CC BY
100
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
гиперспектрального снимка размером 75 на 75 пикселей.
Снимок представляет собой модель лесного участка, содержащего хаотически размещенные 1873 сосен, 1266 елей, 506 берез, 810 осин, 658 деревьев ольхи и 105 деревьев с неизвестными спектральными характеристиками.
При проверке работоспособности Trees данный снимок играет роль эталона. На рис. 3 эталон приведен в левом секторе.
Центральный сектор рисунка отражает визуализацию на экране компьютера первого гиперкуба изображения. На основе данных гиперкуба программа Trees производит автоматическую дешифровку принадлежности пикселей и выдает информацию в требуемом виде в правый сектор (в данном случае - визуальном).
Одновременно программа производит сравнение с эталоном и выдает результат в табличке, приведенной в правом нижнем углу рисунка.
Учитывая, что входные данные не были искажены шумами, результирующее изображение полностью совпадает с эталонным, кроме объектов, не имеющих библиотечных спектров.
Представляется необходимым, хотя бы качественно, оценить устойчивость алгоритма и программ в условиях действия шума на входные данные, отличающие их от эталона. Для этой цели во входные данные были введены случайные шумы путем изменения амплитуд данных гиперкуба со средней ин-
тенсивностью 15 % и проведена обработка модели гиперснимка в указанных условиях.
Программа отреагировала на это, что показано на рис. 4. Правильность определения пород по сравнению с эталоном снизилась: сосна - 97 %, ель - 100 %, береза - 70 %, осина - 69 %, ольха - 77 %, другие (в целом) - 11 %.
При уровне шума 20 % правильность дешифровки получилась следующей: сосна -95 %, ель - 88 %, береза - 30 %, осина - 37 %, ольха - 31 %, другие (в целом) -1 %.
При этом следует учесть, что методы КСЯ при рассмотренных уровнях шума практически не дешифрируют (не различают) растительные объекты.
Таким образом, разработанный алгоритм и пакет программ Trees полностью реализуют разработанный метод автоматической дешифровки гиперспектральных снимков с использованием новых дешифровочных признаков.
Библиографический список
1. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: Учебник / В.И. Сухих.- Йошкар-Ола: МарГТУ 2005. - 392 с.
2. Непобедимый, С.П. Гиперспектральное дистанционное зондирование земли / С.П. Непобедимый, И.Д. Радионов, Д.В. Воронцов и др. // Доклады АН. - 2004. - Т. 397. - № 1. - С. 45-48.
3. Галкин, Ю.С. Метод обработки информации с гиперспектрометров для определения породы растительности при дистанционном мониторинге/ Ю.С. Галкин, В.С. Шалаев, Ю.П. Батырев, В.Н. Потапов и др. // Вестник МГУЛ-Лесной вестник. - 2011. - № 7(83). - С. 79-82.
4. Шовенгердт, Р.А. Дистанционное зондирование. Модели и методы обработки изображений. - М.: Техносфера, 2010.
ДИСТАНЦИОННОЕ ОПРЕДЕЛЕНИЕ ДЕГРАДАЦИИ
почвенного покрова
В.Ф. ДАВЫДОВ, академик РАЕН, проф. каф. БЖДМГУЛ, канд. техн. наук, Ю.П. БАТЫРЕВ, ст. научн. сотр. ИСИЛМГУЛ, канд. техн. наук
Почва - многокомпонентная среда. По определению основоположника почвоведения В.В. Докучаева [1] почва - самостоятельное, естественноисторическое биокосное природное тело, представляющее собой
batyrev@mgul.ac.ru
открытую четырехфазную динамичную систему, включающую твердую фазу (полимерная органоминеральная система), жидкую фазу (вода, занимающая часть порового пространства с растворенными органическими
ЛЕСНОЙ ВЕСТНИК 9/2012
115
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Таблица 1
Критерии для определения степени деградации почвы
Критерии Степень деградации
0 1 2 3 4 5
Площадь обнаженного гумусового горизонта (А), % 0 <10 10-20 21-50 51-90 >90
Мощность абиотического наноса 0 <2 2-10 11-20 21-40 >40
Площадь обнаженной почвообразующей породы (С) или подстилающей породы (О), % от общей площади 0-2 3-5 6-10 11-15 16-25 >25
Уменьшение мощности почвенного профиля (А+В), % от исходного 0-1 1-3 3-25 26-50 51-75 >75
Уменьшение запасов гумуса в профиле почвы (А+В), % от исходного <5 5-10 11-20 21-40 41-80 >80
Таблица 2
Дополнительные критерии определения степени деградации почв
Критерии Степень деградации
0 1 2 3 4 5
Уменьшение содержания микроэлементов (Мп, Со, Мо, В, Си, Ре), % от средней степени обеспеченности <5 5-10 11-20 21-40 41-80 >80
Уменьшение содержания подвижного фосфора, % от средней степени обеспеченности <5 5-10 11-20 21-40 41-80 >80
Уменьшение степени кислотности (рН сол.), % от средней степени кислотности <5 5-10 11-15 16-20 21-25 >25
Потери почвенной массы, т/га/год <2 2-5 6-25 26-100 100-200 >200
и минеральными веществами), газовую фазу (почвенный воздух), живую фазу (почвенная биота, населяющие почву микроорганизмы).
