CC BY
127
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
«идеальный» объект синтеза представляет собой трехуровневую иерархическую систему, в состав которой входят:
1) орбитальный комплекс;
2) космические аппараты;
3) бортовые системы КА (АН, БЗУ).
Тогда все множество определяющих
параметров орбитального комплекса МФКС можно разбить на подмножества, характеризующие каждый уровень и отдельные подсистемы:
- параметры сети F\ ={N,X}
- параметры КА ЯКА ={x, СКА, ф}, (8)
- ШраметрЫ АН Яан ={Та№ / ^ ^}
- шраметры БЗУ ^ ={/бзу, Iпер, ТБЗУ}.
Аналогично из проведенного анализа следует, что при синтезе «идеального» орбитального комплекса в составе его внешней среды необходимо рассматривать следующие подсистемы МФКС: НРТК и СОПМИ с определяющими параметрами
^НРТК _ {CН, ВН}; ^СОПМИ _ {ИППЮ ВППИ ^обр^ (9)
которые при синтезе орбитального комплекса МФКС должны рассматриваться как исходные данные.
Рассмотренные выше исследования, а именно: исследования построения системы, ее операций и взаимодействия со средой, целей, показателей и критериев, объектов моделирования и синтеза, исходных данных и
ограничений, - необходимы для постановки задачи синтеза системы, которая должна решаться моделированием.
Постановка задачи служит основой для проведения последующих этапов синтеза системы - разработки математической модели, моделирования на ЭВМ и выработки рекомендаций. На этих этапах постановка задачи может быть уточнена. Так, постановка задачи синтеза системы может быть расширена включением в объект синтеза компонента, который, как оказалось, существенно влияет на эффективность системы, но ранее был не учтен или отнесен к внешней среде объекта синтеза. Возможна и ситуация сужения задачи, когда, например, параметры, выбранные при предварительном анализе в качестве определяющих, оказываются по результатам моделирования слабо влияющими на показатели эффективности; тогда размерность решаемой задачи может быть сокращена.
Библиографический список
1. Лебедев, А.А. Космические системы наблюдения / А.А. Лебедев, О.П. Нестеренко // Синтез и моделирование. М.: Машиностроение, 1991.
2. Пушкарский, С.В. Многофункциональная космическая система Союзного государства / С.В. Пушкарский, М.И. Макаров, В.А. Меньшиков. - М.: НИИ КС, 2007.
СПОСОБ ОПРЕДЕЛЕНИЯ СОСТАВА НАСАЖДЕНИЙ
В.Ф. ДАВЫДОВ, доц. каф. БЖДМГУЛ, канд. техн. наук, академик РАЕН,
Ю.П. БАТЫРЕВ, ст. научн. сотр. ИСИЛМГУЛ, канд. техн. наук
Программная обработка изображений лесных массивов позволяет вычислить ряд таксационных показателей, таких как полнота насаждения, запас, прирост, бонитет [1-5]. Однако методы дистанционного определения состава насаждений пока широкого практического применения не получили.
В настоящее время определения состава насаждений проводят путем натурной таксации [6]. Смешанное насаждение в целом принимается за единицу, а участие в нем каждой породы выражается в десятых долях от
batyrev@mgul.ac.ru
единицы. Древесная порода, представленная наибольшей долей, называется преобладающей и ставится в формуле состава на первом месте. Конечной целью таксации леса является установление количества древесины из отдельных пород. Древесина учитывается не по количеству стволов, а по объему, т.е. запасу отдельных пород в виде формулы запаса, типа 6С3Е1Б, что означает 0,6 - запас сосны (С), 0,3 - запас ели (Е), 0,1 - запас березы (Б). Аналогично: Ос - осина, Ол - ольха, Ли - липа, Д - дуб.
