автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Обработка информации комплекса активных и пассивных приборов дистанционного зондирования Земли при аэрокосмическом мониторинге

На правах рукописи

005539227

Черемисин Максим Владимирович

ОБРАБОТКА ИНФОРМАЦИИ КОМПЛЕКСА АКТИВНЫХ И ПАССИВНЫХ ПРИБОРОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (приборостроение)

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата технических наук

г 1 моя 2013

Москва-2013

005539227

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный университет леса» (ФГБОУ ВПО «МГУЛ»)

Научный руководитель: доктор технических наук, профессор

Бурков Валерий Дмитриевич

Официальные оппоненты: Сорокин Игорь Викторович доктор

технических наук,

ОАО «РКК «Энергия»», заместитель руководителя НТЦ

Почукаев Владимир Николаевич доктор технических наук, профессор, ФГУП «ЦНИИМАШ», главный научный секретарь

Ведущая организация: Фрязинский филиал ФГУБН Институт

радиотехники и электроники им. В.А. Котельникова РАН

Защита состоится «20» декабря 2013г в 11 часов 00 минут на заседании диссертационного совета Д212.146.04 при ФГБОУ ВПО «Московский государственный университет леса» по адресу: 141005, Московская обл., г. Мытищи-5, ул. 1-я Институтская, д. 1, МГУЛ.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «МГУЛ». Автореферат разослан «18» ноября 2013 года

Учёный секретарь

диссертационного совета, канд. техн. наук,

доцент —----- ' 1 Тарасенко П.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы. На сегодня существуют два вида мониторинга лесов: мониторинг, проводимый в рамках выполнения ведомственных мероприятий государственной инвентаризации лесов (ГИЛ) и комплексные наблюдения с помощью системы глобального мониторинга растительности на основе веб-интегрированных геоинформационных систем - ГИС (Веб-ГИС). Первый вид мониторинга реализуется, главным образом, путем проведения полевых измерений с применением аэрокосмической информации и ГИС-технологий лишь для визуализации пространственных данных и актуализации (оценка факта наличия) лесного участка. Второй вариант мониторинга для визуализации использует Веб-ГИС среду с формированием слоёв значений вегетационных индексов (ВИ) (часто одного - NDVI') по изображениям только оптического частотного диапазона средств ДЗЗ. Глобальные Веб-ГИС сервисы дают пользователю ограниченную информацию о растительности, демонстрируя лишь слой поля значений NDVI и иногда дополнительно производные от индекса NDVI поля значений биологических параметров (LAI2, NPP3 и др.). Часто отсутствие других видов информации вызвано причиной достижения пределов доступных для хранения объёмов памяти на ГИС-серверах (терабайты данных).

Существует два основных подхода одновременного сохранения и даже наращивания информативности систем дистанционного зондирования Земли (ДЗЗ) и при этом сокращения объёмов обрабатываемой и хранимой информации на ГИС-серверах. Первый подход предполагает оптимизацию по информативности каналов ДЗЗ приборов при мониторинге растительности. Второй подход основан на объектно-ориентированных принципах, при которых анализ и классификация изображений происходят не на уровне пикселей, а на уровне объектов, групп пикселей, объединённых на основе определённой совокупности критериев.

Актуальность проводимых исследований обусловлена существующими на сегодня недостатками действующих систем обработки информации ДЗЗ при мониторинге лесной растительности, а именно:

низкие показатели оперативности представления результатов мониторинга в рамках ГИЛ (от 1 до 10 лет);

- низкая степень автоматизации процедур обработки информации с приборов и систем ДЗЗ;

1 NDVI (англ.) - Normalized Difference Vegetation Index, Нормализованный разностный индекс растительности;

2 LAI (англ.) - Leaf Area Index, Индекс листовой поверхности;

3 NPP (англ.) - Net Primary Productivity, Чистая первичная продуктивность растительности.

- ограниченный анализ состояния растительности средствами Веб-ГИС без использования всего многообразия дистанционных признаков широкого диапазона длин волн приборов ДЗЗ;

- достижение предельных объёмов памяти при хранении целевой информации на серверах с приборов и систем ДЗЗ.

Значительный вклад в разработку методов обработки информации с приборов ДЗЗ при аэрокосмическом исследовании поверхности Земли, в том числе лесной растительности внесли различные российские организации и ученые, отметим лишь некоторые из них: ИКИ РАН (Лупян Е.А., Барталёв С.А.), ФИРЭ РАН (Крапивин В.Ф., Чухланцев A.A., Саворский В.П.), ИГ РАН (Десинов Л.В.), НЦ ОМЗ ОАО «РКС» (Емельянов К.С, Новикова H.H., Пермитина Л.И.), ЦЭПЛ РАН (Сухих В.И., Ершов Д.В.), МГУ (Козодёров В.В., Дмитриев Е.В.), МФТИ (Кондранин Т.В., Чабан Л.Н.), МГУЛ (Галкин Ю.С., Чумаченко С.И., Степанов И.М., Бурков В.Д., Давыдов В.Ф.), организации Рослесхоза (Филипчук А.Н., Архипов В.И., H.A. Владимирова), ОАО «РКК «Энергия»» (Сорокин И.В., Беляев М.Ю.), ФГУП «ЦНИИМАШ» (Райкунов Г.Г., Емельянов A.A.), ООО «ИТЦ «Сканэкс»» (Маслов A.A., Гершензон В.Е.), ООО «Компания Совзонд» (Ялдыгина Н.Б.), ЦПАМ «Аэрокосмос» (Бондур В.Г.) и многие др. Анализ работ ключевых научных школ в этом направлении исследований позволил определить круг нерешённых вопросов и сформулировать актуальную цель диссертационной работы.

Целью диссертационной работы явилась разработка нового метода обработки информации по данным с приборов активного и пассивного ДЗЗ различных диапазонов длин волн, повышающего оперативность и точность оценки состояния лесной растительности при аэрокосмическом мониторинге.

Задачи исследования. В соответствии с указанной целью в диссертационной работе были поставлены и решены следующие задачи:

- разработка модели формирования участков относительно однородных групп каждого дистанционного признака объединённых в пространстве географических координат в дистанционно-ориентированные выделы (ДОВ) по информации с приборов ДЗЗ различных диапазонов длин волн;

- мониторинг тестового участка леса Московской области с помощью ДОВ с определением таксационных и экологических параметров в их границах;

- разработка метода мониторинга лесов с использованием ДОВ;

- оценка возможности определения породного состава и среднего запаса насаждений на тестовом участке леса по радиолокационным и оптическим данным спутников ДЗЗ;

- практическая реализация метода мониторинга лесов с использованием ДОВ с помощью выбранных программных и аппаратных средств, разработка

варианта реализации метода существующими и перспективными средствами ДЗЗ PC МКС.

