автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Методы оценки состояния почвенно-растительного и снежного покрова с применением космических сканерных изображений



На правах рукописи

м<

I

ЕВТЮШКИН Аркадий Викторович

Методы оценки состояния почвенно-растительного и снежного покрова с применением космических сканерных изображений.

Специальность 05.13.16 - применение математических методов, математического моделирования и п лчислительной техники в научных исследованиях

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук

Барнаул - 1997

Работа выполнена в НИИ экологического мониторинга при Алтайском государственном университете

Научные руководители: член-корреспондент РАН, доктор

физико-математических наук, профессор В.Л. Миронов

доктор физико-математических наук В.В. Козодеров

Официальные оппоненты: доктор физико-математических наук

П.Ю. Пушистов

кандидат технических наук Н.Е. Смердов

Ведущая организация: Вычислительный центр СО РАН

Защита состоится " " о и р.л Л 1997 г. в Л б часов на заседании диссертационного совета Д 064.45.02 в Алтайском государственном университете по адресу: 656099, Алтайский край, г.Барнаул, ул. Димитрова 66.

С диссертацией можно ознакомиться в библиотеке Алтайского государственного университета

Автореферат разослан " 1Я "

Ш 1997 г.

Ученый секретарь диссертационного совета доктор физ.-мат. наук, профессор С.А. Безносюк

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. В последнее время продолжают активно использоваться для научных и народнохозяйственных космические изображения, которые обеспечивают наибольшую оперативность за счет передачи цифровой информации по радиоканалам, а также позволяют проводить круглогодичные и круглосуточные наблюдения.

Многозональные космические изображения содержат избыточный объем информации, что затрудняет их использование без предварительной тематической обработки, специфичной для различных конечных пользователей геоинформационных систем (ГИС).

Дистанционные методы позволяют ввести качественно новые признаки описания исследуемой территории, которые невозможно по-пучить другими методами сбора информации.

Данные дистанционного зондирования могут существенно повысить информационную наполняемость ГИС регионального уровня для целей землепользования, лесного и сельского хозяйства, экологии.

Основная цель. Разработка методов интерпретации и анализа цифровой аэрокосмической информации, полученной с систем дистанционного зондирования в оптическом диапазоне, на основе экспериментально установленных взаимосвязей между отражательными и геофизическими характеристиками земных покровов, а также апробация этих методов с использованием существующих технических средств интерактивной обработки.

Научная новизна. Разработан информационный алгоритм подготовки цифровых картооснов и нанесения на них тематических слоев со :канерных космических изображений.

Разработан и апробирован на различных территориях Западной Сибири метод оценки загрязнения снежного покрова по изображениям ЛСУ-Э и МСУ-СК.

Разработан алгоритм нормализации изображений и применен к задаче распознавания ландшафтов по данным МСУ-Э.

Исследована возможность применения алгоритмов самообучающейся классификации многозональных изображений МСУ-Э И МСУ-СК к сле-1ующим задачам: загрязнение снежного покрова, оценка биомассы застительности, определение типа почв, выделение мест переувлаж-<енйя, засоления, эрозии почв.

Получены методические разработки для определения содержания

гумуса и оценки биомассы растительности по изображениям МСУ-Э на основе квазисинхронных подспутниковых экспериментов.

На защиту выносятся следующие результаты:

1. Алгоритм подготовки цифровых картооснов с точностью, достаточной для построения тематических слоев экологических карт.

2. Алгоритм нормализации сканерных космических изображений.

3. Метод регрессионной оценки загрязнения снежного покрова по космическим сканерным изображениям и данным наземных наблюдений .

4. Принципы дешифрирования эрозии почв на многовременных изображениях почвенно-растительного покрова.

5. Результаты подспутниковых экспериментов по определению содержания гумуса и оценке биомассы растительности.

На^чная_л1§тноеть состоит в экспериментальной проверке наземными способами результатов тематической интерпретации сканерных изображений МСУ-Э при решении следующих задач: загрязнение природных ландшафтов твердым аэрозолем, оценка биомассы растительности, определение типа почв, выделение мест переувлажнения, засоления, эрозии почв.

Практическая ценность. Использование разработанных методов в сельском хозяйстве, геологии, региональном экологическом мониторинге земных ресурсов, тематическое наполнение геоинформационных систем органов управления.

Научная апробация результатов. Основные результаты работ, составляющих содержание диссертации, были доложены на следующих научных конференциях: 5-й Всесоюзная научно-практическая конференция "Дистанционный мониторинг экосистем" ( Барнаул, 1990); Всесоюзная школа "Дистанционные радиофизические методы исследования природной среды" (Барнаул, 1991); II Научная конференция "Применение дистанционных радиофизических методов в исследовании природной среды". (Муром, 1992); XII Межреспубликанский симпозиум по распространению лазерного излучения в атмосфере и водных средах (Томск, 1993); XYII конференция по распространению радиоволн (Ульяновск, 1993); Международный научный семинар "Аэрокосмический мониторинг земных покровов и атмосферы" (Киев, 1993); Международный симпозиум "ISRP'93" (China, 1993); Международная научная конференция "Экономика и экология. Антогонизмы или сотрудничество." (Барнаул, 1994); Республиканская научно-техническая конференция

"Региональные проблемы информатизации" (Барнаул, 1995); I-Межвузовская научно-практическая конференция "День земли - научные и педагогические проблемы" (Бийск, 1995); Международный симпозиум "IGARSS'95" (Italy, 1995); Международная конференция "Фундаментальные и прикладные проблемы охраны окружающей среды - ПООС-95" (Томск, 1995); Международный симпозиум INTAS "Technological Civilization Impact on the Environment" (Deutschland, 1996); Международный симпозиум "Мониторинг окружающей среды и проблемы солнечно-земной физики" (Томск, 1996); Международная конференция "1п-tercarto 2: GIS for Enviromental Studies and Mapping" (Irkutsk, 1996); Республиканская конференция "Региональное природопользование и экологический мониторинг" (Барнаул, 1996); 3-я Международная конференция "Методы дистанционного зондирования и ГИС-техно-логии для контроля и диагностики состояния окружающей среды" (Москва, 1996); Международная конференция "Интеркарто-3: ГИС для устойчивого развития окружающей среды" (Новосибирск, 1997).

