Маломассогабаритный бортовой модульный гиперспектрометр

В последнее время в мировой практике аэрокосмического мониторинга Земли наблюдается все более активное внедрение методов и средств гиперспектральной съемки. Таким образом, создание систем, предназначенных для регистрации гиперспектральных данных и методов их обработки, является актуальной задачей дистанционного зондирования Земли. Целью работы являлась разработка и создание маломассогабаритного спутникового модульного гиперспектрометра видимого и ближнего инфракрасного диапазона, предназначенного для получения информации дистанционного зондирования Земли с целью постоянного обновления данных о состоянии природной среды и объектов инфраструктуры видеоспектральными методами с возможностью комплексного изучения как спектральных, так и пространственных характеристик наблюдаемых объектов.

Представлен маломассогабаритный бортовой модульный гиперспектрометр. К отличительным особенностям аппаратуры относятся высокое спектральное разрешение и малые габариты. Гиперспектрометр включает в себя два основных модуля: оптический модуль и модуль электроники. Особенностью конструкции оптического модуля является использование в полихроматоре вогнутой голографической дифракционной решетки. Модуль электроники построен на основе одноплатного компьютера. Представлено их описание и конструктивные особенности. Приведена схема формирования гиперкуба и программное обеспечение для его дальнейшей обработки. Представлено разработанное техническое обеспечение (контрольно-поверочная аппаратура, имитатор космического эксперимента и система пространственного сканирования) для проверки работоспособности, а также проведены тестовые съемки.

Стоит отметить чрезвычайно малые габариты для такого класса устройств по сравнению с аналогами, а также виброустойчивость аппаратуры.

1. Ibarrola-Ulzurrun, E. Assessment of Component Selection Strategies in Hyperspectral Imagery / E. Ibarrola Ulzurrun, J. Marcello, C. Gonzalo-Martin // Entropy. – 2017. – Vol. 19, iss. 12:666. – P. 1–17. DOI: 10.3390/e19120666

2. Tso, B. Classification Methods for Remotely Sensed Data / B. Tso, P.M. Mather // Taylor and Francis Inc. : New York, USA. – 2009. – 376 р.

3. Li, M. A review of remote sensing image classification technique: The role of spatio-contextual information / M. Li // Eur. J. Remote Sens. – 2014. – No. 47 – P. 389–411.

4. Sahoo, R.N. Hyperspectral remote sensing of agriculture / R.N. Sahoo, S.S. Ray, K.R. Manjunath // Current Science. – 2015. – Vol. 108, iss. 5. – P. 848–859.

5. Das, B.S. Hyperspectral remote sensing: opportunities, status and challenges for rapid soil assessment in India / B.S. Das [et al.] // Current Science. – 2015. – Vol. 108, iss. 5. – P. 860–868.

6. Marcello, J. Seabed Mapping in Coastal Shallow Waters Using High Resolution Multispectral and Hyperspectral Imagery / J. Marcello // Remote Sensing – 2018. – Vol. 10, iss. 8:1208. – P. 1–21. DOI: 10.3390/rs10081208

7. Аншаков, Г.П. Использование мультии гиперспектральных данных дистанционного зондирования для автоматизированного мониторинга рек и водоемов в весенний период / Г.П. Аншаков, Ю.Н. Журавель, А.В. Ращупкин // Компьютерная оптика. – 2015. – Т. 39, № 2. – С. 224–233. DOI: 10.18287/0134-2452-2015-39-2-224-233

8. Родионов, И.Д. Авиационные гиперспектральные комплексы для решения задач дистанционного зондирования / И.Д. Родионов [и др.] // Исследование Земли из космоса. – 2013. – № 6. – С. 81–93. DOI: 10.7868/S0205961413060080

9. Lausch, A. Scale-specific Hyperspectral Remote Sensing Approach in Environmental Research / A. Lausch [et al.] // Photogramm fernerkun. – 2012. – No. 5. – P. 589–601. DOI: 10.1127/1432-8364/2012/0141

10. Беляев, Б.И. Фотоспектральная система для космического эксперимента «Ураган» / Б.И. Беляев [и др.] // Космічнанаукаітехнологія. – 2010. – Т. 16, № 2. – С. 41–48.

11. Описание дифракционной решетки компании Horiba [Электронный ресурс]. – Режим доступа: http://www.horiba.com/ru/scientific/products/diffraction-gratings/catalog/flat-field. – Дата доступа: 09.01.2019.

12. Мартинов, А.О. Программный комплекс тематической обработки гиперспектральных данных дистанционного зондирования Земли / А.О. Мартинов [и др.] // Электроника инфо. – 2016. – № 3. – С. 55–59.

13. Katkovsky, L.V. Fast Atmospheric Correction Method for Hyperspectral Data / L.V. Katkovsky [et al.] // RemoteSensing. – 2018. – Vol. 10,iss. 11:1698. – P. 1–18. DOI: 10.3390/rs10111698

14. Heinz, D.C. Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery / D.C. Heinz, Chein-I-Chang // IEEE Transactions on Geoscience and Remote Sensing. – 2001. – Vol. 39, iss. 3. – P. 529–545. DOI: 10.1109/36.911111

15. Janos, S. Colorimetry: Understanding the CIE System / S. Janos // Hoboken, Wiley Interscience, 2007. – 460 p.