CC BY
115
УДК 630.52:587/588 И.М. Данилин
Институт леса им. В.Н. Сукачева СО РАН, Красноярск Е.М. Медведев
Компания «Геокосмос», Москва А.И. Данилин, К.С. Коневина
Институт леса им. В.Н. Сукачева СО РАН, Красноярск
ЛАЗЕРНОЕ СКАНИРОВАНИЕ И ЦИФРОВАЯ АЭРОСЪЕМКА - НОВАЯ ПЕРСПЕКТИВА ЛЕСОЭКОЛОГИЧЕСКОГО МОНИТОРИНГА И ТАКСАЦИИ ЛЕСА
Авиационное лазерное сканирование и цифровая аэро- и космическая съемка являются составной частью новейших методов и технологий геоинформатики и цифровой фотограмметрии и находят сегодня применение во многих отраслях, а также в решении различных задач лесоэкологического мониторинга, разрабатываются во многих странах и по показателям точности и экономической эффективности превосходят другие, известные на сегодняшний день, дистанционные методы изучения и измерения параметров земной поверхности и лесного покрова.
Современные авиационные лазерные сканирующие системы интенсивно развиваются и имеют частоту сканирования до 100 тыс. импульсов (измерений) в секунду. Наибольшая плотность точек сканирования при этом составляет 1 точка на 5-7 см поверхности, а точность измерения геометрических параметров наземных объектов и морфоструктурных элементов лесной растительности в плановой и профильной проекциях составляют порядка +5-10 см. Точность спутникового позиционирования контуров линий и границ лесных массивов, лесотаксационных выделов, пробных площадей, отдельных деревьев и морфоструктурных элементов их стволов и крон, в том числе и в подпологовом пространстве, практически не ограничена и определяется только техническими характеристиками приемных устройств [2, 6].
В ряде работ, выполненных ранее в нашей стране и за рубежом, было показано, что точность оценки древесного запаса и биомассы леса (одних из наиболее важных показателей при мониторинге структуры и состояния лесного покрова), в том числе дистанционными методами, можно повысить до 3-5% с использованием морфологической классификации деревьев и взаимосвязей между таксационными и морфологическими признаками древостоев [1-3, 5, 7-9, 11].
Наши исследования, проведенные в подзоне сибирских среднетаежных лиственнично-елово-кедровых лесов, местами в сочетании с березняками и сфагновыми болотами в Южной Эвенкии и Туруханском районе Красноярского края (63°-64° с.ш., 89°-91° в.д.) показывают, что наиболее достоверно и точно, структура и фитомасса лесных насаждений определяются по характеристикам рядов распределения деревьев по основным морфометрическим признакам - диаметру и высоте стволов, вертикальной и горизонтальной протяженности крон, которые, в свою очередь, взаимосвязаны и тесно коррелированны во всех случаях [2].
Построение рядов распределения деревьев по морфометрическим показателям традиционно предполагает выполнение время- и трудоемких наземных измерений и перечетов (сплошных или выборочных), которые, во многих случаях, требуют значительных финансовых затрат. Вместе с тем, метод воздушного лазерного сканирования лесного покрова, интегрированный с цифровой аэро- и космической съемкой среднего, высокого и сверхвысокого (субметрового) разрешения, позволяет выполнять «подеревную» инструментально-измери-тельную таксацию на основе прецизионной спутниковой геодезии и детальной топографической съемки, изучать горизонтальную и вертикальную структуру лесов, реконструировать ряды распределений деревьев по любому морфоструктурному показателю, вычислять искомые таксационные показатели и лесную биомассу в автоматическом режиме с высокой точностью и эффективностью, на достаточно больших площадях и при минимуме затрат времени и средств.
