CC BY
53
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
МЕТОД АМПЛИТУДНОЙ СЕЛЕКЦИИ СПЕКТРАЛЬНЫХ МАКСИМУМОВ ПРИ ОПРЕДЕЛЕНИИ ПОРОДНОГО СОСТАВА ЛЕСОВ
Ю.С. ГАЛКИН, проф. каф. физики МГУЛ, д-р техн. наук,
В.С. ШАЛАЕВ, проф. МГУЛ, д-р техн. наук, Ю.П. БАТЫРЕВ, доц. каф. физики МГУЛ, канд. В.Н. ПОТАПОВ, асп. каф. физики МГУЛ,
Ч.Д. ЭСЕНАЛИЕВ, асп. каф. физики МГУЛ
Государственная инвентаризация лесов является важнейшим элементом лесоучетных работ в Российской Федерации. Данные такого учета используются при организации и ведении работ на лесных участках, при переводе земель лесного фонда в земли других категорий, при регистрации прав на лесные
техн. наук,
galkin@mgul.ac.ru участки. Во всех указанных случаях потребители информации требуют предоставления объективных и самых последних данных об объектах лесного фонда, тогда как лесоустройство в лесах РФ ранее проводилось с интервалом 10-20 лет. В сложившейся ситуации достаточно эффективным способом обновле-
Рис. 1. а) Исходный снимок в реальных цветах (QuickBird), б) Normalized Difference Vegetation Index NDVI=(NIR-R)/(NIR+R), в) Simple Ratio Index
Рис. 2. Обработанный спутниковый снимок с выделами: 90 % сосны, 10 % ели и 70 % сосны, 30 % ели
ЛЕСНОЙ ВЕСТНИК 7/2011
83
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИЙ ЛЕСА
Рис. 3. Обработанный мультиспектральный снимок с наложением наземных данных
в)
Рис. 4. Результаты обработки спутникового снимка GeoEye: а) зеленым цветом раскрашен ясень (70 %), синим - остальные (7Я ЗИЛ); б) зеленым цветом - ясень, синим - остальные (7Я ЗИЛ); в) зеленым цветом- ясень (30 %), синим - остальные (ЗИЛ ЗЯ 1К 1П 1Е 1ОЛХ)
84
ЛЕСНОЙ ВЕСТНИК 7/2011
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
ния данных о состоянии лесов является космическая съемка.
Экономический эффект применения космоснимков в управлении лесным хозяйством обеспечивается за счет исключения полевых рекогносцировочных объездов территории, сокращения объемов полевых работ и числа обследуемых объектов, а также за счет ускорения картографических работ. Использование космических снимков высокого разрешения позволяет снизить затраты денежных средств более чем в 1,5-2 раза по сравнению с аналогичными работами, проводимыми исключительно наземными методами.
Решаемые задачи для лесного хозяйства посредством космической съемки:
- картографирование лесного фонда;
- оперативный мониторинг появления новых вырубок и гарей;
- выявление негативных процессов: влияние вредителей и болезней, процессы иссушения и переувлажнения лесов;
- подразделение лесов на категории по возрасту, степени спелости, биологической продуктивности;
- определение породного состава лесов.
Для решения последней задачи в мировой практике применяются различные методики для программного выявления породного состава из космических снимков, в основном это классификации с обучением, такие как способ параллелепипеда, способ минимального расстояния, способ максимального правдоподобия, расстояние Махаланобиса и т.д. Протестировав и сравнив данные способы в лабораторных условиях, мы пришли к тому, что «расстояние Махаланобиса» точнее определяет породный состав по сравнению с другими способами. Однако полученные результаты имеют малую информативность и большую погрешность относительно существующих наземных данных.
Отличительным признаком растительности и ее состояния является спектральная отражательная способность, основанная на больших различиях в отражении излучения разных длин волн. Именно отражательная способность позволяет использовать кос-
мические снимки для идентификации типов растительности и их состояния.
