автореферат диссертации по геодезии, 05.24.02, диссертация на тему:Оценка и картографирование повреждений лесов по данным дистанционного зондирования и геоинформационной системы

ГОСУДАРСТВЕННЫЙ КОМИТЕТ РФ ПО ВЫСШЕМУ ОБРАЗОВАНИЮ • МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ГЕОДЕЗИИ И

КАРТОГРАФИИ

"" ОД

/ 2 ДЕК М

На правах рукописи УДК 528.854

ЕРШОВ ДМИТРИЙ ВЛАДИМИРОВИЧ

ОЦЕНКА И КАРТОГРАФИРОВАНИЕ ПОВРЕЖДЕНИЙ ЛЕСОВ ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ И ГЕОИНФОРМАЦИОННОЙ СИСТЕМЫ.

05.24.02

Аэрокосмические съемки, фотограмметрия и фототопография

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 1997

Работа выполнена на кафедре физической географии и ландшафтт дешифрирования Московского Государственного Университета Геодезии Картографии.

Научный руководитель: доктор технических наук,

профессор С. А. Сладкопевцев

Научный консультант : кандидат технических наук,

С.А. Барталев

Официальные оппоненты:

доктор географических наук, профессор Ю.Ф. Книжников кандидат технических наук, профессор А.Ф. Стеценко

Ведущая организация: Институт Леса им. В.Н. Сукачева СО РАН

Защита состоится 25 декабря 1997 г. в * часов на заседа

диссертационного совета К.063.01.02 в Московском Государствен Университете

Геодезии и Картографии по адресу:

103064, Москва, Гороховский пер. 4, МГУГиК, ауд. 321.

С диссертацией можно ознакомиться в библиотеке МГУГиК.

Автореферат разослан £ У и&хХ^р -Я^ 1997 Г-

Ученый секретарь

диссертационного совета ¡^¡?Л<-11_Б.В. Краснопевцев.

Общая характеристика работы.

Актуальность темы. Леса России, на долю которых приходится 22% лесного покрова планеты являются уникальной природной экосистемой, имеющей глобальное биосферное, социальное и ресурсное значение. Состояние лесов, их продуктивность тесным образом связана с деятельностью человека и отражается на жизнеспособности и развитии человеческого общества в целом.

В результате воздействия антропогенных и природных факторов лес постоянно претерпевает изменения, которые приводят к серьезным нарушениям структуры лесных биогеоценозов. Наиболее опасными для окружающей среды являются бесконтрольная деятельность человека, лесные пожары, биологическая активность насекомых-вредителей и некоторые другие факторы.

В России с ее огромными лесными территориями уделяется большое внимание проблеме мониторинга лесов, т.е. их изучению, контролю за состоянием и использованием. Составной частью мониторинга лесов является слежение за их санитарно-патологическим состоянием, которое связано с естественными и антропогенными процессами, происходящими в окружающей среде. Из всей совокупности проблем, определяющих санитарно-патологическое состояние лесов, в диссертации уделяется внимание повреждениям, связанным с воздействием насекомых-вредителей, а также промышленными выбросами.

Традиционные методы слежения за санитарно-патологическим состоянием лесов, опирающиеся преимущественно на наземные методы и визуальное дешифрирование аэрофотоснимков, перестали удовлетворять современным требованиям мониторинга лесов и управления их развитием.

Развитие космических средств дистанционного зондирования (ДЗ) Земли, способных получать информацию о лесах в широком диапазоне длин волн электромагнитного спектра от видимых до сверхвысокочастотных, а также развитие компьютерных средств и ГИС-технологий позволяют разрабатывать принципиально новые методы оценки состояния лесов.

Цель работы. Основной целью работы является исследование и разработка метода оценки и картографирования повреждений лесов с использованием данных дистанционного зондирования и ГИС-технологий.

Объект исследований. Методическое, алгоритмическое и программное обеспечение системы обработки космической информации для оценки повреждений лесов.

Методы исследований. В работе использованы методы анализа данных спектрометрирования, цифровой обработки изображений и распознавания образов, математической статистики, цифровой картографии и геоинформатики.

