CC BY
1534
УДК: 528.8
С. И. Евдокимов, С. Г. Михалап
определение физического смысла комбинации каналов снимков landsat для мониторинга
состояния наземных и водных экосистем
В статье рассматривается возможность использования многоканальных снимков Landsat для анализа состояния и динамики процессов, происходящих в природных экосистемах. Приводятся наиболее распространенные варианты комбинаций каналов и интерпретация их физического смысла. В качестве практического примера приведен расчет индекса NDVI, который является показателем фотосинтетической активности растительной биомассы.
Ключевые слова: снимки Landsat, дистанционное зондирование Земли, многоканальные космические снимки, экосистемы, экологический мониторинг, вегетационный индекс, ГИС-технологии.
Исследование окружающей среды посредством данных дистанционного зондирования Земли (ДЗЗ) — активно развивающееся в настоящее время направление, позволяющее решать широкий круг задач в области естественных, технических и социогуманитарных наук. Благодаря высокой точности съемки и обширному охвату территорий, включающих все природные территории Земли, данные дистанционного зондирования могут быть использованы для изучения различных процессов и явлений на локальном, региональном и глобальном уровнях [3, 5].
Под дистанционным зондированием (англ. Remote Sensing) обычно понимают измерение и наблюдение энергетических и поляризационных характеристик электромагнитного излучения различных объектов без непосредственного контакта с ними [5]. Самыми распространенными видами ДЗЗ являются спутниковые снимки и аэрофотосъемка. Любая система получения данных ДЗЗ состоит из следующих частей: источника электромагнитного излучения, излучений, проходящих через атмосферу, объекта излучения и регистрирующего датчика.
Известно, что существуют пассивные и активные методы ДЗЗ:
1) пассивные используют естественное отраженное или вторичное тепловое излучение объектов, обусловленное солнечной радиацией;
2) активные используют вынужденное излучение объектов, инициированное искусственным источником направленного действия.
Диапазон измеряемых электромагнитных волн варьирует от 10-10 м (коротковолновое космическое излучение) до 1010 метров (радиоволны). Возможность идентификации и классификации объектов основывается на том, что объекты разных типов — горные породы, почвы, водные поверхности, растительность и т. д., по-разному отражают и поглощают электромагнитное излучение в том или ином диапазоне длин волн [1, 4, 8]. Для исследования нами были использованы многоканальные снимки, сделанные американским спутником Landsat 8 [10], который имеет 11 каналов съемки с разными диапазонами длин волн (табл. 1). Получить подобные данные возможно на безвозмездной основе, пройдя простую процедуру регистрации на официальном сайте геологической службы США (USGS) [12].
Для первичного анализа и дальнейшей визуализации результатов обработки многоканальных космических снимков была использована программа QGIS, находя-
щаяся в свободном лицензионном доступе [11].
Таблица 1
Диапазоны съемки спектральных каналов спутника Landsat 8
Спектральный канал Длины волн Разрешение (размер 1 пикселя)
Канал 1 — Побережья и аэрозоли (Coastal / Aerosol, New Deep Blue) 0,433 — 0,453 мкм 30x30м
Канал 2 — Синий (Blue) 0,450 — 0,515 мкм 30x30м
Канал 3 — Зелёный (Green) 0,525 — 0,600 мкм 30x30м
Канал 4 — Красный (Red) 0,630 — 0,680 мкм 30x30м
Канал 5 — Ближний ИК (Near Infrared, NIR) 0,845 — 0,885 мкм 30x30м
Канал 6 — Ближний ИК (Short Wavelength Infrared, SWIR 2) 1,560 — 1,660 мкм 30x30м
Канал 7 — Ближний ИК (Short Wavelength Infrared, SWIR 3) 2,100 — 2,300 мкм 30x30м
Канал 8 — Панхроматический (Panchromatic, PAN) 0,500 — 0,680 мкм 15x15м
Канал 9 — Перистые облака (Cirrus, SWIR) 1,360 — 1,390 мкм 30x30м
Канал 10 — Дальний ИК (Long Wavelength Infrared, TIR1) 10,30 — 11,30 мкм 100x100м
Канал 11 — Дальний ИК (Long Wavelength Infrared, TIR2) 11,50 — 12,50 мкм 100x100м
Особенность многоканальных снимков заключается в том, что зная особенности волновых характеристик каналов и их комбинаций, можно получить интересующую нас информацию о свойствах различных географических и экологических объектов. Однако, для разных моделей спутников Landsat комбинации каналов не одинаковы [10], что связано с усовершенствованием и доработкой каждого последующего запущенного аппарата.
