|рис. 1 - полосы на Landsat MSS]]
==Что можно увидеть на MSS и что нельзя==
==Что можно увидеть на MSS и что нельзя==
Строка 11: Строка 12:
Сравним характеристики диапазонов MSS и TM (таблица 1)
Сравним характеристики диапазонов MSS и TM (таблица 1)
[[файл: Mss_tm.png|thumb|597px|center|табл. 1 - диапазоны Landsat MSS и TM]]
[[файл: Mss_tm.png|thumb|597px|center|табл. 1 - диапазоны Landsat MSS и TM]]
как видно из этой таблицы, сопоставить "в лоб" синтезы MSS и TM нельзя. Мы пришли к выводу, что привычнее всего глазу синтез 4-3-1 (рис. 2)
как видно из этой таблицы, сопоставить "в лоб" синтезы MSS и TM нельзя. Мы пришли к выводу, что привычнее всего глазу синтез 4-3-1 (или, в оригинальной нумерации MSS 7-6-4(рис. 2).
[[файл: Mss_2.png|thumb|597px|center|рисунок 2 - снимок Landsat MSS, синтез 4-3-1]]
[[файл: Mss_2.png|thumb|597px|center|рисунок 2 - снимок Landsat MSS, синтез 4-3-1]]
===Лесные экосистемы на MSS===
===Лесные экосистемы на MSS===
Строка 29: Строка 30:
==Особенности обработки==
==Особенности обработки==
Особенности изображений Landsat MSS (невысокое пространственное разрешение, дефекты, всего 4 спектральных канала) обуславливают некоторые хитрости в их обработке.
Особенности изображений Landsat MSS (невысокое пространственное разрешение, дефекты, всего 4 спектральных канала) обуславливают некоторые хитрости в их обработке.
При автоматизированной классификации с обучением приходится кроме обычных классов (хвойные, вода, болота...)выделять еще и отдельные тестовые участки для полос, иногда даже 2-3 класса для полос разного цвета. При этом для классификации бесполезно использовать сложные и долго выполняющиеся алгоритмы (SVM, нейронные сети), поскольку разделимость тестовых участков очень невелика. На практике в итоге было решено использовать алгоритм максимального правдоподобия, т.к. его точность по нашему опыту чуть выше, чем у методов Махалонобиса или минимального расстояния (см. например, <ref> Владимирова Н.А. Космические изображения Aster как источник данных для лесного хозяйства: характеристики, методика дешифрирования, перспективы использования // Вестник Московского государственного университета леса -Лесной вестник, № 1(64), 2009, с. 163-173 </ref>),а дешифрирование проходит очень быстро.   
Как уже говорилось выше, особенностью MSS является наличие полос и артефактов. Условно их можно разделить на три класса:
Полосы 1-го рода. Перед классификацией шумы сенсора нужно убирать. Есть как минимум 2 способа: а) Метод главных компонент, удалив или уменьшив вес 3-й и 4-й компонент можно избавиться от шумов, например, как описано здесь <ref>http://academic.emporia.edu/aberjame/student/tucker1/es775.html </ref> б) быстрое преобразование Фурье. В GRASS можно делать и то и другое: <ref> http://grasswiki.osgeo.org/wiki/Image_destriping </ref>
Полосы 2 рода - сдвиг отдельных участков на некоторое количество пикселей.
Полосы 3 рода - артефакты совершенно другого цвета, никак не связанные со снимком, в случайных местах изображения.
При автоматизированной классификации с обучением приходится кроме обычных классов (хвойные, вода, болота...)выделять еще и отдельные тестовые участки для полос третьего рода, иногда даже 2-3 класса для полос разного цвета. При этом для классификации бесполезно использовать сложные и долго выполняющиеся алгоритмы (SVM, нейронные сети), поскольку разделимость тестовых участков очень невелика. На практике в итоге было решено использовать алгоритм максимального правдоподобия, т.к. его точность по нашему опыту чуть выше, чем у методов Махалонобиса или минимального расстояния (см. например, <ref> Владимирова Н.А. Космические изображения Aster как источник данных для лесного хозяйства: характеристики, методика дешифрирования, перспективы использования // Вестник Московского государственного университета леса -Лесной вестник, № 1(64), 2009, с. 163-173 </ref>),а дешифрирование проходит очень быстро.   
 