Научная новизна работы. Научная новизна диссертации заключается в получении следующих результатов:

• получены значимые оценки корреляции спектральных признаков и показателей состояния деревьев (возраст побегов и их ориентации относительно

сторон света, степень повреждения и др.), а также содержания в хвое основных пигментов(хлорофиллов А и В,каротиноидов);

• разработан алгоритм анализа космических изображений, сочетающий методы классификации и линейную модель разделения спектральных смесей;

• разработан метод оценки степени дефолиации лесов, поврежденных насекомыми-вредителями, с использованием данных космической съемки и геоинформационной системы.

Практическая значимость и внедрение.

Разработанная методика распознавания классов повреждения хвойных пород на основе различных спектральных признаков использовалась для изучения экологической обстановки в лесных массивах Тимирязевской сельхозакадемии (г. Москва), произрастающих в условиях городской среды и на территории Истринского лесхоза Московской области, подверженных воздействию промышленных выбросов.

Метод оценки дефолиации лесов, разработанный в диссертации на основе алгоритмов подпиксельного анализа космических изображений, был использован для экспертной оценки последствий массового размножения сибирского шелкопряда в темнохвойных лесах Красноярского края, проводимой в рамках проекта управления окружающей средой Российской Федерации, учрежденного Всемирным банком (Loan 3806-RU) и чрезвычайной программы контроля биологических вредителей в лесах Красноярского края.

Использование метода количественной оценки степени дефолиации лесов по данным космической многозональной съемки позволяет:

• объективизировать процесс и повысить достоверность получения оценок повреждений лесного покрова за счет космических снимков и лесотакса-ционных данных в среде ГИС;

• сократить объемы выполнения аэрофотосъемочных работ благодаря совместному использованию данных космической съемки и ГИС-технологий;

• более точно планировать и эффективно проводить мероприятия по борьбе с насекомыми-вредителями.

Публикации. По теме диссертации опубликовано 6 работ, в том числе, 3 статьи.

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы. Работа изложена на 120 страницах машинописного текста, а также включает 28 рисунков и 14 таблиц.

Основное содержание работы.

Во введении обоснован выбор темы и ее актуальность. Сформулированы цель и задачи исследования, научная новизна и практическая значимость работы.

В первой главе "Анализ существующих методов оценки лесопатологиче-ского состояния насаждений" приводится описание основных видов поврежде-

ний бореальных лесов России, спектрально-отражательных свойств древесной растительности различного состояния, наземных и дистанционных методов их оценки, особенностей интеграции данных ДЗ и геоинформационных систем. В . главе предложен состав банка данных ГИС для оценки повреждений лесов насекомыми-вредителями с использованием космической информации.

По характеру воздействия вредных факторов окружающей среды повреждения подразделяются на продолжительные во времени и скоротечные.

Источниками первой группы повреждений являются промышленные выбросы, корневая губка, засуха, подтопление, стволовые вредители и т.п. [Сухих, Жирин, 1986], география повреждений которых достаточно обширна -от Архангельской до Иркутской области. Согласно прогнозам ученых до 2000 года вероятные потери прироста древесины при тех же темпах повреждения лесов по европейской части России могут составить 1,7 млн. м3 [Моисеев, 1994].

Во вторую группу относятся повреждения, действия которых сопровождаются потерей зеленых фракций древесной растительности и зависят от биологических особенностей роста и развития хвое- и листогрызущих насекомых [Исаев, Сухих, 1986] и ущерб от которых соизмерим с потерями от лесных пожаров. Наиболее опасным вредителем хвойных лесов Сибири и Дальнего Востока является сибирский шелкопряд, для которого характерен широкий ареал • обитания от Урала до Сахалина. Основными кормовыми породами являются сибирская пихта, кедр, ель, лиственница и в редких случаях сосна. Деятельность сибирского шелкопряда является опасной для лесного хозяйства, так как сопровождается последующим ростом численности насекомых, питающиеся древесиной усыхающих и мертвых деревьев, в первую очередь черного пихто-' вого усача, а также увеличением вероятности возникновения пожаров в очагах массового размножения вредителя. В результате деятельности шелкопряда площадь поражения лесов может достигать нескольких миллионов га. Так по данным A.C. Рожкова общая площадь повреждения видом с 1880 по 1960 гг. составила 13 млн. га хвойных лесов. Самая крупная вспышка массового размножения вредителя произошла в 50-х годах и общая площадь усыхания лесов, с учетом последующего развития стволовых вредителей, достигла тогда 3.5 млн. га. К ней приближается по масштабам современная вспышка 90-х годов, в результате которой площадь поврежденных и усохших лесов составляет более 900 тыс. га.