ЛЕСНОИ ВЕСТНИК 7/2010
47
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Г
береза
осина
сосна
ель
400 500 600 700 800 900 1000
нм
Рис. 1. Закономерность изменения коэффициента спектральной яркости r(X) основных древесных пород. 1 - осина, 2 - береза, 3 - сосна, 4 - ель
При перечислительной таксации состав насаждения устанавливают путем определения сумм площадей сечений отдельных пород или по результатам вычисления запасов отдельных пород (определяемых, как правило, глазомерно). При глазомерной таксации состав насаждений определяется с точностью > 0,1.
К недостаткам такого способа следует отнести также большую трудоемкость перечислительной таксации, неоперативность, недоступность отдельных регионов, нетехнологичность, а главное - отсутствие реального документа (снимка), подтверждающего правильность проведенной идентификации состава насаждений.
Предлагаемый авторами способ состоит в реализации дистанционного метода определения состава насаждений путем сов-
местной программной обработки сигнала изображений лесных массивов, получаемых во всем видимом диапазоне и на спектральных линиях цветности основных древесных пород в зеленой полосе, так и на переходных спектральных линиях от красного к ближнему инфракрасному диапазону.
Предлагаемый способ определения состава насаждений включает наземные измерения спектральных характеристик r (X) крон основных древесных пород данного региона спектрометром высокого спектрального разрешения (ДХ ~ 1 нм), выявление длин волн с максимумом r (X) для каждой древесной породы в зеленой полосе и минимумом r (X) на границе красной полосы и ближнего инфракрасного диапазона, дистанционное зондирование лесных массивов с аэрокосмического носителя с получением снимков
48
ЛЕСНОИ ВЕСТНИК 7/2010
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
лесных участков в видимом диапазоне цифровой фотокамерой высокого пространственного разрешения (менее 0,5 м/пиксель) с одновременной синхронной съемкой тех же участков гиперспектрометром с получением двумерных изображений в двух узких спектральных интервалах, соответствующих выявленным максимуму и минимуму r (X) для каждой древесной породы, формирование синтезированных матриц изображений каждой древесной породы путем вычисления попиксельных отношений матриц r(^)
/ r(A,)min, расчет математического ожидания сигнала M каждой из синтезированных матриц, определение запаса древостоя анализируемого участка V [м3/га] по снимку высокого пространственного разрешения, расчет доли запаса каждой породы из соотношения V = V(M / EM), где EM - сумма математических ожиданий сигнала синтезированных матриц изображений каждой древесной породы.
Отражательные свойства растительных сообществ характеризуются коэффициентом спектральной яркости (КСЯ) [7]. Спектры отражения крон деревьев формируются совокупными эффектами отражения, поглощения и пропускания лучистой энергии отдельными листьями, ветвями. Определяющее влияние на ход кривых спектрального отражения в видимом диапазоне оказывают хлорофилл и каротиноиды. До 90 % лучистой энергии поглощается древесными пологом в процессе фотосинтеза, и лишь небольшой максимум отражения в полосе 450-550 нм придает растительности зеленую окраску.
В видимой области спектра кроны разных древесных пород имеют одну и ту же закономерность хода кривых КСЯ. Закономерность изменения КСЯ древесных пород иллюстрируется графиками рис. 1 [8, С. 21, рис. 2.8.].
Внутри зеленой полосы хвоя, листья отличаются по оттенку цветности: темнозеленые (ель, ольха), зеленые (кедр, пихта), светло-зеленые (сосна, осина, береза). Максимумы яркости сдвинуты по диапазону на 3.. .5 нм при значениях КСЯ 5-10 %. На границе перехода из красной области видимого диапа-
зона (650-700 нм) в ближний инфракрасный диапазон крутизна кривых и различия в спектральной яркости крон основных древесных пород достигают десятков процентов.
Следовательно, спектрограммы крон основных древесных пород имеют два отличительных (селективных) признака: сдвиг максимума r(X) в зеленой полосе и сдвиг максимума r(X) на границе красного и ближнего инфракрасного диапазона. Хотя абсолютная разница между максимумом и минимумом составляет единицы процентов, эта разница вместе со сдвигом по диапазону на 5-10 нм может быть достоверно измерена техническими средствами.
