RU2760528C1 - Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов - Google Patents
Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов Download PDFInfo
- Publication number
- RU2760528C1 RU2760528C1 RU2021105336A RU2021105336A RU2760528C1 RU 2760528 C1 RU2760528 C1 RU 2760528C1 RU 2021105336 A RU2021105336 A RU 2021105336A RU 2021105336 A RU2021105336 A RU 2021105336A RU 2760528 C1 RU2760528 C1 RU 2760528C1
- Authority
- RU
- Russia
- Prior art keywords
- objects
- images
- thermal
- backgrounds
- values
- Prior art date
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000000463 material Substances 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000005855 radiation Effects 0.000 claims abstract description 10
- 239000008204 material by function Substances 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 abstract description 7
- 238000013527 convolutional neural network Methods 0.000 abstract description 5
- 238000012549 training Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000001066 destructive effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 230000001537 neural effect Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 5
- 230000005693 optoelectronics Effects 0.000 description 5
- 239000006260 foam Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000269907 Pleuronectes platessa Species 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0003—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/18—Investigating or analyzing materials by the use of thermal means by investigating thermal conductivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/02—Prospecting
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
Изобретение относится к технике активного неразрушающего теплового контроля и может быть использовано в аппаратуре дистанционного зондирования земли. Согласно заявленному способу осуществляют съемку исследуемого района в светлое время суток в видимом и инфракрасном диапазонах и в темное время суток в инфракрасном диапазоне. Для изображений видимого диапазона создают банк данных типовых объектов и фонов дистанционного мониторинга, содержащий таблицу значений коэффициентов излучательной способности для каждого объекта классификатора, измеренных заранее и записанных в таблицу классификатора. Для изображений инфракрасного диапазона создают банк данных эталонных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащий таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции для каждого объекта классификатора, ранее измеренных и записанных в таблицу. По изображениям видимого диапазона, полученным в светлое время суток, классифицируют объекты и фоны на основе алгоритмов сверточных нейронных сетей, определяют их класс и присваивают значения коэффициента излучательной способности в каждой точке изображения из соответствующего банка данных. Изображения инфракрасного диапазона, полученные в светлое и темное время суток, пересчитывают в пространственное распределение термодинамических температур, которые классифицируют на основе алгоритмов сверточных нейронных по теплофизическим свойствам конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов в каждой точке изображения с присвоением табличных значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции из соответствующего банка данных. Повышение достоверности классификации материалов таблицы обеспечивается возможностью дополнения в обучающую выборку термодинамических температур, пересчитанных из инфракрасных изображений, а также смоделированных инфракрасных сигнатур объектов, на основе методов глубокого обучения нейронных сетей с учителем. Технический результат - повышение достоверности определения теплофизических параметров объектов дистанционного мониторинга, а также упрощение способа дистанционного определения пространственного распределения теплофизических параметров земной поверхности за счет исключения блоков регистрации и выдачи метеорологических условий и регистрации количества суммарной солнечной радиации. 3 ил.
Description
Изобретение относится к методам активного теплового неразрушающего контроля, заключающееся в определении пространственного распределения теплофизических параметров путем совместной обработки изображений исследуемого участка земной поверхности в видимом и инфракрасном диапазонах длин волн, полученных с помощью многоспектральной оптико-электронной системы и является дальнейшим усовершенствованием изобретения по патенту РФ №2707387.
Известен способ определения пространственного распределения теплофизических параметров исследуемой земной поверхности с использованием эталонных материалов с известными значениями теплопроводности (патент RU 2659461 С2, 02.07.2018). Данный способ основан на облете исследуемой территории беспилотным летательным аппаратом с установленным на нем тепловизионным приемником, измерении радиационной температуры поверхности земли и расчете теплопроводности, температуропроводности и построения их пространственного распределения.
Основные недостатки данного способа заключаются в том, что при измерении радиационных температур земной поверхности в ходе ведения дистанционного мониторинга не учитывается коэффициент излучательной способности земной поверхности, а также не учитывается неоднородность исследуемого участка земной поверхности из-за наличия на нем надповерхностных и подповерхностных объектов, обуславливающих его многослойность, что может вносить большие погрешности оценки значений теплофизических параметров земной поверхности.
