radioelectronicsИзвестия высших учебных заведений России. РадиоэлектроникаJournal of the Russian Universities. Radioelectronics1993-89852658-4794Saint Petersburg Electrotechnical University10.32603/1993-8985-2023-26-3-32-37radioelectronics-758Research ArticleТЕЛЕВИДЕНИЕ И ОБРАБОТКА ИЗОБРАЖЕНИЙTELEVISION AND IMAGE PROCESSINGНепараметрические байесовские сети как инструмент комплексирования данных мультимасштабного анализа временных рядов и дистанционного зондированияNonparametric Bayesian Networks as a Tool of Multiscale Time Series Analysis and Remote Sensing Data Integrationhttps://orcid.org/0000-0002-6668-9512ПыкоН. С.PykoNikita S.

Пыко Никита Сергеевич – магистр по направлению  "Инфокоммуникационные технологии и системы связи" (СПбГЭТУ "ЛЭТИ", 2019), аспирант кафедры  радиотехнических систем, младший научный  сотрудник научно-образовательного центра  "Цифровые телекоммуникационные системы".

Автор 36 научных работ. Сфера научных интересов –  статистический анализ данных; математическое  моделирование.

ул. Профессора Попова, д. 5 Ф, Санкт-Петербург, 197022

Nikita S. Pyko, Master in information and  communication technology (2019), Postgraduate  Student of the Department of Radio Engineering  Systems, Junior Researcher at the Scientific and  Educational Center "Digital Telecommunication  Technologies".

The author of 36 scientific publications. Area  of expertise: statistical data analysis, mathematical  modeling.

5 F, Professor Popov St., St Petersburg 197022

goststalker13@gmail.comhttps://orcid.org/0000-0002-4790-2840ТишинД. В.TishinDenis V.

Тишин Денис Владимирович – кандидат  биологических наук (2006), доцент кафедры общей  экологии Института экологии и природопользования  Казанского (Приволжского) федерального  университета

ул. Кремлевская, д. 18/1, Казань, 420008;

старший научный сотрудник  Информационно-методического центра факультета  компьютерных технологий и информатики Санкт-Петербургского государственного электротехнического университета "ЛЭТИ"им. В. И. Ульянова (Ленина).

Автор 62 научных работ. Сфера научных интересов – сегнетоэлектрики; электрокалорический эффект;  пироэлектрический эффект; мультиферроики.

Denis V. Tishin, Can. Sci. (Biolog.) (2006), Associate  Professor of the Department of General Ecology of the Institute of Environmental Sciences of Kazan Federal  University, Senior Researcher at the IMC FKTI of Saint  Petersburg Electrotechnical University.

Author of 62  scientific publications. Area of expertise:  dendrochronology, phenology, dendroclimatology,  paleoecology, carbon balance.

18/1, Kremlyovskaya St., Kazan 420008

kpfuecology@gmail.comhttps://orcid.org/0009-0004-3824-6708ИскандировП. Ю.IskandirovPavel Yu.

Искандиров Павел Юрьевич – эколог по  специальности "Экология" (КФУ, 2013);

аспирант  кафедры общей экологии Института экологии и  природопользования Казанского (Приволжского)  федерального университета

ул. Кремлевская, д. 18/1, Казань, 420008;

Автор 12 научных работ. Сфера научных интересов –  дендрохронология; фенология.

Pavel Yu. Iskandirov, Ecologist (KFU, 2013), Postgraduate  Student of the Department of General  Ecology of the Institute of Environmental Sciences of  Kazan Federal University.

The author of 12 scientific  publications. Area of expertise: dendrochronology,  phenology.

18/1, Kremlyovskaya St., Kazan 420008

iskandirovpj@stud.kpfu.ruhttps://orcid.org/0000-0002-0812-1750ГафуровА. М.GafurovArtur M.

Гафуров Артур Маратович – старший преподаватель  кафедры ландшафтной экологии Института экологии  и природопользования, старший научный сотрудник  Научно-исследовательского центра превосходства  киберфизических систем Института физики

ул. Кремлевская, д. 18/1, Казань, 420008;

Автор 50 научных работ. Сфера научных интересов –  геоморфология и эволюционная география;  геоэкология; аэрокосмические исследования Земли;  фотограмметрия.

