CC BY
349
УДК 528.854 Е.П. Хлебникова СГГ А, Новосибирск
ОПРЕДЕЛЕНИЕ ДИНАМИКИ ИЗМЕНЕНИЯ ПРИРОДНЫХ ОБЪЕКТОВ ПО МНОГОЗОНАЛЬНЫМ КОСМИЧЕСКИМ СНИМКАМ
В последнее время все большее значение приобретают экологические аспекты проведения мониторинга окружающей среды, особенно обнаружение различных видов загрязнений, связанных с активным антропогенным влиянием. Обнаружение загрязняющих веществ, попадающих а атмосферу, почву и воды Мирового океана в процессе хозяйственной деятельности, а также при утилизации продуктов жизнедеятельности людей, является задачей весьма актуальной, так как ежегодно общая масса загрязняющих веществ возрастает.
Наибольшую информативную ценность и скорость получения информации об экологическом состоянии природных объектов обеспечивают данные аэрокосмического мониторинга. Результаты изучения динамики происходящих процессов по материалам дистанционного зондирования служат основой для прогнозирования изменений и загрязнений окружающей среды.
Задачей настоящих исследований являлась разработка методики анализа изображения при проведении автоматизированного дешифрирования многозональных космических снимков с целью определения изменения состояния природных и антропогенных объектов. Исходными материалами для выполнения исследований являлись многозональные снимки на территорию Новосибирской области и Алтайского края, полученные съемочной системой МСУ-СК 04.06.98г. (снимок 1) и 26.07.98г. (снимок 2). Эксперименты осуществлялись с использованием программного продукта ERDAS Imagine 8.7.
Существует много различных методов определения динамики развития природных процессов по аэрокосмическим снимкам. Большой интерес представляет метод создания разностных изображений, который предполагает вычитание яркостей разновременных снимков одной и той же территории. Однако широкого практического использования этот метод не получил, поскольку при сравнении разновременных снимков невозможно учесть изменение различных факторов, сопутствующих съемке.
Этот же вывод приведен в работе [1], где указано, что «широко известных методик нормирования отечественной аэрокосмической информации пока не существует, следовательно, можно с достаточной уверенностью выявить лишь значительные изменения во внешнем облике территории или отдельных объектов».
В работе [2] показана возможность получения разностных изображений с использованием вероятностных методов, позволяющих снизить влияние условий съемки, состояния атмосферы, нелинейности спектральных характеристик солнечного излучения и прочих факторов, однако достоверность полученных результатов не высока.
Для решения данной проблемы разработана методика предварительной обработки многозональных космических снимков [3,4], которая позволяет исключить влияние факторов, не связанных непосредственно с объектом съемки. Сущность методики заключается в том, что для объектов, изображения которых получены на одном и том же снимке в одном спектральном диапазоне влияние большинства факторов будет одинаковым. В этом случае отношение яркостей природных объектов будет равно отношению яркостей изображений этих объектов:
— = — = К, (1)
В р> 1 )
где ВI, р I - яркость объекта и его изображения на снимке, соответственно;
В, рj - яркость некоторого «опорного» объекта и его изображения на снимке, соответственно;
К] - коэффициент.
Расчеты по формуле (1) позволяют от яркостей изображений объектов перейти к некоторым коэффициентам. Такая процедура дает возможность получить изображения, сопоставление которых будет корректно. В качестве «опорного» может быть выбран объект, надёжно дешифрируемый на снимке и достаточно распространенный на изучаемой территории. Коэффициент К] назовем «нормированным значением яркости», а изображение, каждый пиксель которого равен К] - «нормированным изображением».
На первом этапе исследований была проведена обработка изображений по указанной методике. В качестве «опорного» выбран точечный объект, принадлежащий классу «Растительность, тип 1». Такой выбор обусловлен тем, что объекты данного класса не изменялись за период времени с 04.06.98г. по 26.07.98г. Значения яркостей, соответствующих «опорному» объекту, приведены в табл. 1.
Таблица 1. Исходные значения яркостей
Съемочные каналы Значения яркостей
Снимок 1 Снимок 2
1 52 55
2 43 45
3 36 40
По формуле (1) были рассчитаны нормированные значения яркостей для исследуемых изображений в каждом спектральном канале и проведено их синтезирование. В результате получены новые (синтезированные) нормированные изображения в 3-х каналах спектра. В табл. 2 приведены нормированные значения яркостей, соответствующих «опорному» объекту.
Таблица 2. Нормированные значения яркостей
Съемочные каналы Значения яркостей
Снимок 1 Снимок 2
1 49 49
2 53 53
В качестве примера на рис. 1 представлено нормированное изображение для 3 канала снимка 1, на рис. 2 - нормированное изображение для 3 канала снимка 2.
