Використання даних космічної зйомки у лісовому господарстві
Реферат на тему:
Використання даних космічної зйомки у лісовому господарстві
Спостереження за станом лісових насаджень набуває все більшого значення у лісовому господарстві. Дані дистанційного зондування є об’єктивним джерелом інформації, що дає змогу оперативно оцінити стан лісових насаджень, і як наслідок, своєчасно відреагувати в разі виникнення критичної ситуації.
Попередній досвід. У результаті аналізу світової практики використання даних дистанційного зондування можна сформулювати такі напрямки їхнього застосування у лісовому господарстві: 1) актуалізація топографічної ситуації всередині лісових масивів [1]; 2) визначення меж головних рослинних асоціацій; 3) спостереження за станом пошкоджень лісових насаджень, спричинених хворобами та нашестям шкідників [2, 3].
Дослідження відбивної здатності деревно-чагарникової рослинності дали змогу виділити найбільш ефективні довжини спектральних хвиль, що вже зараз використовуються для рішення задач з оцінки стану лісів:
470 нм – для реєстрації змін у співвідношенні хлорофіл/каратиноїди, що пов’язане з пригніченням деревної рослинності;
555 нм – для реєстрації зеленого піка спектрального віддзеркалення (оцінюють наявність хлорофілу);
659 нм – для реєстрації поглинання хлорофілу;
865 нм – для характеристики зміни структури клітин мезофілу;
1240 нм – для реєстрації різниці між типами лісу;
1640 нм – для оцінки вмісту в лісовому полозі вологи;
2130 нм – для оцінки вмісту в лісовому полозі вологи, азоту і протеїну;
659 і 865 нм – для визначення вегетаційного індексу;
1240 і 1640 нм – для оцінки водного стресу деревостою.
Для потреб лісового господарства чи не найбільше значення має оброблення знімків з метою дешифрування породного складу. Це необхідно для моніторингу стану лісових насаджень, оцінки збитків, завданих пожежею та іншими стихійними лихами, розроблення програм боротьби з шкідниками.
Методичні підходи в визначенні меж категорій лісових земель з використанням картографічних матеріалів лісовпорядкування. Традиційно визначення категорій земель та різниці в породному складі на космічному знімку здійснюється з використанням даних польових спостережень на пробних ділянках. Цей підхід потребує досить значних витрат на попереднє дослідження, бо необхідно бути впевненим, що множина пробних ділянок охоплює всі типи рослинних угрупувань.
У тому випадку, коли ми вже маємо картографічні матеріали лісовпо-рядкування, необхідність у польових спостереженнях зникає. Достатньо мати декілька фрагментів лісових масивів, що охоплюють усю множину класів, для ідентифікації на знімках, щоб класифікувати весь знімок. Насамперед зі знімка виділяють тільки ту частину, що використовують як пробну ділянку. Вона може бути представлена одним або декількома полігонами, на які є таксаційна інформація. В межах цих полігонів виконується неконтрольована класифікація, яка дає змогу знайти внутрішні закономірності в спектральних характеристиках пікселів знімка. Скільки б класів ми не обирали спочатку, все одно, прийдемо до визначеної кількості класів, що не перекриваються. На цьому етапі можливо попередньо проаналізувати знімок методами математичної статистики, з метою більш якісного визначення спектральних характеристик класів та доцільності використання того чи іншого каналу для обраної класифікації. Ця процедура потребує багато машинних ресурсів, бо необхідно обробляти матриці, розміри яких дорівнюють розмірам знімка у пікселях.
Отримавши деяку кількість класів, які різняться між собою, виконуємо повторну, вже контрольовану класифікацію. В результаті, кожен піксель зображення буде співвіднесено з одним класом. Сполучаючи класифіковане зображення з планом насаджень, можна попередньо тлумачити виділені класи.
Далі, з’єднуючи пікселі та полігони виділів, визначаємо, яким класам відповідають ті чи інші таксаційні характеристики (категорія земель, породний склад насаджень та їхній вік). Якщо це можливо, намагаємося встановити однозначну відповідність. Опісля такого аналізу може з’ясуватися, що виділення деяких класів не має сенсу, тому що вони не виражені в таксаційних характеристиках. Або декілька категорій земель потрібно об’єднати, бо вони відповідають одному класу.
Вимоги до робочих матеріалів. Для роботи використовують мульти-спектральні триканальні літні знімки з роздільною здатністю не більше, ніж 30 м у діапазонах:–
зелений (ТМ2) 500–590 нм;–
червоний (ТМ3) 610–680 нм;–
ближній (ТМ4) (віддзеркалений) інфрачервоний 790–890 мкм.