Объект исследования. Объектом исследования диссертационной работы является совокупность существующих и разрабатываемых методов представления и обработки информации аэрокосмических средств дистанционного зондирования при мониторинге лесов.

Предмет исследования. Условия применения комплекса активных и пассивных приборов ДЗЗ при аэрокосмическом мониторинге лесов, обеспечивающих комплексную оценку состояния растительности. Положения, выносимые на защиту:

1. Модель формирования дистанционно-ориентированных выделов на основе информации комплекса активных и пассивных приборов ДЗЗ различных диапазонов длин волн.

2. Метод мониторинга лесов с использованием дистанционно-ориентированных выделов.

3. Архитектура системы обработки информации комплекса активных и пассивных приборов ДЗЗ при мониторинге лесов с использованием дистанционно-ориентированных выделов.

Научная новизна. В диссертационной работе получены следующие научные результаты:

1. Разработана модель и алгоритм формирования дистанционно-ориентированных выделов с использованием информации комплекса активных и пассивных приборов ДЗЗ различных диапазонов длин волн.

2. Разработан метод мониторинга лесов с использованием дистанционно-ориентированных выделов.

3. Разработана архитектура системы обработки информации комплекса активных и пассивных приборов ДЗЗ при мониторинге лесов с использованием дистанционно-ориентированных выделов.

Практическая значимость работы. На базе полученных теоретических результатов, была создана подпрограмма, встраиваемая в основной пакет программного продукта ENVI IDL, которая является его отдельным диалоговым инструментом. Созданным инструментом был исследован тестовый участок леса Московской области с определением по известным регрессионным моделям ряда его экологических и таксационных характеристик. Предложена структурная схема интеграции существующих и перспективных средств ДЗЗ PC МКС при мониторинге лесов. Разработан вариант наземного комплекса приёма, обработки и распределения информации (НКПОР) в виде перебазируемого комплекса приёма и обработки информации (ПКПО), на аппаратных средствах которого может быть реализован метод мониторинга лесов с использованием ДОВ.

Достоверность полученных научных результатов подтверждается корректностью использования математического аппарата, положительными результатами экспериментальной проверки разработанного метода и алгоритма.

Методы исследования. При выполнении диссертационной работы были использованы методы распознавания образов и обработки изображений, математической статистики, кластерного анализа, геоинформатики, прикладного программирования.

Апробация работы. Основные результаты диссертации докладывались на следующих научных конференциях: ежегодная научно-техническая конференция профессорско-преподавательского состава и аспирантов МГУ леса, Мытищи, 2010 - 2012 гг.; научная конференция молодых специалистов ФГУП «НПО - Автоматики им. H.A. Семихатова», Екатеринбург, 20 Юг; научно-техническая конференция молодых учёных ОАО «НПО Измерительной техники», Королёв, ноябрь 2009г, 2010 г.; семинар «ЭКО Среды», Музей землеведения МГУ им. М.В. Ломоносова, Москва, апрель 2012г; XLVII научные чтения памяти К.Э. Циолковского, Калуга, сентябрь 2012; Десятая всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса", Москва, ноябрь 2012 г.

Публикации. Автором опубликовано 14 работ по теме диссертации, в том числе 5 работ в журналах входящих в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук». Список опубликованных работ приведён далее. Получен патент на изобретение №2489845 «Способ мониторинга лесов».

Структура и объём диссертации. Работа состоит из списка сокращений, введения, пяти глав, заключения и списка литературы. Список литературы включает 112 источников. Работа содержит 10 таблиц и 49 рисунков. Объём диссертации - 137 страниц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении излагается основные положения актуальности работы, определяются объект и предмет исследования с формулировкой главных целей и задач, раскрывается научная новизна и практическая значимость работы с краткой характеристикой её содержания.

В первой главе даётся подробная характеристика объекту исследования, тестового лесного массива Московской области с описанием основных таксационных и экологических параметров, измеренных наземными методами. Рассматриваются особенности данных ДЗЗ в оптическом и радиодиапазоне с описанием их физических возможностей при мониторинге лесов. Определяются основные индикативные характеристики леса пригодные для

оценки дистанционными методами с указанием текущих требований их пространственного разрешения и периодичности. Кратко описываются существующие методы обработки данных ДЗЗ при мониторинге лесов. Приводятся материалы о системах глобального мониторинга лесов РФ с описанием заложенных принципов и указанием основных преимуществ и недостатков.

Во второй главе описываются исходные предпосылки для разработки нового метода мониторинга лесов с использованием информации с приборов различных диапазонов длин волн. Рассматриваются подходы кластерного анализа при обработке данных ДЗЗ с описанием вариантов применения существующих алгоритмов. Исходя из основного определения лесного выдела в лесоустроительных работах и учёта методов ДЗЗ, предлагается создание специально адаптированных для космического мониторинга выделов на основе классификации полей значений ВИ, радиояркостных температур (РЯ), удельной эффективной площади рассеивания (УЭПР) и других дистанционных признаков лесного участка без участия эксперта в автоматическом режиме. Такие выделы предлагается именовать как дистанционно-ориентированные выделы. ДОВ -это относительно однородные группы, в пределах которых общая изменчивость значений ВИ, РЯ, УЭПР или любых других дистанционных признаков меньше чем в общей совокупности. Описывается предложенная математическая модель формирования ДОВ по данным с приборов ДЗЗ различных диапазонов длин волн (оптических, радиометрических, радиолокационных). Приводится таблица ВИ, часто применяемых на практике при мониторинге растительности и легко реализуемых существующими средствами обработки данных ДЗЗ оптического диапазона. Известно, текущее состояние тематической обработки дистанционных данных оптического диапазона при мониторинге растительности во многом определяется разработкой и валидацией ВИ. ВИ -это показатель, рассчитываемый в результате операций с разными спектральными диапазонами (каналами) и имеющий отношение к параметрам растительности в данном пикселе снимка. При использовании гиперспектральных данных возможно формирование большого числа дистанционных признаков (более 40 разных ВИ) участка леса.

Интенсивность радиотеплового излучения в системах пассивного СВЧ зондирования, характеризуемая РЯ, определяется температурой нагрева и степенью черноты излучающего объекта. РЯ в растительном покрове в общем виде определяется соотношением4:

4 Чухланцев А.А., Винокурова С.И. О применении радиолокационных средств для зондирования почвенно-растительных покровов// Исследование Земли из космоса. 1991. №4. Стр.21-26.