Artur M. Gafurov, Senior Lecturer at the Department of  Landscape Ecology of the Institute of Environmental Sciences, Senior Researcher of the Research Center for  Superiority of Cyber-Physical Systems of the Institute of Physics.

The author of 50 scientific publications. Area of  expertise: geomorphology and evolutionary geography,  geoecology, aerospace research of the Earth,  photogrammetry.

18/1, Kremlyovskaya St., Kazan 420008

AMGafurov@kpfu.ruhttps://orcid.org/0000-0001-9354-1348УсмановБ. М.UsmanovBulat M.

Усманов Булат Мансурович – старший преподаватель  кафедры ландшафтной экологии  Института экологии и природопользования.

Автор 72 научных работ. Сфера научных интересов –  геоморфология и эволюционная география;  геоэкология; аэрокосмические исследования Земли;  фотограмметрия.

ул. Кремлевская, д. 18/1, Казань, 420008

Bulat M. Usmanov, Senior Lecturer at the Department of  Landscape Ecology of the Institute of Environmental Sciences.

The author of 72  scientific publications. Area of  expertise: geomorphology and evolutionary geography,  geoecology, aerospace research of the Earth,  photogrammetry.

18/1, Kremlyovskaya St., Kazan 420008

BUsmanof@kpfu.ruhttps://orcid.org/0000-0002-0356-5651БогачевМ. И.BogachevMikhail I.

Богачев Михаил Игоревич – доктор технических наук  (2018), доцент (2011) кафедры  радиотехнических систем.

Автор 200 научных работ. Сфера научных интересов  – статистический анализ данных; математическое  моделирование.

ул. Профессора Попова, д. 5 Ф, Санкт-Петербург, 197022

Mikhail I. Bogachev, Dr Sci. (Eng.) (2018), Associate  Professor (2011) at the Department of Radio  Engineering Systems, Chief Researcher of the Scientific  and Educational Center "Digital Telecommunication  Technologies".

The author of 200 scientific publications. Area of expertise: statistical data analysis, mathematical  modeling.

5 F, Professor Popov St., St Petersburg 197022

rogex@yandex.comСанкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)РоссияSaint Petersburg Electrotechnical UniversityRussian FederationСанкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина); Казанский (Приволжский) федеральный университетРоссияSaint Petersburg Electrotechnical University; Kazan Federal UniversityRussian FederationКазанский (Приволжский) федеральный университетРоссияKazan Federal UniversityRussian Federation2023060720232633247Copyright © Пыко Н.С., Тишин Д.В., Искандиров П.Ю., Гафуров А.М., Усманов Б.М., Богачев М.И., 20232023Пыко Н.С., Тишин Д.В., Искандиров П.Ю., Гафуров А.М., Усманов Б.М., Богачев М.И.Pyko N.S., Tishin D.V., Iskandirov P.Y., Gafurov A.M., Usmanov B.M., Bogachev M.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://re.eltech.ru/jour/article/view/758

Введение. Непараметрические байесовские сети представляют собой перспективный инструмент для анализа, визуализации, интерпретации и прогнозирования структурных и динамических характеристик сложных систем. Современные междисциплинарные исследования подразумевают комплексную обработку разнородных данных, получаемых с помощью датчиков различной физической природы. При исследовании лесного фонда широко применяются методы как непосредственных дендрологических измерений, так и дистанционного наблюдения с использованием беспилотных летательных аппаратов. Информацию, полученную с помощью этих методов, необходимо анализировать во взаимосвязи с данными гидрометеорологического мониторинга.Цель работы. Исследование возможности автоматизации мониторинга благополучия лесного фонда на основе комплексирования данных наземных исследований, дистанционных мультиспектральных измерений и гидрометеорологических наблюдений с использованием математического аппарата непараметрических байесовских сетей.Материалы и методы. Для оценки долговременной совместной динамики природно-климатических показателей и радиального прироста деревьев использован модифицированный метод мультимасштабного взаимного корреляционного анализа с удалением фонового тренда, описываемого моделью скользящего среднего. Взаимосвязи между различными показателями оценивались на основе безусловных и условных непараметрических коэффициентов корреляции Спирмена, которые использовались для реконструкции и параметризации непараметрической байесовской сети.Результаты. Построена мультимасштабная непараметрическая байесовская сеть, характеризующая безусловные и условные статистические взаимосвязи между параметрами, полученными в результате дистанционного зондирования, гидроклиматических и дендрологических измерений. Предложенная модель показала хорошее качество прогнозирования состояния растительного фонда. Коэффициенты корреляции между наблюдаемыми и предсказываемыми показателями превышают значения 0.6, а при предсказании тренда прироста годичных колец деревьев коэффициент корреляции составляет 0.77.Заключение. Предложенная непараметрическая байесовская сетевая модель отражает взаимосвязи между различными факторами, влияющими на лесную экосистему. Байесовская сеть может использоваться для оценки рисков и улучшения планирования экологического управления.