Средствами пространственной и детальной визуализации изображения лесного покрова и основой для предварительного трассирования маршрутов авиационной лазерной и цифровой аэрофотосъемки и проведения измерений на наземных пробных площадях и полигонах, являются спутниковые изображения, полученные в системах Ресурс, Landsat, Ikonos и Quick Bird II, дешифрированных по основным параметрам и характеристикам лесной растительности (рис. 1, 2). Структура, объемные показатели стволов и фитомасса деревьев и древостоев определяются по лазерно-локационным данным («лазерным портретам»), интегрированным с цифровыми геотрансформированными ортофотоснимками и видеоизображениями, на основе цифровой модели местности (ЦММ) и поля распределения лесного полога, которые генерируются из исходных данных лазерной локации способом фильтрации импульсов сканера, отраженных от земной поверхности и лесной растительности, путем интерполяции точек земли, с последующей триангуляцией точек растительности в системе дифференциального спутникового позиционирования (GPS, ГЛОНАСС) (рис. 3, 4).
Рис. 1. Спутниковый снимок Ресурс МСУ-Э среднего (45 м) разрешения на район р. Бахта (63°-64° с.ш., 89°-91° в.д.), классифицированный по преобладающим типам лесного покрова методом максимального подобия
Рис. 2. Compaq iPAQ PocketPC для работы со спутниковыми изображениями Ikonos в лесу
Рис. 3. Цифровой True Color геотрансформированный аэрофотоснимок участка лазерного трансекта в Красноярском крае (координаты центра
фотографирования - 63°34Ч7.3" с.ш., 90°42'11.2" в.д.) с реальным геометрическим разрешением на местности 15 см выполненный системой
ADS40 Leica Geosystems
-JiJXJ
При обработке и анализе лазерно-локационных данных и цифровых снимков используются методы математической морфологии,
оперирующей понятиями теории множеств и нечетких множеств [2, 10].
Плановая цифровая аэросъемка и цифровая (лазерная) мод ель лесного полога позволяют получать детальные кяардината1 и морфоструктурные аарактеристики деревьев средствами трехмерной компьютерной графики и визуализации с использованием программных продуктов Altexis 2.0, ArcView Spatial & 3D Analyst, или другими, известными на сегодняшний день средствами (рис. 5).
Следует отметить, что методы построения ЦММ лесных территорий и определения по ним лесотаксационныа показателей на сегодняшний день не унифицированы, различны у разных авторов и отличаются существенным разнообразием подходов, используемого программно-математического аппарата и эффективностью решений [2, 8, 9].
Результаты наших исследований показали, что морфометрические, объемные и весовые характеристики деревьев и древостоев тесно коррелированны между собой. При этом объемные и весовые показатели деревьев с достаточно высокой точностью аппроксимируются аллометрическими функциями через их морфоструктурные признаки -
щт»
Рис. 5. Трехмерная цифровая реконструкция структуры древостоя по лазерно-локационным данным
горизонтальную и вертикальную протяженность крон, диаметры стволов и высоту деревьев (рис. 6).
Рис. 6. Изменение фитомассы модельных деревьев лиственницы по фракциям в зависимости от диаметра ствола (Южная Эвенкия)
При лазерном сканировании оценка запасов древесины и фитомассы леса, в каждом конкретном случае сводится к установлению базовых закономерностей изучаемого объекта и определению соотношений между объемами стволов, фитомассой и их высотой и диаметрами стволов и крон, которые, в свою очередь, составляют 87-99% объясненной изменчивости различных фракций фитомассы (стволов деревьев, скелета крон и хвои).
Результаты практической апробации метода авиационного лазерного сканирования в сочетании с цифровой аэро- и космической съемкой высокого и сверхвысокого разрешения, спутниковой навигацией и геопозиционированием, интегрированных в геоинформационных системах, свидетельствуют о высокой перспективности его использования для целей анализа и моделирования структуры лесного покрова, лесоинвентаризации и оперативного экологического мониторинга бореальной зоны. Метод позволяет проводить дистанционную таксацию лесов с высокой эффективностью, при минимуме наземных работ и значительной экономии времени и финансовых средств.
