CC BY
47
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Признаком лесопатологии, содержащимся в видеоизображении, является смещение пространственного спектра в область более высоких частот при усыхании листвы, ажурности крон, некрозе фитосинтезирующих органов. В качестве признака лесопатологии выбирают среднюю частоту пространственного спектра (F ), рассчитываемую из условия
Frn F
СР 1 max
J A(F)dF = J A(F)dF .
FF
1 min 1 ср
На графиках рис. 5 иллюстрируется сечение функции видеоизображения I(x,y) плоскостью y = const. Некроз хвои, листьев, ажурность крон уменьшает объем фитомассы и показатель “густоты” насаждения. Чем реже деревья друг от друга, тем больше изре-занность древесного полога и тем больше его площадь. Отношение площади древесного полога Sp к геометрической площади участка S0 характеризует полноту (П) насаждения. При дигрессии лесного полога площадь его рельефа увеличивается, что иллюстрируется графиком рис. 6. Параметр (Sp/S0) выбирают в качестве четвертого независимого признака лесопатологии.
Графический образ состояния объекта характеризует диаграмма Пуанкаре. Диаграмма Пуанкаре представляет собой точечное графическое отображение N значений последовательности накопленных измерений вы-
борки хк, при к = 1, 2,.. .N на двумерном поле, в котором ординатой точки является значение х а абсциссой - предшествующее значение х Нанося поочередно точки для к = 1, 2,.N получают точечное множество, образующее фигуру, по виду которой судят о типе последовательности, соответствующей устойчивому или неустойчивому состоянию объекта, как это иллюстрируется рис. 7.
Составив атлас диаграмм Пуанкаре, можно визуально идентифицировать состояние древесного полога, сравнивая вновь полученную диаграмму с имеющимися в атласе. Каждая из диаграмм свидетельствует о наличии детерминированной закономерности в последовательности измерений.
Более информативной характеристикой отслеживаемого процесса является уравнение состояния, поскольку оно дает не только визуальную оценку состояния, как диаграмма Пуанкаре, но и количественную (рис. 8).
Библиографический список
1. Чапурский. Л.И. Отражательные свойства природных объектов в диапазоне 400-2500 нм. Ч. I / Л.И. Чапурский. -М.: Мин. обороны СССР, 1986. -С. 44-46.
2. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве / В.И. Сухих. - Йошкар-Ола: МарГТУ 2005. - С. 21.
3. Дуд, Р. Распознавание образов и анализ сцен: пер. с англ. / Р. Дуд, П. Харт. - М.: Мир, 1976. -С. 319-321.
ОСОБЕННОСТИ ПРИМЕНЕНИЯ ЛЕСОТАКСАЦИОННОЙ
информации при тестировании космических снимков
Ю.С. ГАЛКИН, проф. каф. физики МГУЛ, д-р техн. наук,
В.С. ШАЛАЕВ, проф., директор ИСИЛМГУЛ, д-р. техн. наук,
Ю.П. БАТЫРЕВ, доц. каф. физики МГУЛ, канд. техн. наук,
В.Н. ПОТАПОВ, асп. каф. физики МГУЛ,
В.П. СЕМЕНОВА, асп. каф. геодезии МГУЛ,
Ч.Д. ЭСЕНАЛИЕВ, инж. каф. физики МГУЛ
galkin@mgul.ac.ru
Дистанционное зондирование Земли (ДЗЗ) в настоящее время является приоритетным направлением инновационного развития космических технологий, как за рубежом, так и в нашей стране. Особое значение ДЗЗ имеет для лесного хозяйства страны, т.к. на ее долю
приходится 22 % мировых лесных ресурсов и 66 % бореальных лесов, играющих решающую роль в углеродном цикле планеты и, в большинстве недоступных для наземного мониторинга. Это привело к необходимости перехода к аэрометодам мониторинга лесов,
ЛЕСНОЙ ВЕСТНИК 7/2010
37
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
а с появлением и развитием космонавтики - к космическим методам мониторинга [1]. Создание космических аппаратов с высоким и сверхвысоким пространственным разрешением (Ресурс-ДК, Ikonos, Quick Bird и др.), соизмеримым с аэросъемкой, и фактическое исчезновение аэропарка для лесного мониторинга делает актуальным преимущественное развитие именно космических технологий мониторинга.
Как в авиационные, так и в космические методы мониторинга входит процесс, который в наибольшей степени определяет достоверность результатов мониторинга. Это процесс дешифрирования изображений.
Практически все современные методы дешифрирования изображений в той или иной мере являются интерактивными, поскольку требуют либо предварительного участия опытного дешифровщика в процессе подготовки и настройки классификатора, либо участия после классификации для оценки результатов. Это связано с тем, что почти все современные методики разделения и идентификации видов растительности используют в основном физический параметр космического изображения - коэффициент спектральной яркости (КСЯ) объектов и структурные характеристики. Следует отметить, что КСЯ видов растительности различаются друг от друга в диапазоне порядка 2-5 % интенсивности на каждом участке видимого спектра и при мешающем действии внешних факторов (условий съемки, фенологических процессов и др.) разделяются с большим трудом, а структурные характеристики выявляются на снимках только высокого и сверхвысокого пространственного разрешения. В этих случаях дешифровщик корректирует цветовое представление снимка для разделения объектов на основе его субъективного восприятия цвета и формы регистрируемой и априорной информации о виде объекта, после чего выделяет зону интереса и идентифицирует с ней похожие участки снимка.