Introduction. Nonparametric Bayesian networks are a promising tool for analyzing, visualizing, interpreting and predicting the structural and dynamic characteristics of complex systems. Modern interdisciplinary research involves the complex processing of heterogeneous data obtained using sensors of various physical nature. In the study of the forest fund, both methods of direct dendrological measurements and methods of remote observation using unmanned aerial vehicles are widely used. Information obtained using these methods must be analyzed in conjunction with hydrometeorological monitoring data.Aim. Investigation of the possibility of automating the monitoring of the well-being of the forest fund based on the integration of ground survey data, remote multispectral measurements and hydrometeorological observations using the mathematical apparatus of nonparametric Bayesian networks.Materials and methods. To assess the long-term joint dynamics of natural and climatic indicators and the radial growth of trees, a modified method of multiscale cross-correlation analysis was used with the removal of the background trend described by the moving average model. Relationships between various indicators were estimated based on the unconditional and conditional nonparametric Spearman correlation coefficients, which were used to reconstruct and parameterize the nonparametric Bayesian network.Results. A multiscale nonparametric Bayesian network was constructed to characterize both unconditional and conditional statistical relationships between parameters obtained from remote sensing, hydroclimatic and dendrological measurements. The proposed model showed a good quality of the plant fund state forecasting. The correlation coefficients between the observed and predicted indicators exceed 0.6, with the correlation coefficient comprising 0.77 when predicting the growth trend of annual tree rings.Conclusion. The proposed nonparametric Bayesian network model reflects the relationship between various factors that affect the forest ecosystem. The Bayesian network can be used to assess risks and improve environmental management planning.

