CC BY
130
КАРТОГРАФИЯ ЛЕСНЫХ РЕСУРСОВ РЕСПУБЛИКИ БУРЯТИЯ НА ОСНОВЕ ПОЛЯРИМЕТРИЧЕСКИХ ДАННЫХ ALOS PALSAR И МУЛЬТИСПЕКТРАЛЬНЫХ ДАННЫХ SPOT5
Ирина Ивановна Кирбижекова
Институт физического материаловедения СО РАН, 670047, г. Улан-Удэ, ул. Сахьяновой, 8, старший научный сотрудник, к.ф.-м.н., тел. +7 (3012) 433224, e-mail: [email protected]
Тумэн Намжилович Чимитдоржиев
Институт физического материаловедения СО РАН, 670047, г. Улан-Удэ, ул. Сахьяновой, 8, заместитель директора, д.т.н., тел. +7 (3012) 433224, e-mail: [email protected]
Артур Михайлович Гармаев
Бурятский филиал ФГУП «Рослесинфорг», 670042, г. Улан-Удэ, ул. Тобольская, д. 63 а, ведущий инженер, тел. +7 (301-2) 421728, e-mail: kingartur@mail. ru
Максим Анатольевич Гусев
НЦ ОМЗ ОАО «Российские космические системы», Россия, г. Москва, ул. Декабристов вл. 51, стр. 25, ведущий инженер, тел. +7 (499) 7580748, e-mail: gusev [email protected]
В докладе представлены результаты комбинирования поляриметрических и оптических спутниковых данных для картографирования лесных ресурсов. Оценка результатов комплек-сирования спутниковой информации осуществлена на основе таксационных данных тестовых лесничеств Республики Бурятия. Для тестовых лесничеств составлен комплексный картографический материал, включающий в себя особенности топографии местности, породный состав и оценку биомассы лесных массивов.
Ключевые слова: радарная поляриметрия, спектральный анализ, картографирование лесов.
MAPPING FOREST RESOURCES OF THE REPUBLIC OF BURYATIA, BASED ON ALOS PALSAR POLARIMETRIC DATA AND MULTISPECTRAL DATA SPOT5
Irene I. Kirbizhekova
Institute of Physical Material Science of the SB RAS, 670047, Ulan-Ude, 8, Sakhyanovoy str., IPM SB RAS, senior researcher, D.Sc., tel. +7 (3012) 433184, e-mail: [email protected]
Tumen N. Chimitdorzhiev
Institute of Physical Material Science of the SB RAS, 670047, Ulan-Ude, 8, Sakhyanovoy str., IPM SB RAS, deputy director, D.Sc., tel. +7 (3012) 433184, e-mail: [email protected]
АгШг М. Garmaev
Buryat branch of the Federal State Unitary Enterprise "Roslesinforg", 670042, Ulan-Ude, 63, Tobolskaya str., leading engineer, tel. +7 (301-2) 421728, e-mail: [email protected]
Мaxim А. Gusev
Scientific Center for Earth Operative Monitoring of JSC "Russian Space Systems", 127490, Russia, Moskow, str. 27, dom. 51, Decembrists str., leading engineer, tel. +7 (499) 7580748, e-mail: [email protected]
The report presents the results of a combination of polarimetric and optical satellite data for mapping forest resources. Evaluation of the results complexing satellite data delivered on the basis of test data taxational forestry Buryatia. For test forestry is compiled a complex cartographic material, including topography features, species composition and assessment of forest biomass.
Key words: radar polarimetry, spectral analysis, mapping forests.
В настоящее время создание, развитие и совершенствование методики картографирования лесной растительности на основе данных дистанционного зондирования Земли является насущной задачей лесохозяйственного комплекса [2,8]. Использование космических снимков позволяет значительно сократить стоимость и сроки обновления картографических материалов различных масштабов. При этом возрастает роль технологий основанных на применении ра-диоволновых систем. Современные радары с синтезированной апертурой (РСА) позволяют получать изображения поверхности Земли круглосуточно и в любых погодных условиях [7,9] со сверхвысоким пространственным разрешением (до 1-3 м).
В 2012 году совместными усилиями Бурятского филиала «Рослесинфорг», НЦ ОМЗ «Российские космические системы» и ИФМ СО РАН на базе двух лесничеств Республики Бурятия была апробирована методика комбинирования радиолокационных и оптических спутниковых данных с целью получения картографического материала [1,3]. В качестве пилотных тестовых территорий были выбраны Куналейское и Мухоршибирское лесничества, по которым подобраны следующие наземные данные: сетки лесных кварталов и выделов в векторном виде *.shp; таксационные данные по выделам, с указанием площади, породного состава, возраста, плотности древостоя, запасов древесины, наличия подроста и подлеска и др.; сведения о вырубках, гарях; данные о топографии территорий исследования.