Результирующее изображение содержит паразитный класс "полосы". Увы, с ними нельзя поступить как с облаками и тенями на традиционных Landsat 5 или 7,т.е. отмаскировать и попробовать закрыть получившиеся лакуны информацией с другого снимка. Для этого сцен MSS на одну и ту же территорию слишком мало. Бороться с полосами можно по-разному, например, попытаться отмаскировать их еще на этапе предобработки. Также можно воспользоваться графическим редактором - открыть результат классификации в редакторе, и глядя на исходный снимок и какой-нибудь ближайший по времени Landsat 5, вручную "замазать" полосы цветами тех классов, которые скорее всего должны быть на месте полос. Для того, чтобы не потерять привязку, нужно сохранить результат классификации в tiff со всеми возможными файлами привязки (tfw, world...) или, если есть деньги, воспользоваться плагином для Фотошопа [http://www.avenza.com/geographic-imager Avenza Geographic Imager]. Это, конечно, эрзац, и служит он только для создания красивых изображений, поэтому для дальнейшего анализа нужно все равно работать с исходным "полосатым" результатом классификации.
==Возможность использования снимков MSS в лесном хозяйстве==
==Возможность использования снимков MSS в лесном хозяйстве==
Теперь, когда мы знаем непростой характер снимков MSS, выясним, для чего же можно их использовать <br>
1) для установления факта лесонарушений. На рис. 4 показан снимок на участок респ. Коми, хорошо видны вырубки и гарь
[[Файл:Komi1.png|thumb|597px|center|рисунок 4 - снимок Landsat MSS показывает нарушения в лесных насаждениях Коми]]
2) для установления возраста и происхождения насаждений на месте нарушений (например, вторичные лиственные на месте вырубок 40-50 гг <br>
3) для оценки потери лесов в результате природных или антропогенных факторов. Например, "южный массив" в респ. Коми с 70х гг прошлого века сократился вдвое (рис. 5)
[[Файл:Komi2.png|thumb|700px|center|рисунок 5 - снимки Landsat MSS (1973) и TM (2011) на Южный массив лесов в респ. Коми]]
Рисунок 6 иллюстрирует потерю лесов юга Коми в результате рубок. Нами было сделано сопоставление результатов дешифрирования спутниковой съемки с Атласом лесов СССР <ref> Атлас лесов СССР. М.: ГУГК при СМ СССР, 1973. 222 с. </ref>. Получилось, что почти все лесные массивы, представленные в Атласе как ельники и сосняки, на самом деле вырублены как раз примерно на момент создания атласа.
[[Файл:Komi3.png|thumb|700px|center|рисунок 6 - результат дешифрирования снимка Landsat MSS (1973) и фрагмент карты лесов Коми. Желтым и серым на снимке показаны старые вырубки и свежие вырубки и гари соответственно]]
4) для уточнения состава насаждений при анализе временных рядов снимков. На рис. 7 показано, что сосняк (возможно, лишайниковый) отлично определяется на MSS и Landsat TM 1990х гг, но выглядит как обычный смешанный лес на снимке 2003 г. Соответственно, применяя анализ временных рядов снимков, получаем уточненный состав - смешанный лес с участием сосны.
[[Файл:Len1.png|thumb|600px|center|рисунок 7 - снимки Landsat MSS (1973), Landsat TM (1990-е)и Landsat TM (2003). Можно проследить изменение состава леса с сосняка на смешанный]]
