radioelectronicsИзвестия высших учебных заведений России. РадиоэлектроникаJournal of the Russian Universities. Radioelectronics1993-89852658-4794Saint Petersburg Electrotechnical University10.32603/1993-8985-2023-26-4-56-69radioelectronics-777Research ArticleТЕЛЕВИДЕНИЕ И ОБРАБОТКА ИЗОБРАЖЕНИЙTELEVISION AND IMAGE PROCESSINGРазработка системы экологического мониторинга на базе технологий пространственной разметки и машинного зренияDevelopment of an Environmental Monitoring System Based on Spatial Marking and Machine Vision Technologieshttps://orcid.org/0000-0002-9084-3604ЗаславскийМ. М.ZaslavskiyM. M.

Заславский Марк Маркович – кандидат технических наук (2019), заместитель заведующего кафедрой математического обеспечения и применения ЭВМ 

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

Автор более 15 научных работ. Сфера научных интересов – пространственная разметка; искусственный интеллект; машинное зрение; обработка аудио; автоматизация оценивания учебных работ.  

Mark M. Zaslavskiy – Cand. Sci. (2019), Deputy Head of the Department of Software Engineering and Computer Applications

5 F, Professor Popov St., St Petersburg 197022

The author of more than 15 scientific publications. Area of expertise: spatial markup; artificial intelligence; machine vision; audio processing; automation of evaluation of educational works.

mark.zaslavskiy@gmail.comhttps://orcid.org/0000-0002-2246-8929КрыжановскийК. Е.KryzhanovskiyK. E.

Крыжановский Кирилл Евгеньевич – магистрант по направлению "Программная инженерия", младший разработчик программного обеспечения ООО "Яндекс".

ООО "Яндекс", ул. Льва Толстого, д. 16, Москва, 119021

Сфера научных интересов – искусственный интеллект; компьютерное зрение; беспилотные летательные аппараты; алгоритмы ориентации и навигации.

Kirill E. Kryzhanovskiy – Master in "Software engineering"; Junior Software developer of Yandex.

Yandex LLC, 16, Lev Tolstoy St., Moscow 119021

Area of expertise: artificial intelligence; computer vision; orientation and navigation algorithms; unmanned aerial vehicles.

kirill.lfybk.rh@gmail.comИвановД. В.IvanovD. V.

Иванов Дмитрий Владимирович – аспирант по направлению "Компьютерные науки и информатика", ассистент кафедры математического обеспечения и применения ЭВМ

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

Автор трех научных публикаций. Сфера научных интересов – рои дронов; пространственная разметка; искусственный интеллект; машинное зрение. 

Dmitry V. Ivanov – Postgraduate student in "Computer Science and Informatics", assistant of the Department of Software Engineering and Computer Applications  

5 F, Professor Popov St., St Petersburg 197022

Author of 3 scientific publications. Area of expertise: drone swarms; spatial markup; artificial intelligence; machine vision.

dmitry.ivanov@moevm.infoСанкт-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); ООО "Яндекс"РоссияSaint Petersburg Electrotechnical University; Yandex LLCRussian Federation2023290920232645669Copyright © Заславский М.М., Крыжановский К.Е., Иванов Д.В., 20232023Заславский М.М., Крыжановский К.Е., Иванов Д.В.Zaslavskiy M.M., Kryzhanovskiy K.E., Ivanov D.V.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/777Введение

Введение. Использование доступных спутниковых снимков и аэрофотосъемки беспилотными летательными аппаратами (БПЛА) в задачах экологического мониторинга наталкивается на несовершенство существующих инструментов. Геоинформационные системы не обладают достаточной гибкостью для автоматической работы с гетерогенными источниками, а новейшие модели искусственного интеллекта в экологии требуют предварительной подготовки данных. В статье представлены результаты проектирования программной системы экологического мониторинга по данным сенсоров машинного зрения, которая обеспечивает унификацию данных и одновременно является гибкой как с точки зрения источников данных, так и способов их анализа.

Цель работы

Цель работы. Создание открытой программной системы для согласованной пространственной разметки гетерогенных данных машинного зрения для задач экологического мониторинга.