Известен способ дистанционного определения пространственного распределения теплофизических параметров земной поверхности (патент RU 2707387, 26.11.2019), ближайший по технической сущности и принятый за прототип. Данный способ основан на съемке земной поверхности в видимом и инфракрасном диапазоне, усреднении полученных изображений видимого и инфракрасного диапазонов, определении коэффициента излучающей способности земной поверхности, перерасчете измеренных значений радиационных температур в термодинамические, выделении фона на видимом и инфракрасных изображениях, определении структуры земной поверхности, уточнении граничных условий при расчете пространственного распределения значений теплопроводности, температуропроводности, тепловой инерции и коэффициента теплоусвоения земной поверхности с учетом полученных результатов.
Основные недостатки данного способа заключаются в том, что по данным дистанционных измерений пространственного распределения теплофизических параметров наблюдаемых объектов не производится учет теплоемкости и плотности материалов, что снижает точность оценки тепловой инерции. Оценка коэффициента излучательной способности производится на основе коэффициента отражательной способности поверхности видимого спектра, что в результате принятого упрощения вносит значительную погрешность в измерения при расчете значения радиационной температуры исследуемой поверхности.
Технический результат изобретения заключается в повышении достоверности определения теплофизических параметров объектов дистанционного мониторинга за счет учета теплоемкости и плотности конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, измеренных и систематизированных по их теплофизическим свойствам в виде банка данных, при оценке пространственного распределения теплофизических параметров, а также упрощении способа дистанционного определения пространственного распределения теплофизических параметров земной поверхности за счет исключения блоков регистрации и выдачи метеорологических условий, требующего измерения температуры воздуха, скорости ветра в приземном слое и влажности и регистрации количества суммарной солнечной радиации, требующего наличия пиранометра.
Данный технический результат достигается тем, что в способе дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов, основанного на съемке объектов и фонов в видимом и инфракрасном диапазоне, классификации объектов и фонов в видимом диапазоне, расчете значений термодинамической температуры исследуемой поверхности, классификация материалов по их пространственному распределению значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции в инфракрасном диапазоне производится по параметрам конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, измеренных и систематизированных по их теплофизическим свойствам в виде банка данных. Коэффициент излучающей способности объектов и фонов определяется табличным способом из банка данных «объектов и фонов», оценка пространственного распределения теплофизических параметров материалов исследуемых объектов также производится табличным способом за счет формирования банка данных «материалов».
Представим доказательство данного технического результата.
Сущность изобретения заключается в том, что съемка исследуемого района проводится несколько раз в светлое время суток в видимом и инфракрасном диапазонах и в темное время суток в инфракрасном диапазоне. Классификация объектов и фонов в видимом диапазоне осуществляется на основе алгоритмов нейронных сетей, которые обеспечивают обнаружение и распознавание объектов на основе сформированного банка данных «объектов и фонов». Классификация материалов по пространственному распределению теплофизических параметров в инфракрасном диапазоне осуществляется на основе алгоритмов нейронных сетей из банка данных «материалов».
На фиг. 1 представлен вариант схемы устройства, реализующего предлагаемый способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов, где:
1 - оптико-электронная система видимого диапазона;
2 - оптико-электронная система инфракрасного диапазона;
3 - блок банка данных «объектов и фонов»;
4 - блок классификации объектов и фонов и определения их коэффициентов излучательной способности;
5 - блок банка данных «материалов»;
6 - блок оценки пространственного распределения теплофизических параметров.
Блоки 1 и 2 предназначены для получения изображений исследуемой поверхности в инфракрасном и видимом диапазонах соответственно. Съемка в инфракрасном диапазоне осуществляется с заданной периодичностью в течение всего времени проведения мониторинга, а в видимом диапазоне - с заданной периодичностью только в светлое время суток. Таким образом, получают совокупность многовременных изображений исследуемого участка земной поверхности в видимом и инфракрасном диапазонах длин волн, соответственно.
Блок 3 является банком данных типовых объектов и фонов дистанционного мониторинга содержащим таблицу значений коэффициентов излучательной способности для каждого объекта классификатора, ранее измеренным и записанным в таблицу (например, объект - «дерево» ε = 0,95, объект - «асфальт» ε = 0,95, объект - «бетонная плита» ε = 0,95, объект -«стеклянная конструкция» ε = 0,85, объект - «грунт» ε = 0,98, объект - «вода» ε = 0,93, объект - «автомобиль» ε = 0,9, объект - «кирпичное здание» ε = 0,8 и т.д.).