Для разработки методов оценки повреждений лесов с использованием современных спутниковых данных необходимо понимание физиологии растений, их спектрально-отражательных свойств. Поэтому в главе отводится место литературному анализу мирового опыта изучения спектрально-отражательных свойств растительности различного состояния.

Многие исследования свидетельствуют, что уже на ранних стадиях повреждений, когда окраска хвои остается еще зеленой, происходит изменение формы спектральной кривой, т.е. повышается спектральная яркость в красной части спектра и понижается в ближней ИК-зоне [Белов, 19'59; Харин, 1975; Rock,

1986]. Такие изменения можно регистрировать наземными и самолетными спектрометрами высокого разрешения, а состояние растительности оценивать с помощью спектральных признаков, описывающих морфологию спектральной кривой [Жирин, 1993].

Переход от анализа отдельных побегов к пологу леса сопряжен с изменениями в отражательных свойствах растений, связанных с формой кроны, расположением побегов и ветвей на кроне дерева, а также положением Солнца и датчика относительно поверхности Земли в момент съемки. Эти вопросы также нашли отражение в обзорной части настоящей главы.

Средства дистанционного зондирования из космоса в видимой и ближней ИК зонах спектра способны улавливать изменения в состоянии лесного покрова только тогда, когда уже происходит смена окраски зеленых фракций древесных растений, а также при их частичной или полной потере, т.е. дехромации и дефолиации. В диссертации проводится подробный анализ различных методов оценки повреждений лесов по спутниковым данным, разработанных отечественными и зарубежными исследователями. [Исаев, Сухих и др., 1991; Williams, 1983, Ekstrand, 1990]

Методы оценки санитарно-патологического состояния лесов по спектро-зональным аэрофотоснимкам позволяют в ряде случаев определять степень повреждения или усыхания насаждений с достаточной для практики точностью и с меньшими по сравнению с наземными методами трудозатратами [Исаев и др., 1987; Жирин и др., 1980; Харук и др., 1989]. Однако они требуют проведения летно-съемочных мероприятий, времени на подготовку съемочного материала и проведение камерально-дешифровочных работ. Некоторые оценки состояния насаждений могут быть получены по данным спутниковых съемок с еще более меньшими трудозатратами. Так как для разработки и верификации метода оценки дефолиации лесов используются данные многозональной сканерной съемки, этой информации уделяется большее внимание в обзорной части диссертации.

Большинство исследователей в своих методах по оценке дехромации или дефолиации лесных насаждений применяют алгоритмы управляемой или неуправляемой классификаций сканерных изображений [Franklin, Hudak,1991], Использование этих алгоритмов позволяет относить каждый пиксел изображения к одному классу, в то время как большинство пикселов являются неоднородными, т.е. им соответствуют смешанные насаждения со сложной породной и возрастной структурой, различной полнотой. Точность подобных методов недостаточно высокая, а количество распознаваемых классов сильно ограничено. Поэтому для оценки повреждений лесов по данным ДЗ необходимо исследовать другие методы, в частности, модель, учитывающую неоднородную структуру изображения лесного покрова.

Во второй главе "Исследование спектральных свойств древесных растений различного состояния" анализируется морфология кривых спектральных коэф-

фициентов яркости (СКЯ) побегов хвойных пород с_ помощью спектральных признаков, часть из которых разработана автором совместно с другими исследователями [Жирин, Барталев, Ершов, 1995]. Выполнен анализ зависимости спектрального отражения от расположения побегов в кроне дерева с цслыо выработки представления о закономерностях формирования пространственной структуры отраженного излучения.