Материалы и методы

Материалы и методы. Методы программной инженерии, методы теории баз данных, методы пространственной разметки, методы обработки изображений.

Результаты

Результаты. На основе анализа особенностей существующих открытых данных дистанционного зондирования Земли, а также аэрофотосъемки БПЛА и подходов к проведению экологического мониторинга составлен обобщенный метод унификации данных. Для реализации метода была составлена гибкая архитектура программной системы, а также разработана модель данных для документоориентированной системы управления базами данных, позволяющие хранить данные и масштабировать процедуру анализа данных.

Заключение

Заключение. В статье проведен анализ существующих источников данных и инструментов проведения экологического мониторинга. Создан обобщенный метод унификации данных машинного зрения, архитектура и модель данных. Метод, архитектура и модель успешно реализованы в виде программной системы с веб-интерфейсом

Introduction

Introduction. The use of available satellite images and aerial photography by unmanned aerial vehicles (UAVs) in the tasks of environmental monitoring is challenged by the imperfection of existing tools. Geographic information systems are characterized by insufficient flexibility to automatically work with heterogeneous sources. The latest models based on artificial intelligence in ecology require preliminary data preparation. The article presents the results of designing a software system for environmental monitoring based on machine vision sensor data, which provides data unification while being flexible both in terms of data sources and methods of their analysis.

Aim

Aim. Creation of a generalized software system for coordinated spatial marking of heterogeneous machine vision data for environmental monitoring tasks.

Materials and methods

Materials and methods. Software engineering methods, database theory methods, spatial markup methods, image processing methods.

Results

Results. A generalized method for unifying data was developed. The method is based on the analysis of existing open data from remote sensing of the Earth, as well as UAV aerial photography and approaches to environmental monitoring. To implement the method, a flexible architecture of the software system was designed, and a data model for a document-oriented DBMS was developed, which allows storing data and scaling the data analysis procedure.

Conclusion

Conclusion. The existing sources of data and tools for environmental monitoring were analyzed. A generalized method for unifying machine vision data, an architecture, and a data model was created. The method, architecture, and model were successfully implemented as a software system with a web interface