Экономическая эффективность метода обеспечивается принципиальным повышением точности результатов измерений и возможности их повторимости (проверки), а также значительным снижением трудоемкости и сложности выполнения работ (как полевых, так и камеральных дешифровочных) за счет высокого уровня автоматизации обработки данных, получаемых при лазерной съемке. Объем полевых работ при этом значительно сокращается и необходим лишь для калибровки результатов
лазерного сканирования и поддержки интер-активного дешифрирования (табл.).
Таблица. Экономическая эффективность метода лазерной таксации леса по укрупненным показателям (в расчете на 100 тыс. га, III разряд
лесоустройства)
Традиционные технологии Лазерная таксация
Виды работ Стоимость, тыс. руб.
Наземное лесоустро йство Наземная таксация с камеральным дешифрирование м аэрофотоснимков Виды работ Стоимост ь, тыс. руб.
Аналоговая аэрофотосъемка М 1:25000, с печатью аэрофотоснимков 450 150 Лазерная, цифровая аэро- и видеосъемка с обработкой и представлением данных 1500
Подготовительные 352 352 Подготовительные 100
Полевые 3862 1800 Полевые 300
Камеральные 150 150 Камеральные 100
ИТОГО: 4814 2452 ИТОГО: 2000
В переводе на 1 га, руб. 48.1 24.5 В переводе на 1 га, руб. 20
Превышение стоимости по сравнению с лазерной таксацией, в переводе на 1 га, руб. +28.1 +4.5 0
Лесная таксация, таким образом, из рутинной и трудоемкой операции превращается в высокотехнологичный и творческий процесс и становится количественной основой для лесоэкологического мониторинга.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Верхунов П.М. Изменчивость и взаимосвязи таксационных показателей в разновозрастных сосняках. Новосибирск: Изд-во Наука, Сиб. отд-ние, 1975. 206 с.
2. Данилин И.М. Морфологическая структура, продуктивность и дистанционные методы таксации древостоев Сибири: Автореф. дис. докт. с.-х. наук: 06.03.02. Красноярск: Ин-т леса им. В.Н. Сукачева СО РАН, 2003. 35 с.
3. Данилин И.М. Структура и биопродуктивность фитоценоза БвМа р1а1урку11а Sucacz. на южном пределе бореальных лесов Евразии. География и природные ресурсы, 1992, 3. С. 132-136.
4. Данилин И.М., Сведа Т. Лазерное профилирование лесного полога. Лесоведение, 2001, 6. С. 64-69.
5. Каплунов В.Я. Сопряженность распределений деревьев по поперечнику крон и диаметру стволов. Лесоведение, 2001, 3. С. 63-69.
6. Медведев Е.М., Григорьев А.В. С лазерным сканированием на вечные времена. Геопрофи, 2003, 1. С. 5-10.
7. Holmgren J., Nilsson M., Olsson H. Estimation of tree height and stem volume on plots using airborne laser scanning. For. Sci., 2003, 49(3): 419-428.
8. Kraus K., Pfeifer N. Advanced DTM generation from lidar data. Int. Arch. Photogram. Rem. Sens., 2001,Vol. XXXIV-3/W4, pp. 23-30.
9. Maltamo M., Tokola T., Lehikoinen M. Estimating stand characteristics by combining single tree pattern recognition of digital video imagery and a theoretical diameter distribution model. For. Sci., 2003, 49 (1): 98-109.
10. Matheron G. Filters and lattices. Image Analysis and Mathematical Morphology, Vol. 2 / J. Serra ed., Theor. Adv., Chpt. 6., Acad. Press, Inc., 1988.
11. Means J.E., Acker S.A., Fitt B.J. et al. Predicting forest stand characteristics with airborne scanning lidar. Photogram. Eng. & Rem. Sens., 2000, 66 (11): 1367-1371.
12. White J.D., Running S.W., Nemani R. et al. Measurement and remote sensing of LAI in Rocky Mountain montane ecosystems. Can. J. For. Res., 1997, 27 (11): 1714-1727.
©И.М. Данилин, Е.М. Медведев, А.И. Данилин, К.С. Коневина, 2005
