CC BY
44
УДК 528.8:004
ВВ. ГНАТУШЕНКО
Дншровський нащональний ушверситет iMeHi Олеся Гончара
О.О. КАВАЦ, Вк.В. ГНАТУШЕНКО, Ю.О. К1БУКЕВИЧ, Ю.В. КАВАЦ
Нацiональна металургiйна академiя Украши
КОМП'ЮТЕРНИЙ АНАЛ1З РАДАРНИХ ЗОБРАЖЕНЬ ВИСОКО1 РОЗД1ЛЬНО1 ЗДАТНОСТ1 З МЕТОЮ МОН1ТОРИНГУ Л1СОВИХ НАСАДЖЕНЬ
Роботу присвячено практичному застосуванню супутникових радарних зображень високо'1 роздшьног здатностi з метою монторингу лгсових насаджень на територИ Закарпатсько'1 областг в УкраШ. Основна цшь до^дження полягае у визначент потенщалу супутникових радюлокацшних даних, зокрема Sentinel-1, для виявлення вирубки лiсiв та оцтки стану лiсових насаджень. Отримано юльюсну характеристику рослинностi за допомогою розрахунку тдексу NDVI. Мотторинг проводився на р1зночасових зображеннях, отриманих у травнi 2015 року та у квiтнi 2016 року вiдповiдно.
Ключовi слова: збезлiсення, розп1знавання, радiолокацiйнi данi, NDVI, Sentinel-1.
В.В. ГНАТУШЕНКО
Днепровский национальный университет имени Олеся Гончара
А.А. КАВАЦ, Вик.В. ГНАТУШЕНКО, Ю.О. КИБУКЕВИЧ, Ю.В. КАВАЦ
Национальная металлургическая академия Украины
КОМПЬЮТЕРНЫЙ АНАЛИЗ РАДАРНЫХ ИЗОБРАЖЕНИЙ ВЫСОКОГО РАЗРЕШЕНИЯ С ЦЕЛЬЮ МОНИТОРИНГА ЛЕСНЫХ НАСАЖДЕНИЙ
Работа посвящена практическому применению спутниковых радарных изображений высокого разрешения с целью мониторинга лесных насаждений на территории Закарпатской области Украины. Основная цель исследования состоит в определении потенциала спутниковых радиолокационных данных, в частности Sentinel-1, для выявления вырубки лесов и оценки состояния лесных насаждений. Получено количественную характеристику растительности с помощью расчета индекса NDVI. Мониторинг проводился на разновременных изображениях, полученных в мае 2015 года и в апреле 2016 соответственно.
Ключевые слова: вырубка лесов, распознавание, радиолокационные данные, NDVI, Sentinel-1.
V. HNATUSHENKO
Oles Honchar Dnepro National University
O. KAVATS, VIK. HNATUSHENKO, J. KIBUKEVYCH, Y. KAVATS
National Metallurgical Academy of Ukraine
COMPUTER ANALYSIS OF RADAR HIGH RESOLUTION IMAGES FOR FOREST LANDING
MONITORING
Satellite observing systems are the main tool for providing information and solving problems such as agricultural control and monitoring of deforestation or tree health. Due to the satellite data we can quickly extract the necessary information about the state of large and hard-to-reach forest plantations, which is necessary for the recognition and implementation of environmental protection policy. After analysis of recent studies, it was concluded that because of difficult weather conditions, such as clouds, fogs, some optical satellite images may be covered by clouds or shadows. This reduces the information content of the data and makes it impossible to recognize the earth's surface. This paper considers the practical application of high-resolution satellite radar images from Santinel-1 for monitoring deforestation areas in the Zakarpattya region of Ukraine. The resistance to weather conditions and the ability to conduct observations in the dark are the main advantages of radar satellites. The main objective of the study is determining the potential of satellite radar data for the detection of deforestation and assessment of forest stand. The monitoring was carried out on radar images obtained in May 2015 and in April 2016, respectively. The areas of deforestation plantations were calculated for multi-temporal images. Due to the research in [2], it was decided to analyze the areas in the spring and summer shooting period and use radar images with double polarization VV+VH. Pseudocolor composite RGB-images and deforestation masks were formed for visual assessment. Visual analysis of optical satellite images Landsat-8 allowed us to conclude that in 2014 identified areas of forest were completely covered with vegetation. Quantitative characteristics of vegetation were obtained by calculating the NDVI index. The NDVI looks for a reduction in interannual signals to determine forest loss or growth and is a reliable indicator of vegetation cover.