Тя = Тп(1 - Я(Й.Я, а))/? + (1 - 0!)С1" Р)Т0 (1)

где Д(ё,А,а) - коэффициент отражения Френеля как функция от £ -

многокомпонентной диэлектрической проницаемости, X - длины волны, а -

угла наблюдения; Тп - температура почвы; То - температура растительного

покрова; со - альбедо растительного слоя (лежит в диапазоне от 0.02-^02);

коэффициент Р=ехр(-2т вес(а)); т - интегральное ослабление СВЧ-излучения,

обусловленное растительным покровом и связанное со значением удельной

фитомассы растительности кг/м2 соотношением: т = ^ (2)

д

где и - коэффициент типа растительности, принимает значения 3+5.

Основным количественным параметром при анализе радиолокационных изображений (активное СВЧ зондирование) был выбран УЭПР каждого элемента изображения. Радиационная модель для активной радиолокации с определением с*0 (УЭПР) во взаимосвязи с параметрами почвы и растительности отражается соотношением4:

<х° = <т°пехр(-2т5ес(а)) + 2 С05(я)(1+^~(^р(.2т5ес(а))) +

4а> Н(£,Л, оОтсоб (а) ехр(—2г зес(а)) (3)

где <7°п - УЭПР почвенного покрова. Величина имеет размерность площади и измеряется обычно в квадратных метрах. Обобщённая модель формирования ДОВ отражена на схеме рис. 1.

Рис. 1 Модель формирования ДОВ

Формирование ДОВ осуществляется алгоритмами кластеризации на заранее определённом участке леса, который отделён от остальных объектов

методами управляемой классификации с участием эксперта. С учётом основных преимуществ и недостатков алгоритмов кластеризации5 был выбран алгоритм ISODATA (Iterative Self-Organizing Data Analysis Techniques)6. К - число возможных кластеров; I - максимальное число итераций; Qn - пороговый уровень для минимального числа пикселей в каждом кластере (необходимо для отбраковки кластеров); Qs - пороговый уровень для среднеквадратического отклонения значений ВИ (необходимо для разделения пикселей); Qc -пороговый уровень разницы между двумя значениями пикселя поля ВИ/РЯ/УЭПР (необходимо для слияния пикселей). Алгоритм ISODATA в задаче формирования ДОВ выглядит следующим образом: Шаг 1. Произвольно выбирается к (оно может и не равняться К), инициализируются кластерные центры: Ш], Ш2,.-- mk из общего набора значений ВИ {х:, i=l, 2,...,N}. Шаг 2: Для каждого из N значений определяются наиболее корректные кластерные центры исходя из того, что: х е Wj, если DL (х, mj)= min{ DL (х, nij), i=l,...,k}, где Wj - кластер, Dl - разность значений или расстояние в пространстве значений). Шаг 3: Затем отбрасываются кластеры с количеством пикселей меньше Qn, т.е. если для какого-то j, Rj< Qk, то кластер Wj отбрасывается и k<—k-1, где Rj - пиксели в окрестности кластера mj, Qk - пороговое число пикселей k-го кластера. Шаг 4: Выполняется преобразование кластерных центров согласно:

.....k); (4)

Шаг 5: Вычисляется среднее расстояние О] в пространстве значений кластера с полученными кластерными центрами:

, 0=1.....к); (5)

Шаг 6: Рассчитывается общее среднее расстояние значений по всем кластерам:

о

к (6)

5 Speltabs it company. [Электронный ресурс]: Гончаров М. Кластерный анализ — Электрон, дан. (1 файл).— [Б. м.]. — Режим доступа http:// www.spellabs.ru/download/ClusterAnalysis.pdf, свободный. —Яз. рус.

6 Книжников Ю.Ф., Кравцова В.И., Тутубалина О.Т. Аэрокосмические методы географических исследований: учеб. для студ. высш. учеб. заведений/ - М.: Издательский центр "Академия", 2004. - 336 с.

Шаг 7: Проверяется условие: Если к<К/2 (т.е. слишком мало кластеров), то выполняются операции расщепления полученных кластеров (Шаг 8), а если к>2К (слишком много кластеров), то операции слияния кластеров (Шаг 9). В иных случаях проверяется условие порога итераций (Шаг 14) кластеризации, если оно достигает I, то процесс прекращается, иначе всё выполняется заново (Шаг 2). Шаг 8: Операции расщепления кластеров проходят в несколько этапов: Формируется вектор значений среднеквадратических отклонений

Где О) — среднеквадратическое отклонение значений в кластере . Шаг 9: Затем выполняется поиск максимальной компоненты в векторе о} . Шаг 10: Если для какого-либо агаах выполняется условие: атах > <3з, Б; > Б, ^ > 20к, то разделяется п^ на два новых кластерных центра ГП]+ и тр , которые образуются прибавлением ±8 соответствующего значению огаах кластера. Где 6 = а атах, для произвольного а >0. Прежний кластерный центр удаляется и к<—к+1. Алгоритм переходит на начальный Шаг 2, иначе на Шаг 14. Шаг 11: Это первый шаг по слиянию кластеров. Вычисляется попарно расстояние в пространстве значений (разница) Бу между двумя кластерными центрами: Б у = (ш:, тД для всех 1 Ф). Сортируется к(к-1)/2 значений Бу в порядке возрастания. Шаг 12: Определяются не более Р наименьших Бу, которые меньше чем С>с и сортируются в порядке возрастания: Блл < Т)щг < ••• < Шаг 13: Выполняется попарное объединение кластеров по кластерным центрам

т, т,

с условием о том, что если не 4 не не используются в текущей

итерации, то они сливаются в один кластерный центр:

После чего предыдущие варианты кластерных центров удаляются и к+—к-1 и выполняется Шаг 2. Шаг 14: Процесс завершается, если максимальное число итераций достигнуто I, в ином случае возвращаются к Шагу 2.

Окончательно сформированные кластеры поля значений Признака №1 запоминаются для поиска пересечений с кластерами полей значений Признака №2, 3 и т.д. который формируется аналогично вышеописанной процедуре. Наполняется таблица классов (табл. 1) признаков (ВИ, РЯ, УЭПР) для каждого пикселя снимка с поиском их совпадений (пересечений). Нормировка кластеров

а = [с а ] ^^ каждого кл301,6?31

(7)

(8)

различных признаков (формирование общей ранговой шкалы классов) учитывается при непосредственном проведении алгоритма кластеризации ¡БСЮАТА, однако эвристическое определение некоторых входных параметров алгоритма может привести к несовпадению итогового числа полученных классов. Пусть ВИ1 имеет все пять заданных класса, а признак ВИ2 только три. В случае такого несовпадения предусмотрена дополнительная классификация кластеров меньшего по их числу признака ВИ2(3) на близость к классам большего ВИ1(5) по показателю дисперсии. Оценка близости выполняется на основании расчёта минимального расстояния (обычное евклидово расстояние в пространстве значений дисперсий каждого признака):

г = - 0тп)2 (9)

Где Эу, Бпт — дисперсии кластеров, ¡, п — номер признака, т - номер класса. Минимальное значение дисперсий характеризует принадлежность искомого кластера признака ВИ2 к соответствующему классу признака ВИ1. Затем ищется пересечение одноклассовых пикселей каждого признака. В случае отсутствия пересечений всех признаков или совпадений числа классов, система переходит на формирование ДОВ из меньшего числа совпадений (минимум до 2-х) или более приоритетных.

