CC BY
77
УДК 681.518 Е.Н. Смоленцева
Институт почвоведения и агрохимии СО РАН, Новосибирск
У.В. Мартысевич
ГИС-центр СО РАН, Новосибирск
А.Ю. Королюк
Центральный Сибирский ботанический сад СО РАН, Новосибирск
МОНИТОРИНГ КОМПОНЕНТОВ НАЗЕМНЫХ ЭКОСИСТЕМ ЧУЙСКОЙ КОТЛОВИНЫ ГОРНОГО АЛТАЯ ПО ДАННЫМ СПУТНИКОВЫХ НАБЛЮДЕНИЙ
Мониторинг наземных экосистем на основе данных дистанционного зондирования Земли (ДДЗ) является в настоящее время одним из эффективных методов контроля. Сведения о пространственном распределении отдельных компонентов получают в результате их картографирования на различных уровнях географического охвата. Особое место принадлежит методам автоматизированного картографирования с помощью ГИС-технологий.
Нами был проведён анализ взаимосвязи пространственной организации ландшафта и рисунка изображения местности на данных дистанционного зондирования (ДДЗ), полученных различными спутниковыми системами для территории Горного Алтая в межгорной Чуйской котловине. На её территории был выбран эталонный полигон и изучены следующие компоненты наземных экосистем: горные породы различного генезиса и возраста, рельеф, почвенный и растительный покровы.
Были использованы космические снимки различного пространственного разрешения Quick-Bird - 0.61-2.44 м., Landsat ЕТМ+ - 30-80 м, MODIS - 250 -1000 м. Это дает возможность исследовать природные объекты на трех уровнях генерализации: Quickbird - детальный уровень, LANDSAT - средний уровень, MODIS - региональный уровень генерализации.
Для оценки вклада растительности в спектральные характеристики геологических и почвенных объектов по снимку LANDSAT-ETM+ был рассчитан вегетационный индекс NDVI, характеризующий наличие и состояние растительности. На территории эталонного полигона значения NDVI лежат в интервале -0.4 - 0.0. Это означает, что влияние растительности на спектральные характеристики геолого-геоморфологических и почвенных объектов в пределах полигона минимально и даёт возможность прямого дешифрирования на космических снимках геологических объектов и почвенного покрова.
При использовании космических снимков для исследования геологических и геоморфологических объектов, почв, растительности необходимо учитывать влияние освещенности на спектральные характеристики названных объектов. Так как освещенность поверхности зависит от рельефа, проведено исследование влияния на спектральные характеристики геологических объектов азимутов падения и углов падения склонов. Для этого были использованы цифровая модель рельефа SRTM с
разрешением 50 м, геологическая карта, космические снимки Landsat. Выявлены следующие закономерности:
- Существует зависимость яркости пикселов от освещенности склонов;
- Для плохо освещенных склонов заметна разница яркости пикселов на склонах с разной крутизной, наиболее яркими являются пикселы с пологих склонов, пикселы с крутых склонов имеют более низкие значения яркости;
- Для хорошо освещенных склонов влияние крутизны склона на яркость пикселов незначительна.
При помощи средств ГИС выполнено комбинирование векторной геологической карты и двух сеточных карт (карта углов склонов и карта азимутов падения склонов). В результате получена векторная карта, одноименные полигоны которой характеризуются одинаковым геологическим строением, азимутом падения склона и углом падения склона. Накладывая такую карту на космический снимок, легко делать выборки пикселов с нужными параметрами, для оценки спектральных характеристик.
Проведена оценка и коррекция геологической карты масштаба 1:200 000 для полигона Чуйская котловина. Полученная карта использована при оценке спектральных характеристик геологических объектов. Для исследования геологического и геоморфологического строения полигона Чуйская котловина использованы данные полевого наблюдения, космические снимки Landsat, QuickBird и цифровая модель рельефа SRTM с разрешением 50 м.
Были проведены классификации снимка LANDSAT методом ISОDATA и методом максимального правдоподобия с использованием четырех обучающих полигонов: четвертичные отложения, аллювий, солончак,
аргиллитовые сланцы, вулканогенные породы. В результате классификации выделились 4 класса, совпадающие с выделами геологической карты. Исключение составляют солончак и аллювиальные отложения, попавшие в один класс.
Далее при сопоставлении результатов классификаций, полевых данных, опираясь на снимок QuickBird и цифровую модель рельефа, были уточнены границы геологической карты 1:200 000 масштаба.
