CC BY
56
ОБРАБОТКА ИНФОРМАЦИИ
При уровне доверия yn(xn) > а, 0 < а < 1 получаем
Ею-(1 -а)ЕюJan]L < хп <
3=1 3 =
< Е юja"n2 + (1 -а)Е юja]R .
=1 =1
Полученные нечеткие рейтинговые оценки предлагается использовать для кластеризации объектов на основе экспертных высказываний относительно важности тех или иных характеристик для соответствующего кластера [4]. Примером таких высказываний может быть высказывание следующего типа: «Для принадлежности объекта к /-му кластеру не очень важны характеристики из первой группы, довольно важны характеристики из второй группы, ... и очень важны характеристики из v-ой группы», i = 1, r .
Обозначим через А1 , ... Av соответственно нечеткие рейтинговые оценки п-го объекта для первой, второй и так далее r-ой групп характеристик. Тогда согласно экспертному высказыванию нечеткой оценкой n-го объекта в рамках i-го кластера будет являться нечеткое число Rln :
Rn - C® A e C ® A e... e c6 ® A, n = i, n
, i = 1, r с функцией принадлежности p/n(x). Для остальных кластеров рейтинговые оценки для всех объектов находятся аналогично в
соответствии с экспертными высказываниями. Сравнение полученных результатов производится на основе Rn, п, п = 1, N, i = 1, r . Для этого определяются нечеткие множества I1, i = 1, r, заданные на множестве индексов {1, 2, ..., N}. Значения функций принадлежности pi(n) этих множеств интерпретированы как степени принадлежности n-го объекта к /-му кластеру. Если sup х : p!n(x) = 1, n = 1, N принадлежит R’k (х), то k-й объект считается типичным представителем i-ого кластера. Значения p,.(n), n = 1, N при n Ф к вычисляются следующим образом
Рг(«) = max min(|aR, (х), ^ (х)) .
Библиографический список
1. Полещук, О.М. Математическая модель обработки экспертных оценок / О.М. Полещук // Вестник МГУЛ - Лесной вестник. - 2005. - № 6 (42). - С. 161-164.
2. Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приблизительных решений / Л.А. Заде. - М.: Мир, 1976. - 165 с.
3. Полещук, О.М. Методы и модели обработки нечеткой экспертной информации / О.М. Полещук, Е.Г. Комаров. - М.: Энергоатомиздат, 2007. - 288 с.
4. Poleshuk O.M., Komarov E.G. The determination of students’ rating points on fuzzy formalization of initial information basis // Education, science and economics at universities. Integration to international education area. Plock, Poland, 2008, Pp. 67-73.
ОПРЕДЕЛЕНИЕ ПО КОСМИЧЕСКИМ СНИМКАМ
биометрических и продукционных характеристик растительности
Ю.С. ГАЛКИН, проф. каф. физики МГУЛ, д-р техн. наук,
В.С. ШАЛАЕВ, проф., директор ИСИЛ, д-р техн. наук,
Ю.П. БАТЫРЕВ, доц. каф. физики МГУЛ, канд. техн. наук,
В.Н. ПОТАПОВ, асп. каф. физики МГУЛ,
В.П. СЕМЕНОВА, асп. каф. геодезии МГУЛ,
Ч.Д. ЭСАНАЛИЕВ, инж. каф. физики МГУЛ
Методики применения космического мониторинга для нужд лесной отрасли в настоящее время достаточно глубоко проработаны [1] и широко применяются для решения практических задач на всей территории нашей страны [2].
galkin@mgul.ac.ru, caf-physics@mgul.ac.ru
Однако существующие пакеты программ обработки космических снимков (ERDAS, ENVI, ScanEx и др.) дают не всю подробную информацию о лесном древостое, особенно количественную - дендрометрическую и продукционную, которая интере-
20
ЛЕСНОЙ ВЕСТНИК 6/2009
ОБРАБОТКА ИНФОРМАЦИИ
сует практиков. В данной работе изложены результаты разработки дополнительных программных модулей к одному из широко используемых пакетов программ для обработки космической информации (ENVI).
Как показано в классической работе [1], биометрические и продукционные характеристики растительности функционально зависят от многих дешифровочных показателей. Нами принята формула, представленная в работе [3], где указана зависимость биометрических характеристик от густоты произрастания, т.е. числа растений на единице площади. Коэффициенты в формулах взяты из справочника [4] (табл. 1).
Указанную густоту произрастания из космического снимка можно определить непосредственным подсчетом вершин растений или измерением средней ширины кроны.
Для отработки технологии определения искомых характеристик был использован космический снимок высокого пространственного разрешения (Quick Bird), предоставленный Научным центром аэрокосмического мониторинга «АЭРОКОСМОС».
С учетом разрешающей способности конкретного снимка и условий съемки,
в нашем случае, густоту древостоя можно определить по числу деревьев на единицу площади. Принцип автоматического определения густоты растительности, т.е. количества деревьев на гектаре площади (рис. 1.). На рисунке приведены изображения вершин деревьев на космическом снимке, оптимизированные по увеличению для наиболее точного подсчета числа вершин. Густота растительного покрова вычисляется из пропорции относительно счетного участка по следующему соотношению
„ количество деревьев в ROI • 10000 м2
Густота леса =------------------2--------’
площадь ROI м2
где ROI - область интереса, выделенная для определения биометрических и продукционных характеристик.
Определение биометрических характеристик - эта функция позволяет с помощью данных, полученных со снимка, определить такие характеристики, как густота леса, относительная полнота насаждений, диаметр дерева, высота дерева, относительная высота дерева, протяженность кроны, сумма площадей поперечного сечения.
