Сравнение результатов классификации изображения на космическом снимке с материалами лесоустройства (на примере южно-таежных лесов Приангарья)

Фарбер Сергей Кимович; Кузьмик Наталья Сергеевна; Брюханов Николай Викторович

УДК 630*585

СРАВНЕНИЕ РЕЗУЛЬТАТОВ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЯ НА КОСМИЧЕСКОМ СНИМКЕ С МАТЕРИАЛАМИ ЛЕСОУСТРОЙСТВА (НА ПРИМЕРЕ ЮЖНО-ТАЕЖНЫХ ЛЕСОВ ПРИАНГАРЬЯ)

Сергей Кимович Фарбер

ФГБУН Институт леса им. В. Н. Сукачева СО РАН, 660036, Россия, г. Красноярск, Академгородок, 50/28, доктор сельскохозяйственных наук, ведущий научный сотрудник лаборатории таксации и лесопользования, тел. (391)249-46-35, е-mail: sfarber@ksc.krasn.ru

Наталья Сергеевна Кузьмик

ФГБУН Институт леса им. В. Н. Сукачева СО РАН, 660036, Россия, г. Красноярск, Академгородок, 50/28, кандидат сельскохозяйственных наук, научный сотрудник лаборатории таксации и лесопользования, тел. (391)249-46-35, e-mail: sfarber@ksc.krasn.ru, natalia_5791@mail.ru

Николай Викторович Брюханов

Филиал ФГУП «Рослесинфорг» «Востсиблеспроект», 660062, Россия, г. Красноярск, ул. Н. К. Крупской, 42, инженер-таксатор, тел. (391)247-50-97, e-mail: lespres@post.kts.ru

Для южно-таежных лесов Приангарья получены погрешности метода дешифрирования лесов, основанного на классификации по спектральной яркости пикселов изображения. Классификация произведена по спутниковому снимку Landsat 5 (август 2005 г). Результаты сравнивались с данными массовой таксации. Величины ошибок полноты древостоев, средних значений возраста и высот деревьев, превышают нормативно установленные даже для наименее подробного 3-го разряда лесоустройства.

Ключевые слова: спутниковые снимки, спектральная яркость, классификация, страты местоположений, таксационные показатели, ошибки дешифрирования.

THE RECONCILIATION OF THE RESULTS OF THE CLASSIFICATION OF PIXEL SPECTRAL BRIGHTNESS OF THE PICTURE TO THE FOREST REGULATION DATA (BASED ON THE PRIANGARYE SOUTH TAIGA FORESTS)

Sergey K. Farber

V. N. Sukachev Institute of Forest SB RAS, 660036, Russia, Krasnoyarsk, 50/28 Akademgorodok, Dr. of Sciences in Agriculture, tel. (391)249-46-35, e-mail: sfarber@ksc.krasn.ru

Natalia S. Kuz'mik

V. N. Sukachev Institute of Forest SB RAS, 660036, Russia, Krasnoyarsk, 50/28 Akademgorodok, Candidate of Sciences in Agriculture, Researcher of the Lab. of Forest Inventory & Forest Utilization, tel. (391)249-46-35, e-mail: natalia_5791@mail.ru

Nikolay V. Brjuhanov

Branch of the Federal State Unitary Enterprise «Roslesinforg» «Vostsiblesproject», 660062, Russia, Krasnoyarsk, 42 Krupskoy, engineer - forest estimator, tel. (391)247-50-97, e-mail: lespres@post.kts.ru

For Priangarye South Taiga forests minor inaccuracies in interpretation of forests method were identified. This method is based on the classification of pixel spectral brightness of the picture. Classification is made by satellite imagery of Landsat 5 (August, 2005). The results were reconciled

to the data of mass taxation. The size of inaccuracies in stand density, average age and height of the trees exceeds the norms for the least detailed category III forest regulation.

Key words: satellite imagery, spectral brightness, classification, stratum locations, taxation indices, interpretation inaccuracies.