По мере развития промышленности прилегающие к промышленным зонам территории подвергаются все усиливающемуся потоку техногенных выбросов и антропогенных нагрузок, приводящих к деградации почв. Однако на настоящий момент нет согласованного перечня как показателей деградации почв, так и методов их определения. Не установлены также ПДК фоновых уровней загрязнителей.
Известные способы оценки устойчивости экосистем (в том числе почв) описаны в литературе [2, 3, 5]. Так, для оценки интегральной устойчивости определенной группы почв в условных баллах [2] использованы 10 показателей: кислотность, увлажненность,
интенсивность разложения растительных остатков, запас гумуса, рельеф, сельскохо-
зяйственная освоенность, годичный прирост, насыщенность основания, почвообразующие породы, теплообеспеченность.
По сумме баллов выделены зоны: до 14 баллов - неустойчивая, от 18 до 20 - малоустойчивая, от 23 до 26 относительно устойчивая и устойчивая от 26 до 30 баллов.
Недостатками такого подхода следует считать:
- субъективность балльной экспертной оценки каждого из 10 показателей;
- неоперативность и трудоемкость наземного обследования больших площадей;
- недопустимо большое количество частных показателей, затрудняющих практическую применимость;
- отсутствие документально установленных границ зон.
В табл.1 представлена шкала ступеней (от 0 до 6) деградации почвы, рассмотренная в [3].
116
ЛЕСНОЙ ВЕСТНИК 9/2012
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Рис. 1. Спектральные кривые гумусовых горизонтов
К недостаткам этого подхода следует отнести:
- неопределенность расчета интегрального показателя при разных значениях частных составляющих;
- субъективность определения значений частных составляющих, неоперативность и большая трудоемкость их количественного расчета;
- отсутствие документальных измерений границ выделенных зон.
Известны также способы дистанционных измерений коэффициента спектральной яркости почв и обнажений посредством спектрометров (типа СПИ-2, СПИ-74), установ-
ленных на самолетном носителе [4]. В этом случае измеряют КСЯ (коэффициент спектральной яркости) различных типов почв, вдоль трассы полета носителя, представляющих собой семейство практически не пересекающихся функций р(Х), ординаты которых увеличиваются с ростом длины волны (X) (рис. 1, 2).
Вариации КСЯ как по амплитуде, так и по спектру зависят от концентрации гумуса, минерализации почв и влажности почвенных покровов. В частности, получены эмпирические зависимости КСЯ (рл =750) на длине волны X = 750 нм от концентрации гумуса в почве H ( %) вида р_„ = A х B х(1 + 1/KH ),
гуму ' г 750 4 гум'5
ЛЕСНОЙ ВЕСТНИК 9/2012
117
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Рис. 3. Характеристика почвенного покрова в полосе 750 нм от концентрации гумуса
где А = 50; К = 0,026; В = 8,4 при коэффициенте корреляции между р750 и H м( %) порядка 0,9 (рис. 3).
Недостатками такого подхода являются:
- отсутствие установленной интегральной зависимости между деградацией почвенного покрова и измеренными значениями КСЯ;
- невысокое пространственное разрешение спектрометров типа СПИ, не позволяющее выделить на изображениях участки деградации почвенных покровов площадью менее ~2 км2.