Поскольку все получаемые со спутника данные представляют собой не что иное, как мультиспектральные изображения, для получения заключенной в них информации требуется интерпретировать полученные данные и выявить их физический смысл. Этап анализа данных ДЗЗ, главной задачей которого является распознавание и идентификация объектов, обнаруженных на снимке, называется дешифровкой изображения.
Изучив все возможные сочетания каналов спутника Landsat 8 [8, 9], можно дифференцировать полученные изображения в пять групп в зависимости от преобладающих цветов и отражаемой информации на них:
1) комбинация 4, 3, 2 «естественные цвета»;
2) комбинация 5, 4, 3 — «искусственные цвета» с преобладанием красного цвета;
3) комбинация 5, 6, 4; 5, 6, 2; 6, 5, 4 — «искусственные цвета» с преобладанием желтого цвета;
4) комбинация 7, 5, 3; 7, 6, 4 — «искусственные цвета» с преобладанием зеленого цвета;
5) комбинация 7, 6, 2 — инфракрасный канал с преобладанием синего цвета.
Рис. 1. Комбинация каналов 4, 3, 2 «естественные цвета»
Первая группа, комбинация каналов «4, 3, 2» — «естественные цвета» [9]. В этой комбинации используются каналы видимого диапазона, поэтому объекты земной поверхности по сочетаниям цветов наиболее приближены к тому, как они воспринимаются человеческим глазом. Неповрежденная растительность имеет интенсивный зеленый цвет, агроэкосистемы — более светлых оттенков, нарушенный и преобразованный растительный покров — коричневый и желтый, дороги — серый, береговые линии — белесые. Вырубки и разреженная растительность детектируются плохо. Облака и снег выглядят одинаково белыми и трудноразличимы. Кроме того, трудно различить разные типы фитоценозов. Пример данного сочетания каналов представлен на рис. 1.
Вторая группа, комбинация каналов «5, 4, 3» — «искусственные цвета» с преобладанием красного цвета [9]. Растительность отображена в оттенках красного, цвет
почвы варьирует от темно- до светло-коричневого. Лед, снег и облака отображаются белым цветом или оттенками голубого. Хвойные леса будут окрашены в более темные тона (темно-красный и коричневый) по сравнению с лиственными (розовые оттенки). Эта комбинация используется, главным образом, для изучения состояния растительного покрова, дренажа почвенной мозаики и состояния сельскохозяйственных культур. В целом, насыщенные оттенки красного и розового цветов являются индикаторами благополучия широколиственных растительных сообществ, в то время как более светлые оттенки характеризуют травянистую или редколесья / кустарниковую растительность (рис. 2).
Рис. 2. Комбинация каналов 5, 4, 3 искусственные цвета
Третья группа, комбинация трех типов сочетаний каналов — «5, 6, 4»; «5, 6, 2»; «6, 5, 4»--«искусственные цвета» с преобладанием желтых цветов [9].
Комбинация каналов «5, 6, 4» это комбинация ближнего, среднего ИК-каналов и красного видимого канала, которая позволяет четко различить границу между водой и сушей и подчеркнуть скрытые детали, плохо видимые при использовании только каналов видимого диапазона длин волн. С большой точностью будут детектироваться внутренние водоемы. Эта комбинация отображает растительность в различных оттенках и тонах коричневого, зеленого и оранжевого. Она дает возможность анализа влажности почв. В целом, чем выше влажность почв, тем темнее она будет выглядеть, что обусловлено поглощением водой излучения ИК диапазона (рис. 3).
Сочетание каналов «5, 6, 2» отображает растительность в оттенках красного, коричневого, оранжевого и зеленого. Почвы могут выглядеть зелеными или коричневыми, урбанизированные территории — белесыми, серыми и зелено-голубыми.
Главной особенностью сочетания является его способность отображать антропогенно преобразованные территории — ярко-голубой цвет может детектировать недавно вырубленные территории, а красноватые - восстановление растительности или разреженную растительность. Чистая, глубокая вода будет выглядеть очень темно-синей (почти черной), если же это мелководье или в воде содержится большое количество взвесей, то в цвете будут преобладать более светлые оттенки. Добавление среднего инфракрасного канала позволяет добиться хорошей различимости возраста растительности (рис. 3).
