CC BY
48
УДК 528.88
АВТОМАТИЗИРОВАННОЕ ВЫЯВЛЕНИЕ ГРАНИЦ ЛЕСОТАКСАЦИОННЫХ ВЫДЕЛОВ ПО МАТЕРИАЛАМ КОСМИЧЕСКОЙ СЪЕМКИ И ЦИФРОВОЙ МОДЕЛИ РЕЛЬЕФА
Ирина Сергеевна Кучикина
Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, магистрант, кафедра физической геодезии и дистанционного зондирования, тел. (913)017-09-73, e-mail: irinka-93k@mail.ru
Екатерина Николаевна Кулик
Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, кандидат технических наук, доцент кафедры физической геодезии и дистанционного зондирования, тел. (383)361-08-66, e-mail: e.n.kulik@ssga.ru
В работе предлагается методика автоматизированного выявления границ лесотаксаци-онных выделов по разновременным космическим снимкам и цифровой модели рельефа с использованием современных геоинформационных систем ERDAS IMAGINE и ArcGIS. Приведены результаты исследования по определению границ выделов на территории Сузунского лесхоза Новосибирской области по данным спутника LANDSAT 8 и ЦМР SRTM.
Ключевые слова: космические снимки, дистанционное зондирование, цифровая модель рельефа, геопространственные данные.
AUTOMATED FOREST STRATUM BOUNDARIES IDENTIFICATION BASED ON REMOTE SENSING AND DIGITAL ELEVATION MODEL
Irina S. Kuchikina
Siberian State University of Geosystems and Technologies, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., Master Student, Department of Physical Geodesy and Remote Sensing, tel. (913)017-09-73, e-mail: irinka-93k@mail.ru
Ekaterina N. Kulik
Siberian State University of Geosystems and Technologies, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., Ph. D., Associate Professor of Department of Physical Geodesy and Remote Sensing, tel. (913)926-82-57, e-mail: e.n.kulik@ssga.ru
The paper proposes a method of automated stratum boundaries identification based on satellite imagery time series and digital elevation models through the geoinformation instrumentality of ERDAS IMAGINE and ArcGIS. Trial results of the stratum boundaries identification within the Suzun forestry of Novosibirsk region on the base of LANDSAT 8 & SRTM data are presented.
Key words: satellite imagery, remote sensing, digital elevation model, geo-spatial data.
Лес - это один из важнейших природных ресурсов, выполняющий разносторонние функции: постоянно питает воздух кислородом, обеспечивает благоприятный гидрологический режим рек, защищает берега от размывов и разрушений, смягчает и увлажняет климат, защищает поля от суховеев, способствует созданию их оптимального температурного и водного режима.
Органам управления лесным хозяйством страны всех уровней, а также многим другим организациям, общественным движениям, ученым и специалистам необходима разнообразная, различной степени агрегации информация о статике и динамике лесных экосистем. Она нужна как для обеспечения устойчивого управления лесными ресурсами, так и для решения экологических, социально-экономических и иных задач. В решении проблемы сбора информации значительную помощь оказывают дистанционные (аэрокосмические) средства и методы, современные ГИС-технологии и математическое моделирование [1].
Основной целью работы являлось определение возможностей совместного использования многозональных данных дистанционного зондирования с информацией о рельефе местности для автоматизации выявления лесотаксацион-ных границ.
Для выполнения любых оценочных расчетов растительности необходимы данные о ее породном и возрастном составе, плотности насаждений, качестве почв, влажности, сезонных отклонениях и другие характеристики. Получать их становится все дороже и сложнее. В современных условиях получать их эффективнее по данным дистанционного зондирования. [2]
Широкая доступность в последнее время данных космической съемки среднего и высокого пространственного разрешения (порядка 30 метров на местности), цифровых моделей рельефа и программного обеспечения для их тематической обработки позволяют реализовать автоматизированную обработку определения границ лесотаксационных выделов (рис. 1).
Рис. 1. Технологическая схема процесса автоматизированной обработки
Снимки хорошо отражают вариации растительности и являются ценным источником для изучения и отображения на картах сложной структуры растительного покрова. Определение состава пород требует материалов многозональных съемок, или их повторения в течение сезона вегетации, или использования обоих факторов, что повышает надежность дешифрирования. Разделение пород по многозональным снимкам выполняется с помощью компьютера с использованием спектральных образов или эталонных участков.[3]
Тестирование методики осуществлялось на территории Сузунского лесхоза Новосибирской области (НСО) по данным со спутника LANDSAT 8 на дату съемки 5 мая, 24 июля, 3 сентября 2014г. Для оценки однородности лесорасти-тельных условий по топографическим характеристикам была использована растровая цифровая модель рельефа (ЦМР) SRTM.[4]
В качестве дополнительной информации использовались:
- аэрофотоснимок на территорию Сузунского лесхоза НСО масштаба 1:25 000, дата съемки 15.06.1998г., АФА 42/20, F=200.23 мм, 30 на 30 см, СН-6 Свема, c нанесенной схемой участков и текстовым описанием участков обследования на сезон 1999 г.;
- контурная часть фотосхемы обследования предыдущего лесоустройства.