Таким образом, Landsat MSS можно использовать для анализа временных рядов Landsat, помня об ограничениях по разрешению и дефектах.
==Опыт использования снимков Landsat MSS в проекте НП "Прозрачный мир" "Интенсивное и устойчивое лесопользование в России"==
==Опыт использования снимков Landsat MSS в проекте НП "Прозрачный мир" "Интенсивное и устойчивое лесопользование в России"==
Проект "Интенсивное и устойчивое лесопользование в России" начался в 2010 г., основным спонсором был печально известный USAID. Проект должан был продлиться 3 года, но из-за того, что USAID в России запретили, был свернут раньше времени. <br>
Цель проекта: Информационная поддержка совершенствования управления лесами России с учетом передового отечественного и зарубежного опыта, современных подходов и практик ведения устойчивого лесного хозяйства, в том числе, механизмов Киотского протокола <br>
Для этого, в частности, были созданы карты лесов на Республики Коми и Карелия, Вологодскую, Ленинградскую, Архангельскую, Мурманскую области. При этом использовались снимки Landsat за три временных периода - 70-е, 2000-е и 2010-е гг.
Рисунок 8 иллюстрирует, какие классы были получены для разных снимков.
[[Файл:Arh1.png|thumb|600px|center|рисунок 8 - классы на снимках Landsat MSS (1973), Landsat TM (2000-е и 2010-е гг). Слайд взят из презентации А.М Крылова]]
На основе 3 карт была создана результирующая, включающая 25 классов. Удалось разделить вторичные лиственные и смешанные леса на 3 группы возраста. Фрагмент такой карты показан на рис. 9.
[[Файл:Arh2.png|thumb|600px|center|рисунок 9 - фрагмент результирующей карты. Слайд взят из презентации А.М Крылова]].
Дальше с полученной картой можно проводить разнообразную работу, например, анализ доступности тех или иных лесов, анализ пригодности территорий под лесные плантации и т.п. Предполагалось выложить результаты в Интернет в виде интерактивной карты, но из-за свертывания проекта этого сделать не удалось.
Более подробно наша работа описана в <ref>Владимирова Н.А., Есипова Е.С. Использование данных космической съемки Landsat для создания общедоступных карт лесов севера европейской России // “Земля из космоса - наиболее эффективные решения”, пятая международная конференция 29 ноября - 1 декабря 2011 г. / Сборник тезисов. - М.: Инженерно-технологический Центр СканЭкс, НП “Прозрачный мир”, Издательство Бином, 2011 - 416 с. С. 61-64 </ref> и в <ref>Владимирова Н.А., Есипова Е.С. Крылов А.М. Использование данных космической съемки Landsat для создания общедоступной карты лесов Архангельской области и выявления изменений в лесном покрове с середины 70-х гг. XX века // АЭРОКОСМИЧЕСКИЕ  МЕТОДЫ  И  ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ  В  ЛЕСОВЕДЕНИИ  И  ЛЕСНОМ  ХОЗЯЙСТВЕ: Доклады V Всероссийской конференции, посвященной памяти  выдающихся ученых-лесоводов В.И. Сухих и Г.Н. Коровина (Москва, 22-24 апреля 2013 г.) - М.: ЦЭПЛ РАН, 2013 г. 348 с. с. 106-108</ref>. <br>
Итак, снимки MSS, если знать их возможности и ограничения, представляют собой интересный источник информации для анализа временных рядов снимков и лучшего понимания изменений в лесных экосистемах.
==Источники==
==Источники==
<references>
<references>