пространственная разметкамашинное зрениедистанционное зондирование Землиаэрофотосъемкаавтоматизация экологического мониторингаspatial markingmachine visionremote sensing of the Earthaerial photographyautomation of environmental monitoringРабота выполнена при финансовой поддержке Российского научного фонда (грант № 22-76-10042)The work was carried out with the financial support of the Russian Science Foundation (grant no. 22-76-10042).ReferencesCorwin D. L. Climate Change Impacts on Soil Salinity in Agricultural Areas // European J. of Soil Science. 2021. Vol. 72, iss. 2. P. 842–862. doi: 10.1111/ejss.13010Corwin D. L. Climate Change Impacts on Soil Salinity in Agricultural Areas. European J. of Soil Science. 2021, vol. 72, iss. 2, pp. 842–862. doi: 10.1111/ejss.13010Impacts of climate change on energy systems in global and regional scenarios / S. G. Yalew, M. T. H. van Vliet, D. E. H. J. Gernaat, F. Ludwig, A. Miara, C. Park, E. Byers, E. De Cian, F. Piontek, G. Iyer, I. Mouratiadou, J. Glynn, M. Hejazi, O. Dessens, P. Rochedo, R. Pietzcker, R. Schaeffer, S. Fujimori, S. Dasgupta, S. Mima, S. R. Santos da Silva, V. Chaturvedi, R. Vautard, D. P. van Vuuren // Nature Energy. 2020. Vol. 5, № 10. P. 794–802. doi: 10.1038/s41560-020-0664-zYalew S. G., van Vliet M. T. H., Gernaat D. E. H. J., Ludwig F., Miara A., Park C., Byers E., De Cian E., Piontek F., Iyer G., Mouratiadou I., Glynn J., Hejazi M., Dessens O., Rochedo P., Pietzcker R., Schaeffer R., Fujimori S., Dasgupta S., Mima S., Santos da Silva S. R., Chaturvedi V., Vautard R., van Vuuren D. P. Impacts of Climate Change on Energy Systems in Global and Regional Scenarios. Nature Energy. 2020, vol. 5, no. 10, pp. 794–802. doi: 10.1038/s41560-020-0664-zAssessment of climate change impacts on buildings, structures and infrastructure in the Russian regions on permafrost / D. A. Streletskiy, L. J. Suter, N. I. Shiklomanov, B. N. Porfiriev, D. O. Eliseev // Environmental Research Letters. 2019. Vol. 14, № 2. P. 025003. doi: 10.1088/1748-9326/aaf5e6Streletskiy D. A., Suter L. J., Shiklomanov N. I., Porfiriev B. N., Eliseev D. O. Assessment of Climate Change Impacts on Buildings, Structures and Infrastructure in the Russian Regions on Permafrost. Environmental Research Letters. 2019, vol. 14, no. 2, p. 025003. doi: 10.1088/1748-9326/aaf5e6Recent advances in Unmanned Aerial Vehicles forest remote sensing – A systematic review. Pt. II: Research applications / R. Dainelli, P. Toscano, S. F. Di Gennaro, A. Matese // Forests. 2021. Vol. 12, iss. 4. P. 397. doi: 10.3390/f12040397Dainelli R., Toscano P., Gennaro S. F. Di, Matese A. Recent Advances in Unmanned Aerial Vehicles Forest Remote Sensing – A Systematic Review. Part II: Research Applications. Forests. 2021, vol. 12, iss. 4, p. 397. doi: 10.3390/f12040397Ahmad A., Gilani H., Ahmad S. R. Forest aboveground biomass estimation and mapping through highresolution optical satellite imagery – A literature review // Forests. 2021. Vol. 12, iss. 7. P. 914. doi: 10.3390/f12070914Ahmad A., Gilani H., Ahmad S. R. Forest Aboveground Biomass Estimation and Mapping Through High-Resolution Optical Satellite Imagery – A Literature Review. Forests. 2021, vol. 12, iss. 7, p. 914. doi: 10.3390/f12070914Artificial intelligence meets citizen science to supercharge ecological monitoring / E. C. McClure, M. Sievers, C. J. Brown, C. A. Buelow, E. M. Ditria, M. A. Hayes, R. M. Pearson, V. J. D. Tulloch, R. K. F. Unsworth, R. M. Connolly // Patterns. 