Таблица 1

Пиксель (координата) ВИ1(5)* ВИ2(4) УЭПР(4) РЯ(4) Пересеч.

54°57'2.67"М, 37°33'26.26"Е 2 4 1 3 -

54°53,3.1т 37033,28.46"Е 1 1 1 1 4

54°53'3.1ГМ, 37°33'28.46"Е 2 1 2 1 2

♦Примечание: В скобках обозначено общее число получившихся классов признака в результате кластеризации их значений.

Одновременное совпадение классов трёх признаков означает их пересечение в пространстве снимка (Рис. 2).

Л FmmmrnWt^ik i

%шШШ$ш$кУ 1 i

ДОВ

smЩ

v

Рис. 2 Пересечение трёх дистанционных признаков в пространстве снимка

Формирование ДОВ может быть выполнено после поиска пространственных пересечений большего числа кластеров различных признаков, однако в этом случае снижается возможность их пересечения для выделения общего участка, В случае отсутствия пространственных пересечений всех кластеров, ДОВ формируется на основе пересечений приоритетных для пользователя признаков. Итоговой процедурой формирования ДОВ является автоматическая векторизация пересечённых кластеров с помощью алгоритма «жука» и нетопологической векторной модели данных.

В третьей главе приводятся материалы о совместной обработке и анализе разносенсорных данных ДЗЗ (принцип Data Fusion). Реализуется модель формирования ДОВ по совместно обрабатываемым данным с приборов оптического и радиолокационного диапазонов длин волн.

Рис. 3 Метод многолетнего мониторинга с использованием ДОВ

На основе модели формирования ДОВ предлагается новый метод многолетнего мониторинга лесов, использующий принципы веб-интефиро ванных ГИС сервисов (Рис.3). Первый этап заключается в определении конкретного объекта исследования (участка леса), который должен иметь определённые границы. На сегодняшний день существует электронный каталог векторных карт лесов РФ, которым пользуются ведомственные организации Рослесхоза, поэтому первый этап может быть выполнен с использованием этих данных. В случае их отсутствия или не актуальности, аэрокосмические снимки подвергаются процедуре управляемой классификации с участием эксперта с нанесением обновлённых границ лесных участков. Следующий этап (формирование ДОВ) выполняется автоматически по предложенной во второй главе модели. Затем в границах сформированных ДОВ по известным регрессионным зависимостям дистанционных признаков (КСЯ, Вй, УЗПР, РЯ и др.) определяются важные экологические и

таксационные параметры леса. Данные о границах ДОВ (векторные слои), растровые поля значений дистанционных признаков и полученные на их основе экологические и таксационные параметры наполняют ГИС среду с временной привязкой актуальности информации. Временная привязка данных позволяет корректно осуществить требуемую для пользователя периодичность мониторинга лесов. Современный стандарт работы с геопространственными данными предполагает возможность распределённого доступа к информации в сети internet, поэтому целесообразно на доступных инструментах ГИС выполнять дальнейшую Веб-интеграцию результатов мониторинга.

!в

11 |2

8 2.

а о £ £ £ 5

а £ я 6 а 5 о

5

X

Я*

«40

¡20

10

J Спутниковые сервисы по техник GeoSMIS

«ДОВ

' ГИЛ (Рослссхоз)

40 г-

35 30 25 20 15 10 5 0

<6 дней <10 дней <365 Время подготовки результирующих данных

Рис. 4 Сравнительная гистограмма систем мониторинга лесов РФ.

Приводится сравнительная гистограмма систем мониторинга лесов РФ с описанием преимуществ метода с использованием ДОВ (Рис. 4). На основе модели выполняется формирование ДОВ тестового участка леса Московской области по спутниковым данным Ьапёза! 7 прибор ЕТМ+ и АЬ08, радиолокационного сенсора Ра1эаг за июль 2010 года. По готовым векторным слоям лесничеств был выделен конкретный интересующий лесной массив. Были проведены вычисления вегетационных индексов ЫБУ! и по

' NDII (англ.) - Normalized Difference Infrared Index, Нормализованный Инфракрасный Индекс растительности

данным ЬапсЬа! 7 ЕТМ+, и сформированы поля УЭПР по радиолокационным данным. Выполнялась кластеризация полей значений ВИ и УЭПР алгоритмом ¡БСЮАТА. Первоначально выбирается число итераций равное 10 и количество классов от 5 до 10. На сегодня остаётся открытой задача поиска оптимальных значений параметров кластеризации и выработки критериев отбора наилучших вариантов ДОВ, поэтому в нашем случае этот процесс возложен на участие эксперта. При периодичности мониторинга необходимо соблюдать однообразие вводимых параметров. На этапе поиска межклассовых пространственных пересечений (четвёртый этап) заполнялась таблица классов.

Было найдено одновременное совпадение географических координат пикселей всех признаков в рамках одного класса (режим по умолчанию).

Рис.5 Сформированные дистанционно-ориентированные выделы тестового участка леса

Пересечённые пиксели являются дистанционно-ориентированными выделами, для удобства многолетних наблюдений предусмотрена их автоматическая векторизация. Полученные дистанционно-ориентированные выделы изображены на Рис. 5. В границах сформированных участков с использованием регрессионных связей были определены важные экологические параметры леса: содержание воды в растительности (Equivalent Water Thickness EWT, мм)8 и индекс листовой поверхности (LAI, м2/м2)9, который в свою очередь входит в ряд важных моделей углеродного баланса. Среднее значение

EWT по дистанционно-ориентированным выделам составило 0.63 мм, а среднее

g

Е. Raymond Hunt, Jr. and M. Tugrul Yilmaz, Remote sensing of vegetation water content using shortwave infrared reflectances, Proc. SPIE 6679, 667902 (2007)

Wu, Chaoyang; Niu, Zheng; Tang, Quan;Huang, Wenjiang Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation. Agricultural and Forest Meteorology, Volume 148 (8), 2008

значение LAI составило 2 м2/м2, что соответствует интервалу этих показателей для смешанных лесов в летний период (EWT: 0.3+0.8, LAI: 1.5+3.5)10 ". По данным многочисленных исследований достоверность оценки этих параметров с помощью прибора ЕТМ+ в сезон вегетации составляет 72-92% в зависимости от типа и плотности древесного покрова. Среднеквадратическая ошибка (RMSE) лежит в интервале значений 18-38%.