В предлагаемом авторами способе определения деградации почвенного покрова предлагается оперативное, количественное измерение степени деградации почвенных покровов по дистанционным мультиспектральным изображениям с выделением и окон-туриванием участков деградации размерами 0,1 га, пригодных для составления кадастра пахотных земель.
С технической стороны способ определения деградации почвенного покрова включает дистанционную регистрацию полей яркости 1(х, у) пахотных земель, содержащих тестовые эталонные участки многоканальным спектрометром, установленным на аэрокосмическом носителе в зональных диапазонах 450-515, 525-605, 630-690, 750-
900 и 1550-1750 нм, с одновременным получением цифровых изображений в каждом канале. Далее производится расчет частных индексов состояния по комбинации зональных отношений сигналов 1(х, у) в каналах для каждого пикселя изображения; индекса содержания гумуса [Н, %], индекса засоленности NSI и влажностного индекса NDWI. В качестве интегрального критерия деградации почв выбрана многопараметрическая функция регрессии произведения перечисленных индексов, пронормированных относительно их значений для эталонных тестовых участков в виде степенных зависимостей
D = (H0/H)19 (NSI/NSI0)05(NDWI0/NDWT)03.
Производится также пересчет математическими процедурами значений каждого пикселя изображения в масштаб интегрального показателя D выделение контуров деградации на результирующей матрице и их визуализацию в виде обработанных снимков, где D - степень (категория) деградации 1, 2, 3, 4;
1,9; 0,5; 0,3 - показатели чувствительности D к частным индексам.
Сущность предлагаемого метода определения деградации почвенного покрова состоит в следующем. Особенностью дистанционного зондирования Земли из космоса является зависимость сигнала измерений от характеристик среды (атмосферы, условий
118
ЛЕСНОЙ ВЕСТНИК 9/2012
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
съемки: угла визирования на объект, высоты Солнца, времени суток и т.д.), что вызывает необходимость калибровки тракта измерений. Последнее в заявленном способе достигается путем одновременной съемки тестовых (эталонных) участков, по значениям сигналов от которых осуществляют в дальнейшем калибровку трактов измерений объектов подстилающей поверхности.
Из математики известно, что для однозначного решения системы уравнений количество уравнений должно быть равным числу неизвестных. Неизвестными в данном способе являются индексы-параметры: концентрация гумуса, засоленность, влагопотери. Следовательно, для однозначного их расчета необходимо иметь не менее трех независимых сигналов, что реализуется синхронными измерениями в перечисленных зонах спектрометра.
При количественном расчете самих индексов-параметров используют различные комбинации зональных отношений [5]. Основное требование к зональным отношениям - адекватность измерений физическому процессу, высокий коэффициент корреляции между сигналом и расчетным параметром, устойчивость к внешним условиям съемки.
Концентрацию гумуса в почве (H) рассчитывают из соотношения [5]
Я[%] = Ш ln(p0 - ртш)/(рх - pminx
где рА - коэффициент спектрального отражения почвы, X = 750-900 нм р0 - то же для безгумусовой почвообразующей породы,
Pmin - то же для многогумусовой почвы, к - для почв средней полосы ~ 0,6.
Индекс засоленности
NSI = (SI - SI)/( SI - SI),
v max ' v max mm'-'
где SI =-y/pf+p3
p p3 - КСЯ пикселя в первом и третьем каналах.
Для определения нормализированного влажностного индекса NDWI используются измерения интенсивности в ближнем инфракрасном диапазоне p с характерной длинной волны X = 50-900 нм а также в коротко-
волновом инфракрасном диапазоне pSWIR с длинами волн X = 1550-1750 нм. При вычислении индекса NDWI используется формула
NDWI = (pNiR - p SWIR)/(PNIR + PSWIR).
Для выявления скрытых закономерностей между измеряемыми индексами-параметрами деградации и их вклада в результирующий (интегральный) показатель деградации использована многопараметрическая функция регрессии.
В соответствии с рекомендациями математического института им. Стеклова в качестве монотонных (не разрывных) функций следует выбирать степенные функции вида
D = a by cz,
где D - интегральный показатель деградации;
a ,b, с - индексы-параметры, определяющие степень деградации; х, у, z - показатели степени чувствительности единичного индекса-параметра в интегральном показателе. Количественный расчет индексов-параметров и показателей степеней многопараметрической функции приведен в примере конкретной реализации.