2020. Vol. 1, iss. 7. P. 100109. doi: 10.1016/j.patter.2020.100109McClure E. C., Sievers M., Brown C. J., Buelow C. A., Ditria E. M., Hayes M. A., Pearson R. M., Tulloch V. J. D., Unsworth R. K. F., Connolly R. M. Artificial Intelligence Meets Citizen Science to Supercharge Ecological Monitoring. Patterns. 2020, vol. 1, iss. 7, p. 100109. doi: 10.1016/j.patter.2020.100109A systematic review on the integration of remote sensing and gis to forest and grassland ecosystem health attributes, indicators, and measures / I. Soubry, T. Doan, T. Chu, X. Guo // Remote Sensing. 2021. Vol. 13, iss. 16. P. 3262. doi: 10.3390/rs13163262Soubry I., Doan T., Chu T., Guo X. A Systematic Review on the Integration of Remote Sensing and Gis to Forest and Grassland Ecosystem Health Attributes, Indicators, and Measures. Remote Sensing. 2021, vol. 13, iss. 16, p. 3262. doi: 10.3390/rs13163262Toth C., Jóźków G. Remote sensing platforms and sensors: A survey // ISPRS J. of Photogrammetry and Remote Sensing. 2016. Vol. 115. P. 22–36. doi: 10.1016/J.ISPRSJPRS.2015.10.004Toth C., Jóźków G. Remote Sensing Platforms and Sensors: A Survey. ISPRS J. of Photogrammetry and Remote Sensing. 2016, vol. 115, pp. 22–36. doi: 10.1016/J.ISPRSJPRS.2015.10.004КА "Канопус-В" № 1 – первый российский малый космический аппарат высокодетального дистанционного зондирования Земли нового поколения / Л. А. Макриденко, С. Н. Волков, А. В. Горбунов, Р. С. Салихов, В. П. Ходненко // Вопр. электромеханики. Тр. ВНИИЭМ. 2017. Т. 156, № 1. С. 10–20.Makridenko L. A., Volkov S. N., Gorbunov A. V., Salihov R. S., Hodnenko V. P. The First Russian Next Generation High Resolution Earth Remote Sensing Small Satellite Canopus-V No. 1. Voprosy jelektromehaniki. Trudy VNIIJeM [Questions of electromechanics. Proceedings of VNIIEM]. 2017, vol. 156, no. 1, pp. 10–20. (In Russ.)Космическая система дистанционного зондирования Земли "Ресурс-П" / А. Н. Кирилин, Р. Н. Ахметов, Г. П. Аншаков, А. Д. Сторож, Н. Р. Стратилатов, В. А. Типухов // XL Академические чтения по космонавтике, Москва, 26–29 янв. 2016 г. М., 2016. С. 350.Kirilin A. N., Akhmetov R. N., Anshakov G. P., Storozh A. D., Stratilatov N. R., Tipukhov V. A. Space System of Remote Sensing of the Earth "Resource-P". XL Akademicheskie chtenija po kosmonavtike [XL Academic Readings in Astronautics]. Moscow, 26–29 January 2016, p. 350. (In Russ.)Григорьев А. А., Баранов М. Е. Эксплуатация программной модели космического аппарата связи "Экспресс-АМ" // Актуальные проблемы авиации и космонавтики. 2018. Т. 2, № 14. С. 507–509.Grigoryev A. A., Baranov M. E. Maintenance of the Software Models of the Spacecraft Communication "Express-AM". Current Problems of Aviation and Cosmonautics. 2018, vol. 2, no. 14, pp. 507–509. (In Russ.)Локшин Б. "Экспресс-РВ"-перспективная система связи со спутниками на высокоэллиптических орбитах // Технологии и средства связи. 2019. № S1. С. 62–71.Lokshin B. Express-RV as a Forward-Looking Communications System with Satellites in Highly Elliptical Orbits. Communication Technologies & Equipment. 2019, no. S1, pp. 62–71. (In Russ.)Irons J. R., Dwyer J. L., Barsi J. A. The next Landsat satellite: The Landsat data continuity mission // Remote sensing of environment. 2012. Vol. 122. P. 11– 21. doi: 10.1016/j.rse.2011.08.026Irons J. R., Dwyer J. L., Barsi J. A. The Next Landsat Satellite: The Landsat Data Continuity Mission. Remote Sensing of Environment. 