Ненарушенная растительность в комбинации каналов «6, 5, 4» выглядит ярко-зеленой, а почвы — розовато-лиловыми. Эта комбинация дает возможность анализировать сельскохозяйственные угодья, удобна для изучения растительного покрова и широко используется для анализа состояния лесных сообществ (рис. 3).
Рис. 3. Комбинация каналов «5, 6, 4»; «5, 6, 2»; «6, 5, 4» — «искусственные цвета»
с преобладанием желтого цвета
В случае анализа северной части Псковской области, комбинации каналов «5, 6, 4»; «5, 6, 2» и «6, 5, 4» дают тождественный результат, что может быть связано с целым рядом факторов, например с глубоким антропогенным преобразованием территории, которая характеризуется наличием большого количества разрушенных фитоценозов и сукцессий различного возраста, или неблагоприятными погодными условиями, сильной облачностью и т. д. Поэтому при детальном изучении территории лучше всего параллельно производить традиционные описания в заранее отмеченных точках с целью определения особенностей ландшафта.
Четвертая группа комбинаций каналов «7, 5, 3»; «7, 6, 4» — «искусственные цвета» с преобладанием зеленого цвета [9].
Комбинация «7, 5, 3» дает изображение, близкое к естественным цветам, но в то же время позволяет анализировать состояние атмосферы и дым. Здоровая растительность выглядит ярко-зеленой, травянистые сообщества — светло-зелеными, открытые почвы окрашены в розовые цвета, коричневые и оранжевые тона характерны для разреженной растительности. Сухостойная растительность выглядит оранжевой, водные поверхности отображаются в синих и голубых тонах. Песок, почва и минералы могут быть представлены очень большим числом цветов и оттенков. Эта комбинация дает хороший результат при анализе пустынных территорий. Кроме того, она может быть использована для изучения сельскохозяйственных земель и водно-болотных угодий. Территории, подвергшиеся выгоранию, будут ярко-красными. Данную комбинацию удобно использовать для изучения динамики пожаров и их последствий для территорий. Луговые сообщества отображаются зелеными и светло-зелеными. Светло-зеленые точки внутри урбанизированных территорий могут быть парками, скверами или садами. Оливково-зеленый цвет характерен для лесных массивов, а более темный цвет является индикатором увеличения доли хвойных пород в фитоценозе (рис. 4).
Комбинация «7, 6, 4» дает изображение, близкое к предыдущему. Практически полное поглощение излучения в среднем ИК-диапазоне водой, снегом и льдом позволяет очень четко выделять береговую линию и подчеркнуть водные объекты на снимке. Одно из возможных применений этой комбинации каналов — мониторинг пожаров. Затопляемые территории выглядят темно синими или почти черными. На примере представленного фрагмента можно заметить, что комбинации «7, 5, 3» и «7, 6, 4» дают тождественные результаты (рис. 4).
Пятая группа представлена комбинацией «7, 6, 5» — инфракрасный канал с преобладанием синего цвета [9]. Эта комбинация не включает ни одного канала из видимого диапазона и обеспечивает оптимальный анализ состояния атмосферы. Береговые линии четко различимы. Используется для анализа текстуры и влажности почв. Растительность окрашивается в голубые цвета (рис. 5).
В целом приведенный краткий анализ сочетаний каналов позволяет понять, что при помощи космических снимков возможно выявление различных характеристик природных экосистем на больших территориях без проведения дополнительных полевых исследований. В то же время, проведение дешифровки снимков визуальным образом подразумевает наличие большого опыта у проводящего эту процедуру специалиста, задачей которого является точное выявление признаков анализируемых объектов с целью их дальнейшей интерпретации и описания [5, 8].
Наличие данных ДЗЗ позволяет производить специализированные расчеты целого ряда параметров среды с последующим их отображением и выражением в конкретных величинах. При этом масштабы получаемых данных во много раз превосходят те, которые можно было бы получить при помощи полевых исследований, имеющих локальный, а зачастую и точечный характер.
Рис. 4. Комбинация каналов 7, 5, 3; 7, 6, 4 — «искусственные цвета» с преобладанием зеленого цвета
Рис. 5. Комбинация каналов 7, 6, 5 — инфракрасный канал с преобладанием синего цвета
Одним из ключевых показателей преобразования энергии в экосистеме является фотосинтетическая активность ее растительной биомассы. Существует множество индексов определения данного параметра растительности, самым распространенным из которых является так называемый NDVI-индекс [7, 8].
NDVI (Normalized Difference Vegetation Index) — нормализованный относительный индекс растительности — простой количественный показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). Вычисляется по следующей формуле:
NDVI = NR - IRED,
NIR + RED
где NIR — отражение в ближней инфракрасной области спектра; RED — отражение в красной области спектра.