The studies have shown that satellite radar images provide an opportunity to qualitatively determine the deforestation areas and to estimate the state of vegetation using a
Keywords: deforestation, recognition, radar data, NDVI, Sentinel-1.
Постановка проблеми
Поверхня Земл^ що мютить лiсовi дшянки, займае понад 30% суходолу та виконуе Ba^mi водоохоронш, захисш, саштарно-ппешчш, оздоровчi та iншi функци. Лiси пом'якшують клiмaтичнi змiни в навколишньому середовищ^ забезпечують домiвкою багатьох тварин та рослин, надають продукти харчування, лiки та засоби iснувaння для людства по всьому свiту. Сьогоднi суцшьна та безсистемна вирубка i недосконале ведения люогосподарсько! дiяльностi погiршуе стан лгав. Внаслвдок цього виникають рiзнi екологiчнi проблеми, наприклад:
- тдвищення ризику виникнення повеней та паводшв;
- сходження снiгових лавин i селiв;
- погiршення якостi грунпв та !х родючостi;
- загибель цшних природних екосистем.
Супутниковi системи спостереження е основним iнструментом для забезпечення шформацп в режимi реального часу. Дедaлi бiльше визнаються !х можливостi у вирiшеннi ряду таких проблем як контроль ведення альського господарства, монiторинг вирубування лiсiв та стану дерев, виявлення сaмозaхвaтiв земель та незаконного будiвництвa, iнвентaризaцiя дорожньо-транспортно! iнфрaструктури, контроль змiн берегових лшш водних об'ектiв, монiторинг повеней та паводшв та ш. Практично, виявлення та мониторинг стану лiсiв здшснюеться системами дистaнцiйного зондування майже щодня. Отримaнi дaнi дозволяють оперативно вилучати необхвдну iнформaцiю про стан великих i важкодоступних лiсових насаджень, що е необхвдним для визначення та проведення полiтики захисту навколишнього середовища [1].
Сучaснi системи дистaнцiйного зондування подшяються на пaсивнi (використовують енергш сонця) та aктивнi (використовують свою власну енергiю). До пасивних ввдносять бaгaтоспектрaльнi оптично-мехaнiчнi системи, як1 е основним джерелом даних при виршенш задач монiторингу поверхнi Землi. Слад зазначити, що оптичш зображення мають один вагомий недолiк. Внаслвдок складних погодних умов, таких як щшьна хмaрнiсть, тумани та iн., частина зображення може бути вкрита хмарами або пнями, що в свою чергу зменшуе iнформaтивнiсть даних та унеможливлюе як1сне розпiзнaвaиня земно! поверхш. До активних систем ДЗЗ вщносять супутники с радарними сенсорами. Перевагами радарно! зйомки е стiйкiсть до погодних умов та можливють проводити спостереження в темний час доби. У зв'язку з цим, радарш зображення можуть бути ефективним шструментом виявлення несaикцiоновaиих вирубок лiсiв та ведення лкогосподарства.
Аналiз останшх дослщжень i публiкацiй
Протягом остaннiх двох десятилпъ оперативний монiторинг земно! поверхш здшснюеться за допомогою оптичних зображень надвисоко! роздiльно! здaтностi, отриманих зi супутникiв LANDSAT, WorldView або IKONOS. У роботах [1-3] розглянуто супутниковi спостереження за змiнaми л1сових насаджень протягом часових штервал1в у 5-10 рошв. Але незважаючи на це, показники стану лiсiв суттево змiнюються з року в рiк. Отже, зображення, отриманш в обмежених часових штервалах (особливо в перiод змши лiсових насаджень та !х вщновлення), не вiдобрaжaють прaвдоподiбну динaмiку. У робот [4] проведено aнaлiз ефективносп спостереження за допомогою оптичного супутника LANDSAT. Супутник LANDSAT надае найбшьш послiдовнi записи сцен поверхнi суш^ що дае можливiсть провести детальний монiторинг багатьох видiв змiн земельно! поверхш. Наступш дослвдження якостi таких зображень показали, що за двотижневий перюд зйомки принaймнi 80% сцен вкрип густими хмарами та !х тiнями. Отже, викиди вуглекислого газу ввд вирубки лiсiв, щiльнa хмаршсть та тiнi е обмеженням для дослщження змiни лiсових територiй з використанням оптичних супутникових систем. Ввдносно недавно Свропейська космiчнa aгенцiя (European Space Agancy, ESA) вивела на орбпу супутник Sentinel-1, як складаеться з двох супутник1в Sentinel-1A та Sentinel-1B, на борту яких встановлена радюлокацшна апаратура з синтезованою апертурою C-SAR, що веде космiчну зйомку цiлодобово та за будь-яких погодних умов. Перший супутник Sentinel-1A був запущений 3 кытня 2014 року, a Sentinel-1B - 25 кытня 2016 року. Зйомка виконуеться в С^апазош, довжиною хвилi 6 см та з подвшною поляризaцiею (на вибiр HH+HV або VV+VH). Перiодичнiсть отримання зображень складае вiд 5 до 15 дiб.