Предлагаемый способ определения деградации почвенного покрова может быть реализован по схеме, представленной на рис. 4. Функциональная схема устройства содержит космическую систему LandSat (1) на космических аппаратах (2) которой установлены многоканальные радиометры (3), осуществляющие регистрацию отраженного от подстилающей поверхности солнечного потока в полосе сканирования (4), шириной 185 км с пространственным разрешением на пиксель - 30 м, в четырех зональных каналах.
Трассовую съемку запланированных регионов осуществляют по командам от бортового комплекса управления (5) на основе суточной программы управления полетом космического аппарата, передаваемой из центра управления системой (6), по заявкам потребителей.
Результаты измерений записываются в буферное запоминающее устройство (7) и в
ЛЕСНОЙ ВЕСТНИК 9/2012
119
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Таблица 3
Усредненные результаты обработки по всему периоду наблюдений
Категория состояния Степень деградации Потеря гумуса Индекс солености Влагопотери
1 Норма 1,0 1,0 1,0
2 Низкая 1,4 1,12 1,05
3 средняя 1,62 1,3 1,07
4 высокая 1,75 1,6 1,14
Рис. 4. Функциональная схема устройства, реализующая способ
зонах радиовидимости космического аппарата с наземных пунктов приема (8) (г. Москва, г. Красногорск, г. Новосибирск) сбрасываются по каналу передачи данных (9).
После предварительной обработки информации по служебным признакам (номер витка, время съемки, координаты) на средс-
твах (10) пункта приема информация попадает на сервер хранения данных.
Тематическую обработку изображений потребители осуществляют в центре обработки (12), где через устройство ввода и передачи (13) информация из сервера хранения поступает в электронно-вычислительную
120
ЛЕСНОЙ ВЕСТНИК 9/2012
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Рис. 5. Вид обработанного снимка с оконтуренными участками деградации
машину (14) со стандартным набором периферийных устройств: процессор (15), оперативное запоминающие устройство (16), накопитель на магнитных дисках (17), устройство отображения информации (18), печатающее устройство (19), клавиатура (20).
Обработанные снимки участков с расчетными значениями деградации почвенного покрова для пахотных земель региона помещают на сервер хранения (21) результатов обработки.
Состояние почвенных покровов оценивалось на примере участка в Рузском районе Московской области. Обработке подверглись 46 мультиспектральных снимков LandSat 4-5 ТМ с прилегающими окрестностями за период наблюдения с 2005 по 2011 гг. Пространственное разрешение снимков - 30 м/пиксель, сторона квадрата обработанного участка составляет 3030 м.
Состояние недеградированного пахотного слоя суглинистых почв Московской зоны оценивается следующими показателями: мощность гумусового горизонта 10-15 см, запасы гумуса порядка 50 т/га, процентное содержание гумуса Н0 ( %)~3 %, индекс засоленности ~ 0,03, влажностный индекс ~ 0,24.
Усредненные данные результатов обработки сигналов на всем периоде наблюдений представлены в табл. 3.
По данным табл. 3 для получения многопараметрической функции регрессии записывают следующую систему уравнений
D = 2 = (1,4)* х (1,12)у х (1,05)z < D = 3 = (\, 62)* х (1, ЗУ х (1,07)z-D = 4 = (1,75)* х(1,бу x(l,14)z
После логарифмирования система степенных уравнений сводится к линейной алгебраической. Решение системы осуществляют методами Крамера и Саррюса. Определитель системы
А =
lgl,4
lgl,62
lgl,75
lgl,2 lgl,05 lgl,3 lgl,07. lgl,6 lg 1,14
Алгебраические дополнения Ax, Ay, Az получают путем замены коэффициентов при неизвестных свободными членами, т.е. столбцом из lg2, lg3, lg4 . Получены следующие цифровые характеристики
х = Дх/Д = 1,9
У = Ду/Д = 0,5
z = Az/Д = 0,3.
Для каждого пикселя изображения рассчитывают показатель D и формируют интегральную матрицу изображения D(x, y).
Психологически восприятие образа человеком-оператором происходит на уровне контурного рисунка. Контурный рисунок по-
ЛЕСНОЙ ВЕСТНИК 9/2012
121