Согласно данной формуле, плотность растительности (NDVI) в определенной точке изображения равна разности интенсивностей отраженного света в красном и инфракрасном диапазонах, деленной на сумму их интенсивностей.
Расчет NDVI-индекса базируется на двух наиболее стабильных, не зависящих от прочих факторов, участках спектральной кривой отражения сосудистых растений. В красной области спектра (0,6-0,7 мкм) лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений, а в инфракрасном диапазоне (0,7-1,0 мкм) находится область максимального отражения клеточных структур листьев. То есть высокая фотосинтетическая активность, которая, как правило, связана с густотой зеленой растительности, ведет к меньшему отражению в красной области спектра и большему в инфракрасной. Отношение этих показателей друг к другу позволяет четко отделять фотосинтетически активную растительность от прочих природных объектов. На значения индекса также влияет видовой состав растительности, ее сомкнутость, состояние, экспозиция, угол наклона поверхности и цвет почвы под разреженной растительностью [2, 6].
.о ( ) 0.1 3,2 0.3 04 15 0,6 0.7 0, В D.9 1.0
1
Рис. 6. Дискретная шкала NDVI-индекса
Для отображения индекса NDVI используется стандартизованная непрерывная градиентная или дискретная шкала [8], показывающая его значения в диапазоне от -1 до +1 (рис. 6). Благодаря особенности отражения в NIR — RED областях спектра, природные объекты, не связанные с растительностью, имеют фиксированное значение NDVI, что позволяет использовать этот параметр для их идентификации (табл. 2).
Таблица 2
Фиксированное значение NDVI-индекса
Тип объекта Отражение в красной области спектра Отражение в инфракрасной области спектра Значение
Густая растительность 0,1 0,5 0,7
Разреженная растительность 0,1 0,3 0,5
Открытая почва 0,25 0,3 0,025
Облака 0,25 0,25 0
Снег и лед 0,375 0,35 -0,05
Вода 0,02 0,01 -0,25
Искусственные материалы (асфальт) 0,3 0,1 -0,5
Существует устойчивая корреляция между показателем NDVI и продуктивностью для различных типов экосистем (рис. 7).
Это свойство довольно часто используется в региональной картографии и для анализа различных типов ландшафтов, оценке ресурсов и вычисления площадей экосистем различных типов.
Будучи искусственным безразмерным показателем, NDVI-индекс предназначен для измерения эколого-климатических характеристик растительности, но в то же время демонстрирует корреляцию с некоторыми другими параметрами, такими как:
• Продуктивность (временные изменения).
• Биомасса.
• Влажность.
• Испаряемость.
• Объем выпавших осадков.
• Мощность снежного покрова.
Зависимость между этими параметрами и NDVI-индексом, как правило, не прямая и связана с особенностями конкретной территории. Благодаря всем этим особенностям, карты NDVI часто используются в ГИС-анализе как один из промежуточных дополнительных слоев для проведения более сложных типов вычислений.
В целом, главным преимуществом NDVI-индекса является легкость его получения: для вычисления не требуется никаких дополнительных данных и методик, кроме непосредственно многоканальных космических снимков и дискретной шкалы.
В качестве примера приведен фрагмент карты NDVI-индекса, рассчитанного для Псковского района Псковской области по данным космической съемки в июле 2014 года (рис. 8). Расчеты были выполнены при помощи модуля «растровый калькулятор» в программе QGIS.
Рис. 7. Зависимость между показателем NDVI-индекса и продуктивностью для различных типов экосистем
значение ХЕМ-индекса
Рис. 8. Значения показателей NDVI-индекса для Псковской области (фрагмент)
Анализируя фрагмент, можно отметить, что значение показателя NDVI-индекса для данного района несколько меньше (0,45), чем для зоны южной тайги в целом (0,65), что может являться свидетельством антропогенного преобразования региона и преобладанием на территории зарастающих участков, возникших в результате разрушения коренных южнотаежных экосистем.
При использовании NDVI-индекса следует учитывать и его основные недостатки, а именно:
• невозможность использования данных, не прошедших этап радиометрической коррекции (калибровки);
• погрешности, вносимые погодными условиями, сильной облачностью и дымкой;
• необходимость сравнения полученных результатов с предварительно собранными данными тестовых участков (эталонов), в которых должны учитываться сезонные эколого-климатические показатели, как самого снимка, так и тестовых площадок на момент сбора данных;
• возможность использования съемки только времени сезона вегетации для исследуемого региона.