Сучaснi методи дослiдження збезлiсених територш iз використанням супутникових даних в основному формуються на виявленнi структурних змiн спектральних характеристик [5-7], таких як вегетацшний iндекс NDVI. Як правило, NDVI в1дшукуе зниження мiжрiчних сигнал1в з метою визначення втрати або збiльшення росту лiсiв та е надшним iндикaтором рослинного покриву. З шшого боку, нaвiть максимально низьке значення NDVI не е показником втрати лгав, оскшьки iншi змiни рослинностi (наприклад, сiвозмiнa), можуть призвести до аналопчних змiн. Бшьш того, вегетaцiйнi показники часто чутливi до клiмaтичних змiн, що ускладнюе досл1дження [8].
Мета дослщження
Метою дослвдження е виявлення можливостей супутникових радарних зображень 3i супутника Sentinel-1 для та оцiнки стану люових насаджень.
Викладення основного матер1алу досл1дження У роботi пропонуеться метод дешифрування вирубки лiсових насаджень за радарними знiмками супутника Sentinel-1 для люогосподарства Укра!ни територи Закарпатсько! области Перiод спостереження -серiя рiзночасових зображень - травень 2015 року та квггень 2016 року. На пiдставi проведених дослвджень у робот [9], було вирiшено проводити аналiз збезлiсених територiй у весняно-лiтнiй перюд зйомки та використовувати радiолокацiйнi зшмки з подвiйною поляризацiею VV+VH. Для подальшого дослiдження отриманi зображення пройшли попередню обробку, загальна схема етатв яко! наведена на рис. 1.
Рис. 1. Етапи попередньоК обробки зшмкш
Для зручностi вiзуальноl оцшки зображення були сформованi псевдокольоровi RGB-композити. Зображення в поляризацп VV ввдповщае червоному каналу, зеленому каналу - зображення в поляризацп VH, синьому каналу - "частка ввд дшення" зображень в поляризацп VV та VH. Для обробки радарних зтммв було використано програмне забезпечення SNAP з панеллю Sentinel-Toolbox, спецiально розроблено! для обробки даних зi супутниюв серil Sentinel. Результат етапiв обробки наведено на рис. 2.
Рис. 2. Композитне RGB зображення: а) дата зйомки — травень 2015 року; б) дата зйомки — кштень 2016 року Для визначення областей вирубки лгав застосовано порп (threshold) для зворотного розсшвання VH. Результат наведено на рис. 3.
а) б)
Рис. 3. Використання маски вирубки л1с1в: а) стан територй у травт 2015 року; б) стан територй у к-виш 2016 року
Проведено розрахунок площi вирубки лсових насаджень за рiзночaсовими зображеннями. На зображеннях були дешифровaиi зaгaльнi птсщ вирубки тав, як1 стаиовлять 2.44 га у травт 2015 року та 5.87 га у квит 2016 року вщповщно (рис. 3). Загалом юльюсть длянок у 2015 рот, на яких втрачено рослиннсть, стаиовить 253. У 2016 рощ ця кшькють зросла вдвiчi i стаиовить 427. Вiзуaльнa експертиза оптичних супутникових зображень Landsat-8 дозволила зробити висновок, що у 2014 рощ визначеи дiлянки л1су були повтстю покрип рослиннiстю. Крш вiзуaльноl експертизи було розраховаио нормал1зоваиий щдекс вегетаци (NDVI) за радарними даиими на основi порогу чутливостi (threshold). У весняно-осшнш перiод лiсовi насаджения мають нaйбiльше значения NDVI. На вщмшу вiд оптичного NDVI, радарний NDVI заснований на просторовому вiдношеннi поляризацшних режимiв:
Radar NDVI= VV-VH/VV+VH, (1)
де VV - подвiйнa вертикальна поляризащя, VH - перехресна вертикально-горизонтальна поляризащя. На рис. 4 наведено грaфiчний результат розрахунку значень радарного NDVI.
