CC BY
23
здиймачiв, застосовуючи прогресивнi умови премiювання та оплати пращ. А також передавати на конкурент 0CH0Bi у користування (оренду) дiлянки для проведення пiдсочування як юридичним, так i фiзичним особам, зпдно з Люо-вим кодексом Украши.
Л1тература
1. Акимов Ю.А., Нилов Г.И., Лаштванова Л.Н. Количественное содержание компонентов эфирных масел сосны обыкновенной и сосны крымской в течении вегетации// Раст. ресур. - 1975, т. IX, вып. 4. - С. 562-568.
2. Бардышев И.И. Изменчивость свойств и состава скипидаров, полученных из индивидуальных деревьев хвойных пород, произрастающих в пределах СССР// Сб. научн. работ БелЛТИ. - Минск: Изд-во Белгосуниверситета, 1958, вып. IX. - С. 105-114.
3. Высоцкий А.А. Насаждения сосны обыкновенной целевого назначения (для добычи живицы)// Лесоводство, лесоразведение, лесные пользования (обзорн. инф.). - М.: ВНИ-ИЦлесресурс Госкомлеса СССР. - 1991, вып. 3. - 44 с.
4. Гордеев А.В. Создание на Нижеднепровских и Нижедонских песках сырьевых баз длительного подсочного хозяйства за счет разведения сосны крымской (Pinus pallasiana Lamb)/ Автореф. дис.... д-ра. с.-х. наук/ Латв. с.-х. акад. - Елгава, 1964. - 31 с.
5. Дрочнев Я.Г. Зависимость между выходом живицы и составом скипидара// Лесохимия и подсочка (реф. сб.). - 1977, вып. 3. - С. 7-8.
6. Зандерманн В. Природные смолы, скипидары, талловое масло (Химия и технология): Пер. с нем. - М.: Лесн. пром-сть, 1964. - 576 с.
7. Котов М.М. Организация лесосеменной базы. - М.: Лесн. пром-сть, 1982. - 136 с.
8. Рекомендации по использованию в лесохозяйственном производстве высокосмолопро-дуктивной формы сосны обыкновенной/ А. А. Высоцкий. - Воронеж: ЦНИИЛ1 ИС, 1983. - 34 с.
9. Чудный А.В. Создание высокосмолопродуктивных насаждений сосны обыкновенной// Лесохимия и подсочка (реф. сб.). - 1976, вып. 7. - С. 12-13.
10. Antkowiak L. Mozliwosci wzrostu wydajnosci zywicy u sosny zwyczajnej (Pinus sylvestris L.)// Sylwan, 1992, Nr.5. - S. 43-49._
УДК 630*587.5 Ст. викл. О.Г. Часковський, канд. с.-г. наук;
доц. С.1. Миклуш, канд. с.-г. наук - УкрДЛТУ
ЗАСТОСУВАННЯ Г1ПЕРСПЕКТРАЛЬНИХ СУПУТНИКОВИХ ЗН1МК1В ДЛЯ СПОСТЕРЕЖЕНЬ ЗА Л1СОВИМИ МАСИВАМИ
Застосування сучасних супутникових зшмюв велико! спектрально! роздшьно! здатност для лiсiв Захщно! Украши дае велик можливосп для мошторингу. Вико-ристання тако! шформацп потребуе розроблення спещальних методiв для автоматично! класифшацп, зважаючи на особливi умови та особливосп цих люових насаджень. Експертна штерпретащя зображень супутника на територи Захщно! Укра!ни дала змогу використати властивосп зображень i знання про об'ект для устшно! штерпре-тацп лiсових насаджень.
Senior teacher O.G. Chaskovskyy; doc. S.I. Myklush - USUFWT Application of hyperspectral satellite images for supervision over forests stands
Application of modern satellite pictures of the big spectral resolution for forests stands of the Westukrainе carries ample opportunities for monitoring. Use of such information demands development of special techniques for the automatic classification in view of conditions of an environment. Expert interpretation of satellite images on territory of the Westukraine has allowed to use properties of images and knowledge about object for successful interpretation forests stands.