Блок 4 предназначен для распознавания объектов в видимом диапазоне (блок 1), выделения фонов области дистанционного мониторинга, их классификации и определения коэффициентов излучательной способности объектов в соответствии с присвоенным классом табличным способом сверточными нейронными сетями, обладающими высокой эффективностью в решении задачи распознавания образов. Основные преимущества данного алгоритма заключаются в том, что в отличие от полносвязных моделей сверточные нейронные сети изучают локальные признаки объектов, что позволяет производить обучение на относительно «небольшом» наборе изображений (от нескольких сотен до нескольких десятков тысяч) с точностью классификации не менее 85% и без необходимости конструировать отличительные признаки вручную. [Шолле Ф. Глубокое обучение на Python. - СПб.: Питер, 2018. - 400 с: ил. - (Серия «Библиотека программиста»)]. Математически классификатор объектов и фонов представлен в виде дискриминантной функции. Пусть ω1, ω2 …, ωζ, обозначают ζ классов (образов), подлежащих распознаванию и образуют полную группу событий
где ωi, ωj - классы объекты и фоны, Ω - суммарное пространство классов. [Ищук И.Н., Громов Ю.Ю., Филимонов A.M. Классификация объектов дистанционного мониторинга по тепловым томограммам: монография. - Тамбов; М.; СПб.; Баку; Вена; Стокгольм; Буаке; Варна: изд-во МИНЦ «Нобелистика», 2019. - 132 с]
Блок 5 является банком данных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащим таблицу значений теплопроводности λ, температуропроводности а, удельной теплоемкости С, плотности ρ, тепловой инерции I для каждого объекта классификатора, ранее измеренным и записанным в таблицу (например, таблица 1 - типы материалов и их теплофизические свойства). Температуропроводность а рассчитывается по известной формуле [Лыков А.В. Теория теплопроводности/ А.В. Лыков. - М.: Высшая школа. - 1967. - 600 с. ]:
Блок 6 предназначен для оценки пространственного распределения теплофизических параметров материалов объектов и фонов, ранее классифицированным в блоке 4, путем решения коэффициентной обратной задачи нестационарной теплопроводности, обеспечивающей получение оценок значений теплопроводности λ, температуропроводности а, удельной теплоемкости С, плотности ρ, тепловой инерции I по данным пространственных распределений термодинамических температур нейросетевыми алгоритмами.
Значения измеренных радиационных температур Tr инфракрасных
изображений земной поверхности, полученных с оптико-электронной системы инфракрасного диапазона (блок 2), пересчитывают в термодинамические температуры. Пересчет осуществляется без учета температуры атмосферы в соответствии с выражением [Яне Б. Цифровая обработка изображений Москва.: Техносфера, 2007 г. - с. 183]:
где Tr - значение радиационной температуры поверхности исследуемой
территории, T - значение термодинамической температуры поверхности исследуемой территории, ε - коэффициент излучательной способности, полученный в блоке 3.
Оценка пространственного распределения теплофизических параметров материалов объектов и фонов и их классификация производится сверточными нейронными сетями по данным обучающей выборки термодинамических температур материалов блока 5, сформированных путем наблюдения изменения инфракрасных изображений для каждого из этих материалов в светлое и темное время суток, различных погодных условий, времени года и местности. Повышение достоверности классификации материалов таблицы обеспечивается возможностью дополнения в обучающую выборку термодинамических температур, пересчитанных из инфракрасных изображений, а также смоделированных инфракрасных сигнатур объектов, на основе методов глубокого обучения нейронных сетей с учителем. Результатом работы блока являются изображения пространственного распределения теплофизических параметров:
где матрица (4) - распределение теплопроводности, матрица (5) -распределение температуропроводности, матрица (6) - распределение удельной теплоемкости, матрица (7) - распределение плотности.
По полученным распределениям теплопроводности и температуропроводности (4) и (5) определяют значения тепловой инерции земной поверхности [К.Ф. Фокин. Строительная теплотехника ограждающих частей зданий. - 4-е, переработанное и дополненное. - Москва: Стройиздат, 1973. - с. 117]:
где матрица (8) - распределение тепловой инерции.
Матрицы (4) - (8) соответствуют значениям теплофизических свойств эталонных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов банка данных 5.
Работоспособность предлагаемого способа проверена экспериментально с помощью многоспектральной оптико-электронной системы, установленной в качестве целевой нагрузки на беспилотном летательном аппарате мультироторного типа серийного производства, с последующей компьютерной обработкой полученных результатов на основе специального программного обеспечения, позволяющего реализовывать вычислительные операции блоков способа дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов (фиг.1).