Практическая апробация результатов. Разработанные методы применялись при выполнении хоздоговорных работ в рамках государственной российской программы "Экология России" и "Комплексной программы по научному обеспечению в 1992-1993 гг. работ, связанных с оценкой последствий антропогенного загрязнения окружающей среды и испытаний ядерных устройств на население Алтайского края"; международной программы "ПРИРОДА" (орбитальная станция "МИР") в 1992-1996 гг.; международной программы "Интергеофизика" в 1994-1995 гг.; региональной программы "СИБИРЬ".

Публикации^ По теме диссертации опубликована 41 работа, перечень 32-х из которых приведен в конце автореферата.

Структура_и_объем_работы Диссертация состоит из введения, четырех глав, заключения и списка литературы. Полный объем работы составляет 180 страницы, из них: основного текста - 120, рисунков - 60 страниц, библиография - 110 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы задачи исследования, дана общая характеристика работы.

В первой главе приводится описание аппаратно-программного сомплекса для тематической совместной обработки фотографических,

сканерных и радиолокационных космических изображений земной поверхности, основанного на объединеных в локальную вычислительную сеть ЭВМ КТС "ДИСК", Image-C, IBM RS/6000, IBM РС/АТ-Р75,586,486 и специализированного периферийного ободудования ввода/вывода. Для изучения динамики природных процессов и техногенного воздействия на окружакпцюю среду на примере Алтайского аэрокосмического полигона показана возможность создания банка данных космических изображений с различных систем дистанционного зондирования таких, как сканеры МСУ-Э и МСУ-СК со спутников "КОСМОС-1939" и "РЕ-СУРС-01", PCА АЛМАЗ и SIR-C/L-SAR, камерой СА-20М со спутника "РЕСУРС-Ф1М" и КА 17Ф116.

Информационная технология создания цифровых картооснов произвольных размеров включает в себя этапы векторизации отдельных фрагментов существующих топографических карт и сшивки векторизованных слоев путем пересчета методом сплайн-аппроксимации в координаты Гаусса-Крюгера, при условии задания опорных точек в узлах координатной сетки на растровом сканерном изображении. Векторизованные картоосновы в крупных масштабах в проекции Гаусса-Крюгера пересчитываются в более мелкие допустимые масштабы. Так, подготовленную цифровую картооснову в крупном масштабе можно использовать для отображения результатов наземного геохимического обследования территории (1:200000), наложения тематических слоев выделенных на изображениях МСУ-Э (1:200000 и 1:500000) и МСУ-СК (1:500000 и 1:1000000). Космические изображения трансформируются в проекцию карты с использованием алгебраических полиномов и сплайн-интерполяции 3-й степени. Для нахождения коэффициентов преобразования использовался метод наименьших квадратов. Сплайн-интерполяция обеспечивает условие перехода "узел в узел".

Наиболее часто применяемыми и эффективными в задачах обработки изображений являются методы автоматической классификации, непосредственно опирающиеся на задачи выделения в многомерном пространстве компактных групп точек, и методы построения параметрических моделей восстановления параметров, характеризующих состояние исследуемых природных объектов.

разработанное программное обеспечение для IBM PC и RS/6000 предназначено для классификации спутниковых изображений больших обьемов (путем многократного считывания изображения с жесткого диска) с помощью эталонной и автоматической классификации, осно-

ванной на описании классов "ядрами". За основу приняты классические алгоритмы: к эталонов, на минимум (пороговый), к-средних. Форель, Пульсар, Пульсар 2, Форель 2.

Предлагается метод оптимизации применения классификаторов к многозональным данным дистанционного зондирования, основанный на результатах наземных геофизических измерений параметров природной среды. Он состоит из следующих этапов:

(а) определение оператором начальных параметров классификатора из уже имеющегося опыта классификации и требуемых характеристик выходной карты (число классов, дисперсия яркостных значений в одном классе и т.п.);

(б) автоматическая классификация с заданным параметром классификатора (Форель, Форель2, Пульсар и др.);

(в) предварительная оценка правильности классификации, исходя из требований заложенных в первом пункте и точности имеющихся наземных данных или параметрических моделей, коррекция параметров и, если необходимо, повторная автоматическая классификация;

(г) полученная карта и набор классов соответствующих ей, на основании имеющихся наземных данных или иного картографического материала, анализируются на предмет исключения классов не представляющих интереса (леса, водные поверхности, участки занятые строениями и т.п.);

(д) на основе сформированного набора классов производится окончательная классификация исходного снимка и определение принадлежностей классов различным типам почв;

(г) если необходимо, проводится более "тонкая" классификация с целью разделения классов на подклассы.

Изложенная методика апробировалась для выявления и определения пространственного распределения типов почв и почвогрунтов, видового состава растительности, зон загрязненного снежного покрова, участков переувлажнения почв и эродированных земель.

Для решения задачи нормализации, т.е. представления всех эле-менов космического снимка в одиноковых условиях съемки, были использованы уже известные результаты моделирования прохождения солнечного излучения через атмосферу. Интенсивность на верхней границе атмосферы представлена как функция от зенитных и азимутальных углов визирования и Солнца, а также альбедо подстилающей поверхности:

Ia = F (j/.ф-ч>0. Icos z|,A)

Вид функции - полином второй степени с различными коэффициентами для 4-х интервалов альбедо.

На первом этапе вычисляется альбедо подстилающей поверхности по измеренной на спутнике интенсивности. На втором этапе, по найденному альбедо и соответствующему этому интервалу коэффициентам аппроксимации, по формуле (1) вычисляет 1п при некоторых нормальных углах визирования. Для практического использования, в целях уменьшения затрат машинного времени, удобно нормализованную интенсивность представить в виде функции от углов визирования и исходной интенсивности.