В четвёртой главе приводятся результаты совместной обработки радиолокационных и оптических спутниковых данных для выявления породного, возрастного состава растительности и среднего запаса насаждений. Радиолокационные данные исследуются на различных поляризациях электромагнитной волны. Для выявления породного и возрастного состава лесной растительности проведена оценка сезонной и межгодовой изменчивости средних значений ЭПР по однородным участкам лесничеств на поляризациях НН и HV. Следует отметить стабильное (в отличие от НН поляризации) наличие радиолокационного контраста на HV поляризации между лиственными и хвойными участками. Максимальный межсезонный ход радиолокационного контраста на HV поляризации имеют молодые березняки. Максимальный контраст на НУ поляризации между разновозрастными участками одной породы дали березняки в летний сезон. Исследование среднего запаса древостоя было выполнено так же на разных поляризациях и с учётом времени года с получением регрессионных зависимостей значений ЭПР от величины среднего запаса насаждений с точностью подбора уравнения регрессии от 0.88 до 0.94. Важно отметить также резкое падение ЭПР на HV поляризации в диапазоне средних запасов ниже 50 м3. Результаты обработки спутниковых снимков Landsat 7 ЕТМ+ доказали способность выявлять лесные участки лиственных и хвойных пород с преобладанием однотипной породы свыше 80% в масштабах лесничеств. Однако дешифрирование внутри этих классов по видовому составу в масштабах лесничеств Московской области затруднительно. Далее показано, что повышение пространственного разрешения данных до 10 метров на пиксель (ALOS (AVNIR-2)) позволяет дешифрировать породный состав (берёза, ель, сосна) внутри классов в лесах Московской области.

В пятой главе даётся вариант программной и аппаратной реализации метода мониторинга с использованием ДОВ. Приводится архитектура системы обработки информации при многолетнем дистанционном мониторинге лесов на

Cheng, Y. -В., S. L. Ustin, D. Riafio, and V. С. Vanderbilt, Water content estimation from hyperspectral images and MOD1S indexes in Southeastern Arizona, Remote Sens.Environ. 112, 363-374 (2008)

Романовский М.Г., Федорова А.И., Абиесаломова О.В. Продуктивность и листовой полог нагорных дубрав южной лесостепи. Вестник ВГУ. серия: География. Геоэкология, № 2, 2005

базе выбранных ПО. Описывается разработанный диалоговый инструмент ENVI DOS к основному пакету ПО ENVI (Рис.6). Более подробно описывается каждый этап работы инструмента.

Рис. 6 Архитектура системы обработки информации (а), панель диалогового окна ENVI DOS (б)

Проанализированы возможности текущих и перспективных средств мониторинга лесов с борта PC МКС. По материалам описания систем управления бортовой аппаратуры PC МКС12 разработана структурная схема основных элементов интегрированной системы связи и управления научной

Бусарова Д.А., Пахмутов ПЛ., Скороход С.А. Концепция построения программного обеспечения бортовой вычислительной системы информационно-управляющей системы российского сегмента МКС // труды PKT. Сер. XII. выпуск 3. М.,2012. с. 7-11

аппаратурой (НА) ДЗЗ при мониторинге лесных экосистем (Рис. 7) с описанием функциональных особенностей каждого блока.

Рис. 7 Структурная схема интегрированной системы связи и управления

где БЗУ - бортовое запоминающее устройство; БИТС - бортовая измерительная телеметрическая система; БРИ - блок размножения интерфейсов; БСК - блок силовой коммутации (электронный); ДИН - двуосная платформа наведения; КЦН - комплекс целевых нагрузок; МЛМ -многоцелевой лабораторный модуль; НИП - наземный измерительный пункт; НКПОР - наземный комплекс приёма, сбора и обработки информации; СВПИ -система высокоскоростной передачи информации; СМ - служебный модуль; ТВМ (ЦВМ) - терминальная (центральная) вычислительная машина; ФСС/ВСС - фото/видео спектральная система; ЦУП - центр управления полётами.

Рассмотрен вариант наземной инфраструктуры при реализации метода мониторинга лесов на базе перебазируемого комплекса приёма и обработки информации (ГЖПО). Описаны основные подходы при построении, разработана структурная схема, (рис. 8) с отдельным описанием подсистем комплекса.

Контсйиср ipaïKlKyrmïoocpntçcEiiH ifOKl

«ршш

l3«3Mt

®!3 9ЯЦЛШ

Рис. 8 Структурная схема перебазируемого комплекса приёма и обработки

информации

Заключение. Представленная диссертационная работа содержит результаты исследований и научных разработок автора, которые можно рассматривать как решение важной научной задачи по развитию методов и систем (информационных и аппаратных) обработки информации комплекса приборов ДЗЗ при многолетнем мониторинге лесов. В диссертационной работе получены следующие научные и практические результаты:

- проведён анализ существующих подходов глобального мониторинга лесов РФ и методы обработки информации в их основе, выявлены их отрицательные особенности, на основе которых сформулированы требования к перспективному методу мониторинга;

- разработана модель и алгоритм формирования дистанционно-ориентированных выделов на основе информации комплекса активных и пассивных приборов ДЗЗ различных диапазонов длин волн;

- разработан метод многолетнего мониторинга лесов с использованием дистанционно-ориентированных выделов и архитектура системы обработки информации комплекса активных и пассивных приборов ДЗЗ при мониторинге лесов;

- создан встраиваемый программный модуль - диалоговый инструмент в пакет СПО ENVI, осуществляющий мониторинг лесов с помощью дистанционно-ориентированных выделов;

- реализован метод мониторинга лесов с использованием дистанционно-ориентированных выделов тестового участка леса Московской области на основе выбранных спутниковых данных;

- предложена структурная схема интеграции существующих и перспективных средств ДЗЗ PC МКС при мониторинге лесов с использованием ДОВ и вариант НКПОР в виде перебазируемого комплекса приёма и обработки информации (ПКПО), на аппаратных средствах которого может быть реализован метод мониторинга лесов с использованием ДОВ.