Кожен канал має місце в окремому файлі, у графічному форматі, що не погіршує якість під час компресії. З огляду на це, можна використовувати формати TIFF, BMP,
PCX, але не можна JPEG. Дані про межі лісових ділянок мусять мати цифровий векторний вигляд. Геометрично зображені як полігон.
Картографічна та атрибутивна повидільна інформація, що характеризує одну або декілька ділянок, має передавати всю множину категорій земель та породного складу насаджень на всій території знімка.
Всі картографічні матеріали, що задіяні в системі (як растрові, так і векторні) мають бути зведені до однієї картографічної проекції, що прийнята за базову.
Попереднє оброблення знімків. Є дві основні форми спотворення космічного знімка. Перша з них полягає в зміні значень спектральної яскравості пікселів на знімку щодо дійсних їхніх значень. Друга – у геометричному викривленні зображення.
Спотворення спектральної яскравості пікселів може бути наслідком, по-перше, дефектів у роботі апаратури, що встановлена на супутнику, за рахунок чого виникає значне підвищення або зниження значень спектральної яскравості зображення; по-друге, впливу атмосфери, що по-різному поглинає радіацію в різних частинах спектра.
Усунення на знімках перешкод такого роду називається радіометричним корегуванням. Перешкоди на знімках, спричинені дефектами сенсорів, мають бути усунені виробником, бо вони є наслідком особливостей їхньої роботи.
Що стосується корегування впливу атмосфери на відбивну здатність земного покриву, то тут існує два основних методичних підходи:
моделювання стану атмосфери, що основане на складному математичному апараті та потребує параметрів стану атмосфери в момент зйомки (тиск, температура, вологість, вміст озону), абсолютних висотних значень, кута сонцестояння, кута орієнтації сенсора та деяких інших;
калібрування спектральних характеристик знімка відповідно до абсолютних значень відбивної здатності відомих матеріалів (оголені гірські породи або артифакти). Цей метод може бути використаний, якщо на досліджуваній території є відкриті розробки родовищ корисних копалин (наприклад, кар’єри, де добувають пісок, гравій, вапно, гіпс), виходи гірських порід у яругах з крутими схилами або на піщаних косах.
Геометричне скривлення знімка спричинене кривизною поверхні Землі незалежно від того, як проводилась зйомка: з супутника, що знаходиться перпендикулярно до центральної точки знімка або під деяким кутом. Цей ефект більш за все проявляється на знімках з низкою роздільною здатністю та великою зоною зйомки. При зйомці з високою роздільною здатністю більше проявляється вплив атмосфери як заломлюючої лінзи. Для усунення геометричних скривлень виконують геометричну ректифікацію знімка.
Можна розрізняти два види ректифікації: прив’язка до топографічної карти та прив’язка одного знімка до вже прив’язаного знімка.
Найбільш ефективний підхід – це використання для ректифікації панхроматичних знімків, бо вони відрізняються більш високою роздільною здатністю порівняно з багатозональними знімками, що були зняті тим же сенсором. Багатозональні знімки можна прив’язувати до вже прив’язаного панхроматичного знімка.
Для виконання геометричної ректифікації необхідно визначити декілька пар координат на знімку та на місцевості (як правило, не менше чотирьох). Потрібно обирати об’єкти, що легко розпізнати і на знімку, і на місцевості (топографічному планшеті). Найбільш ефективним є використання перетину лінійних елементів на відкритій місцевості та характерних об’єктів на межах лісових масивів. Перетин квар-тальних просік та доріг всередині лісових масивів у разі первинної ректифікації знімка з використанням топографічної основи обирати не рекомендуємо через недостатню точність зйомки ситуації всередині лісових масивів. У випадку отримання координат з використанням приладів глобального позиціонування (GPS) перетини квартальних просік, що розпізнаються на знімках, можна використовувати нарівні з іншими. Більш того, для лісових масивів, які покривають більшу частину площі знімка, може виявитися, що перетин квартальних просік і лісових доріг буде єдиним джерелом даних для прив’язки знімків. У таких ситуаціях практично неможливо обійтись без координат GPS.
При використанні даних лісовпорядкування для дешифрування знімків є можливість поліпшити класифікацію шляхом використання буферних зон, тобто смуг навколо меж зміни складу лісових порід. Ці смуги (ширина яких дорівнює роздільній здатності знімка) мають бути виключені з розгляду, бо саме ці пікселі не можуть достовірно бути зіставлені з тим чи іншим типом лісової рослинності.