Рис. 1. Вершины деревьев в естественных цветах (слева) и в инфракрасном спектре (справа) спутникового снимка
ЛЕСНОЙ ВЕСТНИК 6/2009
21
ОБРАБОТКА ИНФОРМАЦИИ
Таблица 1
Основные биометрические и таксационные характеристики лесного биогеоценоза
Биометрическая характеристика леса Краткое описание биометрической характеристики Зависимость характеристики от густоты леса (х) Коэффициент корреляции
Относительная полнота насаждений (у) Характеризует эффективность использования ресурсов окружающей среды при формировании древесной продукции. Этот показатель при определенных условиях может иметь оптимальное значение, при котором густота леса будет давать максимальную продукцию. Он изменяется от 0.2-0.4 для низкогустотных ценозов до 0.8 у ценозов с предельной относительной полнотой у = 0,0039х°’51 0,92
Диаметр дерева (D) От диаметра дерева зависит уровень его конкурентоспособности за ресурсы среды с другими деревьями и травяно-кустарниковым покровом D = 79,7х~°’35 0,88
Высота дерева (H) Это эколого-фитоценологическая характеристика лесной экосистемы, которая служит индикатором конкуренции между соседними деревьями за свет, воду и минеральные вещества почвы H = 50,2х~°’26 0,73
Относительная высота деревьев Рассчитывается как отношение высоты дерева на уровне груди среднего роста человека к диаметру. Отражает ценотические особенности роста и формообразования стволов деревьев H / D = 63,6х0’1 0,61
Протяженность кроны (L) Является показателем положения дерева в ценозе, характеризует его фитомассу и отражает уровень конкуренции деревьев за свет L = 26,3х-0-3 0,77
Сумма площадей поперечного сечения (S) и Является основным показателем продуктивности стволовой массы древостоя. Наблю- S = 0,48х°’3 0,63
запас древесины (ст) дается эффект, выраженный в возрастании ст = 7-10-8х2 +
суммы площадей поперечных сечений при увеличении густоты, хотя при этом площадь сечения отдельного дерева уменьшается + 3,3-10-3х + 0,14 R = 0,82
Проведенные экспериментальные исследования показали, что по снимкам с разрешением порядка двух метров с приемлемой точностью можно определить биометрические и продукционные характеристики согласно таблице, на основе приведенных в ней функциональных зависимостей. Коэффициенты и показатели в функциях были приведены к значениям, характерным для хода роста естественных древостоев в центральном районе.
Для оценки точности космического эксперимента по определению биометрических и продукционных характеристик растительности были использованы результаты наземной таксации по базе ГИС «Центролес-
проекта» одном из подмосковных лесхозов (Танинском). Путем полевого обследования были выбраны выделы, имеющие наибольшую представительность по выявленным типам пород.
На рис. 2 приведен пример определения биометрических и продукционных характеристик для 38 выдела 49 квартала. Преобладающей породой в этом выделе является береза.
Аналогичные вычисления могут быть проведены для любого выдела, на котором фиксируется структура растительного покрова. На рис. 3 приведен пример вычислений для 44 выдела 49 квартала, где преобладающей породой является сосна.
22
ЛЕСНОЙ ВЕСТНИК 6/2009
ОБРАБОТКА ИНФОРМАЦИИ
Рис. 2. Определение биометрических характеристик растительности на 36 выделе 49 квартала (береза)
Рис. 3. Определение биометрических характеристик растительности на 44 выделе 49 квартала (сосна)
ЛЕСНОЙ ВЕСТНИК 6/2009
23
ОБРАБОТКА ИНФОРМАЦИИ
Таблица 2
Сравнение биометрических характеристик на 36 выделе 49 квартала
Характеристика Определение по снимку Определение по базе
Относительная полнота насаждений 0,58 0,6
Диаметр дерева, см 18,00 16,7
Высота дерева, м 18,29 17
Относительная высота дерева 108,18 -
Протяженность кроны, м 5,34 -
Сумма поперечного сечения 2,36 -
Запас древесины 1,06 1
Таблица 3
Сравнение биометрических характеристик на 44 выделе 49 квартала
Характеристика Определение по снимку Определение по базе
Относительная полнота насаждений 0,52 0,5
Диаметр дерева, см 31,21 33
Высота дерева, м 23,19 23,5
Относительная высота дерева 110,39 -
Протяженность кроны, м 5,02 -
Сумма поперечного сечения 2,51 -
Запас древесины 18,30 19,2
В табл. 2 и 3 приведены сравнения автоматически рассчитанных по космическому снимку биометрических и продукционных характеристик выбранных типов растительности (березы и сосны соответственно) и соответствующих данных выбранных тестовых участков, взятых из базы данных на тестовый полигон.
Таким образом, экспериментально доказано не только решение поставленной задачи - автоматизированное определение биометрических и продукционных характеристик растительности, но и показана точность определения, достаточная для решения ряда практических задач.
Работа выполнена при поддержке
Агентства по инновациям и технологиям Рос-
обрнауки
Библиографический список
1. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве / В.И. Сухих. - Йошкар-Ола: МарГТУ, 2005. - 392 с.
2. Маслов, А. А. Космический мониторинг лесов России: современное состояние, проблемы и перспективы / А.А. Маслов // Лесной бюллетень. - 2006. - № 1. - С. 8-13.
3. Бурков, В.Д. Экоинформатика / В.Д. Бурков, В.Ф. Крапивин. - М.: МГУЛ, 2009. - 430 с.
4. Загреев, В.В. Общесоюзные нормативы для таксации лесов / В.В. Загреев, В.И. Сухих, А.З. Шви-денко и др. - М.: Колос, 1992. - 495 с.
24
ЛЕСНОЙ ВЕСТНИК 6/2009