Согласно имеющимся данным таксации (10-20-летней давности) по исследуемым территориям породный состав отдельных участков леса варьируется от лиственных березово-осиновых (Б-Ос) до хвойных, сосново-лиственничных (С-Лц). В основном преобладают смешанные леса с преобладанием одной из пород: сосны, лиственницы, березы, осины. Кедр, пихта обычно составляют не более 40% или отсутствуют. Полнота изменяется от 0,15 до 1. Запасы древесины от 20 до 330 куб.м./га. Сравнение с данными таксации по отдельным выделам в октябре 2011 года выявили определенные отличия современных и старых данных.
Анализ наземной информации по время обработки спутниковых снимков и результаты показал, что она должна отвечать следующим требованиям: представительность таксационных данных по породному составу, полноте древостоя, запасам древесины и некоторым др., достаточно таксации по 3-5 кварталам, не менее 20-30 выделов; минимальный промежуток между временем проведения таксации и съемки; минимальный объем информации по вырубкам (местоположение, возраст); как можно более полная информация о гарях.
Отождествление лесных и безлесных территорий, классификация лесных массивов по породному составу, плотности древостоя и др. параметрам были
проведены на основе: мультиспектральных оптических снимков SPOT5 (545, 645, 835 и 1665 нм) с разрешением 10 м и панхроматических изображений (595 нм) с разрешением 2,5 м, полученных 2 (Мухоршибирь) и 9 сентября (Куналей) 2011 года; радарных полнополяриметрических (hh, hv, vh, vv) данных ALOS PALSAR в L-диапазоне с разрешением 30 м, 25 мая 2006 года по Мухоршиби-ри; радарных данных ALOS PALSAR в L-диапазоне двойной поляризации (hh, hv) с разрешением 15 м, 02 октября 2010 года по Куналею; радарных данных RADARSAT2 двойной поляризации (hh, hv) в С-диапазоне с разрешением 10 м, полученные в сентябре 2012 года.
В соответствии с информацией, содержащейся в файлах сопровождения выполнена геопривязка полученных спутниковых изображений, проведено ортотрансформирование и внесены поправки в радарные изображения за счет рельефа местности: оптические снимки представлены в псевдогеографической; радарные данные - в географической; сетка лесных кварталов и выделов - в Пулковской системе координат. Для единообразия и последующего сравнительного анализа все спутниковые изображения, а также наземная сетка лесных кварталов трансформированы в единую систему координат - 48 зоне UTM datum WGS84.
Совмещение оптических, радарных и наземных данных выявило необходимость дополнительной коррекции. Например, мультиспектральные и панхроматические изображения SPOT5 по Куналейскому району смещены относительно квартальной сетки на +900 м по долготе и -170 м по широте. Смещение радарных изображений ALOS PALSAR - на порядок меньше. Смещение радарных изображений RADARSAT2 более 2,2 км. В отличие от процесса привязки однотипных изображений, оптических к оптическим или радарных к радарным одного диапазона, выбор опорных точек по изображениям разного типа довольно затруднителен и средняя ошибка привязки оказалась на порядок выше обычного rms«10. Очевидно, что при картировании и инвентаризации больших по площади территорий необходимо дополнительно учитывать различие масштаба изображений, полученных из различных источников, а также произвести корректировку квартальной сетки лесных массивов с учетом спутниковой информации и привязкой к опорным геодезическим пунктам на поверхности Земли.
Для предварительного анализа на основе спутниковых данных были сформированы RGB-композиты. На основе мультиспектральных данных наибольшей наглядностью обладает RGB-изображение в естественных цветах: R - 2 канал (красный), G - 3 (ближний инфракрасный), B - 1 (зеленый). На основе радиолокационных - RGB-разложение Фримана. По цветовому оттенку можно отождествить преобладающий тип отражающей поверхности: участки почвенного покрова со слабой растительностью или без таковой, участки с сильно выраженной растительностью, водные объекты и т.д.[4-6].
Для отбора наиболее эффективных методов классификации мультиспек-тральных снимков применялись несколько критериев: сходимость процесса кластеризации, контроль совпадения границ лесных кварталов и выделов с гра-
ницами полученных кластеров, соответствие данным таксации отдельных лесных кварталов и панхроматическому снимку.
При классификации использовались от 2 до 30 итераций. Среди опробованных методов: метод неконтролируемой классификации ISODATA, контролируемые методы максимального правдоподобия и минимального расстояния, метод выделения основных компонент, метод спектрального угла на основе эталонных спектров и спектров тестовых участков, на основе вегетационных индексов и др. Наиболее эффективным для исследуемых территорий оказалось комбинирование неконтролируемых методов с привлечением элементов спектрального анализа.