Список работ опубликованных по теме диссертации

Публикации в изданиях, рекомендованных ВАК

1. Черемисин М.В., Бурков В.Д. Технология гибких информационно-моделирующих систем в микроволновом мониторинге природных процессов / Вестник МГУЛ - Лесной вестник. - 2010. - №5. - с. 161 -171. *

2. Черемисин М.В., Бурков В.Д. Перспективы использования перебазируемого комплекса телеметрических измерений «Селена ИТ» при приёме и обработке данных ДЗЗ в системе мониторинга природных процессов / Вестник МГУЛ - Лесной вестник. - 2011. - №3 (79). - с. 170-178.*

3. Черемисин М.В., Бурков В.Д., Шалаев B.C. Применение методов дистанционного мониторинга в оптическом и СВЧ диапазонах на этапах моделирования лесных экосистем / Вестник МГУЛ - Лесной вестник. — 2011. — №7 (83). -с. 41-50.*

4. Черемисин М.В., Бурков В.Д., Леонов Л.В., Шалаев B.C. Метод мониторинга лесов на основе дистанционно-ориентированных выделов / Вестник МГУЛ - Лесной вестник.-2012.-№4(87). - с. 127-136*

5. Черемисин М.В., Бурков В.Д. Метод комплексного мониторинга лесов на основе оптических и радиолокационных данных ДЗЗ // Современные проблемы дистанционного зондирования Земли из космоса,-2013. Т. 10. № 4. с. 262-273 *

Публикации в других изданиях

6. Черемисин М.В. Организация связи, навигационного и геодезического обеспечения применения перебазируемого комплекса телеизмерений (ПКТИ) / Сборник трудов НТК молодых учёных ОАО «НПО ИТ». - 2009. - с. 131-145

7. Черемисин М.В. Проблемные вопросы информационного обеспечения пусков изделий РКТ по необорудованным трассам / Сборник

трудов НТК молодых учёных ФГУП «НПО - Автоматики им. Н.А. Семихатова». Екатеринбург - т. 1,2010.,-с. 168-179

8. Черемисин М.В. Мобильные комплексы обработки данных ДЗЗ в системе мониторинга природных процессов / Сборник трудов НТК молодых учёных ОАО «НПО ИТ». - 2010. - с. 173-187

9. Черемисин М.В., Богатырёв В.А., Гусев В.Ф., Рязанцев В.В. Комплексный мониторинг лесов текущими и перспективными средствами ДЗЗ российского сегмента МКС / Материалы 47-х Научных чтений памяти К.Э. Циолковского. Калуга - 2012. - с. 142

10. Черемисин М.В. Применение оптических и радиолокационных данных при исследовании древесной растительности Московской области / Материалы 47-х Научных чтений памяти К.Э. Циолковского. Калуга - 2012. - с. 163

11. Черемисин М.В., Бурков В.Д. Глобальный мониторинг лесов оптическими и СВЧ средствами ДЗЗ / Сборник научных статей докторантов и аспирантов МГУЛ. - Выпуск 357. - 2012. - с. 14-26

12. Черемисин М.В. Разработка метода и алгоритма совместной обработки спутниковой информации дистанционного зондирования Земли при мониторинге лесов / Материалы IX международной научно-практической конференции «Европейская наука XXI века», Современные информационные технологии. Пшемысль. Польша - 2013. - с. 17-19

13. Черемисин М.В., Бурков В.Д. Аэрокосмический мониторинг лесов на основе дистанционно-ориентированных выделов средствами оптических и радиолокационных данных ДЗЗ / Доклады V Всероссийской конференции, посвященной памяти выдающихся ученых-лесоводов В.И. Сухих и Г.Н. Коровина «Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве» - М.: ЦЭПЛ РАН, -2013.-е. 221-223

Патенты

14. Пат. №2489845 Российская Федерация, МПК A01G 23/00. Способ мониторинга лесов / Черемисин М.В., Бурков В.Д., Прокопчук О.В. - № 2012116275/13; заяв. 24.04.2012; опубл. 20.08.2013, Бюл. № 23.

Подписано в печать 15.11 2013. Формат 60x90 1/16 Бумага 80 г/м2 Гарнитура «Тайме». Ризография. Усл. печ. л. 1,0 Тираж 100 экз. Заказ № 249.

Издательство Московского государственного университета леса 141005, Мытищи-5, Московская обл., 1-ая Институтская, 1, МГУЛ Б-mail: izdat@,mgui.ас.ru

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЛЕСА»

04201450436 На правах рукописи

Черемисин Максим Владимирович

ОБРАБОТКА ИНФОРМАЦИИ КОМПЛЕКСА АКТИВНЫХ И ПАССИВНЫХ ПРИБОРОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ПРИ АЭРОКОСМИЧЕСКОМ МОНИТОРИНГЕ

Специальность 05.13.01 - Системный анализ, управление и обработка

информации (приборостроение)

Диссертация на соискание учёной степени кандидата технических наук

Научный руководитель -доктор технических наук, профессор Бурков В.Д.

Москва-2013

ОГЛАВЛЕНИЕ

СПИСОК СОКРАЩЕНИЙ.........................................................................................4

ВВЕДЕНИЕ..................................................................................................................7

ГЛАВА 1. АНАЛИЗ ВОЗМОЖНОСТЕЙ ИСПОЛЬЗОВАНИЯ МЕТОДОВ

ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ В ОПТИЧЕСКОМ И

РАДИО ДИАПАЗОНЕ ДЛЯ КОМПЛЕКСНОГО МОНИТОРИНГА ЛЕСОВ .... 15

1.1. Общая характеристика тестового участка леса........................................15

1.2 Основные особенности дистанционных данных в оптическом и

радио диапазоне длин волн.................................................................................19

1.3 Методы и алгоритмы анализа данных дистанционного зондирования лесов.....................................................................................................................27

1.4 Системы глобального мониторинга лесов РФ...........................................40

Выводы к Главе 1................................................................................................47

ГЛАВА 2. РАЗРАБОТКА МОДЕЛИ ФОРМИРОВАНИЯ ДИСТАНЦИОННО-ОРИЕНТИРОВАННЫХ ВЫДЕЛОВ (ДОВ) ДЛЯ РЕШЕНИЯ ЗАДАЧ МОНИТОРИНГА ЛЕСНЫХ ТЕРРИТОРИЙ.........................................................48

2.1 Исходные предпосылки для разработки нового метода мониторинга лесов.....................................................................................................................48

2.2 Алгоритмы кластерного анализа при обработке данных ДЗЗ.................50

2.3 Модель формирования ДОВ........................................................................53

2.4 Автоматическая векторизация пересечённых кластеров..........................65

Выводы к Главе 2................................................................................................69

ГЛАВА 3. МЕТОД МОНИТОРИНГА ЛЕСОВ С ПОМОЩЬЮ ДИСТАНЦИОННО-ОРИЕНТИРОВАННЫХ ВЫДЕЛОВ...................................70

3.1 Совместная обработка оптических и радиолокационных данных при мониторинге лесов. Метод мониторинга лесов на основе ДОВ....................70

3.2 Формирование ДОВ тестового участка леса..............................................78

3.3 Определение экологических и таксационных параметров леса в границах ДОВ......................................................................................................................83

Выводы к Главе 3................................................................................................86

ГЛАВА 4. ПРИМЕНЕНИЕ ОПТИЧЕСКИХ И РАДИОЛОКАЦИОННЫХ ДАННЫХ ПРИ ИССЛЕДОВАНИИ ДРЕВЕСНОЙ РАСТИТЕЛЬНОСТИ МОСКОВСКОЙ ОБЛАСТИ.....................................................................................87