В настоящее время в спектрометрии используются технические средства нового поколения, так называемые приборы химического зрения. Последние позволяют проводить измерения на отдельных спектральных линиях (шириной от 0,1 до 10 нм) с одновременным получением двумерных изображений в каждом спектральном канале [9].
На спектральные характеристики крон деревьев влияют условия произрастания, влажность почв, фенологический период вегетации. Весной молодая листва, хвоя всех древесных пород значительно ярче, ее светло-зеленый цвет в поздневесеннее время сменяется зеленым и темно-зеленым. Для исключения ошибок в ранжировании древесных пород по зеленому оттенку цветности осуществляют измерения их спектральных характеристик в натурных условиях в послевесенний вегетационный период (как правило, - июнь) в каждом регионе произрастания отдельно. Для измерений используют, например, спектрометр «Кварц-4» [8, С. 23-24].
Результаты натурных прецизионных измерений КСЯ древесных пород средней полосы России с определением максимума в зеленой и минимума в красной полосе иллюстрируется диаграммой рис. 2. Наземное ранжирование древесных пород по r(X) (рис. 2) используют в дальнейшем для установления двух узких спектральных каналов дистанционных измерений каждой древесной породы с аэрокосмического носителя гиперспектрометром.
ЛЕСНОИ ВЕСТНИК 7/2010
49
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
Видимый диапазон Синий В
450
460
470 Темно -зеленый Ель ,ольха
480
490 Зеленый Кедр, сосна, дуб
500
Зеленый G 510
520 Светло -зеленый Лиственница, осина
530
540 Зелено -желтый Береза
550
620 Желтый Ель
630
Красный R 640 Оранжевый Пихта, ольха
650 Кирпичный Осина
Вишневый Сосна
660 Темно - вишневый Береза, дуб 'W
670 Ель
670 Ольха
Ближний ИК
750
X, нм
Кедр
Пихта
Сосна
Осина
Береза
Рис. 2. Ранжирование древесных пород по отклику цветности в зеленой полосе максимум r(k) и минимуму r(k) на границе красного и ближнего инфракрасного диапазонов
Полученная пара изображений в спектральных каналах гиперспектрометра по каждой древесной породе подвергается программной обработке. Для чего осуществляют подчеркивание контраста формированием синтезированной матрицы изображения породы вычислением попиксельных отношений: r(X) зеленого / r(X) красного. Хотя абсолютные значения r(X) , гШ отличаются на
4 'max 4 'mm
единицы процентов их отношение изменяется в несколько раз. Затем вычисляют математическое ожидание сигналов синтезированных матриц M. Чем большее количество деревьев данной породы на участке, тем с большей площади осуществляется светосбор для формирования изображений в спектральных каналах, тем больше ожидаемое среднее значение яркости в спектральном канале, M (рис. 3).
50
ЛЕСНОИ ВЕСТНИК 7/2010
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
n I(x)
256 -
192 -
°2
°2
М 2
128 -
64 -
М,
2 4 6 8 10 12 14 16
0
°1
X, м
18 20 22 24
Рис. 3. К расчету математического ожидания M синтезированных матриц
F, 1/м
0 0,4 0,8 1,2 1,6 2,0
Рис. 4. Огибающая пространственного спектра изображения (АЧХ) участка видимого диапазона
Доля каждой породы на участке пропорциональна площади светосбора или отношению
П,= M,j X M,
где n - количество пар синтезированных каналов гиперспектрометра.
Запас древостоя участка рассчитывают по высокодетальному изображению цифровой фотокамеры, осуществляющей съемку во всей полосе видимого диапазона.