дистанционное зондированиемультиспектральные вегетационные индексыкорреляционный анализ с удалением трендачастные корреляциинаправленный ациклический графнепараметрическая байесовская сетьremote sensingmultispectral vegetation indicesdetrended cross-correlation analysispartial correlationsdirected acyclic graphnonparametric Bayesian networkИсследование выполнено за счет гранта Российского научного фонда № 22-76-10042, https://rscf.ru/project/22-76-10042/.The study was supported by the Russian Science Foundation grant № 22-76-10042, https://rscf.ru/project/22-76-10042/.ReferencesMonitoring cliff erosion with LiDAR surveys and Bayesian network-based data analysis / P. Terefenko, D. Paprotny, A. Giza, O. Morales-Nápoles, A. Kubicki, S. Walczakiewicz // Remote Sens. 2019. № 11. P. 843. doi: 10.3390/rs11070843Terefenko P., Paprotny D., Giza A., MoralesNápoles O., Kubicki A., Walczakiewicz S. Monitoring Cliff Erosion with LiDAR Surveys and Bayesian Network-Based Data Analysis. Remote Sens. 2019, no. 11, p. 843. doi: 10.3390/rs11070843Paprotny D., Morales-Nápoles O. Estimating extreme river discharges in europe through a Bayesian network // Hydrology and Earth System Sciences. 2017. Vol. 21, № 6. P. 2615–2636. doi: 10.5194/hess-21-2615-2017Paprotny D., Morales-Nápoles O. Estimating Extreme River Discharges in Europe Through a Bayesian Network. Hydrology and Earth System Sciences. 2017, vol. 21, no. 6, pp. 2615–2636. doi: 10.5194/hess-21-2615-2017A continuous Bayesian network for earth dams’ risk assessment: An application / D.-J. Delgado-Hernández, O. Morales-Nápoles, D. De-León-Escobedo, J.-C. Arteaga-Arcos // Structure and Infrastructure Engineering. 2014. Vol. 10, № 2. P. 225–238. doi: 10.1080/15732479.2012.731416Delgado-Hernández D.-J., Morales-Nápoles O., De-León-Escobedo D., Arteaga-Arcos J.-C. A Continuous Bayesian Network for Earth Dams’ Risk Assessment: An Application. Structure and Infrastructure Engineering. 2014, vol. 10, no. 2, pp. 225–238. doi: 10.1080/15732479.2012.731416Morales Nápoles O., Steenbergen R. Analysis of axle and vehicle load properties through Bayesian networks based on weigh-in-motion data // Reliability Engineering & System Safety. 2014. Vol. 125. P. 153–164. doi: 10.1016/j.ress.2014.01.018Morales Nápoles O., Steenbergen R. Analysis of Axle and Vehicle Load Properties through Bayesian Networks Based on Weigh-in-Motion Data. Reliability Engineering & System Safety. 2014, vol. 125, pp. 153–164. doi: 10.1016/j.ress.2014.01.018Cooke R. M., Wielicki B. Probabilistic reasoning about measurements of equilibrium climate sensitivity: Combining disparate lines of evidence // Climatic Change. 2018. № 151. P. 541–154. doi: 10.1007/s10584-018-2315-yCooke R. M., Wielicki B. Probabilistic Reasoning about Measurements of Equilibrium Climate Sensitivity: Combining Disparate Lines of Evidence. Climatic Change. 2018, no. 151, pp. 541–154. doi: 10.1007/s10584-018-2315-yOverview on Bayesian Network applications for dependability, risk analysis and maintenance areas / P. Weber, G. Medina-Oliva, C. Simon, B. Iung // Engineering Applications of Artificial Intelligence. 2012. Vol. 25, № 4. P. 671–682. doi: 10.1016/j.engappai.2010.06.002Weber P., Medina-Oliva G., Simon C., Iung B. Overview on Bayesian Network Applications for Dependability, Risk Analysis and Maintenance Areas. Engineering Applications of Artificial Intelligence. 2012, vol. 25, no. 4, pp. 671–682. doi: 10.1016/j.engappai.2010.06.002Hanea A., Morales Nápoles O., Ababei D. Nonparametric Bayesian networks: Improving theory and reviewing applications // Reliability Engineering & System Safety. 2015. Vol. 144. P. 265–284. doi: 10.1016/j.ress.2015.07.027Hanea A., Morales Nápoles O., Ababei D. Nonparametric Bayesian Networks: Improving Theory and Reviewing Applications. Reliability Engineering & System Safety. 2015, vol. 144, pp. 265–284. doi: 10.1016/j.ress.2015.07.027Morales O., Kurowicka D., Roelen A. Eliciting conditional and unconditional rank correlations from conditional probabilities // Reliability Engineering & System Safety. 2008. Vol. 93, № 5. P. 699–710. doi: 10.1016/j.ress.2007.03.020Morales O., Kurowicka D., Roelen A. Eliciting Conditional and Unconditional Rank Correlations from Conditional Probabilities. Reliability Engineering & System Safety. 