CC BY
46
ИССЛЕДОВАНИЕ ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ЦИФРОВЫХ СНИМКОВ ВЫСОКОГО РАЗРЕШЕНИЯ ДЛЯ ОПРЕДЕЛЕНИЯ ОТРАЖАТЕЛЬНЫХ ХАРАКТЕРИСТИК РАСТИТЕЛЬНОСТИ
Елена Павловна Хлебникова
Сибирская геодезическая государственная академия, 630108, Россия, г. Новосибирск,
ул. Плахотного,10, канд. техн. наук, доцент кафедры фотограмметрии и дистанционного зондирования, тел. (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 фотограмметрии и дистанционного зондирования, тел. (923)245-38-99, e-mail: dumkah@gmail.com
В статье представлены результаты макетных экспериментов, проведенных при разных условиях съемки и рассмотрены зависимости отражательных способностей вегетирующих объектов.
Ключевые слова: цифровые снимки, макетные эксперименты, листовые пластины, автоматизация дешифрирования.
INVESTIGATION OF DIGITAL HIGH-RESOLUTION IMAGES APPLICATION FOR PLANTS REFLECTANCE DETERMINATION
Elena P. Khlebnikova
Siberian State Academy of Geodesy, 630108, Russia, Novosibirsk, str. Plakhotnogo 10, PhD. tech., assistant professor department of Photogrammetry and Remote Sensing, tel. (913)901-94-58, e-mail: HleLenka@yandex.ru
Dmitry P. Simonov
Siberian State Academy of Geodesy, 630108, Russia, Novosibirsk, str. Plahotnogo, 10, graduate student department of Photogrammetry and Remote Sensing, tel. (923)245-38-99, e-mail: dumkah@gmail.com
The results of prototyping experiments conducted under various conditions of surveys are shown. Dependencies of vegetation objects reflectance are considered.
Key words: digital images, model experiments, leaf plates, automated interpretation.
Лесная растительность является одним из наиболее значимых природных ресурсов. Поэтому изучение леса, определение его таксационных характеристик, учет и контроль текущего состояния лесных массивов - задача важная и актуальная.
Развитие дистанционного мониторинга и методов дешифрирования цифровых снимков создают возможности для совершенствования способов определения многих таксационных характеристик.
Однако ряд особенностей подавляющего большинства, видов растительного покрова вносит существенные сложности в процесс автоматизированного
дешифрирования их цифровых изображений [1]. Сложность дешифрирования таксационных показателей древостоя автоматизированными методами объясняется большой вариативностью изображения одного и того же (или аналогичного) объекта даже на одном изображении [2, 3]. Несмотря на экономическую целесообразность и прогрессирующие технологии цифрового дешифрирования для повышения его эффективности и достоверности при определении таксационных характеристик лесных массивов, необходим поиск как устойчивых признаков дешифрирования, так и надёжных методов их получения [4].
Для выявления особенностей поведения спектральных характеристик отраженного света лиственных и хвойных образцов при изменяющихся условиях съемки был поставлен полигонный эксперимент.
Исходными материалами для проведения работы являлись образцы листьев различных пород деревьев: тополь, яблоня, рябина, береза, калина, сосна, кедр.
Для проведения эксперимента использовалась цифровая фотокамера Canon EOS 450D, штатив и инфракрасный фильтр ИКС-3. В целом съемочная система представляет собой фотоаппарат, зафиксированный на моноподе, в нижней части которого закреплен планшет-транспортир для выставления угла наклона системы относительно горизонтальной плоскости и планшет с исследуемыми образцами.
Фотографирование образцов проводилось с 5 равноудаленных от плоскости планшета точек, под заданными углами. Измерения проводились для углов 0°, ±30°, ±60° от нормали к плоскости планшета.
В работе проводились две серии эксперимента: в первой серии «дуга» фотографирования находилась в плоскости, перпендикулярной проекции солнечных лучей на поверхность Земли, а во второй - в параллельной. Кроме этого, при тех же условиях снималась нижняя поверхность листовых пластин.
Следует отметить ряд сложностей фотографирования в ИК диапазоне. Основным затруднением работы являлся hot-mirror фильтр, установленный в «тело» фотоаппарата, так как данные фильтры отражают большую часть инфракрасного излучения.
Проведенные эксперименты показали, что использование алгоритмов как неуправляемой, так и классификации с обучением для выявления типов растительности (при данном наборе спектральных каналов) неэффективно, так как интересующие классы имеют достаточно узкий диапазон яркостей. Однако методы автоматизированной классификации позволяют однозначно разделить на классы объекты вегетации и объекты нерастительной группы.
Выбор области снимка для получения статистической информации осуществлялся следующим образом:
а) область на всех снимках должна быть одной и той же;
б) область должна располагаться в плоскости, параллельной плоскости планшета, т.к. листья имеют собственный изгиб и рельеф, усиливающийся к краям;
в) область должна включать в себя как пластину листа, так и основные прожилки, но их количество не должно превышать 1/10 площади листа.
После обработки всей полученной информации были составлены сводные таблицы, в которых указаны яркостные характеристики выбранных образцов по четырем каналам для пяти положений съемочной системы.
Результаты, представленные в сводной таблице 1, показывают, что в ИК -диапазоне произошло ожидаемое ослабление сигнала, вызванное наличием фильтра. В связи с ослабленным инфракрасным сигналом стало очевидной необходимость применения линейного преобразования для повышения динамического диапазона изображений.