Текущая версия от 20:07, 7 октября 2014

Эта страница опубликована в основном списке статей сайта
по адресу http://gis-lab.info/qa/landsat-mss-forests.html


Для лучшего понимания динамики лесных экосистем очень полезно иметь дистанционную информацию за как можно более долгий период. C открытием архива снимков Landsat стали доступными и снимки сенсоров MSS, работавших с 1972 по 1999 г. Таким образом, стала доступна информация о лесных экосистемах начиная с 70х гг прошлого века, и это уникальный источник, поскольку в 70-е-80-е других аппаратов ДЗЗ с таким разрешением и пространственным покрытием не было.
Снимки с описываемого сенсора имеют ряд ограничений по сравнению с Landsat TM и более поздними изображениями. В данной статье будут описаны характеристики и особенности дешифрирования изображений MSS, а также будет рассмотрен примерный круг задач, решаемых с помощью этих снимков, и опыт дешифрирования MSS в реальном лесном проекте.

Характеристики сенсора

Сенсор MSS работал с июля 1972 года по январь 1999 на борту спутников Landsats с 1 по 5. В то время это была настоящая революция в области ДЗЗ; мало того, после поломки в ноябре 2011 года Landsat 5 TM, инструмент MSS снова был включен и работал с июня 2012 года до января 2013 года [1].
Изображения MSS поставляются с уровнем обработки L1T (радиометрическая и геометрическая коррекция с использованием цифровых моделей рельефа), разрешение 60 м/пиксель. Характеристики каналов и иную информацию можно получить здесь. Обратим внимание, что разрешение сенсора и разрешение снимка - разные вещи. Нумерация каналов у MSS не такая, как у более новых Landsat'ов, а 4 5 6 7 соответственно.

У многих изображений в центре изображения во всех диапазонах отсутствует полоса в 8 пикселей, что примерно составляет 18000 пикселей, а также имеются многочисленные полосы в случайных местах изображения

рис. 1 - полосы на Landsat MSS

Что можно увидеть на MSS и что нельзя

Итак, изображения MSS обладают невысоким пространственным разрешением и дефектами - полосами. Кроме того, в отличие от более поздних Ландсатов, доступных каждые 2 недели, удачных MSS намного меньше, хорошо если попадется 1-2 пригодных к обработке снимка на одну и ту же территорию. Однако даже такие "слепенькие" снимки поддаются обработке и могут дать исследователю полезную информацию.

Синтезы

Сравним характеристики диапазонов MSS и TM (таблица 1)

табл. 1 - диапазоны Landsat MSS и TM

как видно из этой таблицы, сопоставить "в лоб" синтезы MSS и TM нельзя. Мы пришли к выводу, что привычнее всего глазу синтез 4-3-1 (или, в оригинальной нумерации MSS 7-6-4(рис. 2).

рисунок 2 - снимок Landsat MSS, синтез 4-3-1

Лесные экосистемы на MSS

В силу несовершенства снимков MSS по сравнению с более поздними, не стоит ожидать от них слишком многого, но кое-что увидеть можно. Рис. 2 показывает, какие основные объекты видны на MSS и как они выглядят на TM

рисунок 2 - снимок Landsat MSS и TM на ту же территорию

1 - лес (можно попытаться разделить на хвойный и лиственный, но надежно пока не получалось) 2 - вырубка на месте этого леса 3 - возможно, молодой лиственный лес, видно несколько лучше, чем смешанный с хвоей 4 - вырубка на MSS, как видно, она зарастает листвой на TM.
На рис. 3 показаны разные виды рубок и лиственные массивы. Хорошо виден дефект в виде полосы.

рисунок 3 - снимок Landsat MSS

1 - рубки со сжиганием порубочных остатков: "на снимках, полученных для Коми, видно, что в некоторых местах леса были сначала вырублены, а затем выжжены" [2]
2 - лиственные насаждения 3 - зарастающие рубки 4 - смешанные насаждения