Аналіз відповідності картографічних матеріалів лісовпорядкування та даних дистанційного зондування на прикладі Дніпровсько-Тетерівського мисливського господарства та Димерського лісгоспу Київської області. Сполучення контрольованого та неконтрольованого підходів до класифікації знімків було застосовано на 3–канальному знімку Spot роздільною здатністю 24 м, що покриває площу Дніпровсько-Тетерівського мисливського господарства та Димер-ського лісгоспу Київської області загальною площею 59000 га.
В результаті класифікації було виділено 7 класів. Ідентифікували класи, застосовуючи метод візуального зіставлення пікселів визначених класів з полігонами виділів того ж класу. В такий спосіб було визначено, що два класи відповідають сосновим насадженням, два – листяним, два збігаються з водною поверхнею, і один з нелісовими землями разом з незімкнутими лісовими
культурами.
Фрагмент знімка Дніпровсько-Тетерівського мисливського
господарства та результат його класифікації
Потім результати класифікації верифікували шляхом просторового сполучення пікселів знімка з полігонами виділів. Пікселі, віднесені до водної поверхні, потрапили у відповідні виділи майже ідеально (99,8%). Дуже високий показник збігу було виявлено для соснових насаджень (88%). Для листяних насаджень зареєстровано невисокий відсоток збігу (59%). Це можна пояснити двома
причинами: по-перше, листяні насадження часто бувають змішані з сосною; по-друге, листяні породи мають більшу варіабельність відтінків кольору листя, ніж хвойні.
Після виключення буферних зон відсоток збігу становив: хвойні – 93%, листяні – 76%.
Використана література
Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве: Докл. ІІІ Всерос. конфер., посвящ. памяти Г.Г. Самойловича (Москва, 18–19 апреля 2002 г.) М., 2002.
Oslanyi J. Dynamics of tree and shrub species leaf area index in four forest ecosystems during six year period // Ecology (Bratislava). 2000. Vol. 19. №
Богомолов В.В., Костяшкін С.І., Мєшкова В.Л., Полупан А.В. Методичні засади використання ГІС–технологій для дослідження просторової динаміки комах-дефоліаторів // Лiсiвництво й агролісомеліорація. Харків, 2000. Вип. 98.
Використання даних космічної зйомки у лісовому господарстві
Спостереження за станом лісових насаджень набуває все більшого значення у лісовому господарстві. Дані дистанційного зондування є об’єктивним джерелом інформації, що дає змогу оперативно оцінити стан лісових насаджень, і як наслідок, своєчасно відреагувати в разі виникнення критичної ситуації.
Попередній досвід. У результаті аналізу світової практики використання даних дистанційного зондування можна сформулювати такі напрямки їхнього застосування у лісовому господарстві: 1) актуалізація топографічної ситуації всередині лісових масивів [1]; 2) визначення меж головних рослинних асоціацій; 3) спостереження за станом пошкоджень лісових насаджень, спричинених хворобами та нашестям шкідників [2, 3].
Дослідження відбивної здатності деревно-чагарникової рослинності дали змогу виділити найбільш ефективні довжини спектральних хвиль, що вже зараз використовуються для рішення задач з оцінки стану лісів:
470 нм – для реєстрації змін у співвідношенні хлорофіл/каратиноїди, що пов’язане з пригніченням деревної рослинності;
555 нм – для реєстрації зеленого піка спектрального віддзеркалення (оцінюють наявність хлорофілу);
659 нм – для реєстрації поглинання хлорофілу;
865 нм – для характеристики зміни структури клітин мезофілу;
1240 нм – для реєстрації різниці між типами лісу;
1640 нм – для оцінки вмісту в лісовому полозі вологи;
2130 нм – для оцінки вмісту в лісовому полозі вологи, азоту і протеїну;
659 і 865 нм – для визначення вегетаційного індексу;
1240 і 1640 нм – для оцінки водного стресу деревостою.
Для потреб лісового господарства чи не найбільше значення має оброблення знімків з метою дешифрування породного складу. Це необхідно для моніторингу стану лісових насаджень, оцінки збитків, завданих пожежею та іншими стихійними лихами, розроблення програм боротьби з шкідниками.
Методичні підходи в визначенні меж категорій лісових земель з використанням картографічних матеріалів лісовпорядкування. Традиційно визначення категорій земель та різниці в породному складі на космічному знімку здійснюється з використанням даних польових спостережень на пробних ділянках. Цей підхід потребує досить значних витрат на попереднє дослідження, бо необхідно бути впевненим, що множина пробних ділянок охоплює всі типи рослинних угрупувань.
