CC BY
62
УДК 528.8
ИСПОЛЬЗОВАНИЕ МЕТОДОВ СТАТИСТИЧЕСКОГО АНАЛИЗА ПРИ ДЕШИФРИРОВАНИИ МНОГОЗОНАЛЬНЫХ КОСМИЧЕСКИХ СНИМКОВ
Елена Павловна Хлебникова
Сибирская геодезическая государственная академия, 630108, Россия, г. Новосибирск, ул. Плахотного,10, кандидат технических наук, доцент кафедры физической геодезии и дистанционного зондирования, тел. 8-913-901-94-58, e-mail: HleLenka@yandex.ru
Дмитрий Павлович Симонов
Сибирская геодезическая государственная академия, 630108, Россия, г. Новосибирск, ул. Плахотного,10, аспирант кафедры физической геодезии и дистанционного зондирования, тел. 8-923-245-38-99, e-mail: dumkah@gmail.com
Показана возможность использования статистических характеристик объектов с высокой вариативностью отображения в качестве косвенного признака дешифрирования. Проведен сравнительный количественный анализ для выбранных параметров при обработке многозональных космических снимков объектов разного типа.
Ключевые слова: дешифрирование, статистические характеристики, многозональные снимки, сравнительный анализ, косвенный признак.
USING STATISTICAL ANALYSIS METHODS FOR INTERPRETATION OF MULTISPECTRAL SPACE IMAGES
Elena P. Khlebnikova
Siberian State Academy of Geodesy, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., PhD. tech., assistant professor department of Physical Geodesy and Remote Sensing, tel. 8-913-90194-58,
e-mail: HleLenka@yandex.ru Dmitry P. Simonov
Siberian State Academy of Geodesy, 630108, Novosibirsk, Russia, 10 Plakhotnogo St., graduate student department of Physical Geodesy and Remote Sensing, tel. 8-923-245-38-99, e-mail: dumkah@gmail.com
The possibility of using the statistical characteristics objects with high variability display as an indirect sign of deciphering was shown. A comparative quantitative analysis of the selected parameters in the processing of multispectral space images for various objects is performed.
Key words: Deciphering, statistical characteristics, multispectral images, comparative analysis, indirect attribute.
Территория восточных регионов России почти на 40 % покрыта лесом. Эти природные ресурсы имеют огромное значение не только для поддержания экологических условий региона, но и для экономики всей страны. Грамотное ведение лесного хозяйства требует получения достоверной информация о состоянии лесного фонда, а также проведения непрерывного мониторинга его таксационных показателей в силу
динамического характера системы. Для оптимального получения таксационных показателей необходимо разрабатывать методики их оперативного определения, что позволит эффективно организовать работы по лесоустройству и лесопользованию.
Лесная таксация - оценка слагающих леса проводится с целью получения данных о количестве древесины и качественном состоянии древостоя. Основными таксационными показателями являются: состав, форма насаждения, возраст, средние высота и диаметр, бонитет, полнота, запас, товарность, тип леса и т.д. Эти характеристики определяют методами наземной таксации или при помощи аэротаксации и последующего камерального дешифрирования аэрофотоснимка. Однако, несмотря на огромные лесные территории России, наиболее распространенным методом оценки параметров лесных массивов является наземная таксация, при которой таксационные показатели устанавливают глазомерно на основании опыта, приобретенного во время таксации пробных тренировочных площадей или перечислительным способом [1].
Использование современных методов дистанционного зондирования на основе многозональных космических снимков позволяет значительно повысить скорость и достоверность получения информации о таксационных характеристиках лесных массивов. Однако при обработке цифровых изображений возникает ряд проблем, связанных с отождествлением изображения на снимке и собственно объекта [2].
Одной из проблем дешифрирования цифровых изображений лесных массивов является вариативность самого объекта. Так, например, в работе [3] было показано, что отражательная способность листовых пластин может меняться в несколько раз в зависимости от положения пластины даже при одних и тех же условиях съёмки. Такое свойство световых характеристик листовых пластин даёт основание предполагать, что для сравнительной оценки различных участков леса можно использовать статистические характеристики его отражательной способности. Ранее было показано, что таким критерием может являться медианная характеристика яркости и среднее статистическое отклонение от этого значения что позволит использовать эти величины в качестве косвенного дешифрировочного признака для оценки однородности лесного массива, его возраста и плотности покрытия [4].
Разрешающая способность многозонального снимка определяется площадью, которой соответствует один пиксель его изображения, в данной работе использовались снимки стереопары, полученные съемочной системой Ikonos с разрешением 4 метра. Возможности съёмочной системы определяют площадь наземного объекта, от которой формируется единица измерительной информации, что по сути уже содержит интегральную характеристику отражательной способности объекта. В силу этого предположения, для объекта имеющего её конкретные значения следовало бы ожидать одинаковое значение яркости пикселей по все его поверхности,
но в действительности этого не происходит и каждый тематический объект имеет набор таких значений, которые меняются в некоторых пределах. Из этих соображений, именно количественные характеристики изменений могут отображать свойства самого объекта, т.е. являться его косвенным дешифрировочным признаком.
Ранее было показано, что для разных участков одного итого же лесного массива на заданном снимке получаются близкие значения средних значений флуктуации яркости. Если полученные результаты справедливы, то следует ожидать их совпадений на разных снимках этого же массива.