Таким образом, в настоящее время данные ДЗЗ являются доступными и актуальными источниками получения пространственной информации, которая заключает в себе характеристики различных географических и экологических объектов, и могут быть использованы для решения широкого круга задач, стоящих перед современной географией и экологией. Вместе с тем, получение объективной и достоверной информации о природных объектах возможно только с учетом особенностей конкретного региона исследований. Это может быть достигнуто путем сопоставления получаемых данных ДЗЗ с тестовыми участками, на которых осуществлялись полевые исследования с целью их калибровки и дальнейшей дешифровки посредством современного геоинформационного программного обеспечения.
Литература
1. Евдокимов С. И., Михалап С. Г. Использование данных дистанционного зондирования Земли в региональном экологическом мониторинге // Социально-политические и эколого-хозяйственные проблемы развития Балтийского региона. Материалы Международной научно-практической конференции 19-20 ноября 2015 года. Псков: Псковский государственный университет, 2015. C. 203-209.
2. Лиджиева Н. Ц., Уланова С. С., Федорова Н. Л. Опыт применения индекса вегетации (NDVI) для определения биологической продуктивности Фитоценозов аридной зоны на примере региона Черные земли // Известия Саратовского университета. Сер. Химия. Биология. Экология. 2012. Т. 12. Вып. 2. С. 94-96.
3. Лупян Е. А., Лаврова О. Ю., Барталев С. А., Аванесов Г. А., Шарков Е. А., Закутная О. «Дни космической науки — 2010» дистанционное зондирование Земли // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 4. С. 319-328.
4. Сухих В. И. Аэрокосмические методы исследования в лесном хозяйств и ландшафтном строительстве. Йошкар-Ола: Изд-во МарГТУ, 2005. 392 с.
5. Токарева О. С. Обработка и интерпретация данных дистанционного зондирования Земли: Учебное пособие. Томск: Издательство Томского политехнического университета, 2010. 148 с.
6. Черепанов А. С. Вегетационные индексы: справочные материалы // Геоматика. 2011. № 2. С. 98-102.
7. Aksenov D. E., Yaroshenko A. Yu. Space photographs for forestry problems // The Earth from space. М., 2009. Iss. 1. P. 10-16.
8. GIS-Lab [Электронный ресурс]: URL: http://gis-lab.info/ (дата обращения: 30.11.2015).
9. James W. Quinn, Band Combination [Электронный ресурс]: URL: http://web.pdx.edu/~emch/ip1/band-combinations.html/ (дата обращения — 30.11.2015).
Вестник Псковского государственного университета
10. Landsat Science — сайт программы Landsat [Электронный ресурс]: URL: http://landsat.gsfc.nasa.gov/ (дата обращения: 30.11.2015).
11. Quantum GIS. [Электронный ресурс]: URL: http://www.qgis.org/ru/site/ (дата обращения: 30.11.2015).
12. Официальный сайт геологической службы США (USGS) [Электронный ресурс]: URL: http:// earthexplorer.usgs.gov/ (дата обращения — 30.11.2015).
Об авторах
Евдокимов Сергей Игоревич — кандидат географических наук, доцент кафедры географии, факультет естественных наук, медицинского и психологического образования, Псковский государственный университет, Россия. E-mail: [email protected]
Михалап Сергей Геннадьевич — ассистент кафедры ботаники и экологии растений, факультет естественных наук, медицинского и психологического образования, Псковский государственный университет, Россия. E-mail: [email protected]
S. Evdokimov, S. Mikhalap
DETERMINATION OF PHYSICAL MEANING OF BAND COMBINATIONS OF LANDSAT IMAGES FOR MONITORING TERRESTRIAL AND AQUATIC
ECOSYSTEMS
The article considers the application of multichannel satellite Landsat images in the analysis of process state and dynamics in ecosystems. The paper provides the most common channels of band combinations and interpretations of their physical meaning. As a case in point the authors suggest the calculation of NDVI-index, which is an indicator of photosynthetic activity of plant biomass.
Key words: Landsat images, remote sensing, multichannel images, ecosystems, ecological monitoring, Vegetation Index, GIS.
About the authors
Dr. Evdokimov Sergei, Associate Professor, Geography Department, Pskov State University, Russia.
E-mail: [email protected]
Mikhalap Sergei, Assistant-Lecturer, Botany and Plant Ecology Department, Pskov State University, Russia.
E-mail: [email protected]