Для проведения исследований использовались результаты спектрометри-рования образцов охвоенных побегов сибирской пихты акустооптическим спектрометром высокого разрешения "Кварц-4" конструкции ВНИИФТРИ во время совместной российско-американской экспедиции 1991 г в Западных Саянах. Для сравнения были использованы также результаты спектрометрирова-ния побегов сосны и ели (1991-92 гг.), произрастающих в лесном массиве Тимирязевской сельхозакадемии и в сходных по лесорастительным условиям насаждениях Клинско-Дмитриевской гряды на территории Истринского лесхоза Московской области.

Спектральные признаки выбирались в тех участках кривой СКЯ, изменения формы которых могли бы стать индикаторами ранних стадий ухудшения состояния деревьев. Наиболее характерными из них являются 0,5-0,6 мкм (GP)-зона наибольшего отражения 0,63-0,69 мкм (CW) - зона наибольшего поглощения в видимой части спектра, а также 0,7-0,9 мкм (RE) - зона перехода от видимой к ПК части спектра, так называемый "красный край" (табл. 1).

Данные спектрометрирования образцов хвои учетных деревьев пихты и результаты их визуального обследования использовались для изучения связи • спектральных признаков с возрастом побегов, классами повреждений деревьев, ориентации побегов относительно сторон света, расположением деревьев вдоль высотного градиента, а также с такими внешними показателями состояния деревьев, как степень повреждения лишайников, степенью флагообразности (наличие хвои с одной стороны кроны и отсутствие с другой).

При сравнении средних значений СКЯ хвои одно-, двух- и трехлетних побегов пихты был замечен сдвиг в коротковолновую часть спектра длин волн, соответствующих значениям GP на 2...4 нм, а точек CW на 3....9 нм. При изучении поведения признака REIP, было замечено, что у трехлетних побегов по сравнению с однолетними происходит незначительный сдвиг точки в длинноволновую часть спектра на 2...3 нм. Это связано с уменьшением наклона красного края спектральных кривых и снижением уровня отражения радиации и ИК-зоне спектра.

Корреляционный анализ, использованный для изучения тесноты связи . спектральных признаков с внешними показателями состояния Деревьев пихты, показал, что коэффициент корреляции принимает наибольшие значения (R=0.8-0.9) при использовании однотипных спектральных признаков, вычисленных по данным спектрометрирования побегов второго и третьего года. Взаимосвязь признаков CW и REIP для двух- и трехлетних побегов хвои характеризуется значениями корреляции 0,7-0,8.

Таблица 1.

Типы спектральных признаков.

Условное название и описание признаков Способ вычисление признаков

"Зеленый пик" GP = Л(тахг(Л))УЛ 6/"520,600]

"Хлорофилловая яма" CW = Ц min r(Л)), \/Л £/"630,6907

Нормализованный разностный вегетационный индекс NDVI = (r2 —rt)/(г2 +гу), где -i. i = ^ г1 -Е г(я>; >-1 = -Е плу,причем д, д, N1 -число измерений в интервале длин волн Л, = 630 и Я2 = 690 ; N 2 ' -число измерений в интервале длин волн Я, = 7 6 0 и Я4 = 8 5 0 ;

Нормализованный разностный зеленый индекс NDGI = (г2 - г,)/ (г2 + г, ), где 1 = »-(Я); = JVi"' г(А); д, д, Л',"1 -число измерений в интервале длин волн Л, = 520 н Яj = 600; N/' -число измерений в интервале длин волн Я, = 630 и Я, = 690;

Зональное отношение на участке "красного края". N? "Е 'С R ЕЗ / RE2 = ------ , где N,-' -I Г(А) д, W-число измерений в интервале длин волн Л, = 700 и Я2 = 7 1 0 ; aí-число измерений в интервале длин волн Л3 = 7 1 0 и Л4 = 720 ;

Отношение значений первых производных на участке "красного края". Л, ■ ( N dr(X) £>715/Г>705 = -----1]-------, ГДС Л\"' dr(X) д, jv -число измерений в интервале длин волн Я, = 700 и Я2 = 7 1 0 ; N -1 -число измерений в интервале длин волн Я, = 710 и Я4 = 720 ;

Точка перегиба "красного края" или максимум первой производной Д£7Р= е^680,760] dX

Продолжение таблицы 1.