Обработка данных осуществлялась с использованием программных пакетов ERDAS IMAGINE и ArcGIS.
На основе многоканального изображения со спутника LANDSAT 8 проводим процедуру классификации с обучением, для чего создаем необходимый набор спектральных эталонов. Создание набора эталонов заключается в идентификации объектов, характерных для данного изображения, и сохранении их спектральных характеристик; выделам были присвоены классы из набора тестовых типов поверхности.
Для унификации работы с атрибутивными таблицами и избежания проблем с русификацией текстовых полей приняты условные обозначения: b - береза, p - сосна, as - осина, w - ивняк, f - ель, l - лиственница. C целью обобщения детальности процентного соотношения пород в участках и минимизации количества эталонов, 29 отдельных типов выделов были сгруппированы в 11 эталонов, представленных на рис. 2.
Рис. 2. Группировка отдельных типов растительности
По созданному набору эталонов проведена процедура классификации (рис. 3) с обучением следующими методами: метод минимального спектрального расстояния, метод расстояния Махаланобиса, метод максимального правдоподобия.
а) б) в) г)
Рис. 3. Результаты классификации: а) исходный набор эталонов; б) метод минимального спектрального расстояния; в) метод расстояния Махаланобиса; г) метод максимального правдоподобия
На основе используемой ЦМР были рассчитаны дополнительные растровые слои крутизны и экспозиции склонов, а также двухслойное изображение, представленное на рис. 4.
Рис. 4. Сегментация двухслойного растра (Sin и Cos угла экспозиции пикселя) на основе ЦМР
В силу того, что результат двухслойного изображения был представлен в растровом виде и визуально очень дискретен, было принято решение генерализовать данные методом поглощения мелких объектов более крупными (по площади) соседними, используя последовательно функции Clump и Eliminate (Image Interpreter/ GIS Analysis).
Результирующие полигональные слои относительно однородных выделов на основе ЦМР (рис. 4) и классифицированного спутникового разновременного многоконального изображения (рис. 3б) были пересечены друг с другом, а также с картой обследования предыдущего лесоустройства (рис. 5). Проведено объединение преобладающих экспозиций выделов по румбам: N - северная, S - южная, E - восточная, W - западная.
Рис. 5. Объединение границ выделов на основе анализа ЦМР и спутниковых данных с картой обследования предыдущего лесоустройства
Полученные границы комбинированных выделов были сглажены и генерализованы (рис. 6) путем слияния мелких полигонов с использованием правила сохранения границ полигонов с приоритетом, возрастающим в следующем порядке: границы по спутниковой съемке, границы ЦМР, границы фотосхемы обследования предыдущего лесоустройства.
Рис. 6. Лесотаксационные выделы на территории Сузунского Лесхоза
Оценить точность выявления лесотаксационных выделов в рамках работы не представлялось возможным, так как для оценки положения границ необходимы актуальные результаты полевого обследования, либо актуальные снимки высокого пространственного разрешения и более детальная ЦМР.
Однако совмещенные границы, полученные после обработки ЦМР, многозональных снимков и карты обследования предыдущего лесоустройства, можно проанализировать визуально. Визуальная оценка позволяет говорить о том, что значительная часть естественных границ типов растительности, выявленных по карте обследования предыдущего лесоустройства, и вновь сгенерированные границы совпадают.
Предлагаемый автоматизированный подход по сравнению с традиционным позволяет более чем в два раза повысить производительность работ при контурном дешифрировании лесотаксационных выделов, снизить влияние субъективного фактора при формировании геометрии и характеристик выделов.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Сухих, В. И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве [Текст]: учебник для вузов / В. И. Сухих. - Йошкар-Ола: МарГТУ, 2005. - 392 с.
2. Седых, В. Н. Аэрокосмический мониторинг лесного покрова [Текст]: учебник / В. Н. Седых. - Новосибирск: Наука Сиб. отд., 1991. - 239 с.
3. Жирин, В. М. Дистанционное зондирование при изучении динамики лесных экосистем за рубежом [Текст]: Обзорн. информ./ В. М. Жирин. - М.: ВНИИЦлесресурс, 1993. - 40 с.
4. Shuttle Radar Topography Mission [Электронный ресурс]: The Mission to Map the World / JPL NASA; ред. Eric Ramirez. - Электрон. текст. данные, граф. данные и табл. -California: PFMA Group, 2005 - 2006. - Режим доступа: http://www2.jpl.nasa.gov/srtm/index.html, свободный.
5. Инструкция по проведению лесоустройства в лесном фонде России [Электронный ресурс]. - Режим доступа: - http://www.roslesinforg.ru/documents/fagency/0/ Zaregistrirovano_v_Minuste_RF_6_marta_2012_g.pdf., свободный.
© И. С. Кучикина, Е. Н. Кулик, 2016