4.1 Результаты анализа радиолокационных данных тестового участка.......87

4.2 Результаты анализа оптических данных тестового участка.....................96

Выводы к Главе 4..............................................................................................103

ГЛАВА 5. ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМЫ МОНИТОРИНГА ЛЕСОВ НА ОСНОВЕ ДОВ С БОРТА РОССИЙСКОГО СЕГМЕНТА МЕЖДУНАРОДНОЙ КОСМИЧЕСКОЙ СТАНЦИИ.........................................104

5.1 Вариант программной реализации метода мониторинга на основе

ДОВ....................................................................................................................104

5.2 Комплексный мониторинг лесов текущими и перспективными средствами ДЗЗ РС МКС..................................................................................107

5.3 Перебазируемый комплекс приёма и обработки данных ДЗЗ...............115

Выводы к Главе 5..............................................................................................121

ЗАКЛЮЧЕНИЕ.......................................................................................................122

СПИСОК ЛИТЕРАТУРЫ.......................................................................................124

СПИСОК СОКРАЩЕНИЙ

АРМ - автоматизированное рабочее место;

АС - антенная система;

ББП - банк базовых продуктов;

БЗУ - бортовое запоминающее устройство;

БИТС - бортовая информационно-телеметрическая система;

БПЛА - беспилотный летательный аппарат;

БСК - блок силовой коммутации;

БСКЭ - блок силовой коммутации электронный;

ВИ - вегетационный индекс;

ВСС - видеоспектральная система;

ГИЛ - государственная инвентаризация лесов;

гис - геоинформационные системы;

го - герметичный отсек;

ддз - данные дистанционного зондирования;

дз - дистанционное зондирование;

ДЗЗ - дистанционное зондирование Земли;

ДОВ - дистанционно-ориентированные выделы;

ДПН - двухповоротная платформа наведения;

ик - инфракрасный диапазон частот;

ики - Институт космических исследований;

КА - космический аппарат;

КС я - коэффициент спектральной яркости;

КЦН - комплекс целевых нагрузок;

ЛВС - локальная вычислительная сеть;

МГУ - московский государственный университет

млм - многоцелевой лабораторный модуль;

МП - метод максимального правдоподобия;

МЧС - министерство чрезвычайных ситуаций

НА - научная аппаратура;

НКПОР - наземный комплекс приёма, обработки и распределения информации;

НЦ ОМЗ Научный центр оперативного мониторинга Земли

ОАО «НПО ИТ» - открытое акционерное общество «научно-

производственное объединение измерительной техники»;

ОЛХ - опытное лесное хозяйство;

ПКПО - перебазируемый комплекс приёма и обработки информации;

ПКТИ - перебазируемый комплекс телеметрических измерений;

ПК - персональный компьютер;

ППН - постоянные пункты наблюдения;

ПРА - приёмо-регистрирующая аппаратура;

РАН - российская академия наук;

РСА - радиолокатор с синтезированной апертурой;

РС МКС - российский сегмент международной космической станции;

РЯ - радиояркостная температура;

СВЧ - сверхвысокая частота;

СВПИ - система высокоскоростной передачи информации;

СМ - служебный модуль;

СПО - специальное программное обеспечение;

СУБА - система управления бортовой аппаратурой;

СУБК - система управления бортовым комплексом;

ТВМ - терминальная вычислительная машина;

УЭПР - удельная эффективная площадь рассеивания;

ФАР - фотосинтетическая активная радиация;

ФГУП - федеральное государственное унитарное предприятие;

ФСС - фотоспектральная система;

ЦВМ - центральная вычислительная машина;

ЭМВ - электромагнитные волны;

ЭПР - энергетическая площадь рассеивания;

EWT - equivalent water thickness (суммарное содержание влаги);

FLASH - fast line-of-sight atmospheric analysis of spectral hypercubes (быстрый инструмент атмосферной коррекции СПО ENVI для гиперспектральных данных);

FPAR - fraction of photosynthetically active radiation (доля

фотосинтетически активной радиации);

GPP - gross primary production (валовая первичная продукция);

IDL - interactive data language (интерактивный язык

программирования СПО ENVI);

ISODATA - iterative self-organizing data analysis technique (итерационная самоорганизующаяся методика анализа данных);

LAI - leaf area index (индекс листовой поверхности);

NDII - normalized difference infrared index (нормализованный

инфракрасный индекс);

NDVI - normalized difference vegetation index (нормализованный

разностный индекс растительности);

NPP - net primary productivity (чистая первичная продукция);

QUAC - quick atmospheric correction (быстрая атмосферная

коррекция в СПО ENVI);

RPC - rational polynomial coefficients (коэффициент рациональных

полиномов);

SAR - synthetic aperture radar (PCA);

SWVI - soil wetness variation index (индекс изменения влажности

почвы);

UDP - user datagram protocol (протокол пользовательских

датаграмм);

ВВЕДЕНИЕ

Актуальность работы. Развертывание системы космического мониторинга лесов имеет не только экономическое, но и технологическое значение для лесного хозяйства России, так как требует повсеместного внедрения геоинформационных систем (ГИС), систем электронного документооборота, новых компьютерных методов дешифрирования. По сути, программа дистанционного мониторинга является частью технологической и организационной модернизации лесного хозяйства России [21]. Можно выделить ряд организаций, внёсших свой существенный вклад в развитие методов обработки аэрокосмических изображений при мониторинге лесов (ИКИ РАН, ФИРЭ РАН, ОАО «РКС», ЦЭПЛ РАН, ИЛ СО РАН, МГУ, МГУЛ, МарГТУ, организации Рослесхоза, ИТЦ «Сканэкс», ЦПАМ «Аэрокосмос» и др.). Набор решаемых проблем лесной отрасли с помощью дистанционного зондирования Земли (ДЗЗ) в основном сводится к обнаружению существенных повреждений лесных территорий (вырубки, гари, ветровалы) методом визуально-экспертного анализа с низкими показателями автоматизации. Основная часть применяемых спутниковых данных относится к изображениям оптического диапазона длин волн, методы оценки породного состава и биопродуктивности по которым уже известны. Дистанционные данные приборов активного и пассивного СВЧ мониторинга растительности в практике лесного хозяйства применяются гораздо реже, ограничиваясь разделением исследуемых участков на категории «лес - не лес» (мониторинг вырубок).

На сегодняшний день существуют два вида мониторинга лесов: ведомственные мероприятия государственной инвентаризации лесов (ГИЛ) и системы глобального мониторинга растительности на основе веб-интегрированных ГИС (Веб-ГИС). Первый вид мониторинга выполняется, главным образом, полевыми измерениями с применением аэрокосмической информации и ГИС-технологий лишь для визуализации пространственных данных и актуализации (оценка факта наличия) лесного участка. Второй

вариант мониторинга для визуализации использует Веб-ГИС среду с формированием слоев значений вегетационных индексов (часто одного - NDVI) по изображениям только оптического частотного диапазона зондирования. Глобальные Веб-ГИС сервисы дают пользователю ограниченную информацию о растительности, демонстрируя лишь слой поля значений NDVI и иногда плюс к этому производные от индекса NDVI поля значений биологических параметров (LAI, NPP, GPP и др.). Часто отсутствие других видов информации вызвано причиной достижения пределов доступных для хранения объёмов памяти на ГИС-серверах (терабайты данных).