На фиг. 2 представлены разновременные изображения исследуемого района с размещенными на нем следующих эталонных объектов в инфракрасном и видимом диапазонах длин волн, полученных в светлое и темное время суток с многоспектральной оптико-электронной системы беспилотного летательного аппарата в градации «Rainbow»: эталон -«песок», эталон - «стекло», эталон - «пенопласт белый», эталон - «пенопласт черный», эталон - «металл». В градации «Rainbow» красный, оранжевый, желтый, зеленый, голубой, синий, фиолетовый цвета равномерно распределены в диапазоне от 0 до 255. «Горячие» объекты окрашиваются красным цветом, «холодные» - синим.
Сверточная нейронная сеть, обученная на банке данных типовых объектов и фонов дистанционного мониторинга, классифицировала объекты-эталоны на изображении видимого диапазона фиг. 2 с присвоением коэффициентов излучательной способности соответственно. После перерасчета радиационных температур в термодинамические по данным разновременных изображений инфракрасного диапазона и обучения нейронной сети по данным банка данных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащим таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции для каждого объекта классификатора, были достоверно классифицированы типы материалов с теплофизическими характеристиками, представленными в таблице 1 - типы материалов и их теплофизические свойства. Каждому классифицированному материалу для наглядности присвоен определенный цвет: 7 - «песок» (белый), 8 - «стекло» (желтый), 9 - «пенопласт белый» (синий), 10 - «пенопласт черный» (черный), 11 - «металл» (красный). Классифицированное изображение работы способа, в результате обработки нейронной сетью тестовых инфракрасных изображений представлено на фиг.3, что является эксперементальным доказательством, сформулированного технического результата.
Из описания следует, что схема устройства, реализующая предлагаемый способ, может быть реализована на основе известных функциональных устройств: суммирующих и вычитающих устройств, устройств умножения и деления, возведения в степень и извлечения корня, а также логических и интегрирующих устройств, которые подробно описаны с конструктивными признаками их технической реализации, например, в книге: Шумоподобные сигналы в системах передачи информации /Под ред. Пестрякова В.Б. М.: Сов. радио, 1973. Все вычислительные операции в данном способе являются элементарными в техническом исполнении и могут быть реализованы в едином специально запрограммированном устройстве с отдельным устройством обработки графической информации, поддерживающим массивные параллельные вычисления. [Оленев Н.Н. Основы параллельного программирования в системе MPI. - М.: ВЦ РАН, 2005. - 80 с.].
Таким образом, предлагаемый способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов не имеет принципиальных ограничений в техническом исполнении и может быть реализован на основе известных функциональных устройств радиоэлектроники.
Claims (1)
- Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов, основанный на съемке исследуемого района в видимом и инфракрасном диапазонах, определении коэффициентов излучательной способности объектов, пересчете измеренных значений радиационных температур в термодинамические, оценке пространственного распределения значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции материалов объектов и фонов, отличающийся тем, что дополнительно для изображений видимого диапазона создают банк данных типовых объектов и фонов дистанционного мониторинга, содержащий таблицу значений коэффициентов излучательной способности для каждого объекта классификатора, для изображений инфракрасного диапазона создают банк данных эталонных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащий таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции для каждого объекта классификатора, по изображениям видимого диапазона, полученным в светлое время суток, классифицируют объекты и фоны, определяют их класс и присваивают значения коэффициента излучательной способности в каждой точке изображения из соответствующего банка данных, изображения инфракрасного диапазона, полученные в светлое и темное время суток, пересчитывают в пространственное распределение термодинамических температур, которые классифицируют по теплофизическим свойствам конструкционных и функциональных материалы объектов, антропогенных и природных ландшафтов в каждой точке изображения с присвоением табличных значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции из соответствующего банка данных.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2021105336A RU2760528C1 (ru) | 2021-03-01 | 2021-03-01 | Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2021105336A RU2760528C1 (ru) | 2021-03-01 | 2021-03-01 | Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2760528C1 true RU2760528C1 (ru) | 2021-11-26 |
Family