Скрытые закономерности в строении насаждения и отдельных деревьев могут быть выявлены на основе использования нескольких независимых признаков изображения,
таких как цвет, тон, текстура, топология. Текстура изображения содержит информацию о степени изрезанности древесного полога, образованного кронами деревьев. Крона отдельного дерева при съемке сверху представляется некоторой колоколообразной фигурой. Вершина кроны освещена ярче, чем промежутки между кронами деревьев.
Поэтому текстура изображения повторяет периодичности чередования расстояний между деревьями и размеры их крон.
Скрытая информация о периодичности чередования и размерности крон может быть выявлена путем расчета пространственного спектра Фурье матрицы изображения.
ЛЕСНОИ ВЕСТНИК 7/2010
51
ИНСТИТУТ СИСТЕМНЫХ ИССЛЕДОВАНИИ ЛЕСА
П
1,0
0,8
0,6
0,4
0,2
0
1,2 1,4 1 6 1,8 2 0 2,2
S p/S
Рис. 5. Зависимость полноты насаждения участка от соотношения площади рельефа древесного полога Sp к геометрической площади участка S0
На рис. 4 представлена огибающая пространственного спектра Фурье матрицы изображения, полученной цифровой фотокамерой высокого пространственного разрешения. Амплитуда огибающей в каждой точке f определяет удельный вес соответствующей пространственной гармоники в общем спектре. Средняя частота F пространственного спектра делит площадь под огибающей пополам.
Средний диаметр кроны анализируемого участка насаждения рассчитывают как Дср = 1 / FСуществует среднестатистическая зависимость между диаметром кроны дерева (Д) его высотой (H) и площадью сечения ствола (g): H- 1,2Д12(м), g = 120-Д0,8 (см2) [1].
Среднее число модельных деревьев на участке определяют из соотношения
^ср = (S0 / (пДСр2/4)Ж
где S0 - геометрическая площадь анализируемого участка, м2;
пД1р /4 - проекция площади кроны на земную поверхность, м2;
П - полнота насаждения.
По определению, полнота насаждения - это степень использования им занимаемого пространства. Чем реже деревья друг от друга, тем больше изрезанность древесного полога. При сомкнутых кронах деревьев изрезанность древесного полога меньше. Среднестатистической характеристикой изрезанности древесного полога служит площадь его рельефа Sp. Отношение площади рельефа древесного полога к геометрической площади участка (Sp/S0)
характеризует полноту насаждения. Данное соотношение вычисляют программным методом
[4]. График зависимости полноты древостоев от соотношения Sp/S0 иллюстрируется рис. 5. Среднее видовое число модельного дерева [6, С. 105] Fрр составляет ~ 0,4.
Таким образом, программная обработка изображений позволяет вычислить необходимое количество независимых признаков, достаточных для однозначного определения запаса древостоя участка.
Библиографический список
1. Способ оценки запаса насаждений. Патент RU № 2133565, 1999.
2. Способ вычисления запаса лесных массивов. Патент RU № 2242867, 2004.
3. Способ определения прироста запаса насаждений. Патент RU № 2277325, 2006.
4. Способ определения полноты древостоев. Патент RU № 2294622, 2007.
5. Способ определения бонитета насаждений. Патент RU № 2371909, 2009.
6. Анучин, Н.П. Лесная таксация / Н.П. Анучин: уч., 5-е изд. - М.: Лесная пром-сть, 1982.
7. Чапурский, Л.И. Отражательные свойства природных объектов в диапазоне 400...2500 нм. Ч.1. / Л.И. Чапурский. - М.: Мин. обороны СССР, 1986.-С.40-47
8. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве / В.И. Сухих. - Йошкар-Ола: МарГТУ 2005.
9. Малый космический аппарат «Вулкан-Астрогон» с гиперспектрометром высокого разрешения. Структурная схема камеры «Астрогон-1». Инженерная записка. - РАКА, ФГУП НИИЭМ, 2002. - С. 9-10.
52
ЛЕСНОЙ ВЕСТНИК 7/2010
