CC BY
38
Физическая география и биогеография, география почв и геохимия ландшафтов
УДК 911.52
ВЫДЕЛЕНИЕ ДРЕВЕСНОЙ РАСТИТЕЛЬНОСТИ С ПОМОЩЬЮ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ (БПЛА) ДЛЯ ОЦЕНКИ ЗЕЛЕНОЙ ИНФРАСТРУКТУРЫ ГОРОДСКИХ ЛАНДШАФТОВ
Б01: 10.24412/1728-323Х-2021-5-42-47
Б. И. Кочуров, доктор географических наук,
профессор, Институт географии
Российской академии наук,
b.i.kochurov@igras.ru, Москва, Россия,
А. Ю. Карандеев, к. г. н., доцент,
Липецкий государственный
педагогический университет
имени П. П. Семенова-Тян-Шанского,
aykarandeev@gmail.com, г. Липецк, Россия,
К. А. Мерекалова, младший научный сотрудник,
Московский государственный университет
имени М. В. Ломоносова,
merekalova@yandex.ru, Москва, Россия,
Т. И. Харитонова, к. г. н., доцент,
Московский государственный университет
имени М. В. Ломоносова, Москва, Россия,
Л. Н. Беляева, к. г. н., доцент,
Липецкий государственный
педагогический университет
имени П. П. Семенова-Тян-Шанского,
geolspu@mail.ru, г. Липецк, Россия,
Д. С. Климов, к. г. н., доцент,
Липецкий государственный
педагогический университет
имени П. П. Семенова-Тян-Шанского,
geoklim@mail.ru, г. Липецк, Россия
Дистанционные методы исследования городских ландшафтов с помощью съемки БПЛА имеют большой потенциал для автоматизированного анализа параметров компонентов геосистем с целью дальнейшей оценки экосистемных услуг. С помощью классификации плотного облака точек созданного по съемке БПЛА в исследовании была проанализирована площадь покрытия кронами деревьев г. Усмань Липецкой области. После классификации плотного облака точек в программе Agisoft Metashape создается без интерполяции поверхность высот по классу точек «растительность». На основе поверхности высот растительности создается ортофото, по которому дешифрируются кроны отдельных деревьев. Примененная методика показала достаточно точное и достоверное выделение крон деревьев. Площадь покрытия кронами исследуемой территории г. Усмань составила 22,27 %. Полученные результаты позволяют сделать вывод о том, что малые города могут быть островами с более высоким процентом древесного озеленения в лесостепной зоне.
Введение. Экосистемные сервисы городской древесной растительности могут быть разделены на три группы [1]. Первая — регуляция атмосферы, гидросферы, почвы и климата. Вторая — обеспечение качества обитаемой среды и биоразнообразия. Третья — обеспечение других продуктов и экосистемных услуг. Как правило, исследователи чаще всего сосредотачиваются на первой группе услуг, особенно в последнее время актуальны работы, посвященные извлечению парниковых газов. Для городской растительности, наверное, более важными представляется анализ других услуг, связанных с обеспечением качественной среды обитания. В рамках этого направления авторами были ранее опубликованы результаты исследования малых городов Липецкой области [2, 3] по оценке дизайна городских л андшафтов, в котором озеленение играет важную роль.
Примером одного из приложений комплексной оценки экосистемных сервисов, активно применимом в мире, явля-
Remote sensing methods for studying urban landscapes using UAV imagery have great potential for automated analysis of component parameters of geosystems with purpose to assess ecosystem services. Using the classification of a dense cloud created by the UAV survey, in the study we analyzed the tree canopies cover of the city of Usman, Lipetskay Oblast. The dense cloud is classified in the Agisoft Metashape and elevation surface is created by filtering to the class 'tree points' without interpolation. The orthophoto is created by tree elevation surface and tree canopies are mapped using orthophoto. The applied technique showed a sufficient accuracy and reliability of tree canopy detection. Area of tree canopies covering of study part of the city of Usman is 22.27 percent. The results obtained allow us to conclude that small towns can be islands with a higher percentage of tree planting in the forest-steppe zone.
Ключевые слова: экосистемные услуги, городские ландшафты, беспилотных летательных аппаратов (БПЛА).
Keywords: ecosystem services, urban landscapes, UAV.
ется разработка «i-Tree Eco» [4] и основанная на данной методике «i-Tree Canopy». Несмотря на достаточно широкое международное применение, это приложение пока не используется в нашей стране и требует отдельной апробации. В основе приложения «i-Tree Eco» лежит полевое исследование городских лесов, однако дистанционные методы выявления покрытия кронами и выявление параметров отдельных деревьев (вид, высота, проективная площадь кроны) уже достаточно развиты [5, 6], что позволяет г оворить об их эффективности для оценки экосистемных сервисов [7].