1П (д+, ф-ф0 . | eos z |, I) =bj + Ьод+ + Ь3(ф-ф0) + Ь4 | eos z | + Ь51 + ЬГУГ + Ь7д+(ф-ф0) + Ь;>|eos z] + Ь,,д+1 + b)о (ф-ф0)" + bi i (ф-ф0) I eos z | + bj г (ф-ф0 ) I + b¡ з | eos z |2 + b!4 Icos z|l + Ь151?.

Коэффициенты аппроксимации для нормальных углов визирования 1, 1, 0.6 рассчитывались симплекс-методом с итерационным процессом построения полинома наилучшего приближения.

Апробация алгоритма нормализации проведена на первом канале изображения МСУ-Э от 1.04.92 на район г.Барнаула. Векторизованная в масштабе 1:200000 цифровая картооснова в проекции Гаусса-Крюге-ра перессчитывалась в растровый файл масштаба 1:500000. Сканерное изображение совмещалось с растровой картой методом наименьших квадратов по 46 опорным точкам по функции неполного квадрата. Это позволило вычислить для каждого пиксела сканерного изображения значение долготы и широты, и следовательно, азимутальные и зенитные углы Солнца с использованием астрономических данных о положении Солнца на текущий день.

Анализ полученного изображения показал, что повышается контраст изображения, среднее значение яркости возрастает на 15%. Наибольший эффект наблюдается после обработки с помощью метода атмосферной коррекции с последующей нормализацией, также повышается точность распознавания зон загрязнения снежного покрова при применении автоматической классификации к изображениям, прошедших атмосферную коррекцию и нормализацию.

Втрр_ая_глава посвящена разработке метода оценки загрязнения снежного покрова по космическим сканерным изображениям МСУ-Э и МСУ-СК.

На первом этапе моделировались отражательные свойства снежного покрова при его искусственном запыпении дозами веществ, собственная яркость которых близка к встречающимся в зоне воздействия промышленности (уголь, зола).

Натурные измерения спектральной яркости выполнялись с помощью спектрофотометра авторской разработки Федченко П.П. на 10 каналах в интервалах длин волн (1) от 560 до 946 нм. Определялся функциональный вид связи 0(1) = ПГ0, где С - СКЯ, И - плотность засева загрязнителя (г/м2). Подбор функциональной зависимости осуществлялся исходя из следующих предпосылок: при нулевой массе загрязнителя спектральный коэффициент яркости должен быть равен СКЯ чистого снега, при большом (Я СКЯ должен стремиться к СКЯ влажного загрязнителя. Таким образом предполагается, что зависимость между отражательными характеристиками снежного покрова и параметрами твердого осадка загрязнения имеет следующий вид:

С=(А-В)ехр{- СП)+В, где коэффициенты А - СКЯ чистого снега, В - СКЯ влажного загрязнителя, С - коэффициент, характеризующий физические параметры загрязнителя и состояние снежного покрова.

Аналогично построена зависимость плотности запыления от СКЯ: Г( = - 1„п( (С-В)/(А-В) )/С

На втором этапе был проведен поиск и подбор материалов космической сьемки на территорию Юга Западной Сибири и Горного Алтая, имеющихся в архиве ЗапСибРЦПОДа (г.Новосибирск). Для работы были отобраны 4 снимка МСУ-С, 22 снимка МСУ-СК и 8 снимков МСУ-Э со спутников серии "КОСМОС" и "ОКЕАН". Фотоотпечатки дешифрировались визуальным способом.

Оперативная съемка территории юга Западной Сибири проведена 24.03.92 сканером МСУ-СК. Для качественной оценки загрязнения использовалось интерактивное разбиение гистограммы интенсивности 2-го канала на отдельные градации.

Для количественной оценки зон загрязнений снежного покрова по спутниковым изображениям необходимо использовать наземные данные с тестовых участков. Поэтому синхронно со съемкой из космоса проводилось взятие образцов снега с тестовых участков наземными экспедициями. Территория съемки и места взятия проб предварительно планировались по архивным космическим снимкам.

Для выделения последовательных зон с различным уровнем заг-

рязнения снежного покрова использовалась автоматическая классификация. Предварительное выделение зон загрязнения позволяет в дальнейшем определять места отбора проб таким образом, чтобы охватить весь диапазон загрязнений снимаемого района - от минимального до максимального. При снегомерной съемке учитывалось расположение промышленных зон и роза ветров в месте отбора с тем, чтобы впоследствии учесть влияние конкретных промышленных объектов и их вклад в общую картину загрязнения снимаемой территории. Число взятых проб варьировалось от 22 до 290.

Далее строились регрессионные зависимости между интенсивнос-тями изображения в разных каналах и содержанием твердого осадка или металлов, характерных для антропогенного загрязнения (В, Ва, Со, Мп, Л, V) и имеиющих парный коэффициент кореляции с осадком равный 0.83-0.96. С этой целью обрабатывались данные сканера МСУ-Э на район г. Барнаула от 2.03.91, 15.03.91, 21.03.92, 1.04.92; на район Рубцовск - Горняк от 5.03.92, 22.03.92, 24.03.92; сканера МСУ-СК на район Кузбасса от 28.03.91. Изображение совмещалось с картоосновой, что позволило получить значения интенсивностей, соответствующие точкам отбора проб наземными экспедициями. Из-за невозможности точного, до нескольких десятков метров, определения на снимке места отбора пробы проводилось усреднение значения интенсивности космических изображений по окну 5x5 пикселов.