2012, vol. 122, pp. 11–21. doi: 10.1016/j.rse.2011.08.026Sentinel-2: ESA's optical high-resolution mission for GMES operational services / M. Drusch, U. Del Bello, S. Carlier, O. Colin, V. Fernandez, F. Gascon, B. Hoersch, C. Isola, P. Laberinti, P. Martimort, A. Meygret, F. Spoto, O. Sy, F. Marchese, P. Bargellini // Remote sensing of Environment. 2012. Vol. 120. P. 25–36. doi: 10.1016/j.rse.2011.11.026Drusch M., Del Bello U., Carlier S., Colin O., Fernandez V., Gascon F., Hoersch B., Isola C., Laberinti P., Martimort P., Meygret A., Spoto F., Sy O., Marchese F., Bargellini P. Sentinel-2: ESA's Optical HighResolution Mission for GMES Operational Services. Remote Sensing of Environment. 2012, vol. 120, pp. 25–36. doi: 10.1016/j.rse.2011.11.026Fusing Landsat and MODIS data for vegetation monitoring / F. Gao, T. Hilker, X. Zhu, M. Anderson, J. Masek, P. Wang, Y. Yang // IEEE Geoscience and Remote Sensing Magazine. 2015. Vol. 3, iss. 3. P. 47– 60. doi: 10.1109/MGRS.2015.2434351Gao F., Hilker T., Zhu X., Anderson M., Masek J., Wang P., Yang Y. Fusing Landsat and MODIS Data for Vegetation Monitoring. IEEE Geoscience and Remote Sensing Magazine. 2015, vol. 3, iss. 3, pp. 47– 60. doi: 10.1109/MGRS.2015.2434351Landsat-8: Science and product vision for terrestrial global change research / D. P. Roy, M. A. Wulder, T. R. Loveland et al. // Remote sensing of Environment. 2014. Vol. 145. P. 154–172. doi: 10.1016/j.rse.2014.02.001Roy D. P., Wulder M. A., Loveland T. R. et al. Landsat-8: Science and Product Vision for Terrestrial Global Change Research. Remote Sensing of Environment. 2014, vol. 145, pp. 154–172. doi: 10.1016/j.rse.2014.02.001The global monitoring for environment and security (GMES) sentinel-3 mission / C. Donlon, B. Berruti, A. Buongiorno, M.-H. Ferreira, P. Féménias, J. Frerick, P. Goryl, U. Klein, H. Laur, C. Mavrocordatos, J. Nieke, H. Rebhan, B. Seitz, J. Stroede, R. Sciarra // Remote sensing of Environment. 2012. Vol. 120. P. 37– 57. doi: 10.1016/j.rse.2011.07.024Donlon C., Berruti B., Buongiorno A., Ferreira M.-H., Féménias P., Frerick J., Goryl P., Klein U., Laur H., Mavrocordatos C., Nieke J., Rebhan H., Seitz B., Stroede J., Sciarra R.The Global Monitoring for Environment and Security (GMES) Sentinel-3 Mission. Remote Sensing of Environment. 2012, vol. 120, pp. 37–57. doi: 10.1016/j.rse.2011.07.024Suomi NPP VIIRS sensor data record verification, validation, and long‐term performance monitoring / C. Cao, J. Xiong, S. Blonski, Q. Liu, S. Uprety, X. Shao, Y. Bai, F. Weng // J. of Geophysical Research: Atmospheres. 2013. Vol. 118, iss. 20. P. 11664–11678. doi: 10.1002/2013jd020418Cao C., Xiong J., Blonski S., Liu Q., Uprety S., Shao X., Bai Y., Weng F. Suomi NPP VIIRS Sensor Data Record Verification, Validation, and Long‐Term Performance Monitoring. J. of Geophysical Research: Atmospheres. 2013, vol. 118, iss. 20, pp. 11664–11678. doi: 10.1002/2013jd020418Morgan J. L., Gergel S. E., Coops N. C. Aerial photography: a rapidly evolving tool for ecological management // BioScience. 2010. Vol. 60, № 1. P. 47– 59. doi: 10.1525/bio.2010.60.1.9Morgan J. L., Gergel S. E., Coops N. C. Aerial Photography: a Rapidly Evolving Tool for Ecological Management. BioScience. 2010, vol. 60, no. 1, pp. 47– 59. doi: 10.1525/bio.2010.60.1.9Zhang Y. J. Camera calibration // 3-D Computer Vision: Principles, Algorithms and Applications. Singapore: Springer Nature Singapore, 2023. P. 37–65. doi: 10.1007/978-981-19-7580-6_2Zhang Y. J. Camera Calibration. 3-D Computer Vision: Principles, Algorithms and Applications. Singapore, Springer Nature Singapore, 2023, pp. 37–65. doi: 10.1007/978-981-19-7580-6_2Hein G. W. Status, perspectives and trends of satellite navigation // Satellite Navigation. 