Практически одновременно с появлением спутниковых систем, предназначенных для решения задач зондирования, возникла необходимость проведения подспутниковых экспериментов для тестирования результа-
тов обработки космических данных. Первый международный подспутниковый эксперимент с достаточно совершенным для своего времени инструментарием (но не высокого пространственного разрешения) был организован в штате Канзас, США в 1989 г. [5]. Совместные полевые работы и соответствующие научные исследования происходили в рамках сотрудничества, которое называлось «Первый полевой эксперимент в рамках Международного проекта по спутниковой климатологии поверхности суши (the First ISLSCP Field Experiment/FIFE, ISLSCP - the International Satellite Land Surface Climatology Project). В эксперименте участвовали представители США, России, Канады, Великобритании и Франции. Использовались данные космических систем стран-участниц проекта наряду со сбором, анализом и систематизацией данных наземных и самолетно-вертолетных измерений. Результаты совместных разработок со специалистами США были продолжены в 1991 г. По итогам этой полевой кампании был подготовлен сборник научных трудов по совместной обработке данных космических и наземных измерений [6]. Полученные результаты можно рассматривать в качестве прототипа для решения излагаемых задач распознавания образов объектов почвеннорастительного покрова и оценки состояния этих объектов с использованием данных спутниковых, наземных и самолетных измерений. В 2006 г. аналогичные работы были выполнены совместно с учеными Финляндии на конкретном лесном объекте для тестирования космических снимков высокого пространственного разрешения [2].
Проведенные работы показали, что аналогичные многоярусные измерения (особенно синхронные) представляют собой дорогую и сложную организационно-техническую задачу, решать которую для массовых производственных целей экономически нецелесообразно. Большинство исследователей для тестирования космических снимков используют данные лесотаксационных работ
[3]. Однако такой подход имеет ряд особенностей, которые необходимо иметь ввиду при тестировании снимков высокого и сверхвысокого пространственного разрешения. Ана-
38
ЛЕСНОИ ВЕСТНИК 7/2010
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
лизу этих особенностей посвящена данная статья.
За более чем двести лет развития наука о лесе и разработанные на ее основе технологии настолько детализировали учитываемые элементы леса, что для их регистрации необходимо пространственное разрешение аппаратуры порядка 0,5 см. Современная космическая аппаратура позволяет обеспечить разрешение от 3 см, однако работает по пологу насаждений и может конкурировать в данном случае с крупномасштабной аэросъемкой, начиная с масштаба 1 : 1000. В то же время наиболее перспективными в настоящее время являются оптические системы мониторинга с разрешающей способностью порядка 1 м (0,21-2,4 м), относительно которых и проведены изложенные в статье оценки.
Базой сравнения обычно являются карта-схема лесонасаждений и таксационное описание. Карта-схема содержит географически координированное распределение вы-делов и преобладающих пород растительности по группам возраста.
Таксационное описание содержит детальную характеристику каждого таксационного выдела и другую лесохозяйственную информацию. Информация дается по результатам последнего лесоустройства. Обновление лесоустройства должно проводиться каждые 10 лет.
Рассмотрим особенности тестового участка, выбираемого по материалам лесотаксационных работ.
Изображение на карте-схеме лесной растительности по преобладающим породам имеет следующую особенность.
Преобладающая порода составляет наибольшую часть по запасу (по верхнему ярусу), т.е. если древостой не чистый, то выделы с составами 9С1Б и 6С2Е2Б будут отражены на карте как сосновые, но их спектральные и структурные характеристики будут совершенно различны, и непонятно, какой из них может быть выбран как тестовый. В этом случае пользу может принести наличие фиксированных (желательно закоординированных) участков с чистыми породами, которые для всего снимка могут быть спектральной базой, учитывая идентичность условий съемки для всех
выделов. Этот прием даст больший эффект, чем использование библиотеки спектров.
Вопрос сравнения количественных оценок таксационных показателей, получаемых из обработки снимков, с наземными результатами также имеет свои особенности.
Наземная таксация проводится на пунктах таксации каждого выдела и интерполируется на весь выдел, причем количество пунктов зависит от разряда лесоустройства, соответственно и точность интерполяции. При этом требуемая точность определения таксационных показателей зависит от вида работ на таксируемом участке - исследовательские или производственные [4].
Для производственной таксации требования по точности ниже (порядка 10 %), а для исследовательских работ различного целевого назначения, в основном, не более 5 %. Оценку точности дешифрирования космических снимков можно отнести к исследовательским работам целевого назначения. Следовательно, использование производственного материала снижает точность оценки результатов дешифрирования космических изображений, т.е. для тестирования космических снимков полигон должен подготавливаться специально.
Кроме того, согласно таблицам типа роста, например, для сосны в возрасте около 50 лет, таксационные показатели изменяются примерно на 2 % в год. Это приводит к тому, что оценка точности дешифрирования по космическим снимкам дополнительно существенно занижается по пунктам таксационных характеристик. По категориям земель достоверность дешифрирования соответствует возможностям аэросъемки.
Таким образом, можно заключить, что материалы производственных лесотаксационных работ мало пригодны для оценки точности дешифровки космических снимков высокого и сверхвысокого пространственного разрешения без дополнительных работ на тестовых участках.
Библиографический список
1. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве / В.И. Сухих. - Йошкар-Ола, 2005. - 390 с.
ЛЕСНОИ ВЕСТНИК 7/2010
39
