CC BY
74
УДК 630*11/182+681*3
М.А. Корец, В.А. Рыжкова, И.В. Данилова
Институт леса им. В.Н. Сукачева СО РАН, Красноярск
МЕТОДИКА АВТОМАТИЗИРОВАННОГО КАРТОГРАФИРОВАНИЯ ВОССТАНОВИТЕЛЬНОЙ ДИНАМИКИ РАСТИТЕЛЬНОСТИ НА ОСНОВЕ СОПРЯЖЕННОГО АНАЛИЗА ДАННЫХ СПУТНИКОВОЙ СЪЕМКИ И ЦИФРОВОЙ МОДЕЛИ РЕЛЬЕФА МЕСТНОСТИ
M.A. Korets, V.A. Ryzhkova, I.V. Danilova V.N. Sukachev Institute of Forest SB RAS (SIF)
Akademgorodok 50/28, Krasnoyarsk, 660036, Russian Federation
A GIS-AIDED METHODOLOGY FOR MAPPING VEGETATION REGENERATION DYNAMICS BASED ON A DIGITAL ELEVATION MODELAND SATELLITE IMAGERY SPATIAL ANALYSIS
This report addresses a GIS-aided method of forest vegetation dynamics mapping based on a combined analysis of multi-band optical satellite data, a digital elevation model (DEM), and ground data. An unsupervised classification procedure applied to remote sensing (RS) scenes and DEM-composite (elevation, slope and curvature) images is used to map forest vegetation dynamics and growth conditions in combination with spatial intersection and generalization approaches. Based on the methodology described, Landsat 7 ETM+ satellite imagery, SRTM 90m DEM, and field data were processed for the Lower Angara test site. The resulting map includes two polygonal vector layers: one is forest regeneration stages and the other is forest vegetation succession series in a range of site conditions.
Оценка и сохранение устойчивости лесных экосистем в условиях возрастающего антропогенного влияния на окружающую среду представляет одну из важнейших задач лесной науки. За последние пятьдесят лет бореальные леса Сибири претерпели существенную трансформацию, связанную как с прямым хозяйственным использованием лесов, так и с воздействием на них рубок, пожаров, энтомовредителей, промышленных эмиссий и стихийных бедствий. В результате происходит глубокое нарушение природного равновесия лесных экосистем, изменение их биоразнообразия и экологических функций.
Целью наших исследований является разработка на основе ГИС-технологий автоматизированных подходов к инвентаризации, картографированию и оценке современного состояния и восстановительной динамики лесных экосистем для разработки системы их мониторинга при различных антропогенных воздействиях.
На примере тестового участка в Приангарье в рамках ГИС «Леса Средней Сибири» [1] разработана и апробирована методика автоматизированного формирования карты восстановительной динамики растительности на основе сопряженного анализа данных космической мультиспектральной съемки (Landsat ETM+), цифровой модели рельефа местности и материалов наземных исследований.
Для систематизации разнообразия растительности района исследований был использован генетический подход Б.П. Колесникова [2], т. е. разнообразие насаждений систематизировалось не по изменчивым внешним признакам (например, видовой состав), а по сходству условий местопроизрастания, происхождению и направленности развития лесных сообществ. Этот подход особенно актуален для лесов Приангарья в связи с их сильной нарушенностью пожарами и рубками и преобладанием в качестве современной растительности различных стадий ее восстановления.
Предложенная методика построения карты восстановительной динамики растительности включает следующие этапы (рис. 1):
1. Подготовка исходных данных (изображений ДЗ и ЦМР);
2. Расчет дополнительных признаков ЦМР (формирование ЦМР-композита);
3. Неуправляемая классификация изображений ДЗ и ЦМР-композита;
4. Анализ и идентификация первичных информационных классов;
5. Выборочная генерализация или детализация информационных классов;
6. Формирование растровых карт растительности и условий местопроизрастания;
7. Перевод полученных растровых карт в векторную форму, их геометрическое пересечение и генерализация;
8. Анализ комбинаций геометрически пересеченных классов и формирование классов карты восстановительной динамики растительности.
Этап подготовки исходных данных включает подбор и предварительный анализ качества спутниковых изображений (ЬапёБа! ТМ/ЕТМ) на исследуемую территорию. На этом этапе формируются композитные ЯОБ-изображения и подбираются оптимальные схемы контрастирования для визуального анализа спутниковых сцен. Для изображений ЬапёБа! ТМ/ЕТМ+ можно использовать Я-О-Б - комбинацию из каналов 5-4-3, удобную для визуального анализа растительности. При необходимости на этом этапе формируются маски облачности и мозаика из соседних сцен с близкими датами съемки. Для Центральной Сибири даты изображений подбираются из периода максимальной вегетации: 15 июня - 20 августа.
Для выбранной территории формируется растровый слой абсолютных высот на основе уже существующих цифровых моделей (например, БКГМ 90) или путем интерполяции по изолиниям высот, сети высотных отметок, полученных с топокарт.
При необходимости также выполняется геореференцирование (привязка) спутниковых изображений к топографической основе или к растровой базовой мозаике уже имеющихся ортотрансформированных изображений космосъемки (мозаика ЬапёБа! ЕТМ+, http://glcf.umiacs.umd.edu/data/mosaic/).
Расчет дополнительных признаков ЦМР включает в себя формирование растровых слоев величины уклона (5) и кривизны (C) [3] поверхности на базе слоя абсолютных высот (Н). Для упрощения последующей обработки
величины Н, 5 и С приводятся к интервалу значений 0-255 и объединяются в трехслойное растровое изображение (ЦМР-композит). Отображение ЦМР-композита в цветовом пространстве ЯОБ позволяет также наглядно представить и визуально проанализировать орографическую структуру территории.