Материалы и методы. Основой для исследования стали ор-тофото и другие материалы, полученные обработкой фотографий, сделанных квадрокоптером в ходе экспедиции в г. Ус-мань Липецкой области в августе 2019 г., которая проводилась в рамках гранта Фонда президентских грантов «Молодежная ландшафтная школа-экспедиция «Культурные ландшафты малых городов». Съемка выполнялась квадрокоптером DJI Mavic 2 Pro с помощью планирования маршрутов программой PIX4D. В среднем за один вылет (время работы на одной батарее) квадрокоптер делал больше 500 снимков с относительной высоты около 215 м. За 14 вылетов была отснята значительная часть г. Усмань, исключая некоторые удаленные районы и учреждение ФСИН, общей площадью 424,87 га. Для обработки было получено 6921 снимок.
Обработка фотографий выполнялась в фотограмметрической программе Agisoft Metashape Professional на компьютере Windows 10, оснащенным Intel Core i5 11600K, NVIDIA GeForce GTX 1660, DDR4 64 GBytes. Общее время на обработку данных в программе составило более 54 часов, из которых построение и классификация плотного облака точек — 37 часов. Полученные данные в дальнейшем анализировались с помощью плагина Geoscan Forest в программе QGIS 3.4 для выделения отдельных крон. Полученный набор данных покрытия древесными кронами в дальнейшем обрабатывался в программе ArcGIS Desktop 10.8. Общий алгоритм обработки, показавший наибольшую точность определения покрытия кронами следующий:
1. Создание и классификация плотного облака точек по результатам съемки.
2. Создание ЦМТ и ортофото исследуемой территории.
3. Исключение из класса «растительность» плотного облака точек крыш зданий с помощью выделения по цвету.
4. Создание ЦМТ без интерполяции и ортофото без заполнения пустых отверстий по классу «растительность» плотного облака точек (этапы 1—4 выполнялись в программе Agisoft Metashape Professional).
5. Выделение крон деревьев и техническая обработка набора данных (плагин Geoscan Forest в программе QGIS 3.4).
6. Анализ распределения по кадастровым кварталам, компоновки карт и прочее (ArcGIS Desktop 10.8).
Описанный общий алгоритм для выделения крон показал достаточную достоверность и точность выделения крон деревьев по сравнению с другими опробованными способами в ходе исследования (рис. 1). Точность выделения крон проверялась визуально по ортофото г. Усмань.
Рис. 1. Пример выделения крон (масштаб 1:500)
Результаты и обсуждение. Для исследуемой территории г. Усмань были выделены площади, покрытые кронами древесной растительности (рис. 2). Выделение площадей было выполнено по классификации плотного облака с выделением растительности, последующим построением ЦМТ и ортофото из выделанной растительности, анализом и выделением крон по ортофо-то. Общая площадь покрытия кронами составила 94,6216 га (22,27 % от площади исследуемой территории города — 424,87 га). Выделенных отдельных крон (оценочных отдельных деревьев) — 46 803 шт.
Для анализа распределения и оценки эффекта растительности были взяты кадастровые кварталы ЕГРН и рассчитаны площади, занятые растительностью внутри каждого квартала (рис. 3). Кадастровые кварталы, расположенные на границе исследуемой территории города, были обрезаны по этой границе. Исследуемая территория включает 108 кадастровых кварталов, и средний процент площади покрытия кронами составил 21,6 %.
Распределение площади покрытия по кадастровым кварталам в целом равномерное (рис. 4). Большая часть кварталов имеет площадь покрытия кронами от 20 до 30 %, значимая часть от 10 до 20 %. Площадь квартала в общем тренде не
влияет на процент покрытия кронами (рис. 5). Высокий процент покрытия кронами (до 54 %), ожидаемо, у кварталов включающих парк, старое кладбище и неиспользуемых земель на левом берегу р. Усмань (кварталы относящиеся к землям сельхоз назначения). Низкий процент покрытия кронами у кварталов, относящихся к железной дороге, некоторым недавно реконструированным улицам, недавно застроенным индивидуальным жильем, и некоторым, занятых административными строениями.