Рассматривались также особенности применения комбинированных карт для исследования почв, растительности и геологического строения на основе космических снимков. Использование классификаций многоспектральных космических снимков для исследования почв и растительности дает хорошие результаты, однако, различия в освещенности на склонах с различными азимутами падения и разной крутизной может приводить к появлению дополнительных классов при классификации. Для выявления и объединения этих дополнительных классов применяется комбинированная карта, в которой одноименные полигоны характеризуются одинаковыми углами падения и азимутами падения склонов (азимут - угол падения). При сопоставлении в рамках ГИС проекта такой карты и результата
классификации космического снимка, принимается решение об объединении классов.
Карты «азимут - угол падения» построены для трех уровней генерализации: для детального уровня генерализации - на основе
топографической карты масштаба 1: 25 000, для среднего уровня
генерализации на основе цифровой модели рельефа SRTM с разрешением 50 м, для регионального уровня генерализации на основе цифровой модели рельефа SRTM с разрешением 250 м. Таким образом, карты «азимут - угол падения» используются для исследования механизма генерализации данных на космических снимках Modis -Landsat -QuickBird. Карта «азимут - угол падения» может быть использована для картирования почв и растительности самостоятельно без результатов классификации, поскольку в условиях разных форм рельефа и различной освещенности могут формироваться, разные почвы и разные растительные сообщества.
Компонентный состав почвенного покрова (ПП) ключевого участка представлен литозёмами (карболитозёмами) (по классификации 2004 года), каштановыми, бурыми аридными засолёнными почвами и солончаками. Широко распространены также биогенно турбированные и навеянные разности каштановых почв. Значительную площадь эталонного полигона занимают выходы девонских метаморфических пород.
Учитывая, иерархичность ПП в зависимости от уровня его организации были использованы снимки различного пространственного разрешения. Дешифрирование почвенного покрова проводилось поэтапно.
Для детального изучения ПП были использованы спектрозональные космоснимки Quick-Bird, полученные в 2006 году. Как уже отмечалось, особенностью ресурса Quick-Bird является высокое пространственное разрешение, поэтому на снимке просматриваются элементарные почвенные ареалы площадью до 6 кв. м, которые можно выделить, например, в масштабе 1:5000, а также микрокомбинации (мозаики и ташеты).
Применялись два метода дешифрирования: визуальное дешифрирование с последующей векторизацией в ГИС MAP-Info и автоматическое с использованием программы ENVI и ARC GIS-9,1.
Для визуального дешифрирования изображения ПП была проведена его компьютерная цветовая коррекция с получением более контрастного растра.
Далее проводилось выделение почвенных контуров (гомогенных ареалов и почвенных комбинаций) с векторизацей в среде МАР Ilnfo. В результате была получена почвенная карта ключевого участка в масштабе 1:10 000. Использовались 12 основных выделов (классов).
При проведении автоматического дешифрирования использовались методы классификации без обучения и с обучением.
Примером классификации без обучения растрового изображения является метод ISODATA с выделением классов в интервале от 5 до 10. В результате было получено 10 классов, 6 из которых однозначно интерпретируются как почвенные и геологические объекты и один класс водных объектов. К недостаткам метода относится, например, выделение
трёх классов в районе облачности. Также в один класс попали почвенные комбинации каштановых и каштановых турбированных почв и почвенные комбинации бурых аридных и засолённых почв.
Классификация с обучением космического снимка Quick-Bird проводилась по методу максимального правдоподобия с выделением 7 обучающих классов. Были выделены следующие классы:
1. Солончаки;
2. Бурые аридные почвы;
3. Водные объекты;
4. Коренные породы;
5. Каштановые турбированные (навеянные и перерытые) почвы;
6. Каштановые почвы;
7. Карболитозёмы.
Постклассификационные преобразования заключались в генерализации изображения различными методами пакета ARC GIS-9,1.
В результате было получено несколько растровых изображений, представляющих собой различные варианты карты-проекта почвенного покрова. Затем они переводились в векторный формат с получением необходимых атрибутивных данных по морфометрии полученных выделов.
Далее проводилось дешифрирование ПП по снимку LANDSAT-ETM+. Для выделения основных классов и обучающих полигонов была использована информация, полученная при классификации снимка Quick-Bird. При этом в качестве нескольких классов выделялись почвенные комбинации - ареалы, состоящие из закономерного сочетания нескольких почв. К ним относятся комплексы, пятнистости, вариации, мозаики и ташеты.