2020. Vol. 1, № 1. P. 22. doi: 10.1186/s43020-020-00023-xHein G. W. Status, Perspectives and Trends of Satellite Navigation. Satellite Navigation. 2020, vol. 1,Petritoli E., Leccese F., Leccisi M. Inertial navigation systems for UAV: Uncertainty and error measurements // 2019 IEEE 5th Intern. Workshop on Metrology for AeroSpace (MetroAeroSpace). Turin, Italy 19–21 June 2019. IEEE, 2019. P. 1–5. doi: 10.1109/MetroAeroSpace.2019.8869618Petritoli E., Leccese F., Leccisi M. Inertial Navigation Systems for UAV: Uncertainty and Error Measurements. 2019 IEEE 5th Intern. Workshop on Metrology for AeroSpace (MetroAeroSpace). Turin, Italy. 19– 21 June 2019. IEEE, 2019, pp. 1–5. doi: 10.1109/MetroAeroSpace.2019.8869618A practical guide to selecting models for exploration, inference, and prediction in ecology / A. T. Tredennick, G. Hooker, S. P. Ellner, P. B. Adler // Ecology. 2021. Vol. 102, iss. 6. P. e03336. doi: 10.1002/ecy.3336Tredennick A. T., Hooker G., Ellner S. P., Adler P. B. A Practical Guide to Selecting Models for Exploration, Inference, and Prediction in Ecology. Ecology. 2021, vol. 102, iss. 6, p. e03336. doi: 10.1002/ecy.3336Machine learning in landscape ecological analysis: a review of recent approaches / M.-S. Stupariu, S. A. Cushman, A.-I. Pleşoianu, I. Pătru-Stupariu, C. Fürst // Landscape Ecology. 2022. Vol. 37, iss. 5. P. 1227–1250. doi: 10.1007/s10980-021-01366-9Stupariu M.-S., Cushman S. A., Pleşoianu A.-I., Pătru-Stupariu I., Fürst C. Machine Learning in Landscape Ecological Analysis: A Review of Recent Approaches. Landscape Ecology. 2022, vol. 37, iss. 5, pp. 1227–1250. doi: 10.1007/s10980-021-01366-9A systematic review on the integration of remote sensing and gis to forest and grassland ecosystem health attributes, indicators, and measures / I. Soubry, T. Doan, T. Chu, X. Guo // Remote Sensing. 2021. Vol. 13, iss. 16. P. 3262. doi: 10.3390/rs13163262Soubry I., Doan T., Chu T., Guo X. A Systematic Review on the Integration of Remote Sensing and Gis to Forest and Grassland Ecosystem Health Attributes, Indicators, and Measures. Remote Sensing. 2021, vol. 13, iss. 16, p. 3262. doi: 10.3390/rs13163262Paramasivam C. R. Merits and demerits of GIS and geostatistical techniques // GIS and Geostatistical Techniques for Groundwater Science. 2019. P. 17–21. doi: 10.1016/B978-0-12-815413-7.00002-XParamasivam C. R. Merits and Demerits of GIS and Geostatistical Techniques. GIS and Geostatistical Techniques for Groundwater Science. 2019, pp. 17–21. doi: 10.1016/B978-0-12-815413-7.00002-XMerging GIS and Machine Learning Techniques: A Paper Review / C. V. Ekeanyanwu, I. F. Obisakin, P. Aduwenye, N. Dede-Bamfo // J. of Geoscience and Environment Protection. 2022. Vol. 10, № 9. P. 61– 83. doi: 10.4236/gep.2022.109004Ekeanyanwu C. V., Obisakin I. F., Aduwenye P., Dede-Bamfo N. Merging GIS and Machine Learning Techniques: A Paper Review. J. of Geoscience and Environment Protection. 2022, vol. 10, no. 9, pp. 61–83. doi: 10.4236/gep.2022.109004Wong R. F., Rollins C. M., Minter C. F. Recent updates to the WGS 84 reference frame // Proc. of the 25th Intern. Technical Meeting of The Satellite Division of the Institute of Navigation (ION GNSS 2012). Nashville, TN. 17–21 Sept. 2012. P. 1164–1172.Wong R. F., Rollins C. M., Minter C. F. Recent Updates to the WGS 84 Reference Frame. Proc. of the 25th Intern. Technical Meeting of the Satellite Division of the Institute of Navigation (ION GNSS 2012). Nashville, TN. 17–21 September 2012, pp. 1164–1172.Verma R., Ali J. A comparative study of various types of image noise and efficient noise removal techniques // Intern. J. of Advanced Research in Computer Science and Software Engineering. 