3-х канальное изображение МСУ-Э обрабатывалось классификатором ФОРЕЛЬ без предварительного обучения для выделения статистически связанных областей в пространстве интенсивностей. Используя регрессионные уравнения, выходные ядра классов пересчитывались в значения массы твердого осадка и тяжелых металлов. Дисперсия ядра выбиралась равной 3, что соответствует ошибке определения массы твердого осадка не более 10%. Пространственное расположение выходных классов однозначно указывает на их связь с загрязненностью территории атмосферными выпадениями. Вытянутая на северо-восток эллипсоидная форма загрязненного снега соответствует розе ветров в зимний период.

Третья глава посвящена совместному анализу сезонных сканерных спутниковых изображений и самолетных трассовых радиометрических измерений для оценки переувлажнения почв.

Предварительная оценка гидрологического состояния территории,

прилегающей к отстойникам промышленного производства Алтайского горнообогатительного комбината г. Горняка, подвергающейся интенсивному фильтрационному процессу, осуществлялась с использованием космической информации, полученной со сканера МСУ-Э в 1990-1991 гг. Спектральный канал 0.8-0.9 мкм оказался наиболее информативным для выделения увлажненных участков. Растровая кар-тооснова масштаба 1:50000 подготовлена при векторизации отдельных слоев (достаточных для привязки снимков) по планшетам М 1:25000. Для пересчета 3-го канала МСУ-Э в проекцию картоосновы по формуле неполного квадрата оказалось достаточно 6 опорных точек для всех сезонов съемки 1992 года. Значения уровня грунтовых вод, полученные по 19 галсам самолета в мае 1992 г., интерполировались на всю площадь методом сеток, после чего совмещались с картоосновой и (или) космическим сканерным изображением. На орбитальных снимках участки переувлажненной почвы около отстойника, выделяемые пороговой функцией типа усеченной ступени, соответствовали участкам с УГВ менее 1 м, оконтуренным по данным самолетной СВЧ - съемки. Полученные данные хорошо сопоставимы с данными самолетной гамма-съемки .

Исследования по комплексным измерениям влажности почв на площади тестового участка Алтайского подспутникового полигона, предназначенного для наземного обеспечения МЦКП "Мир-Природа", проводились в ходе сезонных наблюдений в 1990-1995 гг. Было сделано сопоставление орбитальных сканерных изображений МСУ-Э, радиометрических трассовых самолетных измерений, контактных наземных и лабораторных измерений влажности почв. Выбранная на полигоне территория площадью около 1200 га расположена на багарных землях юго-запада Алтайского края в пойме реки Алей, представленных разнообразием типов почв, большими диапазонами их засоленности и влажности в пределах ограниченных площадей.

Интерактивный цветовой синтез из 3-х каналов позволил сделать вывод о возможности использования снимков для планирования точных трассовых радиометрических самолетных измерений влажности на посевных площадях в пахотном слое. Процедура классификации в трехмерном пространстве интенсивностей и двухмерном пространстве спектральных индексов (линейной комбинации 1-го и 3-го каналов) позволяет уверенно по весенне-летним изображениям выделить зоны переувлажненного солончака, песчаной почвы, распаханного высохше-

го озера, распаханного и нераспаханного солончака. Интерполированные методом кружка по сетке 50 м трассовые СВЧ-измерения в мае 1992 г. на длинах волн 21 и 27 см позволили построить точную пространственную карту влажности верхних горизонтов почвы в масштабе 1:25000.

Данные самолетных СВЧ-измерений влажности почвы на длинах волн 2.25, 21, 27 см территории, примыкающей к Беловскому водохранилищу, интерполировались методом ядер с шагом по двухмерной сетке с шагом 100 м. Выходные ядра и дисперсии классификатора Пульсар подбирались таким образом, чтобы число значимых в процентном отношении по площади классов не превышало 5. Полученная кластерная карта совмещалась с картоосновой обследуемой территории в масштабе 1:25000. Соответствие класс 3 участкам эродированной почвы установлено при визуальном дешифрировании стереопар аэрофотоснимков на эту территорию. Повышенная влажность почвы наблюдается в складках местности и на склонах, имеющих северную экспозицию .

В четвертой главе излагаются методы оценки состояния сельхозугодий степной зоны Юга Западной Сибири по космическим изображениям .

Для мониторинга эрозионных процессов использовались цифровые изображения сканера МСУ-Э за следующие даты: 9.05.91, 28.06.91, 10.09.91, 22.04.92, 21.08.92, 14.10.92, 24.10.92, 6.04.93, 7.04.93 и со спутника РЕСУРС-01 за 8.04.95 и 7.07.95, спектрозо-нальные фотоснимки со спутника РЕСУРС-Ф1М, выполненные камерой СА-20М в 1988-1991 гг. в масштабе 1:200000, панхроматические (0.45-0.7 мкм) фотоснимки, полученные 6.08.93 спутником 17Ф116 в масштабе 1:80000.

Процессы водной эрозии почвы при малом смыве довольно хорошо дешифрируются на летних снимках. По направлению смыва наблюдается увеличение яркости изображения, что соответствует увеличению биомассы растительности, т.к. на этих участках почва содержит больший процент гумуса благодаря ее растрескиванию после схода талых вод и последующим заполнением нижних горизонтов материалом гуму-сово-аккумулятивного горизонта. На весенних снимках эти участки имеют более низкие значения яркости благодаря избыточному увлажнению. В этот период очень хорошо дешифрируется сильно эродированная почва, хотя смыва до нижних, более светлых горизонтов, не

наблюдается, а также поверхностная эрозия, развивающаяся в результате таяния снежных масс, которые накапливаются за лесополосами и прослеживаются по космоснимкам до конца апреля. На осенних снимках выделяются только овраги с размытостью почвы до почвооб-разующей породы.

Эрозионные участки выделяются в собственные классы при обработке летних изображений классификатором ФОРЕЛЬ. Для этих классов характерно резкое увеличение (по сравнению с неэродированными учасиками) яркости в 3-м канале и незначительное уменьшение в 1-м. Первое связано с увеличением биомассы растительности за счет повышения плодородия почвы по глубине, второе - с наносом водным потоком более темной и гумусированной почвы с площади микросмыва.