Признак, учитывающий крутизну прямой между точками с максимальным и минимальным поглощением фотосинтетически активной радиации на кривой СКЯ. г IV - О Р г((7/>) - г (С IV )

Признак, учитывающий крутизну прямой между точками с наибольшим поглощением каротиноидов и наибольшим отражением хлорофилла в видимой области спектра. г(СР)-г(С4/?) гле САЯ = Я( тт г( Л) ) У А е/"475,4857

Корреляционный анализ показал наличие связи между степенью повреждения деревьев и состоянием лишайников (11=0,754), классами повреждения деревьев и возрастом сохранившейся хвои на восточной (11= -0,703) и западной сторонах (Я=-0,648) крон, а также степенью флагообразности и возрастом сохранившейся хвои на восточной (Я=-0,869) и западной сторонах (Я=-0,849) крон. Из этого следует, что уровень и соотношение установленных коэффициентов корреляции не противоречат имеющимся представлениям о ходе развития процессов возникновения лесных повреждений и могут служить подтверждением правильности методики измерений.

Проведена оценка информативности спектральных признаков. Методика оценки включала построение линейных дискриминантных уравнений, с помощью которых были получены вероятности правильного распознавания классов повреждения деревьев пихты на основе различных спектральных признаков. В таблице 2 приведены оценки вероятностей правильной классификации состояния деревьев пихты с помощью спектральных признаков, из которой видно, что наиболее высокую вероятность распознавания здоровых и ослабленных деревьев демонстрирует ЫОУ1. Это свидетельствует, что наиболее чувствительными к изменениям в окружающей среде являются участки спектра, расположенные в красной и инфракрасной зонах спектра.

Были также изучены зависимости спектрального отражения от расположения побегов в кроне дерева, которые позволили приблизится к пониманию закономерностей формирования пространственной структуры отраженного излучения.

Исследовались результаты спектрометрирования образцов ели и пихты, срезанных вдоль вертикального профиля (восток - вершина - запад) в нижней, средней и верхней частях крон, а также на вершине деревьев. Были рассчитаны спектральные признаки и построены профили для каждого возраста хвои.

Таблица 2.

Вероятность (%) распознавания состояния деревьев пихты по результатам дискриминантного анализа.

Спектральные признаки Состояние деревьев

Здоровые Ослабленные

REIP 66,7 57,1

D715/D705 83,3 71,4

NDVI 83,0 85,7

RE3/RE2 66,7 71,4

CW 60,0 71,4

GP 66,7 57,1

В результате исследований было установлено:

• кривая изменения значений спектральных признаков хвои вдоль вертикального профиля деревьев имеет достаточно выраженную форму "ипсилон-кривой";

• в большинстве случаев нижняя точка перегиба "ипсилон-кривой" соответствует вершине дерева;

• наибольшее соответствие этой форме имеют значения побегов первого года, а с увеличением возраста побегов эта закономерность нарушается.

Такое положение значений спектральных признаков предположительно возникает из-за повышенного поглощения падающей радиации хвоей на вершине дерева, что можно связать с явлением апикального доминирования и потребностью в повышенных затратах энергии на интенсификацию ростовых процессов верхушечных побегов.

В третьей главе "Метод оценки степени дефолиации лесов с использованием модели разделения спектральных смесей в пикселе спутникового изображения" раскрываются особенности определения степени дефолиации лесов по спутниковым данным, обосновывается необходимость использования метода Mathue разделения спектральных смесей в пикселе изображения совместно с методами классификации.

Одним из важных критериев поврежденности лесных насаждений, доступных для оценки по спутниковым изображениям, является степень их дефолиации. Под степенью дефолиации понимается доля утраченных в результате воздействия вредных факторов окружающей среды зеленых фракций деревьев.

