CC BY
298
УДК 631.445
ВОЗМОЖНОСТИ ОБРАБОТКИ И АНАЛИЗА ДАННЫХ СВЕРХЛЁГКОГО БПЛА SENSEFLY EBEE В ЛЕСНОМ ХОЗЯЙСТВЕ
Галина Анатольевна Галецкая
ФГУП «Рослесинфорг» «Запсиблеспроект», 630048, Россия, г. Новосибирск, ул. Немировича-Данченко, 137/1, кандидат сельскохозяйственных наук, инженер-таксатор, e-mail: [email protected]
Михаил Владимирович Вьюнов
ООО НПК «Джи Пи Эс Ком», 109387, Россия, г. Москва, ул. Люблинская, 42, руководитель отдела обработки, тел. +7 495 232 2870, e-mail: [email protected]
Софья Владиславовна Железова
ФГБОУ ВО Российский государственный аграрный университет - МСХА имени К. А. Тимирязева, Научный центр точного земледелия, 127550, Россия, г. Москва, ул. Тимирязевская, 49, кандидат биологических наук, старший научный сотрудник, e-mail: [email protected]
Сергей Иванович Завалишин
ФГБОУ ВО «Алтайский государственный аграрный университет», 656049, Россия, г. Барнаул, пр. Красноармейский, 98, кандидат сельскохозяйственных наук, доцент, декан агрономического факультета, тел. (385-2)62-84-23, е-mail: [email protected]
В докладе показаны возможности фотограмметрической обработки и спектрального анализа данных сверхлёгкого БПЛА SenseFly eBee (Швейцария) в сфере лесного хозяйства с применением сенсоров в различных диапазонах спектра.
Ключевые слова: аэрофотосъёмка, беспилотные летательные аппараты, фотограмметрия, топография, мультиспектральные данные ДЗЗ, тематическая обработка данных ДЗЗ, спектральный анализ данных ДЗЗ.
FACILITES OF PROCESSING AND ANALYSIS OF ULTRALIGHT UAV SENSEFLY EBEE DATA IN THE FIELD OF FORESTRY
Galina A.Galetskaya
Federal State Unitary Enterprise «Roslesinforg» «Zapsiblesproject», 630048, Russia, Novosibirsk, 137/1 Nemirovich-Danchenko St., candidate of agricultural sciences, forest cruiser engineer, e-mail: [email protected]
Michael V. Vyunov
R&PC GPS COM Ltd., 109387, Russia, Moscow, 42 Lyublinskaya St., Head of Processing Department, tel. +7 495 232 2870, e-mail: [email protected]
Sofia V. Zhelezova
FGBOU VO Russian State Agrarian University, Scientific Center of Precision Agriculture, 127550, Russia, Moscow, 49 Timiryazevskaya St., Ph. D., Senior Scientific Researcher, e-mail: [email protected]
Sergei I. Zavalishin
FGBOU VO «Altai State Agrarian University», 656049, Russia, Barnaul, 98 pr. Krasnoarmeisky, candidate of agricultural sciences, professor, dean of the Faculty of Agriculture, tel. (385-2)62-84-23, e-mail: [email protected]
The possibilities of photogrammetric data processing and spectral analysis of ultra-light UAV SenseFly eBee (Switzerland) in the forestry investigations are shown. There were used sensors with RGB and NIR spectral bands.
Key words: aerial photography, unmanned aerial vehicles, photogrammetry, topography, multispectral ERS data, thematic processing of ERS data, spectral analysis of ERS data.
Аэрофотоснимки являются технической основой лесоустроительных работ. От их качества зависит достоверность изготавливаемой лесоустроительной документации.
В 1990-х годах произошло санкционированное высшим государственным органом управления лесным хозяйством страны снижение требовательности к качеству материалов аэрофотосъемки. Из-за недостаточности финансирования аэрофотосъемочных работ в некоторых случаях съемка производилась в масштабе 1:50000 с увеличением до масштаба 1:25000. Такие снимки не могли быть использованы для измерительного дешифрирования таксационных показателей (Ващук, 2010).
В настоящее время широко используются материалы дистанционного зондирования Земли (ДЗЗ), одно из требований к которым - снижение стоимости получения информации о лесах и последующей обработки информации.
Для проведения тематической обработки необходимы исходные спектральные данные высокого разрешения (для космических аппаратов Landsat пространственное разрешение 30 м, для WorldView - не хуже 2 метров, для БПЛА SenseFly eBee - от 0,05 до 0,25 м в зависимости от высоты фотографирования). Для мониторинга катастрофических процессов (лесных пожаров, массовых вырубок и др.) космической съёмки достаточно, но для работы внутри таксационного выдела необходимы дополнительные приборы и трудозатраты.
Недостатком использования традиционных методов классификации космических снимков является зависимость спектральной яркости от различных факторов, связанных с условиями съемки: сезонность, состояние атмосферы, положение носителя, ориентация съемочной камеры, а также ее тип и характеристики. Это снижает достоверность дешифрирования и вызывает необходимость выявления и исследования других признаков, характеризующих свойства лесной растительности (Манович и др., 2013).
