CC BY
142
УДК 630.9
ИСПОЛЬЗОВАНИЕ МНОГОЗОНАЛЬНЫХ КОСМИЧЕСКИХ СНИМКОВ ВЫСОКОГО РАЗРЕШЕНИЯ ДЛЯ ДЕШИФРИРОВАНИЯ ЛЕСНЫХ ТЕРРИТОРИЙ
Юлия Владимировна Никитина
Западно-Сибирский филиал ФГУП «Рослесинфорг», 630048, Россия, г. Новосибирск, ул. Немировича-Данченко, 137/1, кандидат технических наук, начальник отдела дистанционного мониторинга, тел. (383)314-28-08, e-mail: zapsib@lesgis.ru
Вячеслав Николаевич Никитин
Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, кандидат технических наук, доцент кафедры физической геодезии и дистанционного зондирования, тел. (913)712-37-50, e-mail: vslav.nikitin@gmail.com
В статье рассматривается существующая технология проведения дистанционного мониторинга использования лесов в филиале ФГУП «Рослесинфорг» «Запсиблеспроект». Описаны особенности использования многозональных космических и аэроснимков высокого разрешения для целей инвентаризации лесов. Предлагается способ автоматизированного определения таксационных характеристик лесных выделов путём индивидуального учёта древесных насаждений.
Ключевые слова: дистанционный мониторинг использования лесов, космические и аэроснимки высокого разрешения, классификация, индивидуальный учёт древесных насаждений.
APPLICATION OF MULTIZONE HIGH-RESOLUTION SATELLITE IMAGES FOR FOREST TERRITORIES INTERPRETATION
Julia V. Nikitina
West Siberian Branch of Federal State Unitary Enterprise «Roslesinforg», 630048, Russia, Novosibirsk, 137/1 Nemirovicha-Danchenko St., Ph. D., Head of the Remote Monitoring Department, tel. (383)314-28-08, e-mail: zapsib@lesgis.ru
Vyacheslav N. Nikitin
Siberian State University of Geosystems and Technologies, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., Ph. D., Assoc. Prof. of department of physical geodesy and remote sensing, tel. (913)712-37-50, e-mail: vslav.nikitin@gmail.com
Current technique for remote monitoring of forests conducted by Zapsiblesproject (branch of Roslesinforg) is considered. The features of multizone high-resolution satellite images and aerial photographs applied for forest inventory are described. The technique for automated inventory of forest lands by individual trees plantations records is offered.
Key words: remote monitoring of land management, high-resolution satellite images and aerial photographs, classification, individual record of trees plantations.
В филиале ФГУП «Рослесинфорг» «Запсиблеспроект» мониторинг лесов и использования земель лесного фонда с применением космических снимков проводится последние несколько лет [1, 2]. Объектами дистанционного мони-
торинга являлись лесничества Алтайского края, Республики Алтай, Кемеровской, Новосибирской, Омской, Свердловской, Томской, Тюменской областей, Ханты-Мансийского автономного округа-Югры, Ямало-Ненецкого автономного округа. В 2014 г. работы по дистанционному мониторингу проводились на территории площадью 15,4 млн.га.
В настоящее время в филиале ФГУП «Рослесинфорг» «Запсиблеспроект» применяется следующая технологическая схема проведения дистанционного мониторинга незаконных рубок леса и использования земель лесного фонда (рис. 1).