а) б)
Рис. 4. Карта NDVI частини лкогосподарства у Закарпатськ1й обласп УкраКни, червень 2016 року: а) загальна сцена; б) масштабована Длянка л1сових насаджень
Для воображения iндексу NDVI використовуеться стандартизована безперервна градiентна шкала, яка показуе значения в дiапазонi ввд -1 до 1. Природш об'екти або мюьш забудови, автошляхи, що не пов'язаш з рослиннiстю, мають фiксоваиi значення, що дозволяе безпомилково !х щентиф^вати. В свою чергу, рослиннiсть не може приймати значення NDVI менше 0. Позначцi ввд 0,4 до 0,6 вщповвдають територи з розрядженою рослиннiстю, ввд 0,6 до 1 - обласп з густою рослиннiстю. Територи, що е наслщком вирубки лгав або втрати лiсових насаджень, мають значення ввд 0,1 до 0,2.
Висновки
У робот проведено комп'ютерний аналiз радарних зображень високо1 роздшьно1 здатносп з метою монiторингу стану люових насаджень. Проведенi дослiджения показали, що супутниковi радiолокацiйнi знiмки дають можливють як1сно визначати областi вирубки люових насаджень та ощнювати стан рослинносп iз застосуваниям нормалiзованого вегетацiйного iндексу. Порiвияния серiй рiзночасових знiмкiв дають можливють проводити оперативний монiторинг у важко доступнiй мiсцевостi. З шшо1 сторони, у ходi роботи було виявлено такий недолiк радарних зображень як зашумленють даних, що потребуе додаткових дослiджень, якi будуть розглянути у наступних роботах.
Список використаноТ л1тератури:
1. Hnatushenko V.V. Satellite monitoring of deforestation as a result of mining / V.V. Hnatushenko, D.K. Mozgovyi, V.V. Vasyliev // Scientific bulletin of National Mining University. - State Higher Educational Institution "National Mining University", Dnipro, 2017. № 5, 2017. С. 94-99.
2. Mayaux, P.; Pekel, J.F.; Desclee, B.; Donnay, F.; Lupi, A.; Achard, F.; Clerici, M.; Bodart, C.; Brink, A.; Nasi, R.; et al. State and evolution of the african rainforests between 1990 and 2010. Philos. Trans. R. Soc. Lond. B Biol. Sci. 2013, doi:10.1098/rstb.2012.0300.
3. Hansen, M.C.; Stehman, S.V.; Potapov, P.V. Quantification of global gross forest cover loss. Proc. Natl. Acad. Sci. USA 2010, 107, 8650-8655.
4. Jin, S.; Sader, S.A. Comparison of time series tasseled cap wetness and the normalized difference moisture index in detecting forest disturbances. Remote Sens. Environ. 2005, 94, 364-372.
5. Kennedy, R.E.; Yang, Z.; Cohen, W.B. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. Landtrendr—Temporal segmentation algorithms. Remote Sens. Environ. 2010, 114, 2897-2910.
6. Kennedy, R.E.; Yang, Z.; Cohen, W.B. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. Landtrendr—Temporal segmentation algorithms. Remote Sens. Environ. 2010, 114, 2897-2910.
7. Kennedy, R.E.; Cohen, W.B.; Schroeder, T.A. Trajectory-based change detection for automated characterization of forest disturbance dynamics. Remote Sens. Environ. 2007, 110, 370-386.
8. Zhu, Z.; Woodcock, C.E.; Olofsson, P. Continuous monitoring of forest disturbance using all available Landsat imagery. Remote Sens. Environ. 2012, 122, 75-91.
9. Kleynhans, W.; Olivier, J.C.; Wessels, K.J.; Salmon, B.P.; van den Bergh, F.; Steenkamp, K. Detecting land cover change using an extended kalman filter on MODIS NDVI time-series data. IEEE Geosci. Remote Sens. Lett. 2011, 8, 507-511.
10. AgriSAR 2009. Technical Assistance for theImplementation of the AgriSAR 2009 Campaign /Final Report. Vol. 1 Executive Summary,Data Acquisition, Data Simulation / AgriSARTeam. - MDA Systems Ltd., 2011. -590 p.