190
Стан i тенденци розвитку лшвничоТ освгги, науки та лкового господарства в УкраТш
Науковий iticiniK, 2004, вип. 14.6
В останш роки для монiторингу довкшля широко застосовуються ма-терiали дистанцшного зондування Землi рiзного виду [3]. Крупномасштабш знiмки дають змогу отримати оперативну шформащю про стан навколишньо-го середовища. Супутниковi знiмки середньо! та велико! роздшьно! здатностi на одну i ту ж територда отримують з iнтервалом в час 14 i бiльше днiв, про-те, через погоднi умови на час зшмання, не кожен отриманий знiмок придат-ний до опрацювання. На великi територи необхiдна значна кшьюсть знiмкiв велико! роздiльно! здатносп, що позначаеться на вартостi матерiалiв зшман-ня та !х опрацювання. Менш затратними е дрiбномасштабнi зшмки, але вони мають недолiки, обумовлеш малою роздiльною здатнiстю. Поряд з тим для дрiбномасштабних знiмкiв можемо вщзначити такi переваги:
• висока частота зтмання територи, що тдвищуе 1мов1ртсть отримання бшь-
шо!' шлькосп яшсних зтмшв;
• велика територ1я, яка охоплюеться на одному зтмку;
• легка достуитсть отримання (безкоштовт зтмки);
• гшерсиектральтсть.
Одними з найпоширешших е дрi6номасшта6нi знiмки системи MO-DIS, американсько! платформи Terra. Аналопчний iнструмент для спостере-жень за поверхнею свiтового океану встановлений i на платформi AQUA. Зшмки з обох платформ можна переглянути i отримати через Internet.
Для дослщження можливост використання гiперспектральних зшмюв при дешифруваннi земель лiсового фонду використаш знiмки системи MO-DIS, що зроблеш 28 жовтня 2001 року та 21 серпня 2002 року. Зшмки пщб-раш таким чином, щоб на них було якомога менше хмар та шших затiнень. Дослiджувана територiя повинна бути в ^rnpi знiмка, оскiльки через особли-востi дрi6номасшта6них знiмкiв по !х краях е великi спотворення.
Програмою дослiджень передбачалась автоматична штерпретащя ль сових масивiв захiдно! частини Укра!ни на супутникових знiмках MODIS та встановлення !х вiдповiдностi планам люонасаджень. Дрi6номасшта6нi зшм-ки застосовуються рщко для дешифрування лiсово! рослинност^ тому необ-хiдно опрацювати нов^ ефективнi шляхи автоматизаци процесу !х дешифрування з метою отримання найповшшо! iнформацi!.
За будь-якого автоматичного дешифрування постае питання встановлення юлькост можливих класiв при класифжаци рослинностi. Чим 6iльше класiв - тим iнформативнiшi карти отримують в юнцевому результатi, та юль-юсть класiв обмежуеться точнiстю, з якою вони можуть бути отримаш [2].
Вщомо, що листянi насадження в Укршш е листопадними, а тому величина фггомаси !х листя змiнюеться посезонно. Для хвойних насаджень та-ко! змiни немае. Щ осо6ливостi лiсових насаджень використаш в наших дос-лiдженнях. Цифрове опрацювання супутникових зшмюв дае змогу ощнити характер рослинност на дослщжуванш територй за допомогою допомiжних шдекЫв, що розраховуються на пiдставi прямих величин окремих зон зшмання. Певш шдекси застосовуються для ощнки динамiки фiтомаси листя в на-садженнi [1].
Найпоширенiшим i найбшьш придатним для диференцiацi! рослинно-го покриву е споЫб розрахунку шдекса NDVI за формулою:
3. Лковпорядкування, лiсокористування та економша лiсового господарства
191
1Г - Г
NDVI,
1Г + Г
де: ir - значения каналу дiапазону ближнього iнфрачервоного випромiнювання; г - значення каналу дiапазону червоних хвиль.
Для подальшо! роботи використовуеться комбiноване зображення, складене з оригшальних каналiв i додатково обчисленого за допомогою ал-гебрашних операцiй NDVI-каналу. Для останнього методу алгебрашних пе-ретворень використано тiльки ближнiй шфрачервоний i червоний канали, ос-кшьки з лiтературних джерел вiдомо, що вони е найiнформативнiшими для дослщжень лiсового покриву [3].
Пiдсумовуючи наведене, можна стверджувати, що шдекс рослинност NDVI - мае зменшуватись при опаданш листя, що властиво тшьки для листя-них насаджень. Така особливють стала основою для штерпретацй листяних та хвойних насаджень на супутникових зшмках рiзних сезонiв зшмання.