1. Подготовительные работы
1.1 Получение копий разрешительных документов от Департамента лесного хозяйства (деклараций, договоров купли-продажи с приложением картографических материалов)
1.2 Анализ и систематизация материалов по участковым лесничествам, номерам кварталов, номерам документов или в хронологической последовательности с созданием реестров
3. Получение и каталогизация материалов Дешифровочные работы Подготовка отчётов
космической съемки(КС)
2. Создание векторного слоя границ лесных участков по данным лесных деклараций и материалов отводов с заполнением атрибутивной информации
2.1 Получение материалов космической съёмки. Внесение полученных сцен в каталог программы Бсапех БсапМадю
2.2 Анализ космических снимков с последующим удалением сцен с высокой облачностью и прочими недостатками
2.3 Создание векторных схем покрытия космическими снимками объектов мониторинга
— 2.4 Географическая привязка КС
2.5 Ортотрансформирование космических снимков
2.6 Цветовая коррекция с использованием программы Scanex Image Processor или ENVI
2.7 Создание мультивременных композитов в программе Scanex Image Processor ипи ENVI
3.1 Совмещение космических снимков с границами квартальной сети и лесных участков
3.2 Визуальное определение и создание векторного слоя произошедших изменений за отчётный период по мультивременному композиту и снимкам текущего года
3.3 Сравнение векторного слоя изменений с данными, полученными от Департаментов лесного хозяйства во время подготовительных работ с добавлением атрибутивной информации
3.4 Создание карточек дешифрирования
4.1 Оперативное направление карточек дешифрировния и ведомостей выявленных нарушений в субъекты РФ и Департаменты лесного хозяйства по ФО
4.2 Проведение полевых проверок филиалом (5 % от неподтверждённых субъектами РФ нарушениями)
4.3 Формирование окончательной ведомости предполагаемых нарушений
4.4 Формирование сводной отчётной документации, электронной базы лесных участков, альбомов выявленных нарушений лесного законодательства
Рис. 1. Технологическая схема проведения дистанционного мониторинга использования лесов
В табл. 1 показаны нарушения правил заготовки древесины, выявленных в 2014 году. В 14 лесничествах Сибирского и Уральского федеральных округов количество участков с нарушениями лесного законодательства составило 485 шт., что составляет 4,1 % от общего количества обследованных лесных участков. Общая площадь нарушений - 2 068,7 га.
Результаты выборочных натурных обследований вырубок с выявленными нарушениями лесного законодательствами подтверждают результаты дешифрирования нарушений с использованием космических снимков в 90 % случаев.
При выполнении работ по дистанционному мониторингу использования лесов одним из важных этапов является обработка и анализ космических снимков. Однако в процессе выполнения работ потенциал космических и аэроснимков используется далеко не в полной мере. Например, дешифрирование в автоматическом режиме не обеспечивает нормативную точность определения таксационных характеристик. Это обусловлено сравнительно низким спектральным или пространственным разрешением многозональных космических сним-
ков. В результате эталонные участки, размер которых должен удовлетворять некоторым минимальным критериям, являются разнородными, то есть состоят из объектов с различными спектральными характеристиками. Это приводит к «размытию» (увеличению дисторсии) эталонов, что в свою очередь вызывает необходимость создания эталонов не только на интересующие пользователя объекты, но и на объекты, близкие по спектральным характеристикам. В результате лавинообразного процесса необходимо создавать эталоны уже на все объекты, изображённые на снимке. Существуют определённые способы решения проблемы размытия эталонов (анализ на разделимость классов, на мульти-модальность), однако в целом ситуация не меняется: при недостаточно полном перечне классов-эталонов даже визуальная оценка достоверности классификации говорит о недостаточной точности этого процесса.
Таблица 1
Сводная таблица выявленных нарушений использования лесов в целях, определенных статьями 29, 43-46 Лесного кодекса Российской Федерации, по результатам анализа материалов дистанционного мониторинга использования лесов 2013 года
Субъект Площадь мониторинга Количество обследованных участков использования лесов Площадь обследованных участков использования лесов Количество случаев и площадь нарушений лесного законодательства
заготовка древесины (ст. 29 ЛК РФ) участки использования земель (ст. 43-46 ЛК РФ)
ед. измерения га шт. га шт. % га шт. % га
ВСЕГО по объектам мониторинга: 15 405 731 11 693 88 892,4 316 2,7 1704,9 169 1,4 363,8
Омская область 325 885 542 1 961,8 69 12,7 169,7 - - -
Томская область 2 537 677 1 068 16 235,7 67 6,3 479,8 - - -
Свердловская область 1 443 090 1 204 7 603,4 41 3,4 132,6 - - -
Тюменская область 4 944 831 3 075 26 118,3 57 1,9 251,4 9 0,3 14,5
ХМАО-Югра 2 900 181 4 016 23 109,9 82 2,0 671,4 119 3,0 266,4
ЯНАО 3 254 067 1 788 13 863,3 - - - 41 2,3 82,9
Повышение качества автоматического (автоматизированного) дешифрирования возможно только при изменении одной или нескольких парадигм, лежащих в его основе.
И такое изменение произошло в процессе развития технологий аэро-и космических съёмок. Появление съёмочных систем WorldView-2, а в особенности WorldView-3 (рис. 2, а), обладающих не только большим количеством спектральных каналов в видимой и ближней инфракрасной зонах спектра (а WorldView-3 ещё и в коротковолновой инфракрасной зоне спектра), но и высоким пространственным разрешением, позволили изменить концепцию формирования эталонов и последующего процесса дешифрирования.