Для автоматизации выделения линейной эрозии почв по космическим фотоснимкам высокого масштаба разработано программное обеспечение, реализующее методы нелинейной (фильтры Собела, Ро-бертса, медианный фильтр), линейной фильтрации (разнообразные градиентные и фильтрующие маски), операции с гистограммой яркости (выравнивание, вырезание), а также некоторые вспомогательные алгоритмы такие как инверсия, пороговое ограничение и очистка изображения. Для отображения и оценки данных, полученных в процессе обработки, на исходном фотоизображении векторизовались границы полей и дороги, которые трансформировались в проекцию топографической карты по опорным точкам. Отдельно трансформировался растровый слой эрозии, выделенный фильтрами. Точность получаемой цифровой картографической информации соответствует точности топографической карты заданного масштаба на данную территорию.

Подспутниковый эксперимент по определению биометрических показателей растительности проводился с 28.06.91 по 4.07.91. В полевых условиях на тестовых участках определялись следующие параметры: проективное покрытие почвы растениями, засоренность, биомасса сырой растительности. В солнечную погоду измерялся СКЯ в 10 диапазонах спектра и прозрачность атмосферы. Под растительностью отбирались образцы почвы для определения типа, мехсостава, содержания гумуса. Образцы растительности для определения биомассы отбирались в 3-5 точках через 100-200 м. Привязка на местности проводилась по картам землепользования масштаба 1:25000.

Спектрозональная съемка со спутника "РЕСУРС-Ф1М" фотоаппаратом СА-20М выполнена 29.06.91 в масштабе 1:240000. Полоса перек-

рытия в направлении север-юг с изображением МСУ-Э за 28.06.91 составляла 20 км. Фотоотпечатки оцифровывались на цветном сканере с разрешением 300 dpi в формате PCX в 256 градаций для каждого цветового канала и затем выделялись каналы R, G, В, которые по виду гистограмм можно интерпретировать как каналы сканера МСУ-Э. Сравнение результатов работы классификаторов Форель и Пульсар для изображений МСУ-Э и СА-20М показало совпадение пространственного расположения большинства классов на сельскохозяйственных полях, занятых пропашными культурами. Построено регрессионное уравнение зависимости зеленой биомассы от нормализованного вегетационного индекса для МСУ-Э и канала G для СА-20М.

Съемка сканером МСУ-Э 7.07.95 со спутника "РЕСУРС-01" подтвердила достоверность выделения мест эрозии почв на основе основного признака дешифрирования - превышение биомассы растительности над неэродированными участками. Сочетание автоматической классификации, регрессионного подхода для данных сканера МСУ-Э и космических спектрозональных фотоизображений позволяет повысить точность распознавания растительности и оптимально спланировать подспутниковые эксперименты.

Для выделения районов засухи в архиве ЗапСибРЦПОДа были отобраны 20 архивных космоснимков территории Алтайского края, полученные со спутника "КОСМОС-1939" сканером МСУ-СК за следующие даты: 1988 г. - 03.04, 15.06; 1989 Г. - 11.05, 13.06, 7.07, 25.07, 26.07, 4.08, 17.10; 1990 г. - 20.05, 25.08; 1991 г. - 19.04, 24.05, 7.06, 28.07, 10.09, 25.09; 1992 Г. - 3.06, 10.06, 12.07.

Фотоизображения оцифровывались полутоновым сканером с разрешением 300 dpi и по сети передавались с IBM РС\АТ-486 на КТС ДИСК, где обрабатывались пакетом P0SDIP.

В результате прохождения технологической цели: цифровая информация, вывод на негатив, дубль негатив, фотоотпечаток, оцифровка сканером, происходит значительное искажение диапазона яркостей преобразованного изображения по сравнению с исходной цифровой информацией. Однако можно достоверно выделить диапазоны яркости , соответствующие следующим природным комплексам: озера, сосновые леса, почва со слабой растительностью, растительность со средней биомассой, растительность с высокой биомассой, при этом калибровочными объектами для дешифрирования являются открытая вода озер и растительность с большой биомассой и проективным покры-

тием в березовых колках и речных поймах.

Для выделения типа почв использовались изображения МСУ-3 за следующие даты: 9.05.91, 28.06.91, 10.09.91 и 14.10.92. 06pa6u7Kd проводилась классификатором Форель, при этом использовались как спектральные яркости 3-х каналов - Li, L2, L3, так и индексы Pi=Li-L2. P2=L3-L-2, B=aLi +Ы_з, G=cLi+dl_3.

В качестве калибровки использовалась существующая почвенная карта масштаба 1:500000, которая оцифровывалась сканером формата А4 по частям и затем векторизовалась и сшивалась. Создавались векторные слои контуров типов почв и речной сети. Заливка контуров проводилась в условных яркостях в шкале от 0 до 255 в соответствии с легендой почвенной карты. Всего выделено 65 классов почв, включая разделение по типам, подтипам, степеням эрозии и засоления. После совмещения почвенной карты и классифицированного на 200 классов снимка МСУ-Э строилась двумерная гистограмма, у которой по оси абсцисс отложены значения номеров типов почв, а по оси ординат - номера классов снимка.

В целом анализ пространственного распределения кластеров позволяет сделать следующие выводы:

- наиболее информативным периодом съемки для выделения типа почв является конец мая после проведения весенних полевых работ, т.к. Алтай имеет региональную особенность земледелия - безотвальную вспашку;

- индексы В и G обладают избыточной информативностью для выделения типа почв. С их помощью возможно разделение для растительности - видовой состав и биометрические показатели; для почвы - тип почв, засоление, влажность, степень обработки почвы (агрегатное состояние поверхности), наличие растительных остатков;

- индексы Р1 и Р2 позволяют провести разделение только по виду обработки с/у. полей (стерня, боронование, сев, всходы). Типы почв не выделяются;

- использование 3-х каналов позволяет выделить тип почп и оценить состояние поверхности почвы.