Аэрофотосъемка - для лесного хозяйства метод не новый. Выполнялось множество успешных работ, основанных на аэрофотосъёмке (Данилин и др., 2013; Соболев, 2013), но главное ограничение по применению такого метода -высокая стоимость работ (только лётный час на самолете стоит от нескольких десятков до сотен тысяч рублей). Однако на сегодняшний день появился новый метод, который объединяет достоинства всех вышеперечисленных способов оценки и является наиболее доступным с финансовой точки зрения - аэрофотосъемка с беспилотного самолета.
Оперативность получения и обработки данных космической съёмки зачастую достигает месяца в связи с облачностью, дороговизной получения данных
по приоритетным программам и т.д., при этом стоимость работы с БПЛА состоит только из стоимости выезда сотрудника.
Преимущество сверхлёгких БПЛА заключается в том, что и взлёт, и посадка производятся непосредственно на объекте исследований. Лесное хозяйство характеризуется малыми открытыми площадями, зачастую отдалёнными от путей сообщения, что полностью исключает использование для запуска пусковых установок.
Цель работы: на модельном полигоне отработать способы автоматического определения таксационных показателей по отдельным деревьям и выделам внутри квартала в результате аэрофотосъемки с помощью беспилотного аппарата.
Объекты и методы.
Исследования проводились в зимнее время в насаждениях смешанного породного состава.
Объект. В качестве тестовых полигонов был выбран участок, содержащий ландшафты колочной степи и ленточного бора Алтайского края. Методы:
- автоматическая классификация отдельных крон по данным шести диапазонов спектра, подсчёт их количества, густоты и сомкнутости кроны,
- автоматическое определение высот по аэрофотоснимкам фотограмметрической засечкой,
- автоматическая сегментация изображения на выделы,
- определение высот деревьев стереофотограмметрическим путём,
- геопространственный анализ полученных материалов. Предварительно была проведена таксация полигона согласно действующей
Лесоустроительной инструкции, утвержденной приказом Рослесхоза от 12.12.2011 № 516.
Технические характеристики исполнения работ по беспилотной съемке:
Носитель - БПЛА SenseFly eBee
Камеры - Canon S110 RGB и Canon S110 NIR
Фокусное расстояние 4.47 мм
Угол поля зрения 60°
Спектральные каналы:
450 нм - синий,
520 нм - зелёный,
550 нм - зелёный,
625 нм - красный,
650 нм - красный,
850 нм - ближний ИК.
Высота фотографирования - 300 метров
Пространственное разрешение - 10 см.
Съёмка производилась в 11 -12 часов дня по местному времени.
Результаты и обсуждение.
Наиболее значимыми результатами обследования лесного участка являются:
• детальная трёхмерная модель местности, содержащая цвета в 6 диапазонах спектра (рис. 1),
• карта степени фотосинтетической активности (рис. 2),
• карта выделов (рис. 3),
• автоматическое выделение крон (рис. 4), подсчёт количества деревьев различных пород (рис. 5), их высот, определение сомкнутости и породного состава по выделам,
• анализ точности полученных результатов по материалам таксации.
Рис. 1. Трёхмерная модель местности
Рис. 2. Карта отражений в псевдоцветном отображении (а) и индексная карта МОУТ (б)
Рис. 3. Карта отражений в псевдоцветном отображении (а) и карта выделов, полученная по шести спектральным каналам (б)
Рис. 4. Карта отражений в псевдоцветном отображении (а) и выделенные кроны различных пород. (б)
В процессе беспилотной съемки используются различные сенсоры. SenseFly eBee позволяет применять сенсоры, чувствительные в синем, зелёном, красном, дальнем красном, ближнем и среднем ИК диапазонах. В данном исследовании использовались 2 сенсора: работающий полностью в видимом диапазоне спектра (RGB) и чувствительного в зелёном, красном и ближнем ИК.
Для мониторинга лесов широко используют нормализованный вегетационный индекс (NDVI), данный показатель отображает влияние факторов окружающей среды на состояние растительности. Спутниковые методы не дают доста-
точного пространственного разрешения, а стоимость актуального спутникового снимка с высоким разрешением приближается к стоимости пилотируемой аэрофотосъемки. Дешифрирование таких снимков и обработка информации требует дополнительной обработки с применением дорогостоящих программ.
Рис. 5. Автоматически выделенные Рис. 6. Сопоставление границ
деревья выделов
При исследовании беспилотной съемки высокого разрешения возможно получить индексную карту, не используя никакого дополнительного программного обеспечения, кроме штатного.
Отклонения полученных данных обусловлены точностью данных БПЛА и точностью наземной таксации с применением космических снимков.
Точность фотограмметрической модели обусловлена качеством:
- внутреннего ориентирования снимков (достигается калибровкой),
- внешнего ориентирования снимков (погрешность бортового ГНСС оборудования (1-10 м),
- взаимного ориентирования снимков (1,5-2 разрешения на местности в плане, 2-3 - по высоте, в данном случае 15-20 см в плане и 20-30 см по высоте).