Анализ распределения древесной растительности по городским кварталам — важная часть для расчета экосистемных услуг. Несмотря на то, что современная стратегия развития ЕГРН направлена на отказ от кадастрового деления на кварталы и переход на территориальное зонирование, кварталы могут стать официальной основой для оценки и выработки стратегии по внедрению экосистемных услуг в городскую практику управления. Территориальные зоны, основанные на градостроительном функциональном делении, не вполне обеспечивают в большинстве городов регулярность и размерность покрытия из-за особенностей градостроительного зонирования. В то же время экосистемный подход, основанный на выделении единиц городских ландшафтов, не имеет юридической обоснованности для приме-
Рис. 2. Покрытием кронами исследуемой территории г. Усмань (масштаб 1:20 000)
нения в России. Другим важным преимуществом анализа по кадастровым кварталам ЕГРН служит возможность перехода (юридически и методически обоснованного) от них к оценке экосистем-ных услуг отдельных земельных участков.
Отдельно надо отметить более высокую площадь покрытия растительности в г. Усмань (22,27 %) по сравнению с общей площадью, занятой лесной растительностью в Липецкой области
(9,4 % — форма № 3-ГЛР. Состав земель лесного фонда и земель иных категорий, на которых расположены леса, открытые данные Управления лесного хозяйства Липецкой области). Связано это с тем, что область находится в лесостепной зоне и города, как бы это ни было парадоксально, являются островами с относительно высоким процентом озеленения деревьями по сравнению с окружающими территориями, занятыми в ос-
Процент покрытия кронами кадастровых кварталов ЕГР, %
! |0,74—11,28 11,29—21,82 I I 21,83—32,35 Н 32,36—42,89 Н 42,90—53,43
Количество кварталов 60
50 40 30 20 10
Менее 10—20 % 20—30 % 30—40 % Больше 10 % 40 %
Площадь растительности
Рис. 4. Распределение количества кадастровых кварталов ЕГРН г. Усмани по проценту покрытия крон от общей площади
Площадь древесной растительности (кв. км) 60000 г
50000
10000
50000 100000 150000 200000 250000 Площадь квартала (кв. км)
Рис. 3. Распределение площади покрытия крон по кадастровым кварталам ЕГРН г. Усмани (масштаб 1:20 000)
Рис. 5. Зависимость общей площади и площади покрытия крон кадастровых кварталов ЕГРН г. Усмани
0
новном сельскохозяйственными землями. Если посмотреть более локально, то процент озеленения г. Усмань соответствует проценту лесных земель Усманского района (20,06 %). Более высокий процент лесных земель в составе района объясняется природными (Окско-Донское плос-коместье) и социальными факторами (наличие охраняемых лесных земель — заповедника и заказника).
Заключение. Современные дистанционные методы исследования с применением съемки БПЛА перспективны для применения количественной оценки ландшафтов и расчета экосистемных услуг. Плотное облако точек, созданное при обработке фотографий, и его классификация позволяет получить ряд важных наборов данных: цифровую модель территории по классу «земля» и
«растительность», что при определенных условиях позволяет рассчитать не только плошать покрытия крон, но и высоту древостоя. Дальнейшее развитие техники, вероятно, удешевит БПЛА с лидаром и инфракрасной камерой, что упростит процесс создания плотного облака и дальнейшего анализа ортофото.
Расчет экосистемных услуг может выполняться в рамках кадастрового деления ЕГРН, осуществляя, таким образом, привязку к оценке стоимости недвижимости и земельным участкам. При этом сам анализ экосистемных услуг должен выполняться в рамках ландшафтных выделов.
Исследование выполнено при финансовой поддержке РФФИ и Липецкой области в рамках научного проекта № 20-45-480004.
Библиографический список
1. Roeland S., Moretti M., Amorim J. H. [et al.]. Towards an integrative approach to evaluate the environmental ecosystem services provided by urban forest // Journal of Forestry Research. — 2016. — № 30 (6). — P. 1981—1996. doi: 10.1007/ s11676-019-00916-x.
2. Karandeev A., Sedykh O., Yartseva E. Assessing Landscape Design Of Small Towns In Russia // Proceedings of the Institution of Civil Engineers: Urban Design and Planning. — 2021. — Т. 174. № 3. — С. 116—130. doi: 10.1680/jurdp.20.00078
3. Беляева Л. Н., Карандеев А. Ю., Климов Д. С., Кочуров Б. И. Ландшафты малых городов и оценка их благоустройства // Экология урбанизированных территорий. — 2020. — № 4. С. 126—137.
4. Song P., Kim G., Mayer A., He R., Tian G. Assessing the Ecosystem Services of Various Types of Urban Green Spaces Based on i-Tree Eco // Sustainability. 2020. № 12 (4). doi: 10.3390/su12041630.
5. Onishi M., Ise T. Explainable identification and mapping of trees using UAV RGB image and deep learning // Scientific Reports. 2021. № 11. doi: 10.1038/s41598-020-79653-9.