Визуальное сопоставление полученных изображений свидетельствует о значительных изменениях исследуемых объектов. Наибольшая разница заметна в области, занятой сельскохозяйственными угодьями (верхняя часть рисунков), а также в пойме реки (нижняя часть).
При создании разностных изображений большое влияние на их качество оказывает точность пространственного совмещения разновременных снимков. В идеальном случае пиксели различных снимков после их совмещения должны отображать одни и те же участки земной поверхности [1,2].
В данных исследованиях точность совмещения снимков составила 0,25 пикселя.
S Viewer #9 • 2...
File Utility View AOI Raster Vector Annotation TerraModel Help
tS\cn | GD | H | д| ig11 ®
Рис. 2
Следующий этап исследований заключался в создании разностных изображений. В ходе многочисленных экспериментов была разработана следующая методика.
Для выявления влияния значений яркости разностных изображений на достоверность распознавания изменения природных объектов процедура вычитания яркостей нормированных изображений была выполнена дважды. Сначала от значений яркостей каждого из изображений в 3-х каналах 1-го снимка вычитались значения яркостей изображений соответствующих каналов 2-го снимка. В результате получены файлы, показывающие уменьшение значений яркости изображений в каждом канале за указанный период времени (рис. 3).
B1 Viewer - 0 1
File Utility View AOI Raster Vector Annotation TerraModel Help
ts \ □ | ca | н | д | ^ | a>
Рис. 1
El Viewer #2 : '\ ...
File Utility View AOI Raster Vector Annotation TerraModel Help
gg I □ I IT) I В I ^ I ^ I ®
SI Viewer #3 : \ ... □ X
File Utility View AOI Raster Vector Annotation TerraModel Help
Рис. 3
Рис. 4
Рис. 5
Затем аналогичная процедура проводилась в обратном порядке со снимками 2 и 1. Полученные файлы содержали данные об увеличении значений яркости в каждом канале (рис. 4). В результате суммирования яркостей разностных изображений, сформированных дважды, созданы новые изображения, показывающие произошедшие изменения природных объектов. Одно из таких изображений представлено на рис. 5.
Таким образом, было создано 9 разностных изображений, отражающих разные виды изменений исследуемых объектов. На основе полученных и исходных нормированных изображений были синтезированы новые изображения. В зависимости от конкретной решаемой задачи для синтеза выбраны различные комбинации разностных изображений. Например, для определения мест пересыхания поймы реки целесообразно использовать исходные и разностные изображения, содержащие информацию об увеличении значений яркости в 3-м канале, так как он является наиболее информативным для обнаружения водных объектов. Для определения изменений, произошедших с сельскохозяйственными угодьями, необходимо использовать различные изображения в комплексе.
В результате автоматизированного дешифрирования полученных синтезированных изображений методами неконтролируемой и контролируемой классификации с использованием различных алгоритмов выявлены изменения состояния природных объектов и получены тематические растры, отражающие динамику объектов за указанный период.
Представленная методика определения динамики состояния природных объектов позволяет с большей достоверностью определять не только сам факт наличия изменений, произошедших за исследуемый промежуток времени, но и проводить их детальный качественный анализ. Такая возможность появляется благодаря использованию разностных изображений, которые в численной форме показывают изменение яркостей изображения различных объектов на разные даты съемки.
Данный метод обработки разновременных многозональных космических снимков позволяет повысить информативность как визуального, так и автоматизированного дешифрирования, может использоваться для изучения динамики любых объектов, в том числе сезонных быстротекущих процессов, при экологическом мониторинге территорий, изучении гидрологических процессов, в лесоустроительных и природоохранных мероприятиях.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Лабутина, И.А. Дешифрирование космических снимков [Текст]: учеб. пособие для студентов вузов/ И.А. Лабутина. - М: Аспект Пресс, 2004. - 184с., 8с. цв. вкл.
2. Серов, А.В. О создании цифровых карт динамики природной среды по космическим снимкам [Текст]/ А.В. Серов// Геодезия и картография. - 2005. - №5. - С. 34 -39.
3. Симонова, Г.В. Нормирование яркости при обработке результатов оптических измерений [Текст] / Е.П. Хлебникова, Г.В Симонова // Вестник Сибирской Государственной геодезической академии / СГГА. - Вып.10. - Новосибирск, 2005. - С.166 - 167.
4. Хлебникова, Е.П. Влияние нормирования яркости на достоверность дешифрирования многозональных космических снимков [Текст] / Е.П. Хлебникова // Геодезия и картография. - 2005. - №12. - С. 24 -28.
© Е.П. Хлебникова, 2006