Расчет большей части вегетационных индексов базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках кривой спектральной отражательной способности растений. На красную зону спектра (0,62-0,75 мкм) приходится максимум поглощения солнечной радиации хлорофиллом, а на ближнюю инфракрасную зону (0,75-1,3 мкм) - максимальное отражение энергии клеточной структурой листа. То есть высокая фотосинтетическая активность (связанная, как правило, с большой фитомассой растительности) ведет к более низким значениям коэффициентов отражения в красной зоне спектра и большим значениям в ближней инфракрасной. Как хорошо известно, отношение этих показателей друг к другу позволяет четко отделять растительность от прочих природных объектов, популярный и часто используемый вегетационный индекс - NDVI (Normalized Difference Vegetation index), который для растительности принимает положительные значения, и чем больше зеленая фитомасса, тем он выше. На значения индекса влияет также видовой состав растительности, ее сомкнутость, состояние, экспозиция и угол наклона поверхности, цвет почвы под разреженной растительностью. Главным преимуществом вегетационных индексов является легкость их получения и широкий диапазон решаемых с их помощью задач. Так, NDVI часто используется как один из инструментов при проведении более сложных типов анализа, результатом которых могут являться карты продуктивности лесов и сельскохозяйственных земель, карты ландшафтов и природных зон, почвенные, аридные, фитогидрологические, фенологические и другие экологоклиматические карты.
Наш подход по выявлению породного состава основывается на разделении пикселей мультиспектрального снимка на растительные и на нерастительные с использованием индексов вегетации NDVI, Simple Ratio Index и применением математических преобразований для спектральных каналов.
ЛЕСНОЙ ВЕСТНИК 7/2011
85
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Как видно на рисунке, полученном после применения индекса NDVI (рис. 1 б), серым цветом выделена растительность, черным - невегетирующая поверхность (река, дороги, крыши домов и тени деревьев). Снимок, полученный путем другого способа индексации (рис. 1 в).
Далее из полученного панхроматического снимка, путем акцентирования внимания на определенных участках спектра, были получены пиксели, принадлежащие отдельной единице дерева определенной породы. Для этого раскрасили каждую градацию серого определенным цветом: зеленым раскрашены области с сосновыми насаждениями (хорошо совпадают с паспортом леса), красным - трава, береза, ель, саженцы, желтым - трава, поля (рис. 2).
На рис. 3 представлен результат работы - снимок с четко выраженным отделением одной породы от всех остальных. Обозначения: зеленым цветом выделена ель; фиолетовым - остальная растительность; белым - дороги, поля; черным - река, дома; наземные данные - выделы наложены на снимок и очерчены белым контуром. Границы выделов не везде совпадают с границами настоящего лесного покрова, т.к. наземные данные имеют 10- летнюю давность.
Результаты обработки мультиспектрального снимка GeoEye представлены на рис. 4.
Методика позволяет с наименьшей погрешностью отсечь несоответствующие пиксели при выделении определенной породы. Получение детальной информации о расположении и породе каждого дерева на космическом изображении высокого разрешения позволит облегчить инвентаризацию лесных массивов.
Для решения задачи по определению породного состава леса необходимы спутниковые снимки высокого разрешения, что позволит с наибольшей точностью разделить по породам лесной массив. Минимальные погрешности разделения по породам будут со снимков с пространственным разрешением менее 5 м.
Библиографический список
1. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: учебник / В.И. Сухих. - Йошкар-Ола: МарГТУ, 2005. - 392 с.
2. Сухих, В.И. Оценка информативности космических фотоснимков высокого разрешения для инвентаризации лесов / В.И. Сухих, В.М. Жирин, Т.А. Зиемелис и др. // Исследование Земли из космоса. - 1996. - № 2.
3. Галкин, Ю.С. Определение по космическим снимкам биометрических и продукционных характеристик растительности / Ю.С. Галкин, В.С. Шалаев, Ю.П. Батырев и др. // Вестник МГУЛ - Лесной вестник. - 2009. - № 6. - С. 20-24.
4. http: //www.sovzond.ru
5. http: //www.scanex.ru
86
ЛЕСНОЙ ВЕСТНИК 7/2011