Спектральные яркости различных объектов съемки даже в пределах одного спутникового снимка пересекаются, что и является определяющей причиной ошибок дешифрирования методом классификации. Цель настоящей работы -выявление погрешностей дешифрирования лесных земель, выполненного посредством проведения неконтролируемой классификации пикселов космических снимков по классам спектральной яркости (далее КСЯ).

Обследование проведено в Красноярском Приангарье на участке площадью 80,8 тыс. га. По лесорастительному районированию И. А. Короткова [1] участок относится к Приангарскому округу южно-таежных светлохвойных лесов. Пространственный анализ ЦМР (SRTM 56-01 и SRTM 56-02) производился в программной среде ГИС ArcMap. Учитывая в целом незначительные перепады абсолютных высот, в пределах участка выделены два высотных пояса: до 300 м и более 300 м над уровнем моря. Далее, выделены плоские местоположения от 0° до 2°, а также склоны южной и северной экспозиции. В результате для каждого высотного пояса получены полигоны плоских местоположений (долин и водораздельных пространств), склонов южной и северной экспозиции. Общее количество страт местоположений - 6, по 3 на каждый высотный пояс. Обработка спутникового снимка Landsat 5 (август 2005 г.) проводилась в программной среде ГИС ArcMap с помощью инструмента Composite Band из набора Data Management, Tools, Raster. Композитное изображение получено посредством слияния каналов 4-3-2 по алгоритму ESRI.

Результаты дешифрирования по спутниковому снимку сравнивались с данными массовой таксации - описаниями насаждений выделов и окрашенным по преобладающим древесным породам планом лесонасаждений. Чтобы обеспечить сравнимость результатов дешифрирования участка в целом и его отдельных страт, использовались одни и те же КСЯ. Количество выборочных лесотаксационных выделов (наблюдений) составило 573; заданное количество КСЯ - 10.

Представленность количества лесотаксационных выделов в КСЯ последовательно снижается в направлении: категории земель ^ лесные формации ^ преобладающие породы древостоев. Для участка в целом в 1 -м КСЯ, например, представленность насаждений составляет 66 %, светлохвойной лесной формации - 58 %, лиственной - 8 %; лиственничных выделов - 31 %, сосновых -27 %, березовых 8 %.

Болота, озера и реки расположены на выровненных местоположениях. Поэтому в стратах с наличием склонов фигурируют только насаждения и гари, соответственно процент этих категорий земель здесь выше. Так, в 10-м КСЯ (местоположение до 300 м абсолютной высоты на склонах и северной и южной

экспозиций) представленность насаждений составляет 100 %. При наличии на склоновых местоположениях гарей, количество насаждений соответственно уменьшается.

КСЯ отвечает различная представленность лесных формаций. Так, во 2-м КСЯ 95 % наблюдений приходится на сосново-лиственничные и 5 % на темно-хвойные леса; в 7-м КСЯ присутствуют леса светлохвойной, темнохвойной, лиственной и кустарниковой формаций. С переходом на выравненные местоположения и склоны северной экспозиции наблюдается увеличение темнохвой-ных насаждений. Так, на выравненных местоположениях во 2-м КСЯ количество темнохвойных лесотаксационных выделов увеличивается с 5% до 7%.

В 6-м КСЯ 37 % наблюдений приходится на лиственничные леса, 43 % на сосновые, 18 % на березовые, 2 % на осиновые. Отчасти разнообразие породного состава объясняется расположением выдела одновременно на выровненных и склоновых местоположениях. Поэтому с переходом к стратам соотношение представленности насаждений по преобладающим породам меняется. Так, еловые насаждения на выровненных местоположениях (поймы рек), относящиеся ко 2-му КСЯ, увеличивают свою долю с 1% до 7%. В распределении сосняков и лиственничников по КСЯ выраженной зависимости не наблюдается.