Особенности обработки

Особенности изображений Landsat MSS (невысокое пространственное разрешение, дефекты, всего 4 спектральных канала) обуславливают некоторые хитрости в их обработке. Как уже говорилось выше, особенностью MSS является наличие полос и артефактов. Условно их можно разделить на три класса: Полосы 1-го рода. Перед классификацией шумы сенсора нужно убирать. Есть как минимум 2 способа: а) Метод главных компонент, удалив или уменьшив вес 3-й и 4-й компонент можно избавиться от шумов, например, как описано здесь [3] б) быстрое преобразование Фурье. В GRASS можно делать и то и другое: [4] Полосы 2 рода - сдвиг отдельных участков на некоторое количество пикселей. Полосы 3 рода - артефакты совершенно другого цвета, никак не связанные со снимком, в случайных местах изображения. При автоматизированной классификации с обучением приходится кроме обычных классов (хвойные, вода, болота...)выделять еще и отдельные тестовые участки для полос третьего рода, иногда даже 2-3 класса для полос разного цвета. При этом для классификации бесполезно использовать сложные и долго выполняющиеся алгоритмы (SVM, нейронные сети), поскольку разделимость тестовых участков очень невелика. На практике в итоге было решено использовать алгоритм максимального правдоподобия, т.к. его точность по нашему опыту чуть выше, чем у методов Махалонобиса или минимального расстояния (см. например, [5]),а дешифрирование проходит очень быстро.

Результирующее изображение содержит паразитный класс "полосы". Увы, с ними нельзя поступить как с облаками и тенями на традиционных Landsat 5 или 7,т.е. отмаскировать и попробовать закрыть получившиеся лакуны информацией с другого снимка. Для этого сцен MSS на одну и ту же территорию слишком мало. Бороться с полосами можно по-разному, например, попытаться отмаскировать их еще на этапе предобработки. Также можно воспользоваться графическим редактором - открыть результат классификации в редакторе, и глядя на исходный снимок и какой-нибудь ближайший по времени Landsat 5, вручную "замазать" полосы цветами тех классов, которые скорее всего должны быть на месте полос. Для того, чтобы не потерять привязку, нужно сохранить результат классификации в tiff со всеми возможными файлами привязки (tfw, world...) или, если есть деньги, воспользоваться плагином для Фотошопа Avenza Geographic Imager. Это, конечно, эрзац, и служит он только для создания красивых изображений, поэтому для дальнейшего анализа нужно все равно работать с исходным "полосатым" результатом классификации.

Возможность использования снимков MSS в лесном хозяйстве

Теперь, когда мы знаем непростой характер снимков MSS, выясним, для чего же можно их использовать
1) для установления факта лесонарушений. На рис. 4 показан снимок на участок респ. Коми, хорошо видны вырубки и гарь

рисунок 4 - снимок Landsat MSS показывает нарушения в лесных насаждениях Коми

2) для установления возраста и происхождения насаждений на месте нарушений (например, вторичные лиственные на месте вырубок 40-50 гг
3) для оценки потери лесов в результате природных или антропогенных факторов. Например, "южный массив" в респ. Коми с 70х гг прошлого века сократился вдвое (рис. 5)

рисунок 5 - снимки Landsat MSS (1973) и TM (2011) на Южный массив лесов в респ. Коми

Рисунок 6 иллюстрирует потерю лесов юга Коми в результате рубок. Нами было сделано сопоставление результатов дешифрирования спутниковой съемки с Атласом лесов СССР [6]. Получилось, что почти все лесные массивы, представленные в Атласе как ельники и сосняки, на самом деле вырублены как раз примерно на момент создания атласа.

рисунок 6 - результат дешифрирования снимка Landsat MSS (1973) и фрагмент карты лесов Коми. Желтым и серым на снимке показаны старые вырубки и свежие вырубки и гари соответственно

4) для уточнения состава насаждений при анализе временных рядов снимков. На рис. 7 показано, что сосняк (возможно, лишайниковый) отлично определяется на MSS и Landsat TM 1990х гг, но выглядит как обычный смешанный лес на снимке 2003 г. Соответственно, применяя анализ временных рядов снимков, получаем уточненный состав - смешанный лес с участием сосны.