Однозначная интерпретация выходных кластеров космоснимка возможна только для следующих типов почв: каштановые, черноземы южные и черноземы луговые без разделения на подтипы.

Для выделения почвообразующих пород использовались результаты геохимического обследования почвы на содержание 15 тяжелых метал-

лов в окрестности города Барнаула. Пробы отбирались в прямоугольнике размером 100*120 км с сеткой отбора примерно 2*2 км по 4-м слоям залегания: М:0-5 см, Ь2:5-10 см, ИЗ:10-50 см, Ь4:50-100 см. Общее число точек отбора 1250. Данные в каждом слое интерполировались методом ядер в прямоугольную сетку с шагом 500 м. По алгоритму Пульсар классифицировалось содержание титана (г/кг) в 3-х горизонтах почвы - И2, ИЗ, Ь4. Анализ пространственного расположения выходных классов показал их совпадение с картой почво-образующих грунтов и ландшафтов.

Для исследования возможности дистанционной оценки содержания гумуса использовались снимки на территорию Рубцовского района Алтайского края за 9.05.91, 28.06.91, 10.09.91, 22.04.92, 21.08.92, 14.10.92, выполненные сканером МСУ-Э. Обрабатывался наиболее информативный снимок за 9.05.91 с максимально открытой почвой. Тестовый район представлял межгюйменный участок с открытой почвой размером 15*15 км., примыкающий к руслу р. Алей с запада й к руслу р. Склюиха с востока.

Планирование наземных профилей отбора проб почвы проводилось по данным 3-го канала (0.8-0.9 мкм), имеющего самую широкую гистограмму. Наземная экспедиции проведена с 16 по 19 мая 1991 г. На 100 метров профиля отбирались 10 проб почвы массой 50 г. каждая и тщательно перемешивались'. На стационарном спектрофотометре ФОУ-1 измерялся спектральный коэффициент яркости (СКЯ) почвы в 10 диапазонах спектра от 0.4 до 0.9 мкм.

Связь СКЯ с процентом содержания гумуса (Сг) по лабораторным измерениям описывается уравнением

Я = 13.707ЕХР(-0.958Сг)+14, Используя привязку наземных наблюдений к спутниковому изображению получаем регрессионную зависимость:

1-3 = 0. 549И+41 .558, Используя эти соотношения, можно пересчитать интенсивности 3-го канала МСУ-Э в значения содержания гумуса в почве.

Для проверки полученных регрессионных зависимостей повторная наземная экспедиция проведена 3 октября 1992 г. На одном из тестовых полей отобран почвенный профиль из 37 проб по указанной выше методике. Коэффициент корреляции между значением содержания гумуса, определенным дистанционно и содержанием гумуса во вновь отобранной почве равен 0.67. Исследования показали возможность

надежной оценки содержания гумуса методом дистанционного зондирования для слабогумусированных почв (менее 1%).

Обработка космических изображений РСА SIR-C/L- SAR проводилась методом главных компонент, классификацией алгоритмом Форель от одного до шести каналов и синтезированием по каналам R, G, В реальных (4 байта на пиксел) изображений полученных на различных поляризациях. Сравнение изображений SIR-C/L-SAR с СА-20М, 17Ф116 и МСУ-Э позволяет сделать вывод о возможности выделения на синтезированных РСА изображениях ChvChhLhh и ChvLhvLhh участков хвойного и лиственного леса, полей с сельскохозяйственной растительностью и естественных пастбищ, эрозионных процессов в пределах пашни и размытых оврагов. Выделяются эрозионные процессы еще не отмеченные на картах землепользования масштаба 1:25000. На поляризации Lhv дешифрируется высоковольтная ЛЭП.

В ^заключении диссертационной работы приведены основные выводы по результатам проведенных исследований.

1. Разработан алгоритм подготовки картооснов произвольных размеров, основанный на векторизации с последующей сшивкой векторных фрагментов карт путем пересчета в проекцию Гаусса-Крюгера по узлам геодезической сетки методом сплайн-интерполяции. Алгоритм апробирован для тематического картографирования различной природо-ресурсной информации: изолинейного представления точечных наблюдений содержания поллютантов в снежном покрове и трассовых СВЧ измерений; растровых тематических слоев, полученных с космических сканерных изображений и кластерным анализом содержания металлов в почве;

2. Построена аналитическая функция для нормализации сканерных мзображений МСУ-Э и МСУ-СК. Программно реализован алгоритм нормализации данных МСУ-Э, заключающийся в пересчете значений каждого пиксела в новое изображение, которое могло быть получено при одинаковых для всех элементов изображения условиях съемки, с учетом факта влияния атмосферы.

3. Примененный метод предварительного планирования наземной снегомерной съемки по архивным космическим изображениям и тематической интерпретации содержания поллютантов в снежном покрове на оперативных сканерных изображениях, синхронных с наземными обследованиями, позволяет пространственно экстраполировать уровень загрязнения на обширные территории, находящиеся либо за пределами

доступной наземным экспедициям области, либо при неравномерной сетке наземных наблюдений.

4. Картографирование эродированных почв по сканерным космически* изображениям в летний период по основному признаку дешифрирования

- биомассе зеленой растительности возможно при использовании методов классификации и фильтрации

5. В подспутниковых экспериментах получены регрессионные оценкк по сканерным изображениям МСУ-Э содержания гумуса для среднегуму-сированных почв и биомассы зеленой растительности яровых зерновых культур.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Евтюшкин A.B. Нормализация аэрокосмических изображений // Тезисы докладов к 5-й Всесоюзной научно-практической конференции "Дистанционный мониторинг экосистем". Барнаул, 1990, с. 40-46.

2. Евтюшкин A.B., Пустынников В.Ф., Трефилов Е.Э. Направления использования банка спектральных коэффициентов почв // Тезисы докладов Всесоюзной школы "Дистанционные радиофизические методы исследования природной среды". Барнаул, 1991, с. 93.