Оценкой точности полученных измерений является средняя квадратиче-ская ошибка, которая определяется по формуле:
При этом Л определяется как разность полученных данных с БПЛА и данных наземной таксации с применением спутниковых снимков. Важно понимать, что данная величина содержит все ошибки, присутствующие при измерении обоими методами.
Таблица 1
Пример расчёта средней квадратической ошибки определения средней высоты по выделам
№ По данным наземной таксации По данным БПЛА А А2
1 22 21.84 -1.16 1.35
2 17 17.38 -5.62 31.54
3 18 17.89 -7.11 50.52
4 22 22.23 -3.77 14.20
5 22 21.72 -1.28 1.63
6 19 18.96 -4.04 16.29
7 23 23.11 -1.89 3.56
8 22 21.84 -1.16 1.35
58 27 24.86 -1.14 1.31
I 657.68
т = ±
М
1 П
- > Л ; = 4, 4 м
П/—1
¿=1
Из табл. 1 видно, что средняя высота древостоя по выделам определена с систематической ошибкой, что связано, во-первых, с высотой снежного покрова на момент обследования (более 1 м), во-вторых, отсутствием предварительной процедуры калибровки на высоту по эталонным объектам на местности и с другими источниками ошибок.
Отклонения высот древесного полога, определенных полностью в автоматическом режиме достигает 11 м, суммарная СКО всех источников ошибок, полученная путём непосредственного сравнения составляет 4,4 м, в то время как для ручных наземных измерений точность составляет 0,6 м.
Отклонения коэффициента породного состава достигают 25 %, СКО определения 9,8 %.
Корреляция границ выделов составляет 70 %, что связано с мелкоконтур-ностью изучаемого лесного массива и большей детальностью данных.
Определение диаметров стволов в данном исследовании дает большую погрешность и не оценивалось, так как пространственное разрешение съёмки БПЛА составляло 10 см.
Наиболее яркие преимущества съемки с применением БПЛА проявляются в определении породного состава, сомкнутости древостоя, количества стволов
и в уточнении границ выделов. Наибольшая погрешность (достигающая 15-20 %) была выявлена при автоматическом определении высот деревьев, что в данном исследовании связано с систематической ошибкой, которую можно преодолеть путем проведения процедуры «обучения программы» на эталонных объектах. Для отработки методики достоверного определения высот деревьев требуются дополнительные испытания. Также требует доработки и верификации процедура определения некоторых параметров лиственных пород.
В целом, соответствие с результатами наземной таксации составило около 70 %.
С помощью беспилотной съемки обследована площадь 185 га, общее время полёта - 1 час без затрат на ГСМ. Обработка результатов в автоматическом режиме - 1 день.
Заключение.
Используя БПЛА eBee для съемки лесных массивов и обработки данных съемки с применением штатного программного обеспечения таксатор может в автоматизированном режиме строить карту вегетационных индексов с точностью 98 %, подсчитывать количество крон различных пород с точностью 90 %, строить границы выделов с точностью от 70 % и проводить по ним статистическую обработку данных. В режиме наземного обследования таксатор может определять высоты деревьев с точностью 15-30 см, дешифрировать различные явления и др., что является дополнением к обследованию с воздуха с применением БПЛА eBee.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Ващук Л. Н. Заметки к дискуссии о путях выхода лесоустройства из кризиса // Лесная таксация и лесоустройство. - Красноярск: СибГТУ, 2010. - Вып. 1 (43). - С. 94-102.
2. Манович В. Н., Гук А. П., Евстратова Л. Г. Методы дешифрирования многоспектральных аэрокосмических снимков при решении задач таксации лесов // Государственный лесной реестр, государственная инвентаризация лесов и лесоустройство: материалы 3 -й Междунар. научно-практич. конф.: Новосибирск 29 ноября - 1 декабря 2012 г. М.: ФГУП «Рослесинфорг», 2013. - С. 63-72.
3. Данилин А. И., Данилин И. М., Свищев Д. А. Совершенствование алгоритмов дешифрирования таксационных показателей лесных насаждений на основе данных лазерной и цифровой аэро- и космической съемки / А. И. Данилин, И. М. Данилин, Д. А Свищев // Интерэкспо ГЕ0-Сибирь-2013. IX Междунар. выставка и науч. конгр.. - Новосибирск: СГГА, 2013. -Т.4. - С. 89-96.
4. Соболев К. Г. Аэросъемочный фотограмметрический комплекс Vision Map A3 - перспективы внедрения // Государственный лесной реестр, государственная инвентаризация лесов и лесоустройство: материалы 3-й Междунар. научно-практич. конф.: Новосибирск 29 ноября - 1 декабря 2012 г. М.: ФГУП «Рослесинфорг», 2013. - С. 179-183.
© Г. А. Галецкая, М. В. Вьюнов, С. В. Железова, С. И. Завалишин, 2015