2008, vol. 93, no. 5, pp. 699–710. doi: 10.1016/j.ress.2007.03.020Baba K., Shibata R., Sibuya M. Partial correlation and conditional correlation as measures of conditional independence // Australian & New Zealand J. of Statistics. 2004. Vol. 46, № 4. P. 657–664. doi: 10.1111/j.1467-842X.2004.00360.xBaba K., Shibata R., Sibuya M. Partial Correlation and Conditional Correlation as Measures of Conditional Independence. Australian & New Zealand J. of Statistics. 2004, vol. 46, no. 4, pp. 657–664. doi: 10.1111/j.1467-842X.2004.00360.xBaba K., Sibuya M. Equivalence of Partial and Conditional Correlation Coefficients // J. of the Japan Statistical Society. 2005. Vol. 35, № 1. P. 1–19. doi: 10.14490/JJSS.35.1Baba K., Sibuya M. Equivalence of Partial and Conditional Correlation Coefficients. J. of the Japan Statistical Society. 2005, vol. 35, no. 1, pp. 1–19. doi: 10.14490/JJSS.35.1Detrended partial-cross-correlation analysis: a new method for analyzing correlations in complex system / N. Yuan, Z. Fu, H. Zhang, L. Piao, J. Luterbacher // Scientific reports. 2015. Vol. 5, № 1. P. 8143. doi: 10.1038/srep08143Yuan N., Fu Z., Zhang H., Piao L., Luterbacher J. Detrended Partial-Cross-Correlation Analysis: A New Method for Analyzing Correlations in Complex System. Scientific Reports. 2015, vol. 5, no. 1, p. 8143. doi: 10.1038/srep08143Detrended Partial Cross-Correlation Analysis of Two Nonstationary Time Series Influenced by Common External Forces / X.-Yu. Qian, Y.-M. Liu, Zh.-Q. Jiang, B. Podobnik, W.-X. Zhou, H. E. Stanley // Physical Review. 2015. Vol. 91. P. 06281. doi: 10.1103/PhysRevE.91.062816Qian X.-Yu., Liu Y.-M., Jiang Zh.-Q., Podobnik B., Zhou W.-X., Stanley H. E. Detrended Partial Cross-Correlation Analysis of Two Nonstationary Time Series Influenced by Common External Forces. Physical Review. 2015, vol. 91, p. 06281. doi: 10.1103/PhysRevE.91.062816Zhou W. X. Multifractal detrended cross-correlation analysis for two nonstationary signals // Physical Review E. 2008. Vol. 77. P. 066211. doi: 10.1103/PhysRevE.77.066211Zhou W. X. Multifractal Detrended CrossCorrelation Analysis for Two Nonstationary Signals. Physical Review E. 2008, vol. 77, p. 066211. doi: 10.1103/PhysRevE.77.066211Horvatic D., Stanley H. E., Podobnik B. Detrended cross-correlation analysis for non-stationary time series with periodic trends // Europhysics Let. 2011. Vol. 94, № 1. P. 18007. doi: 10.1209/0295-5075/94/18007Horvatic D., Stanley H. E., Podobnik B. Detrended Cross-Correlation Analysis for NonStationary Time Series with Periodic Trends. Europhysics Let. 2011, vol. 94, no. 1, p. 18007. doi: 10.1209/0295-5075/94/18007Alvarez-Ramirez J., Rodriguez E., Echeverría J. C. Detrending fluctuation analysis based on moving average filtering // Physica A: statistical mechanics and its applications. 2005. Vol. 354. P. 199–219. doi: 10.1016/j.physa.2005.02.020Alvarez-Ramirez J., Rodriguez E., Echeverría J. C. Detrending Fluctuation Analysis Based on Moving Average Filtering. Physica A: Statistical Mechanics and Its Applications. 2005, vol. 354, pp. 199–219. doi: 10.1016/j.physa.2005.02.020Rinn F. TSAP-Win time series analysis and presentation for dendrochronology and related applications // User Reference Version 0.53. Heidelberg: Rinntech, 2005. P. 1–88.Rinn F. TSAP-Win Time Series Analysis and Presentation for Dendrochronology and Related Applications. User Reference Version 0.53. Heidelberg, Rinntech, 2005, pp. 1–88.Article Evaluating Multispectral Images and Vegetation Indices for Precision Farming Applications from UAV Images / S. Candiago, F. Remondino, M. De Giglio, M. Dubbini, M. Gettelli // Remote Sens. 2015. Vol. 7, № 4. P. 4026–4047. doi: 10.3390/rs70404026Candiago S., RemondinoF., De Giglio M., Dubbini M., Gettelli M. Article Evaluating Multispectral Images and Vegetation Indices for Precision Farming Applications from UAV Images. Remote Sens. 2015, vol. 7, no. 4, pp. 4026–4047. doi: 10.3390/rs70404026Pyataev A. S., Vais A. A. Pine Crown and Trunk Diameter Dependence Research // CEUR Workshop Proc. 2019. P. 160–165.Pyataev A. S., Vais A. A. Pine Crown and Trunk Diameter Dependence Research. CEUR Workshop Proc. 2019, pp. 160–165.

The authors declare that there are no conflicts of interest present.