ID=78719553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2021105336A RU2760528C1 (ru) | 2021-03-01 | 2021-03-01 | Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2760528C1 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2801295C1 (ru) * | 2022-07-11 | 2023-08-07 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ дистанционной оценки пространственного распределения теплофизических параметров материалов |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006292604A (ja) * | 2005-04-13 | 2006-10-26 | Keio Gijuku | 断熱材の断熱特性リモートセンシング方法及び装置 |
RU2544894C1 (ru) * | 2013-08-23 | 2015-03-20 | Открытое акционерное общество "Ракетно-космическая корпорация "Энергия" имени С.П. Королева" | Способ оценки различия теплофизических параметров видимой поверхности изотропного объекта с учетом фона |
RU2659461C2 (ru) * | 2016-05-04 | 2018-07-02 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ дистанционного определения пространственного распределения теплофизических параметров поверхности земли |
RU2707387C1 (ru) * | 2019-02-28 | 2019-11-26 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ дистанционного определения пространственного распределения теплофизических параметров земной поверхности |
-
2021
- 2021-03-01 RU RU2021105336A patent/RU2760528C1/ru active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006292604A (ja) * | 2005-04-13 | 2006-10-26 | Keio Gijuku | 断熱材の断熱特性リモートセンシング方法及び装置 |
RU2544894C1 (ru) * | 2013-08-23 | 2015-03-20 | Открытое акционерное общество "Ракетно-космическая корпорация "Энергия" имени С.П. Королева" | Способ оценки различия теплофизических параметров видимой поверхности изотропного объекта с учетом фона |
RU2659461C2 (ru) * | 2016-05-04 | 2018-07-02 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ дистанционного определения пространственного распределения теплофизических параметров поверхности земли |
RU2707387C1 (ru) * | 2019-02-28 | 2019-11-26 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ дистанционного определения пространственного распределения теплофизических параметров земной поверхности |
Non-Patent Citations (5)
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2801295C1 (ru) * | 2022-07-11 | 2023-08-07 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ дистанционной оценки пространственного распределения теплофизических параметров материалов |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Botkin et al. | Studying the earth's vegetation from space | |
Vázquez et al. | A comparative study of algorithms for estimating land surface temperature from AVHRR data | |
CN109212505B (zh) | 一种基于无人机多光谱高重叠度影像的森林林分特征反演方法 | |
Helfricht et al. | Lidar snow cover studies on glaciers in the Ötztal Alps (Austria): comparison with snow depths calculated from GPR measurements | |
Sekertekin et al. | Modeling diurnal Land Surface Temperature on a local scale of an arid environment using artificial Neural Network (ANN) and time series of Landsat-8 derived spectral indexes | |
Cheng et al. | Generating the 30-m land surface temperature product over continental China and USA from Landsat 5/7/8 data | |
Zheng et al. | The retrieved urban LST in Beijing based on TM, HJ-1B and MODIS | |
Garcia-Santos et al. | Study of temperature heterogeneities at sub-kilometric scales and influence on surface–atmosphere energy interactions | |
Hulley et al. | Moderate resolution imaging spectroradiometer (MODIS) MOD21 land surface temperature and emissivity algorithm theoretical basis document | |
Wu et al. | Method of calculating land surface temperatures based on the low-altitude UAV thermal infrared remote sensing data and the near-ground meteorological data | |
Mao et al. | A neural network technique for separating land surface emissivity and temperature from ASTER imagery | |
CN115015258B (zh) | 一种农作物长势与土壤水分关联确定方法及相关装置 | |
CN113553766A (zh) | 一种使用机器学习反演北极积雪深度的方法 | |
Mucsi et al. | The evaluation and application of an urban land cover map with image data fusion and laboratory measurements | |
Hulley et al. | Moderate resolution imaging spectroradiometer (MODIS) MOD21 land surface temperature and emissivity algorithm theoretical basis document | |
Kampf et al. | Spatial characterization of land surface energy fluxes and uncertainty estimation at the Salar de Atacama, Northern Chile | |
Zhong et al. | Empirical models on urban surface emissivity retrieval based on different spectral response functions: A field study | |
RU2760528C1 (ru) | Способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов | |
Melillos et al. | Field spectroscopy for the detection of underground military structures | |
Nur et al. | Comparison of soil moisture content retrieval models utilizing hyperspectral goniometer data and hyperspectral imagery from an unmanned aerial system | |
CN114999117B (zh) | 一种机场道面冰雪状况监测预警方法、系统、终端及介质 | |
Kovalchuk et al. | Modeling the distribution of land surface temperature for Bystrytsia river basin using Landsat 8 data | |
Zhong et al. | An improved model for emissivity retrieval of complex urban surfaces based on spectral indices from UAV | |
RU2707387C1 (ru) | Способ дистанционного определения пространственного распределения теплофизических параметров земной поверхности | |
Caspari | Tracking the Cold: Remote Sensing for Glacial Archaeology |