Примем в качестве оценки степени дефолиации долю площади проективного покрытия полога насаждений, соответствующую лишенным зеленой части фракциям деревьев по отношению к площади полога, занимаемой кронами древесных пород потенциально подверженных воздействию вредных факторов и выразим ее в следующем виде:

Def=Sll/(Sll + S,J, (1)

где

Sit - доля площади лишенных хвои или листвы фракций деревьев в проективном покрытии полога насаждений;

Si, - доля площади зеленых фракций деревьев в проективном покрытии прлога насаждений.

Таким образом, для оценки дефолиации необходимо знать значения величин S,i и S/, в пикселах спутникового изображения.

В основе использованного для оценки значений величин и Sh подхода лежит известное положение о том, что регистрируемое спутником излучение интегрирует всю радиацию, отражаемую участком подстилающей поверхности, попадающим в поле зрения прибора дистанционного зондирования, а соответствующее пикселу цифрового изображения значение яркости может быть выражено в виде линейной функции взвешенных яркостей находящихся в поле зрения типов объектов (компонентов) [Adams, Smith, 1986; Mathieu, 1994; Jasinski, 1996]. При этом веса принимаются пропорциональными доле занимаемой различными компонентами площади в проекции пиксела на земную поверхность. Это позволяет выразить яркость каждого пиксела многоспек-тралыюго изображения в виде следующей комбинации элементарных компонентов:

к

R и = Yj т kiR kj , (2)

k = i

причем

*

где R/j - яркость /-го пиксела ву'-ом спектральном канале изображения, m и -. доля /-го пиксела, занимаемая к-ой элементарной компонентой, Ry - яркость кой элементарной компоненты в j-ом спектральном канале изображения.

Методы разделения спектральных смесей, основанные на модели смешения (2) принципиально отличаются от методов классификации, так как целью последних является отнесение каждого элементарного наблюдения к одному из ограниченного числа дискретных классов[Свейн и др., 1983]. Основной задачей этих методов является поиск оптимального решающего правила, которое позволит разбить многомерное пространство на области, связанные с каждым классом, так чтобы точка данных, находящаяся в любой части пространства могла быть однозначно отнесена к определенному классу. Это обстоятельство не позволяет оценивать пропорции классифицируемых объектов в пикселе.

Например, при определении площадей двух природных объектов по цифровому снимку, методы классификации могут давать до 50% ошибку в пограничных пикселах двух классов (рис. 1а). Методы разделения спектральных смесей предлагают количественную оценку доли участия каждого класса в пикселе (рис.1б).

Поверхность Земли

Цифровой снимок

L

1 класс

'.¡¿КЛ1 сс| ■ i

1

1 класс

100% 85% 45% 2 класс

55%

85% 15%'

95%

45% 5% ■ .....i--'-

55%

98%

95%

Методы классификации

^Методы декомпозиции

Рис. 1. Схематическое представление результатов обработки данных дистанционного зондирования методами классификации и методами декомпозиции

спектральных смесей.

Существуют различные методики использования линейной модели разделения спектральных смесей для оценки пропорций элементарных компонент в пикселах изображений. Самой распространенной из них является модель (3) [Adams, Smith, 1986]. '

В матричной форме линейную модель декомпозиции спектральных смесей можно представить следующим образом:

[X] = [M] (R] + Е, (3)

где [X] - вектор (nxl), содержащий измеренные значения пикселов в изображении, [M] - (cxl) вектор пропорций элементарных компонентов, [R] - матрица (пхс) элементарных компонентов и Е - вектор шумов (nxl) с нулевым средним значением и ковариационной матрицей С (пхп).

Считается, что невязки независимы между собой и подчиняются нормальному распределению с нулевым средним значением и некоторой дисперсией. Для вычисления пропорций составляется система линейных уравнений, решение которых становится возможным в случае, когда число уравнений соответствует или больше количества неизвестных компонент. При избыточности измерений уравнивание выполняется методом наименьших квадратов.

Преимуществом метода является то, что в нем учитываются вариации компонент, заложенные в Е через ковариационную матрицу. К недостаткам метода можно отнести необходимость увеличения количества спектральных каналов при увеличении числа расчетных компонентов. Если для данных спектрометрических систем дистанционного зондирования (AVIRIS и т.п.) использование такого подхода является возможным, то многие сканерные или радиометрические приборы (МСУ-Э, SPOT, Landsat, NOAA и т.п.) имеют небольшое количество каналов (от 3 до 6), что существенно ограничивает возможности применения модели (2) для вычисления большого количества компонент.