Таблица 1
Значения яркости всех исследуемых образцов для лицевой стороны листа первой серии съемки
Угол Канал Тополь Яблоня Рябина Береза Калина Сосна Кедр
-60 ИК 78 77 72 78 85 69 61
к 104 167 121 118 109 117 126
з 142 197 156 162 144 132 164
с 53 133 101 67 66 76 90
-30 ИК 79 84 71 79 87 71 61
к 94 123 120 113 109 119 124
з 132 162 157 157 146 135 165
с 44 81 96 61 67 85 93
0 ИК 81 85 81 71 90 70 61
к 118 134 113 125 133 121 127
з 143 165 149 161 164 139 161
с 53 106 91 81 99 86 89
+30 ИК 77 83 72 80 87 71 62
к 117 172 129 136 168 122 123
з 146 196 161 170 191 141 159
с 78 149 108 98 145 89 88
+60 ИК 72 82 76 69 88 69 59
к 135 189 144 148 182 122 119
з 162 207 172 181 203 139 159
с 91 170 129 109 163 84 84
Технические особенности ПЗС матрицы используемого аппарата и характеристики светофильтра позволили вывести поправочный коэффициент, который предназначен для компенсации ослабления входящего сигнала в инфракрасной области спектра. Данный коэффициент был применен для всех полученных в ИК-диапазоне снимков, т.к. он исключает влияние характеристик съемочной системы на полученные данные в указанном диапазоне длин волн. Таким образом, второй коэффициент был получен опытным путем: d=2,8.
Полученные результаты показывают, что, несмотря на меньшее количество спектральных отметок, общая тенденция, свойственная спектральным кривым разных типов растительности, построенным по данным Е.Л. Кринова и спектральных библиотек, сохраняется. Т.е. на синий и красный диапазоны приходятся локальные минимумы, а на зеленый и ИК - максимумы.
С другой стороны, видны значительные отклонения значений при изменении угла съемки. В таблице 2 представлены полученные значения яркости после приведения.
Таблица 2
Приведенные значения яркости в ИК-диапазоне
Градусы Тополь Яблоня Рябина Береза Калина Сосна Кедр
-60 218,4 215,6 201,6 218,4 238,0 193,2 170,8
-30 221,2 235,2 198,8 221,2 243,6 198,8 170,8
0 226,8 238,0 226,8 198,8 252,0 196,0 170,8
+30 215,6 232,4 201,6 224,0 243,6 198,8 173,6
+60 201,6 229,6 212,8 193,2 246,4 193,2 165,2
На рис. 1 показано изменение значений яркости в разных каналах в зависимости от изменения угла съемки для листьев яблони.
Следует отметить подобная форма графиков наблюдается для всех исследуемых образцов, кроме хвойных. Это, вероятно, обусловлено спецификой отражения солнечного излучения листовой пластиной.
-------Инфракрасный
-------Красный
-------Зеленый
.......Синий
Рис. 1. Изменение значений яркости в зависимости от угла наклона съемочной системы
На основании полученных численных значений яркости были рассчитаны индексы NDVI [5]. Результаты расчетов представлены в таблице 3.
Таблица 3
Индексы NDVI
Градусы Тополь Яблоня Рябина Береза Калина Сосна Кедр
-60 0,354839 0,127026 0,249845 0,298454 0,371758 0,245648 0,150943
-30 0,403553 0,313233 0,247177 0,323758 0,381736 0,251101 0,158752
0 0,315545 0,279570 0,334903 0,227918 0,309091 0,236593 0,147079
+30 0,296452 0,149357 0,219601 0,244444 0,183673 0,239401 0,170600
+60 0,197861 0,09699 0,192825 0,132474 0,150327 0,225888 0,162562
Полученные результаты подтверждают стабильность отражательных свойств хвойных пород и их независимость от условий съемки.
Теоретически индексы NDVI должны показывать состояние растительных объектов, следовательно, они должны оставаться постоянными. Однако практические исследования показали, что на самом деле изменения условий фотографирования приводят к искажениям значений NDVI.
Полученные результаты позволяют сделать следующие выводы:
- угол наклона съемочной системы оказывает значительное влияние на полученные результаты для лиственных пород; хвойные породы при различных углах съемки сохраняют стабильное значение яркостей;
- изменение положения листовой пластины относительно съемочной системы и/или солнечного освещения приводят к серьезным изменениям численных значений яркости, что заметно затрудняет использование автоматизированных методов дешифрирования для определения таксационных характеристик;
- хвойные и лиственные леса имеют различный характер зависимости яркости от ориентации листовой пластины.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Хлебникова Е.П., Симонова Г.В., Симонов Д.П. Исследование структурных признаков при цифровой обработке изображений // Сб. материалов V междунар. научн. конгресса «ГЕО-Сибирь-2009». - Т.5, ч.2: Специализированное приборостроение, метрология, теплофизика, микротехника. - Новосибирск: СГГА, 2009. - С.168 - 170.
2. Пестунов И.А., Рылов С.А. Сегментация спутниковых изображений высокого разрешения по спектральным и текстурным признакам // Сб. материалов VIII Междунар. конгресса «ИНТЕРЭКСПО ГЕО-Сибирь-2012». - Т.4, ч.1: Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. - Новосибирск: СГГА, 2012. - С. 90 - 95.
3. Пестунов И.А., Мельников П.В. Информативность систем текстурных признаков для классификации спутниковых изображений с высоким пространственным разрешением // Сб. материалов VIII Междунар. конгресса «ИНТЕРЭКСПО ГЕО-Сибирь-2012». - Т.4, ч.1: Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. - Новосибирск: СГГА, 2012. - С. 96 - 102.
4. Симонов Д.П. Анализ методов выявления типов растительных покровов по многозональным космическим снимкам // Сб. материалов VIII Междунар. конгресса «ИНТЕРЭКСПО ГЕО-Сибирь-2012». - Т.4, ч.1: Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. - Новосибирск: СГГА, 2012. - С. 7 - 11.
© Е.П. Хлебникова, Д.П. Симонов, 2013