Благодаря высокому пространственному разрешению эталоны теперь можно формировать по единичным объектам с чётко установленным генезисом. Благодаря этому сформированные эталоны обладают высокой однородностью и компактностью, что позволяет выделять в процессе классификации объекты даже на сложном фоне. Относительно лесоустройства это означает переход к индивидуальному учёту лесонасаждений, что открывает значительные перспективы:
- радикально улучшается точность определения породного состава (определяются характеристики каждого дерева в отдельности);
- становится доступен количественный подсчёт деревьев;
- появляется возможность определения размеров крон деревьев, а, следовательно, и таких характеристик, как полнота, высота, возраст, запас;
- исключается необходимость определения полного набора эталонов, достаточно сформировать эталоны только на интересующие объекты.
Следует отметить, что прогресс развития съёмочных систем коснулся не только сферы космоса, но и аэрофотосъёмки. В настоящее время появились многозональные съёмочные системы, такие как Тей"асат Мюго-МСА (рис. 2, б), которые обеспечивают получение до 12 спектральных каналов с разрешением от 5 см, пригодные к установке на беспилотные летательные аппараты.
а) б)
Рис. 2. Примеры спектрозональных изображений высокого пространственного разрешения: а - WorldView-3; б - Те1хасаш Мюго-МСА
Таким образом, технология использования многозональных снимков высокого разрешения может выглядеть следующим образом:
1. Получение космических или аэроснимков высокого пространственного разрешения, уточнение их геопривязки.
2. Получение информации о породном составе лесонасаждений, изображённых на снимке (документарным или экспертным способом).
3. Выделение однородных участков древесной растительности для формирования эталонов.
4. Автоматизированное дешифрирование изображений с использованием сформированных эталонов. Наиболее оптимальными алгоритмами для этого являются алгоритмы на основе расстояния Махаланобиса: максимального правдоподобия, Байеса. Это связано с прямой корреляцией между пикселями с освещённой и теневой частями кроны. Кроме того, алгоритм должен уметь определять в спектральном пространстве нормализованное расстояние от пикселя до центра класса и отсекать все элементы, превышающие пороговое значение, как это реализовано в алгоритме параллелепипедов.
5. Выявление положения крон деревьев различных пород и определение их размеров на основе анализа алгоритмов выделения контуров, результатов классификации и распределения светотеней, т. е. осуществление индивидуального учёта древесной растительности.
6. Полученная информация может использоваться совершенно различным способом, например, для стратификации насаждений (определения границ вы-делов), для подсчёта полноты и коэффициента состава, для косвенного определения высоты насаждений и запасов древесины.
Элементы данной технологии, а именно автоматизированное дешифрирование многозональных изображений высокого пространственного разрешения по неполному набору эталонов было апробировано в рамках экспериментальных исследований. Для этого использовался 8-канальный многозональный снимок WorldView-3 разрешением 1,6 м на территорию г. Сиднея (Австралия), распространяемый компанией DigitalGlobe в качестве тестового образца. На снимке был выбран участок парковой зоны, обладающей развитой древесной растительностью, и на этом участке выделены кроны трёх деревьев, породы которых явно отличаются друг от друга. Затем в ГИС ArcGIS (модуль ImageWork) были сформированы эталоны и выполнена классификация методом максимального правдоподобия. Гистограмма одного из эталонов и результаты классификации представлены на рис. 3.
Результаты классификации показали корректность предложенной методики: выполнена достоверная классификация крон деревьев трёх разных лиственных пород, идентификация посторонних объектов как класса «древостой» практически отсутствует. Таким образом, полученные результаты свидетельствуют о перспективности указанного подхода и о необходимости его дальнейшего методического совершенствования.
а) б)
Рис. 3. Работа с модулем ImageWork в ГИС ArcGIS:
а) - гистограмма одного из эталонов; б) - результаты классификации
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Приказ Рослесхоза от 10.11.11 № 472 г. Москва «Об утверждении Методических рекомендаций по проведению государственной инвентаризации лесов» [Электронный ресурс]. -Режим доступа: http://www.rosleshoz.gov.ru/docs/leshoz/199.
2. Никитина Ю.В., Шимов С.В. Совершенствование технологии дистанционного мониторинга использования лесов // Интерэкспо ГЕО-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. - С. 36-41.
© Ю. В. Никитина, В. Н. Никитин, 2015