Неуправляемая классификация (кластеризация) подготовленных изображений - мультиспектральной спутниковой съемки и ЦМР-композита -
выполняется с использованием метода ТБООЛТЛ [4] отдельно для каждого из двух наборов данных. Учитывая особенности этого метода, количество желаемых информационных классов задается заведомо большим, чем предполагается получить в итоге. В нашем случае при выделении элементарных классов расчленения земной поверхности на изображении Landsat ЕТМ+ изначально задавалось 30 классов, а для классификации ЦМР-композита - 10 классов.
Метод управляемой классификации в данном случае не используется из-за трудоемкости получения адекватного выбора множества эталонных (обучающих) сигнатур.
Анализ и идентификация полученных после автоматизированной обработки первичных классов выполняются экспертным путем с использованием композитных изображений ДЗ и ЦМР, лесоинвентаризационных и полевых данных и прочих доступных тематических карт.
Избыточность исходного количества информационных классов, подразумевает объединение некоторых из них в новые классы. В то же время иногда возникают ситуации, когда внутри определенных классов необходимо выделить подклассы. В этом случае выполняется повторная кластеризация, но только для заданных участков изображения, определяемых классами, нуждающимися в детализации.
Процедуры классификации и идентификации выполняются отдельно для изображений ДЗ и ЦМР. В результате формируются растровые слои элементарных классов расчленения земной поверхности.
Элементарные классы расчленения земной поверхности, полученные по данным ДЗ, были идентифицированы как стадии восстановления растительности: спелые и перестойные хвойные насаждения; приспевающие хвойные насаждения; смешанные хвойно-лиственные насаждения; лиственные насаждения (молодняки); начальные стадии восстановления гарей и вырубок. Безлесные территории были выделены в отдельные классы. При анализе растрового слоя, полученного по данным ЦМР, были идентифицированы элементы ландшафтной структуры исследуемой территории: плакоры, склоны различной крутизны, долины и поймы рек.
Для реализации принципов генетического подхода необходимо выполнить геометрическое пересечение вышеперечисленных карт и сформировать новые комбинированные классы. Эту операцию технологически проще осуществлять с векторными картами. Поэтому растровые карты переводятся в полигональные векторные слои, для которых затем выполняется операция геометрического пересечения с объединением атрибутивных таблиц, содержащих имена идентифицированных информационных классов.
Полученный в результате пересечения векторный слой подвергается пространственной генерализации, с целью устранения малых по площади полигонов, путем слияния их с соседями по наибольшей общей границе. Пороговое значение площади удаляемых полигонов выбирается с учетом
возможности отображения минимально допустимых объектов для желаемого масштаба результирующей карты и пространственного разрешения исходных растровых изображений.
В результате формируется векторная полигональная карта с атрибутами, отражающими элементарные картографируемые единицы лесных и нелесных классов земной поверхности в сочетании с условиями местопроизрастания, определяемых морфометрическими параметрами рельефа местности. Полученные комбинации исходных признаков формируются в новые тематические группы - восстановительные ряды растительности.
Вышеописанная методика реализована на базе стандартных процедур пакетов ERDAS Imagine и ESRI ArcGIS.
По предложенной методике была сформирована карта восстановительной динамики растительности для тестового участка в районе Нижнего Приангарья. В качестве исходных данных ДЗ использовались два ортотрансформированных изображения Landsat 7 ETM+ (даты съемки 07.08.2002 и 12.08.2002, пиксельное разрешение 30 м), объединенные в мозаику и обрезанные по границе тестового участка, а также модель рельефа местности SRTM 90m (http://www2.jpl.nasa.gov/srtm/, пиксельное разрешение 90 м). Все исходные растры были преобразованы в картографическую проекцию UTM для зоны 46 и совмещены с фрагментарными лесоустроительными планами и пробными площадями полевых обследований.
В результате для тестового участка были получены векторные полигональные слои, отражающие пространственное распределение восстановительных рядов и стадий восстановления лесной растительности в разных лесорастительных условиях.
Полученные карты актуального растительного покрова, как составная часть банка данных ГИС, позволяют оценить современное состояние и прогнозировать темпы восстановительной динамики лесной растительности в разных лесорастительных условиях. Такие карты фактически являются пространственными моделями, отражающими экосистемное разнообразие исследуемой территории, могут служить для решения как лесоводственных, так и широкого спектра экологических задач.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Черкашин, В.П. Результаты развития ГИС «Леса Средней Сибири» [Текст] / В.П. Черкашин, М.А. Корец / Структурно-функциональная организация и динамика лесов. - Красноярск. - 2004. - С. 383-387.
2. Колесников, Б.П. Кедровые леса Дальнего Востока [Текст] / Б.П. Колесников / М., Л. - 1956. - 262 с.
3. Moore, I.D. Digital Terrain Modelling: a Review of Hydrological, Geomorphological, and Biological Applications [Текст] / I.D. Moore, R.B. Grayson, and A.R. Landson / Hydrological Processes V. 5. - P. 3-30.
4. Tou, J.T. Pattern Recognition Principles [Текст] / J.T. Tou, R.C. Gonzalez. / Reading, Massachusetts: Addison-Wesley Publishing Company. - 1974.
© М.А. Корец, В.А. Рыжкова, И.В. Данилова, 2008