При классификации методом максимального правдоподобия было выделено 8 классов объектов:
1. Пятнистости солончаков соровых и такыровидных;
2. Водные объекты;
3. Мозаики горных пород с карболитоземами, вариации литоземов с каштановыми почвами;
4. Гидроморфные почвы;
5. Ташеты каштановых почв с биотурбированными каштановыми почвами, пятнистости каштановых почв с навеянными каштановыми почвами;
6. Каштановые почвы;
7. Комплексы бурых аридных засоленных почв с солончаками;
8. Аллювиальные почвы.
Для изучения пространственно-структурной организации растительного покрова также использовались космические снимки различного разрешения: QuickBird - 2 м, Landsat - 30 м, MODIS - 500 м.
Изображение космических снимков отражает существование нескольких типов пространственных структур (территориальных единиц)
растительности. Система территориальных единиц иерархична, на снимках различного разрешения отражаются различные уровни иерархии. Это связано с оптической генерализацией изображения, которое можно соотнести с пространственной генерализацией структуры растительного покрова.
Хорошие результаты были получены при работе со снимками MODIS, что связано со значительными размерами пикселя (500 на 500 метров) и оптической генерализацией петрофитных комплексов, представленных мелкой мозаикой склонов разной крутизны и экспозиции. Результаты автоматического дешифрирования оказались вполне адекватны. Контура на карте отражают реальное расположение зональных и интразональных типов растительности, уверенно распознаются все серийные ряды растительности.
На снимках MODIS структура Чуйской степи выглядит следующим образом. Фоновые позиции занимают относительно гомогенные контура зональных опустыненных и пустынных степей по равнинам и подгорным шлейфам. В них располагаются сопутствующие единицы ранга мезокомбинаций:
1. Обособленные низкогорные массивы, которые представляют петрофитные серии растительных сообществ. Для ряда низкогорных массивов характерно участие фитоценозов псаммофитной серии.
2. Системы подгорных шлейфов низкогорных массивов. Здесь в значительной степени проявляется псаммофитная серия сообществ в сочетании с зональными пустынными степями. По значительной роли пустынных степей данный тип близок к фоновому зональному и может рассматриваться как вариант с ярко выраженным проявлением эоловых процессов аккумуляции.
3. Засоленные равнины, в частности равнина в северной части полигона.
4. Долинная растительность, наиболее крупный контур которой связан с долиной Чуи, где господствует луговая и кустарниковая растительность. Более сухие варианты сообществ по отложениям различного состава развиты в долинах мелких рек, стекающих с Южно-Чуйского хребта.
Каждая из этих территориальных единиц характеризуется определенным набором растительных сообществ, которые, комбинируясь в пространстве, формируют серию территориальных единиц растительности ранга микро- и мезокомбинаций. Помимо этого в масштабе снимка любого разрешения возможно выделение гомогенных контуров растительности. На снимке QuickBird хорошо выделяются степные участки по плоским межгрядовым участкам и шлейфам. Данные контура осложнены зоогенными и фитогенными структурами небольших размеров и регулярного расположения, которые формируют своеобразные структуры растительности ранга нанокомбинаций. Перспективным методом описания и анализа пространственной структуры видится в проецировании катенной модели (экологический ряд) на реальную топографию. Для этого была разработана схема сукцесионной системы полигона, отражающая существование нескольких серийных рядов растительности.
По снимкам QuickBird был проведен анализ структуры изображения для различных серийных рядов и соответствующим им микро- и мезокомбинациям. Анализ петрофитного ряда показал, что на тестовом участке как каменистые экотопы (с выходами коренных пород) распозналось более тысячи контуров, из них лишь 17 контуров по размерам соответствуют или превышают пиксель снимка Landsat. Структурный подход к генерализации растительности заставляет выделить следующую территориальную единицу растительности: сочетание петрофитно-
разнотравных группировок на выходах коренных пород и мелкодерновинно-петрофитно-разнотравных каменистых степей на (мелкоземистых) продуктах выветривания в элювиальной позиции.
В настоящее время проводится оценка качества классификации снимков и статистическая обработка векторных карт с целью выбора оптимальной комбинации методов классификации растра и постклассификационных преобразований для получения разномасштабных тематических и комплексных ландшафтных карт Чуйской котловины Горного Алтая.
Работа выполнена при финансовой поддержке интеграционного проекта СО РАН № 56.
© Е.Н. Смоленцева, У.В. Мартысевич, А.Ю. Королюк, 2007