По отношению к лесотаксационному выделу каждый случай несовпадения категории земель, и преобладающей породы древостоя должен рассматриваться как грубая ошибка, но по отношению к пикселу изображения этого утверждать нельзя. Наличие по КСЯ разноименных категорий земель, лесных формаций и насаждений лишь отчасти можно объяснить ошибками таксации. Следует признать, что при этом фиксируется факт тождественности их отражающих свойств. Такое состояние возможно для выделов, которые могут быть описаны двояко, например, насаждениями или гарями, насаждениями или болотами, и т.д. Насколько такого рода пограничное состояние соответствует действительности невозможно определить посредством сравнения с описанием лесо-таксационного выдела. Здесь требуются более точные данные наземных обследований, и в этом качестве можно было бы использовать описания пробных площадей ГИЛ [2].

Зависимости возрастной структуры древостоев от КСЯ, как в целом по участку, так и по стратам местоположений, не наблюдается. Другими словами, возрастная структура сосново-лиственничных и березовых насаждений методом классификации их изображений не дешифрируется. По КСЯ при оценке возраста составляющих пород древостоя будет допускаться случайная ошибка равная стандартному отклонению от среднего возраста. Установлено, что случайная ошибка для лиственницы находится в пределах от 21 до 55 лет, сосны от 33 до 79 лет, березы до 20 лет.

В распределении средних высот древесных пород и их стандартных отклонений по КСЯ и стратам местоположений также не просматривается какой-либо зависимости. Отсюда следует, что высота деревьев не влияет на изображение спутникового снимка и поэтому методом классификации дешифрироваться не может. При отнесении высот деревьев к КСЯ будет допускаться слу-

чайная ошибка равная стандартному отклонению от средней высоты. Для насаждений участка случайная ошибка для лиственницы находится в пределах от 0,9 до 5,1 м, сосны от 1,6 до 6,3 м, березы от 0,9 до 5,1 м.

Случайная ошибка относительной полноты для сосняков и лиственничников достигает значения 0,22, березняков - 0,24. Наблюдается снижение полноты лиственничных древостоев, группирующихся в 1, 7, 9 и 10-м КСЯ. Заметим, что именно в этих классах находится наибольшее количество выделов не покрытых лесом земель. Очевидно, что и насаждения здесь или заболочены, или пройдены пожаром; в обоих случаях происходит изреживание древостоя и соответственно снижение полноты. Получается, что спектральная яркость изображения на спутниковом снимке содержит информацию о полноте древостоя.

Включение в процесс дешифрирования дополнительных возможностей, которыми располагают другие способы дистанционного зондирования земной поверхности, позволяет повысить качество результатов. В первую очередь следует использовать ЦМР, поскольку именно к формам рельефа и связанными с ними микроклиматическими особенностями, и гидрологическим режимом почв, так или иначе, привязываются растительные экосистемы. При наличии векторных слоев рек, озер, болот, населенных пунктов и т.д. появляется еще одна дополнительная возможность повышения качества дешифрирования, поскольку территорию их полигонов можно исключить из дальнейшего анализа.

Полученные величины ошибок полноты древостоев, возраста и высот деревьев, превышают нормативно установленные даже для наименее подробного 3-го разряда лесоустройства. Снижения величин случайных ошибок, с переходом к классификации по отдельным стратам местоположений, не наблюдается. Поскольку само по себе варьирование таксационных показателей не зависит от изображения лесного полога на спутниковых снимках, то представляется сомнительной сама возможность достижения требуемой точности при использовании методов классификации спектральных яркостей, а также методов преобразования изображений, в т. ч. с помощью нормализованного вегетационного индекса, который считается наиболее эффективным для дешифрирования растительного покрова.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Коротков И. А. Лесорастительное районирование России и республик бывшего СССР // Углерод в экосистемах лесов и болот России. - Красноярск: Институт леса СО РАН, 1994. - С. 29-47.

2. Фарбер С. К., Брюханов Н. В. Материалы массовой таксации и Государственной инвентаризации лесов: характеристика расхождений, причины, анализ // Сибирский лесной журнал. - 2014. - № 5. Изд. СО РАН, Новосибирск, 2014. - С. 16-28.