Для составления карт породного состава лесных массивов по тестовым лесничествам был применен субпиксельный спектральный анализ. Метод линейного смешивания предполагает, что спектральный профиль каждого пикселя изображения формируется за счет суммирования вкладов нескольких объектов пропорционально своему присутствию на земной поверхности. Метод очень чувствителен к набору эталонных спектров отдельных компонент. Основной критерий при составлении такого комплекса малые значения ошибок rms. Как показали исследования по небольшим фрагментам, метод чувствителен к методу трансформации изображений. В результате были выделены и составлены карты распределения основных лесообразующих пород/компонентов для обоих тестовых лесничеств: сосны, лиственницы, дикорастущих и кустарников, лиственных (береза, осина и др.). Каждая порода или вид суммировались по спектру нескольких компонент: древесины, коры, листьев, шишок, игл. В случае густой растительности на оптических снимках проявляются особенности только поверхностного слоя лесного полога.
Радиоволны сантиметрового и дециметрового диапазона обладают большой проникающей способностью, благодаря которой можно изучать морфологию лесного полога (стволы, крупные и мелкие ветви и т.п.). При негустом лесном покрове (для лесов Бурятии средняя сомкнутость 0,6) радарный сигнал проникает вплоть до почвенного покрова. Исследование перспектив использования радарных данных показало, что большое количество поляриметрических характеристик могут служить маркерами лесной и безлесной среды, но большинство из них сильно коррелирует с рельефом местности и чувствительны к геометрии радиолокации.
В меньшей степени рельеф местности отражается на таких показателях как радарный вегетационный индекс, поляризационное отношение, отношение интенсивностей радарного отражения на поперечной и согласованной поляризации. Последние показатели зависят от количества рассеивателей среды или общей биомассы ^-диапазон) и фитомассы (С-диапазон). Следовательно, в определенной степени, они могут характеризовать распределение биомассы и фитомассы. Для получения более точных количественных биометрических показателей лесной среды необходимы фундаментальные исследования закономерностей процессов отражения и рассеяния радарных волн в сложных условиях гористой местности.
Осенью 2012 года были предприняты совместные экспедиции по Мухор-шибирскому и Куналейскому районам представителей лесничеств, Рослесин-форга и Института физического материаловедения СО РАН для проверки в полевых условиях результатов классификации спутниковых изображений. Подтверждена высокая точность классификации.
Исследования выполнены при поддержке НЦ ОМЗ ОАО РОСКОСМОС в рамках ОКР «Разработка средств верификации базовых продуктов ДЗЗ межведомственного использования на основе данных наземного наблюдения лесохозяйственного назначения».
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Арманд Н.А., Чимитдоржиев Т.Н., Ефременко В.В. [и др.]. О возможностях совместной обработки радиолокационных изображений L - диапазона и спектрозональных снимков оптического диапазона для классификации лесных массивов // Радиотехника и Электроника. - 1998. - Т. 43. - № 9. - С. 1070-1075.
2. Аэрокосмический мониторинг лесов/Ф.С.Исаев, В.И.Сухих, Н.Е.Калашников и др. М.Наука. - 1991.
3. Бондур В.Г., Чимитдоржиев Т.Н. Дистанционное зондирование растительности оптико-микроволновыми методами // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2008. - №6. - С.64-73.
4. Захаров А.И., Назаров Л.Е. Классификация типов лесов на основе анализа текстурных характеристик радиолокационных изображений РСА SIR-C // Исследование Земли из космоса. - 1998. - №2. - С 102-109.
5. Кирбижекова И.И., Батуева Е.В., Дарижапов Д.Д. H-A-a-классификация данных ALOS по дельте реки Селенга // Известия высших учебных заведений. Физика. - 2010.- Т. 53. - № 9-2. - С. 25-26.
6. Кирбижекова И.И., Дарижапов Д.Д. Анализ поляриметрических данных SIR-C/X по дельте реки Селенга // Научный вестник Московского государственного технического университета гражданской авиации. - 2008. - № 133. - С. 24-29.
7. Козлов А.Л., Логвинов А.И., Сарычев В.А. Радиолокационная поляриметрия. Поляризационная структура радиолокационных сигналов. - Радиотехника. - 2007. - 640 с.
8. Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: учебник. - Йошкар-ола: МарГТУ, 2005. - 392 с.
9. Радиолокационные методы исследования Земли/Под ред. Ю.А.Мельника. М.: Сов.радио, - 1985. - 262 c.
© И.И. Кирбижекова, Т.Н. Чимитдоржиев, А.М. Гармаев, М.А. Гусев, 2013