Розрахунок рослинного iндексу проводився за допомогою програмного забезпечення ERDAS Imagine, що дае змогу використовувати вже готовi блоки програм i, що особливо зручно, програмувати на вiзуальному рiвнi (рис. 1).
IИ c:/program files/imagine 8.5/etc/models/veg_ndvi.gmd ^jnjxj
File Edit Model Text Process Help
0 tf □ H S ji % i ^ /
input raster d
ir - / \ nljanier jrr+4;'isible
$n1_lanier(4) $nfcjanier(4)
n3_memory EITHER OIF n7_memory \
n11_memory output raster —
$n11_memory - GLOBAL MIN n15JnNDVI d
1 1
Рис. 1. Алгоритм програми длярозрахунку МБУ1-тдексу
Програма передбачае дй над каналами червоного та iнфрачервоного кольорiв. Спочатку проводяться дД! додавання i вщшмання мiж каналами, по-тiм - дшення рiзницi на суму. Оскшьки отриманi числовi значення створено-
192
Стан i тенденци розвитку лшвничоТ освiти, науки та лiсового господарства в УкраТш
Науковий вкник, 2004, вип. 14.6
го додаткового каналу невелик^ то наступним кроком е розширення всього розподшу отриманих значень в межах вщ 0 до 255. Отримане нове зображен-ня послужило вихщним для подальшо! класифжаци. На зшмках за допомо-гою тестових дшянок визначено змшу рослинного шдекса для листяних чи хвойних насаджень на супутникових зшмках залежно вщ сезону (табл. 1).
Табл. 1. Змтарослинного коефнщснта залежно вiд сезону зшмання
№ тестових дшя-нок ^,ата класи\ 28.10.2001 21.08.2002 рiзниця
значення NDVI-коефiцiенту значе] NDVI-коес ня ищенту значе] NDVI-коес шя ищенту
min max середне min max середне min max середне
Листят 130 157 141,7 211 215 211,667 81 58 70
126 201 170,7 204 232 222,764 78 31 52,08
99 199 138,2 196 229 214,321 97 30 76,151
109 190 147,1 200 227 213,545 91 37 66,415
119 194 151,6 212 231 222,625 93 37 71
140 183 163 222 230 226 82 47 63
Хвойт 136 181 157,6 178 213 194,421 42 32 36,833
108 189 158 173 201 187,944 65 12 29,944
99 168 127,4 168 206 185,842 69 38 58,402
126 203 164,3 165 216 190,27 39 13 25,989
135 183 157 180 210 195,957 45 27 39,002
114 181 151,5 166 207 191,333 52 26 39,811
Значення NDVI-шдексу залежить вщ властивостей зшмка, тому для аналiзу використано рiзницю мiж показниками на зшмках двох pi3Hrn дат знiмання, а саме мiж мiнiмальним середнiм та максимальним значеннями. Для листяних насаджень рiзниця стабiльно вища, нiж для хвойних, що шд-тверджуе гшотезу про залежнiсть динамiки рослинного шдексу залежно вiд породи.
Встановлено залежностi мiж динамiкою рослинного iндексу та складом люових насаджень використанi для експертно! класифжаци супутникових зшмюв дрiбноi роздшьно: здатностi. Введення нових правил для тако! класифжаци шдвишуе li точнiсть, тому головне завдання при експертнш кла-сифшаци - mдбiр якомога бiльшоi кiлькостi правил, як описують необхiдний об'ект класифжацп [1]. У дослiджуваному випадку - хвойш та листянi наса-дження.
Лггература
1. Günther, Oliver Wissensbasierte Methoden zur Fernerkundung der Umwelt/ hrsg. von Oliver Günther.... - Karlsruhe: Wichmann, 1992. - 216 S.
2. Hildebrandt, Gerd Fernerkundung und Luftbildmessung: für Forstwirtschaft, Vegetati-onskartierung und Landschaftsökologie/ Gerd Hildebrandt. - 1. Aufl. - Heidelberg: Wichmann, 1996. - 676 S.
3. Lillesand, T.M., Kiefer, R.W. Remote Sensing and Image Interpretation. John Wiley & Sons, 1979. - 198 p. _
3. Лковпорядкування, лкокористування та економша лкового господарства
193