рисунок 7 - снимки Landsat MSS (1973), Landsat TM (1990-е)и Landsat TM (2003). Можно проследить изменение состава леса с сосняка на смешанный

Таким образом, Landsat MSS можно использовать для анализа временных рядов Landsat, помня об ограничениях по разрешению и дефектах.

Опыт использования снимков Landsat MSS в проекте НП "Прозрачный мир" "Интенсивное и устойчивое лесопользование в России"

Проект "Интенсивное и устойчивое лесопользование в России" начался в 2010 г., основным спонсором был печально известный USAID. Проект должан был продлиться 3 года, но из-за того, что USAID в России запретили, был свернут раньше времени.
Цель проекта: Информационная поддержка совершенствования управления лесами России с учетом передового отечественного и зарубежного опыта, современных подходов и практик ведения устойчивого лесного хозяйства, в том числе, механизмов Киотского протокола
Для этого, в частности, были созданы карты лесов на Республики Коми и Карелия, Вологодскую, Ленинградскую, Архангельскую, Мурманскую области. При этом использовались снимки Landsat за три временных периода - 70-е, 2000-е и 2010-е гг. Рисунок 8 иллюстрирует, какие классы были получены для разных снимков.

рисунок 8 - классы на снимках Landsat MSS (1973), Landsat TM (2000-е и 2010-е гг). Слайд взят из презентации А.М Крылова

На основе 3 карт была создана результирующая, включающая 25 классов. Удалось разделить вторичные лиственные и смешанные леса на 3 группы возраста. Фрагмент такой карты показан на рис. 9.

рисунок 9 - фрагмент результирующей карты. Слайд взят из презентации А.М Крылова

.

Дальше с полученной картой можно проводить разнообразную работу, например, анализ доступности тех или иных лесов, анализ пригодности территорий под лесные плантации и т.п. Предполагалось выложить результаты в Интернет в виде интерактивной карты, но из-за свертывания проекта этого сделать не удалось. Более подробно наша работа описана в [7] и в [8].
Итак, снимки MSS, если знать их возможности и ограничения, представляют собой интересный источник информации для анализа временных рядов снимков и лучшего понимания изменений в лесных экосистемах.

Источники

<references>

  1. http://landsat.usgs.gov/NewMSSProduct.php
  2. http://ria.ru/forest_news/20111201/503714057.html
  3. http://academic.emporia.edu/aberjame/student/tucker1/es775.html
  4. http://grasswiki.osgeo.org/wiki/Image_destriping
  5. Владимирова Н.А. Космические изображения Aster как источник данных для лесного хозяйства: характеристики, методика дешифрирования, перспективы использования // Вестник Московского государственного университета леса -Лесной вестник, № 1(64), 2009, с. 163-173
  6. Атлас лесов СССР. М.: ГУГК при СМ СССР, 1973. 222 с.
  7. Владимирова Н.А., Есипова Е.С. Использование данных космической съемки Landsat для создания общедоступных карт лесов севера европейской России // “Земля из космоса - наиболее эффективные решения”, пятая международная конференция 29 ноября - 1 декабря 2011 г. / Сборник тезисов. - М.: Инженерно-технологический Центр СканЭкс, НП “Прозрачный мир”, Издательство Бином, 2011 - 416 с. С. 61-64
  8. Владимирова Н.А., Есипова Е.С. Крылов А.М. Использование данных космической съемки Landsat для создания общедоступной карты лесов Архангельской области и выявления изменений в лесном покрове с середины 70-х гг. XX века // АЭРОКОСМИЧЕСКИЕ МЕТОДЫ И ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЛЕСОВЕДЕНИИ И ЛЕСНОМ ХОЗЯЙСТВЕ: Доклады V Всероссийской конференции, посвященной памяти выдающихся ученых-лесоводов В.И. Сухих и Г.Н. Коровина (Москва, 22-24 апреля 2013 г.) - М.: ЦЭПЛ РАН, 2013 г. 348 с. с. 106-108