Существует два основных подхода одновременного сохранения и даже наращивания информативности систем ДЗЗ и при этом сокращения объёмов обрабатываемой и хранимой информации на ГИС-серверах. Первый подход предполагает оптимизацию каналов ДЗЗ приборов, целевая информация которых участвует в мониторинге растительности. Второй подход основан на объектно-ориентированных принципах, при которых анализ и классификация изображений происходят не на уровне пикселей, а на уровне объектов, групп пикселей, объединённых на основе определённой совокупности критериев.

Основные предпосылки, определяющие актуальность диссертационного исследования:

- низкие показатели оперативности результатов мониторинга в рамках ГИЛ (от 1 до 10 лет);

- низкая степень автоматизации процедур обработки информации с приборов и систем ДЗЗ;

- ограниченный анализ состояния растительности средствами Веб-ГИС без использования всего многообразия дистанционных признаков широкого диапазона длин волн приборов ДЗЗ;

- достижение предельных объёмов памяти при хранении целевой информации на серверах с приборов и систем ДЗЗ.

Целью диссертационной работы явилась разработка нового метода обработки информации по данным с приборов активного и пассивного

аэрокосмического зондирования Земли различных диапазонов длин волн при дистанционном мониторинге.

Задачи исследования. В соответствии с указанной целью в диссертационной работе были поставлены и решены следующие задачи:

- разработка модели формирования дистанционно-ориентированных выделов (ДОВ) по информации с приборов дистанционного зондирования Земли (ДЗЗ) различных диапазонов длин волн;

- мониторинг тестового участка леса Московской области на основе ДОВ с определением таксационных и экологических параметров в их границах;

- разработка метода мониторинга лесов на основе ДОВ;

- оценка возможности определения породного состава и среднего запаса насаждений на тестовом участке леса по радиолокационным и оптическим данным спутников ДЗЗ;

- практическая реализация метода мониторинга лесов на основе ДОВ с помощью выбранных программных и аппаратных средств, разработка варианта реализации метода существующими и перспективными средствами ДЗЗ РС МКС.

Объект исследования. Объектом исследования диссертационной работы является совокупность существующих и разрабатываемых методов представления и обработки информации аэрокосмических средств дистанционного зондирования при мониторинге лесов.

Предмет исследования. Доказательство возможностей и определение условий применения комплекса активных и пассивных приборов при аэрокосмическом мониторинге лесов.

Научная новизна. В диссертационной работе получены следующие научные результаты:

1. Разработана модель и алгоритм формирования дистанционно-ориентированных выделов с использованием информации комплекса активных и пассивных приборов ДЗЗ различных диапазонов длин волн.

2. Разработан метод мониторинга лесов на основе ДОВ.

3. Разработана архитектура системы обработки информации комплекса активных и пассивных приборов ДЗЗ при мониторинге лесов на основе дистанционно-ориентированных выделов.

Практическая значимость работы. На базе полученных теоретических результатов, была создана подпрограмма, встраиваемая в основной пакет программного продукта ENVI IDL, которая является его отдельным диалоговым инструментом. Созданным инструментом был исследован тестовый участок леса Московской области с определением по известным регрессионным моделям ряда его экологических и таксационных характеристик. Предложена структурная схема интеграции существующих и перспективных средств ДЗЗ PC МКС при мониторинге лесов. Разработан вариант НКПОР в виде перебазируемого комплекса приёма и обработки информации (ПКПО), на аппаратных средствах которого может быть реализован и долговременно поддерживаться метод мониторинга лесов на основе ДОВ.

Достоверность полученных научных результатов подтверждается корректностью использования математического аппарата, положительными результатами экспериментальной проверки и отзывами при обсуждениях на многочисленных научных конференциях.

Методы исследования. При выполнении диссертационной работы были использованы методы распознавания образов и обработки изображений, математической статистики, кластерного анализа, геоинформатики, прикладного программирования.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на следующих научных конференциях:

ежегодная научно-техническая конференция профессорско-преподавательского состава и аспирантов МГУ леса, Мытищи, 2010г., 2011г., 2012г.;

- научная конференция при МГТУ им. Баумана «Время, вперёд!», Москва, 2010г.;

- научная конференция молодых специалистов ФГУП «НПО -Автоматики им. H.A. Семихатова», Екатеринбург, 20 Юг;

- научно-техническая конференция молодых учёных ОАО «НПО Измерительной техники», Королёв, ноябрь 2009г, 2010 г.;

семинар «ЭКО Среды», Музей землеведения МГУ им. М.В. Ломоносова, Москва, 2012г;

- XLVII научные чтения памяти К.Э. Циолковского, Калуга, 2012;

- Десятая Всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса", Москва, ноябрь 2012 г.

Публикации. Автором опубликовано 14 работ по теме диссертации, в том числе 5 работ в журналах входящих в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук». Список опубликованных работ приведён далее. Получен патент на изобретение №2489845 (РФ) «Способ мониторинга лесов» (Заявка № 2012116275/13 от 24.04.2012.).

Положения, выносимые на защиту:

1. Модель формирования дистанционно-ориентированных выделов на основе информации комплекса активных и пассивных приборов ДЗЗ различных диапазонов длин волн.

2. Метод многолетнего дистанционного мониторинга лесов на основе дистанционно-ориентированных выделов.

3. Архитектура системы обработки информации комплекса активных и пассивных приборов ДЗЗ при мониторинге лесов на основе дистанционно-ориентированных выделов.

Структура и объём диссертации. Работа состоит из списка сокращений, введения, пяти глав, заключения и списка литературы. Список литературы

включает 112 источников. Работа содержит 10 таблиц и 49 рисунков. Объём диссертации - 137 страниц.

В первой главе даётся подробная характеристика объекту исследования, тестового лесного массива Московской области с описанием основных таксационных и экологических параметров, измеренных наземными методами. Рассматриваются основные особенности данных в оптическом и радиодиапазоне с описанием их физических возможностей при мониторинге лесов. Определяются основные индикативные характеристики леса пригодные для оценки дистанционными методами с указанием текущих требований их пространственного разрешения и периодичности. Кратко описываются существующие методы анализа данных ДЗЗ лесов. Приводятся материалы о системах глобального мониторинга лесов РФ с описанием заложенных принципов и указанием основных преимуществ и недостатков.

В