2013. Vol. 3, iss. 10. P. 617–622.Verma R., Ali J. A Comparative Study of Various Types of Image Noise and Efficient Noise Removal Techniques. Intern. J. of Advanced Research in Computer Science and Software Engineering. 2013, vol. 3, iss. 10, pp. 617–622.Ochotorena C. N., Yamashita Y. Anisotropic guided filtering // IEEE Transactions on Image Processing. 2019. Vol. 29. P. 1397–1412. doi: 10.1109/TIP.2019.2941326Ochotorena C. N., Yamashita Y. Anisotropic Guided Filtering. IEEE Transactions on Image Processing. 2019, vol. 29, pp. 1397–1412. doi: 10.1109/TIP.2019.2941326A rapid monitoring of NDVI across the wheat growth cycle for grain yield prediction using a multispectral UAV platform / M. A. Hassan, M. Yang, A. Rasheed, G. Yang, M. Reynolds, X. Xia, Y. Xiao, Z. He // Plant science. 2019. Vol. 282. P. 95–103. doi: 10.1016/j.plantsci.2018.10.022Hassan M. A., Yang M., Rasheed A., Yang G., Reynolds M., Xia X., Xiao Y., He Z. A Rapid Monitoring of NDVI across the Wheat Growth Cycle for Grain Yield Prediction Using a Multi-Spectral UAV Platform. Plant science. 2019, vol. 282, pp. 95–103. doi: 10.1016/j.plantsci.2018.10.022Copernicus Open Access Hub. URL: https://scihub.copernicus.eu (дата обращения: 10.07.2023).Copernicus Open Access Hub. Available at: https://scihub.copernicus.eu (accessed 10.07.2023).Earthdata. URL: https://www.earthdata.nasa.gov (дата обращения: 10.07.2023).Earthdata. Available at: https://www.earthdata.nasa.gov (accessed 10.07.2023).Jaramillo D., Nguyen D. V., Smart R. Leveraging microservices architecture by using Docker technology. SoutheastCon 2016. IEEE, 2016. P. 1–5. doi: 10.1109/SECON.2016.7506647Jaramillo D., Nguyen D. V., Smart R. Leveraging Microservices Architecture by Using Docker Technology. SoutheastCon 2016. IEEE, 2016, pp. 1–5. doi: 10.1109/SECON.2016.7506647Requests: HTTP for Humans™. URL: https://requests.readthedocs.io/ (дата обращения: 10.07.2023).Requests: HTTP for Humans™. Available at: https://requests.readthedocs.io/ (accessed 10.07.2023).Qin C. Z., Zhan L. J., Zhu A. X. How to apply the geospatial data abstraction library (GDAL) properly to parallel geospatial raster I/O? // Transactions in GIS. 2014. Vol. 18, iss. 6. P. 950–957. doi: 10.1111/tgis.12068Qin C. Z., Zhan L. J., Zhu A. X. How to Apply the Geospatial Data Abstraction Library (GDAL) Properly to Parallel Geospatial Raster I/O? Transactions in GIS. 2014, vol. 18, iss. 6, pp. 950–957. doi: 10.1111/tgis.12068pallets/flask: The Python micro framework for building web applications // GitHub. URL: https://github.com/pallets/flask (дата обращения: 10.07.2023).pallets/flask: The Python micro framework for building web applications. GitHub. Available at: https://github.com/pallets/flask (accessed 10.07.2023).Jose B., Abraham S. Exploring the merits of nosql: A study based on mongodb // 2017 Intern. Conf. on Networks & Advances in Computational Technologies (NetACT). Thiruvananthapuram, India. 20–22 July 2017. IEEE, 2017. P. 266–271. doi: 10.1109/NETACT.2017.8076778Jose B., Abraham S. Exploring the Merits of Nosql: A Study Based on Mongodb. 2017 Intern. Conf. on Networks & Advances in Computational Technologies (NetACT). Thiruvananthapuram, India. 20–22 July 2017. IEEE, 2017, pp. 266–271. doi: 10.1109/NETACT.2017.8076778

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