На рис. 1 приведены участки, выбранные на разных снимках стереопары с географической привязкой для трёх разных объектов.
Рис. 1. Объекты «Лес», «Поле», «Застройка»
Расчёты проводились для среднестатистической яркости каждого класса с учётом средневзвешенного влияния каждого канала на конечный результат отклонения.
Результаты расчётов приведены в табл. 1, а графики, соответствующие средневзвешенному значению яркости каждого класса, представлены на рис. 2.
Таблица 1
Параметры «Лес» «Поле» «Застройка»
Снимок 1 Снимок 2 Снимок 1 Снимок 2 Снимок 1 Снимок 2
Число пикселей 11900 11900 12267 12267 12267 12267
Средневзвешенная яркость, у.е. 128,4865 130,4163 131,4166 132,9105 122,0488 120,2583
Среднее 91,76623 91,31879 82,23604 82,21417 78,85809 82,50942
отклонение, у.е
Анализ результатов табл. 1 показывает, что количественные характеристики среднего отклонения значений яркости для леса практически одинаковы для обоих снимков и хорошо соответствуют данным работы [2], значения для другого типа растительности значительно отличаются друг от друга, что может быть объяснено как изменением состояния самого объекта, так и неточностью совпадения координат участков. Подобные же расхождения наблюдаются и для объекта третьего типа, в качестве которого был выбран участок городской застройки, но в этом случае отличаются не только распределения средних значений яркости по классам, но и сами значения отклонения.
а) б)
Рис. 2. Графики зависимости средневзвешенного значения яркости от заданного класса в у.е. для двух разных снимков:
а) объект «Лес»; б) объект «Застройка»
Этот вывод хорошо иллюстрируется графиками на рис. 2, где видно, что зависимости средневзвешенного значения яркости (т.е. яркости источника световой поток от которого сосредоточен в телесном угле соответствующему
всему данному классу пикселей) объекта первого типа практически идентичны для обоих снимков, а для объектов типа «Застройка» они существенно отличаются.
Полученный результат показывает, что флуктуации яркости отражённого света для одного и того же объекта являются устойчивой характеристикой и для данного типа условий съёмки сохраняют свои значения на снимках сделанных в разное время, если объект не претерпел изменений. В противном случае следует ожидать как количественных изменений предложенного оценочного параметра, так и его распределениям по классам яркости. Если данные предположения справедливы, то следует ожидать слабой зависимости значения среднего отклонения яркости при изменении числа классов; при условии, что не потеряна информация об характерных для данного объекта её изменениях, т.е. корректность решения сохраняется в рамках поставленной задачи. В табл. 2 приведена сравнительная оценка изменения среднего значения флуктуации яркости для двух снимков лесного массива при разном количестве (в данном случае 19,13,7) классов.
Результаты показывают, что увеличение количества классов не приводит к повышению степени достоверности, а уменьшение числа классов влечет за собой снижение корректности статистической оценки.
Таблица 2
Параметры 19 классов 13 классов 7 классов
Снимок 1 Снимок 2 Снимок 1 Снимок 2 Снимок 1 Снимок 2
Число пикселей 11900 11900 11900 11900 11900 11900
Средневзвешенная яркость, у.е. 128,4935 130,4176 128,4865 130,4163 128,4933 130,5206
Среднее отклонение, у.е 91,83849 91,39439 91,76623 91,31879 91,37185 90,80026
Полученные результаты показывают, что предложенный метод может быть использован для сравнительного анализа различных объектов или выявления изменений заданного объекта; причём наиболее удачное применение он может найти, если объект сохраняет свои отражательные характеристики по анализируемого участку. Поскольку для разных типов объектов получается разные статистические характеристики даже для одного снимка, то следует предположить, что для получения наиболее достоверных результатов анализа необходима предварительная тематическая обработка изображений.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Постановление Правительства Российской Федерации от 18 июня 2007 г. N 377 "О Правилах проведения лесоустройства" [Электронный ресурс]. - Режим доступа: http://www.norm-load.ru/SNiP/Data1/53/53784/index.htm
2. Симонов Д.П. Анализ возможности создания цифровых эталонов признаков для структурированных поверхностей // Интерэкспо ГЕО-Сибирь-2012. VIII Междунар. науч.
конгр. : Междунар. науч. конф. «Специализированное приборостроение, метрология, теплофизика, микротехника, нанотехнологии» : сб. материалов в 2 т. (Новосибирск, 10-20 апреля 2012 г.). - Новосибирск: СГГА, 2012. Т. 2. - С. 209-212.
3. Симонов Д. П., Хлебникова Е. П. Исследование возможности использования цифровых снимков высокого разрешения для определения отражательных характеристик растительности // Интерэкспо ГЕ0-Сибирь-2013. IX Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 15-26 апреля 2013 г.). - Новосибирск: СГГА, 2013. Т. 1. - С. 64-69.
4. Симонов Д. П., Хлебникова Е. П. Возможности применения методов статистического анализа при дешифрировании многозональных космических снимков // Интерэкспо ГЕ0-Сибирь-2013. IX Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 15-26 апреля 2013 г.). - Новосибирск: СГГА, 2013. Т. 1. - С. 59-63.
© Е. П. Хлебникова, Д. П. Симонов, 2014