6. Медведев А. А., Тельнова Н. О., Кудиков А. В., Алексеенко Н. А. Анализ и картографирование структурных параметров редкостойных северотаежных лесов на основе фотограмметрических облаков точек // Современные проблемы дистанционного зондирования Земли из космоса. — 2020. — Т. 17. № 1. — С. 150—163. doi: 10.21046/2070-74012020-17-1-150-163.
7. Katada Y., Hayashi K., Sugita S., Machimura T., Fujimoto A. Assessment of Forest Ecosystem Services Using Unmanned Aerial Vehicles // IAIA17 Conference Proceedings, Montreal, Canada. 2016. URL: https://conferences.iaia.org/2017/final-papers/Hayashi,%20Kiichiro%20-%20Assessment%20of%20Forest%20Ecosystem%20Services.pdf, date of access 8.9.2021.
IDENTIFICATION OF TREES CANOPY USING UNMANNED AERIAL VEHICLES (UAVs) FOR ASSESSING GREEN INFRASTRUCTURE OF URBAN LANDSCAPES
B. I. Kochurov, Ph. D. (Geography), Dr. Habil, Professor, Institute of Geography, Russian Academy of Science, b.i.kochurov@igras.ru, Moscow, Russia,
A. Y. Karandeev, Ph. D. (Geography), P. Semenov-Tyan-Shansky Lipetsk State Pedagogical University, Lipetsk, Russia, K. A. Merekalova, Junior Researcher, Lomonosov Moscow State University, merekalova@yandex.ru, Moscow, Russia, T. I. Kharitonova, Ph. D. (Geography), Lomonosov Moscow State University, Moscow, Russia, L. N. Belyaeva, Ph. D. (Geography). P. Semenov-Tyan-Shansky Lipetsk State Pedagogical University, Lipetsk, Russia, D. S. Klimov, Ph. D. (Geography), P. Semenov-Tyan-Shansky Lipetsk State Pedagogical University, Lipetsk, Russia
References
1. Roeland S., Moretti M., Amorim J. H. et al. Towards an integrative approach to evaluate the environmental ecosystem services provided by urban forest. Journal of Forestry Research, 2016. Vol. 30 (6). P. 1981—1996. doi: 10.1007/s11676-019-00916-x.
2. Karandeev A., Sedykh O., Yartseva E. Assessing Landscape Design Of Small Towns In Russia. Proceedings of the Institution of Civil Engineers: Urban Design and Planning, 2021. Vol. 174 (3). P. 116—130. doi: 10.1680/jurdp.20.00078.
3. Belyaeva L. N., Karandeev A. Y., Klimov D. S., Kochurov B. I. Landshafty malyh gorodov i otsenka ih blagoustrojstva [Small Town Landscapes And Its Design Assessment]. Ekologiya urbanizirovannyh territory [Ecology Of Urban Areas], 2020. No. 4. P. 126—137 [in Russian].
4. Song P., Kim G., Mayer A., He R., Tian G. Assessing the Ecosystem Services of Various Types of Urban Green Spaces Based on i-Tree Eco. Sustainability, 2020. Vol. 12 (4). doi: 10.3390/su12041630.
5. Onishi M., Ise T. Explainable identification and mapping of trees using UAV RGB image and deep learning. Scientific Reports. 2021. Vol. 11 (41). P. 1—15. doi: 10.1038/s41598-020-79653-9.
6. Medvedev A. A., Telnova N. O., Kudikov A. V., Alekseenko N. A. Analiz i kartografirovanie strukturnyh parametrov redko-stojnyh severotayozhnyh lesov na osnove fotogrammetricheskih oblakov tochek [Use Of Photogrammetric Point Clouds For The Analysis And Mapping Of Structural Variables In Sparse Northern Boreal Forests]. Sovremennye Problemy Distantsionnogo Zondirovaniya Zemli Iz Kosmosa [Current Problems In Remote Sensing Of The Earth From Space], 2020. Vol. 17, No. 1, P. 150—163 [in Russian]. doi: 10.21046/2070-7401-2020-17-1-150-163.
7. Katada Y., Hayashi K., Sugita S., Machimura T., Fujimoto A. Assessment of Forest Ecosystem Services Using Unmanned Aerial Vehicles. IAIA17 Conference Proceedings, Montreal, Canada, 2016. Available at: https://conferences.iaia.org/2017/final-papers/Hayashi,%20Kiichiro%20-%20Assessment%20of%20Forest%20Ecosystem%20Services.pdf, date of access 8.9.2021.