У тому випадку, коли ми вже маємо картографічні матеріали лісовпо-рядкування, необхідність у польових спостереженнях зникає. Достатньо мати декілька фрагментів лісових масивів, що охоплюють усю множину класів, для ідентифікації на знімках, щоб класифікувати весь знімок. Насамперед зі знімка виділяють тільки ту частину, що використовують як пробну ділянку. Вона може бути представлена одним або декількома полігонами, на які є таксаційна інформація. В межах цих полігонів виконується неконтрольована класифікація, яка дає змогу знайти внутрішні закономірності в спектральних характеристиках пікселів знімка. Скільки б класів ми не обирали спочатку, все одно, прийдемо до визначеної кількості класів, що не перекриваються. На цьому етапі можливо попередньо проаналізувати знімок методами математичної статистики, з метою більш якісного визначення спектральних характеристик класів та доцільності використання того чи іншого каналу для обраної класифікації. Ця процедура потребує багато машинних ресурсів, бо необхідно обробляти матриці, розміри яких дорівнюють розмірам знімка у пікселях.
Отримавши деяку кількість класів, які різняться між собою, виконуємо повторну, вже контрольовану класифікацію. В результаті, кожен піксель зображення буде співвіднесено з одним класом. Сполучаючи класифіковане зображення з планом насаджень, можна попередньо тлумачити виділені класи.
Далі, з’єднуючи пікселі та полігони виділів, визначаємо, яким класам відповідають ті чи інші таксаційні характеристики (категорія земель, породний склад насаджень та їхній вік). Якщо це можливо, намагаємося встановити однозначну відповідність. Опісля такого аналізу може з’ясуватися, що виділення деяких класів не має сенсу, тому що вони не виражені в таксаційних характеристиках. Або декілька категорій земель потрібно об’єднати, бо вони відповідають одному класу.
Вимоги до робочих матеріалів. Для роботи використовують мульти-спектральні триканальні літні знімки з роздільною здатністю не більше, ніж 30 м у діапазонах:–
зелений (ТМ2) 500–590 нм;–
червоний (ТМ3) 610–680 нм;–
ближній (ТМ4) (віддзеркалений) інфрачервоний 790–890 мкм.
Кожен канал має місце в окремому файлі, у графічному форматі, що не погіршує якість під час компресії. З огляду на це, можна використовувати формати TIFF, BMP,
PCX, але не можна JPEG. Дані про межі лісових ділянок мусять мати цифровий векторний вигляд. Геометрично зображені як полігон.
Картографічна та атрибутивна повидільна інформація, що характеризує одну або декілька ділянок, має передавати всю множину категорій земель та породного складу насаджень на всій території знімка.
Всі картографічні матеріали, що задіяні в системі (як растрові, так і векторні) мають бути зведені до однієї картографічної проекції, що прийнята за базову.
Попереднє оброблення знімків. Є дві основні форми спотворення космічного знімка. Перша з них полягає в зміні значень спектральної яскравості пікселів на знімку щодо дійсних їхніх значень. Друга – у геометричному викривленні зображення.
Спотворення спектральної яскравості пікселів може бути наслідком, по-перше, дефектів у роботі апаратури, що встановлена на супутнику, за рахунок чого виникає значне підвищення або зниження значень спектральної яскравості зображення; по-друге, впливу атмосфери, що по-різному поглинає радіацію в різних частинах спектра.
Усунення на знімках перешкод такого роду називається радіометричним корегуванням. Перешкоди на знімках, спричинені дефектами сенсорів, мають бути усунені виробником, бо вони є наслідком особливостей їхньої роботи.
Що стосується корегування впливу атмосфери на відбивну здатність земного покриву, то тут існує два основних методичних підходи:
моделювання стану атмосфери, що основане на складному математичному апараті та потребує параметрів стану атмосфери в момент зйомки (тиск, температура, вологість, вміст озону), абсолютних висотних значень, кута сонцестояння, кута орієнтації сенсора та деяких інших;
калібрування спектральних характеристик знімка відповідно до абсолютних значень відбивної здатності відомих матеріалів (оголені гірські породи або артифакти). Цей метод може бути використаний, якщо на досліджуваній території є відкриті розробки родовищ корисних копалин (наприклад, кар’єри, де добувають пісок, гравій, вапно, гіпс), виходи гірських порід у яругах з крутими схилами або на піщаних косах.