3. Миронов В.П., Комаров С.А., Евтюшкин А.В.,Рычкова Н.В. Комплексное изучение влажности почв по тестовым территориям // Тезисы 2 научной конференции "Применение дистанционных радиофизических методов в исследовании природной среды". Муром, 1992, с. 70-71.

4. Миронов В.Л., Байкалова Т.В., Галахов В.П., Дубина И.Н., Евтюшкин A.B., Комаров С.А. Выявление источников и районов загрязнения территории Алтайского края по данным космической съемки // Ядерные испытания, окружающая среда и здоровье населения Алтайского края. Материалы научных исследований. Том II. Книга 2. -Барнаул, 1993, с. 158-182.

5. Миронов В.Л., Евтюшкин A.B., Комаров С.А., Романов А.Н. Влияние системы отстойников Алтайского горнообогатительного комбината на экологическую обстановку окружающей среды // Ядерные испытания, окружающая среда и здоровье населения Алтайского края. Материалы научных исследований. Том II. Книга 2. - Барнаул, 1993,

- С.150-158.

6. Белозерских В.В., Евтюшкин A.B., Трефилов Е.Э. К возмож-

ности дистанционного зондирования почв // XII межреспублика.icxk симпозиум по распространению лазерного излучения в атмосфере водных средах. Томск, 1993, С.165.

7. Евтюшкин A.B., Комаров С.А., Миронов В.Л., Рычкова И.". Дистанционное картирование распределения влажности почв // Тезиоч XYII конференции по распространению радиоволн. Ульяновск, 1993, с. 85

8. Байкалова Т.В., Дубина И.Н., Зеленцов К.Г., Евтюшкин A.B., Комаров С.А., Миронов В.Л., Романов А.Н. Аэрокосмический моното-ринг процессов фильтрации и подтопления от промышленных отстойников // Доклады международного научного семинара по аэрокосмическому мониторингу земных покровов и атмосферы. Киев, 1993, с. 134-139.

9. Комаров С.А., Миронов В.Л., Романов А.Н., Евтюшкин A.B. Определение площадей подтопления земель дистанционными методами // Метеорология и гидрология. 1994, N 1, с. 87-91.

10. Комаров С.А., Миронов В.Л., Романов А.Н., Евтюшкин A.B., Оскорбин Н.М. Методы дистанционного зондирования техногенных загрязнений в оптическом и радиодиапазонах // Оптика атмосферы и океана. 1993, N 11, с. 53-59*

11. Mironov V.L., Komarov S.A., Romanov A.N., Yevtyshkin A.V. Remote sensing of filtration and inundation processes using microwave radiomstry // Proceeding of 1993 International Symposium on Radio propagation, Cie Radio Propagation Society - "ISRP'93", 18-21 Aug, 1993, Beijing, p. 618-621.

12. Дубина И.Н., Евтюшкин A.B. О совместном использовании космических сканерных изображений и результатов наземных измерений для оценки загрязнения снежного покрова // Экономика и экология. Антогонизмы или сотрудничество. Тезисы докладов международной научной конференции. Алт. гос. техн. ун-т им. И.И. Ползунова. - Барнаул: Изд-во Алт. гос. техн. ун-та, 1994, с. 20-22.

13. Миронов В.Л., Белозерских В.В., Евтюшкин А.В.,Клещенко В.Н., Комаров С.А., Романов А.Н., Рычкова Н.В., Скороглядов В.В., Трефилов Е.Э. Комплексное исследование радиофизических характеристик земных покрововю // Физика / Ред. кол.: А.Н. Тихонов, В.А. Садовничий и др. - М.: Изд-во Моск. ун-та. - 266 с. (Программа "Университеты России"), стр. 224-233.

14. Миронов В.Л., Евтюшкин A.B., Дубина И.Н., Юшаков В.Н.

Картографирование загрязнения снежного покрова по космически» сканерным изображениям МСУ-Э и МСУ-СК // Региональные проблема информатизации. Труды республиканской научно-технической конференции (20-21 апреля 1995 г.). Алт. гос. техн. ун-т им. И.И. Пол-зунова. - Барнаул: Изд-во АлтГТУ 1995, - 109 е., с. 47-48.

15. Байкалова Т.В., Давыдов Е.С., Евтюшкин A.B., Жилин С.И., Оскорбин Н.М., Поляков Ю.А., Юшаков В.Н. Комплекс цифрового картографирования для решения задач экологии и природопльзования. Региональные проблемы информатизации // Труды республиканской научно-технической конференции (20-21 апреля 1995 г.). Алт. гос. техн. ун-т им. И.И. Ползунова. - Барнаул: Изд-во АлтГТУ 1995, -109 с., с. 54-55.

16. Миронов В.Л., Комаров С.А., Евтюшкин A.B., Дубина И.Н., Юшаков В.Н. Оценка антропогенного загрязнения снежного покрова пс космическим сканерным изображениям МСУ-Э и МСУ-СК // Тезисы докладов международрой конференции "Фундаментальные и прикладные проблемы охраны окружающей среды - ПООС-95". 12-16 сентября 1995г., Томск, 1995, - 86 с. Т. 1, Физико-математические проблемы охраны окружающей среды, с. 63-64.

17. Евтюшкин A.B., Дубина И.Н., Юшаков В.Н., Байкалова Т.В. Определение эрозионно-опасных участков рельефа по цифровым стере-оаэрофотоснимкам // День земли - научные и педагогические проблемы: Тезисы докладов I межвузовской научно-практической конф. Бийск: НИЦ БиГПИ, 1995, В 2-Х Ч. - 4.2. - 120 е., С. 32-33.

18. Байкалова Т.В, Дубина И.Н., Евтюшкин A.ß., Комаров С.А., Миронов В.Л., Романов А.Н., Юшаков В.Н. Мониторинг процессов фильтрации и подтопления земель от промышленных отстойников с использованием аэрокосмической информации // Экологически безопасное использование сточных вод и животноводческих стоков в сельском хозяйстве: Сб. нау. тр. / Алтайское ХПР НПО "Прогресс" -Барнаул, 1995. - С. 409-412.