Геометричне скривлення знімка спричинене кривизною поверхні Землі незалежно від того, як проводилась зйомка: з супутника, що знаходиться перпендикулярно до центральної точки знімка або під деяким кутом. Цей ефект більш за все проявляється на знімках з низкою роздільною здатністю та великою зоною зйомки. При зйомці з високою роздільною здатністю більше проявляється вплив атмосфери як заломлюючої лінзи. Для усунення геометричних скривлень виконують геометричну ректифікацію знімка.
Можна розрізняти два види ректифікації: прив’язка до топографічної карти та прив’язка одного знімка до вже прив’язаного знімка.
Найбільш ефективний підхід – це використання для ректифікації панхроматичних знімків, бо вони відрізняються більш високою роздільною здатністю порівняно з багатозональними знімками, що були зняті тим же сенсором. Багатозональні знімки можна прив’язувати до вже прив’язаного панхроматичного знімка.
Для виконання геометричної ректифікації необхідно визначити декілька пар координат на знімку та на місцевості (як правило, не менше чотирьох). Потрібно обирати об’єкти, що легко розпізнати і на знімку, і на місцевості (топографічному планшеті). Найбільш ефективним є використання перетину лінійних елементів на відкритій місцевості та характерних об’єктів на межах лісових масивів. Перетин квар-тальних просік та доріг всередині лісових масивів у разі первинної ректифікації знімка з використанням топографічної основи обирати не рекомендуємо через недостатню точність зйомки ситуації всередині лісових масивів. У випадку отримання координат з використанням приладів глобального позиціонування (GPS) перетини квартальних просік, що розпізнаються на знімках, можна використовувати нарівні з іншими. Більш того, для лісових масивів, які покривають більшу частину площі знімка, може виявитися, що перетин квартальних просік і лісових доріг буде єдиним джерелом даних для прив’язки знімків. У таких ситуаціях практично неможливо обійтись без координат GPS.
При використанні даних лісовпорядкування для дешифрування знімків є можливість поліпшити класифікацію шляхом використання буферних зон, тобто смуг навколо меж зміни складу лісових порід. Ці смуги (ширина яких дорівнює роздільній здатності знімка) мають бути виключені з розгляду, бо саме ці пікселі не можуть достовірно бути зіставлені з тим чи іншим типом лісової рослинності.
Аналіз відповідності картографічних матеріалів лісовпорядкування та даних дистанційного зондування на прикладі Дніпровсько-Тетерівського мисливського господарства та Димерського лісгоспу Київської області. Сполучення контрольованого та неконтрольованого підходів до класифікації знімків було застосовано на 3–канальному знімку Spot роздільною здатністю 24 м, що покриває площу Дніпровсько-Тетерівського мисливського господарства та Димер-ського лісгоспу Київської області загальною площею 59000 га.
В результаті класифікації було виділено 7 класів. Ідентифікували класи, застосовуючи метод візуального зіставлення пікселів визначених класів з полігонами виділів того ж класу. В такий спосіб було визначено, що два класи відповідають сосновим насадженням, два – листяним, два збігаються з водною поверхнею, і один з нелісовими землями разом з незімкнутими лісовими
культурами.
Фрагмент знімка Дніпровсько-Тетерівського мисливського
господарства та результат його класифікації
Потім результати класифікації верифікували шляхом просторового сполучення пікселів знімка з полігонами виділів. Пікселі, віднесені до водної поверхні, потрапили у відповідні виділи майже ідеально (99,8%). Дуже високий показник збігу було виявлено для соснових насаджень (88%). Для листяних насаджень зареєстровано невисокий відсоток збігу (59%). Це можна пояснити двома
причинами: по-перше, листяні насадження часто бувають змішані з сосною; по-друге, листяні породи мають більшу варіабельність відтінків кольору листя, ніж хвойні.
Після виключення буферних зон відсоток збігу становив: хвойні – 93%, листяні – 76%.
Використана література
Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве: Докл. ІІІ Всерос. конфер., посвящ. памяти Г.Г. Самойловича (Москва, 18–19 апреля 2002 г.) М., 2002.
Oslanyi J. Dynamics of tree and shrub species leaf area index in four forest ecosystems during six year period // Ecology (Bratislava). 2000. Vol. 19. №
Богомолов В.В., Костяшкін С.І., Мєшкова В.Л., Полупан А.В. Методичні засади використання ГІС–технологій для дослідження просторової динаміки комах-дефоліаторів // Лiсiвництво й агролісомеліорація. Харків, 2000. Вип. 98.