19. Комаров С.А., Миронов В.Л., Романов А.Н., Евтюшкин A.B. Оценка процессов фильтрации и переноса токсикантов в окрестности промышленных отстойников // Экологически безопасное использование сточных вод и животноводческих стоков в сельском хозяйстве: Сб. науч. тр. / Алтайское ХПР НПО "Прогресс" - Барнаул, 1995. - С. 413-424.

20. Байкалова Т.В, Галахов В.П., Дубина И.Н.,Евтюшкин A.B.,

Миронов В.П., Оскорбин Н.М., Юшаков В.Н. Оценка загрязнения снежного покрова на территории Алтайского края по данным космической съемки и наземных наблюдений // Экологически безопасное использование сточных вод и животноводческих стоков в сельском хозяйстве: Сб. науч. тр. / Алтайское ХРП НПО "Прогресс" - Барнаул, 1995. -С. 450-472.

21. Экологический мониторинг атмосферы промышленных центров Алтайского края (на примере г.Барнаула) / Сравнительный анализ результатов моделирования рассеяния примесей в атмосфере и загрязненности снежного покрова / Науч. рук. Миронов В.Л., исп. Лукьяненко С.Ф., Евтюшкин A.B. и др.: Отчет по НИР, номер гос.регистрации 01.950004168 / НИИ экологического мониторинга при АГУ. - Барнаул, 1995, - 31 с.

22. Евтюшкин A.B., Миронов В.П., Литка A.B., Юшаков В.Н. Использование космических сканерных изображений МСУ-Э и МСУ-СК для оценки загрязнения природных ландшафтов // Тезисы докладов международного симпозиума "Мониторинг окружающей среды и проблемы солнечно-земной физики". 18-21 июня, 1996, Томск.

23. Евтюшкин A.B., Лукьяненко Д.Н., Миронов В.Л. Алгоритмы текстурного анализа и классификации для обработки космических РСА изображений // Тезисы докладов международного симпозиума "Мониторинг окружающей среды и проблемы солнечно-земной физики". 18-21 июня, 1996, Томск.

24. Baikalova T.V., Dubina I.N., Yevtyushkin A.V., Zhilin S.I., Oskorbin N.M., Polyakov Yu.A., Yushakov V.N. Automation of digital mapping in systems of regional ecological monitoring // Proceedings of the International Conference "Intercarto 2: GIS for Enviromental Studies and Mapping", Irkutsk, Russia, June 26-29, 1996, 263p., pp. 67-71

25. Миронов В.Л., Комаров С.А., Евтюшкин A.B., Романов А.Н., Рычкова Н.В. Использование дистанционных и наземных данных для измерений влажностных характеристик почв // Тезисы докладов Республиканской конференции "Региональное природопользование и экологический мониторинг". 27-29 сентября, 1996, Барнаул, с. 116-118.

26. Байкалова Т.В, Евтюшкин A.B., Юшаков В.Н. Цифровое картографирование эрозионных процессов по космическим фотоснимкам методами фильтрации // Тезисы докладов Республиканской конферен-

ции "Региональное природопользование и экологический мониторинг" 27-29 сентября, 1996, Барнаул, с. 147-149.

27. Евтюшкин А.В., Дмитриев Б.Н. Применение методов атмосфер ной коррекции и нормализации к изображениям МСУ-Э // Тезисы Международной конференции "Методы дистанционного зондирования ГИС-технологии для контроля и диагностики состояния окружающе среды". 20-23 ноября, 1996, Москва, МИИГАиК, с. 14.

28. Байкалова Т.В., Дубина И.Н., Евтюшкин А.В., Юшаков В.Н Цифровое картографирование эрозионных процессов путем восстанов ления рельефа местности по стереопаре // Тезисы 3 Международно конференции "Методы дистанционного зондирования и ГИС-технологи для контроля и диагностики состояния окружающей среды". 20-23 но ября, 1996, Москва, МИИГАиК, с. 82.

29. Байкалова Т.В., Дубина И.Н., Евтюшкин А.В., Юшаков В.Н Алгоритм восстановления рельефа местности по стереопаре // Извес тия Алтайского государственного университета. N 1, 1996,' Барнаул Изд-во Алт. ун-та, с. 38-42

30. В.И. Бивалькевич, С.И. Грибов, А.В. Евтюшкин, В.Л. Миро нов, Н.М. Оскорбин, Ю.А. Поляков. Опыт применения дистанционноп зондирования и управления земельными ресурсами на основе геоин формационных технологий / Препринт N 3. - Барнаул: Изд-во Алт ун-та, 1996. - 24 с.

31. Разработка концепции экологического мониторинга Алтайско го края / Науч. рук. Миронов В.Л., отв. исп. Оскорбин Н.М., исп Евтюшкин А.В. и др.: Отчет по НИР, номер гос.регистраци! 01.9.30010317 / НИИ экологического мониторинга при АГУ. - Барнаул, 1996

32. Alekseev A.S., Yevtyushkin А.V., Kalantaev P.A., Mirono' V.L., Oskorbin N.M., Pyatkin V.P., Yushakov V.N. Digital cartographical support of applied remote research // Proceedings of th< international conference "Interkarto-3: GIS for Environmental1; Sustainable Development", Novosibirsk, Russia, 1997, pp. 231-239

ПОДПИСАНО В ПЕЧАТЬ 6. 03. 97 ФОРМАТ А 5

У/ УЧ. - ИЗД. Л. 1,0 БЕСПЛАТНО

ЗАКАЗ 134 - 97.

J/ ПЕЧАТЬ ОФСЕТНАЯ ТИРАЖ 100

ТИПОГРАФИЯ АЛТАЙСКОГО ГОСУНИВЕРСИТЕТА : БАРНАУЛ, ДИМИТРОВА, 66