Альтернативным методом декомпозиции спектральных смесей, который в дальнейшем был адаптирован для оценки дефолиации лесов, является метод [Mathieu, 1994].

Вычисление содержания компонентов в спектральной смеси осуществляется на основе анализа взаимного расположения в двумерном пространстве признаков координат пиксела с неизвестным содержанием компонентов Р и координат опорных спектров Sk. Для пояснения алгоритма вычислений обратимся к рис.2. Содержание к-ой компоненты в пикселе, имеющем координаты S в двумерном пространстве признаков, определяется с использованием приведенной ниже формулы по соотношению расстояний Dist между обозначенными на рис.2 элементами многоугольника, координаты вершин которого соответствуют значениям опорных спектров:

Dist(S k,S'k)-Disî(S k,S)

Dist(S k,Sk) при условии, что

' к . К

к=I

К числу достоинств метода следует отнести ясную геометрическую интерпретацию, а также отсутствие жесткой связи между количеством используемых

Бо

спектральных каналов изображения и максимально возможным числом оцениваемых компонентов. Это преимущество явилось определяющим при выборе техники декомпозиции спектральных смесей.

В то же время метод не позволяет контролировать ошибки полученных значений, учитывать вероятностный характер спектральных сигнатур типов объектов, а также получать оценки в пикселах, лежащих вне многоугольника, координаты вершин которого определяются значениями опорных спектров в подпространстве двух спектральных признаков (каналов). Для устранения последнего недостатка необходимо применять для пикселов, значения которых выходят за границы многоугольника методы классификаций изображений.

Рассмотрены проблемы выбора опорных спектров при использовании линейной модели разделения спектральной смесей по методу Mathieu и, в связи с этим, предложены алгоритмы с использованием традиционных методов классификации, блок-схема которых предложена на рис. 3. При наличии обучающих выборок для определения опорных спектров элементарных компонентов предлагается использовать алгоритм с методами управляемой классификации (рис.За), в случае отсутствия достоверных знаний о их местоположении можно на первом этапе использовать кластерный анализ (рис.36).

Отбор элементарных компонентов проводится с учетом критериев их статистической разделимости, при низких значениях которых применение метода становится невозможным. Для оценки разделимости может быть использован критерий дивергенции. При нормальной функции плотности вероятностей дивергенция D,j можно быть выражена через математические ожидания и ковариационные матрицы, то есть, если p(S\w,) = N (иp(S\t»j ) = N (t/,,Z, ), где N (и ,,Е, ) - многомерная нормальная функция плотности с вектором математического ожидания и, и ковариационной матрицей .

Таким образом,

Si

Рис.2. Иллюстрация к методу вычисления содержания компонентов в спектральной смеси.

d, =^tr[( I, -z, XI;1 -s;1 -i;1 m -u, w, -v} )r i (4)

где tr[А] обозначает след матрицы А, т.е. суммы их диагональных элементов. Это выражение является общим случаем для многомерного пространства признаков (каналов) и оно легко приводится к двумерному.

После оценки разделимости компонентов и выбора двух наиболее значимых признаков (каналов), при которых достигаются наибольшие значения разделимости выполняется классификация по правилу максимума правдоподобия. Основной стратегией метода является минимизация средних потерь для всего набора предстоящих классификаций, которую называют байесовской оптимальной стратегией.

Методы классификации способны выявлять пикселы, значения которых имеют очень малую вероятность принадлежности к одному из обучающих множеств. Это достигается с помощью порога доверия, в котором значение вероятности p(S I m, ), связанное с вектором данных и информационным классом, сравнивается с порогом доверия, задаваемым пользователем. Эта возможность используется в алгоритме, чтобы получить наиболее однородные в спектральном отношении выборки для чистых компонентов и уточнить местоположение опорных спектров.

Таким образом, пользуясь х ' -распределением с п степенями свободы, где п - размерность S, можно задать доверительный пороговый уровень (например, 0,95), который позволит отобрать значения пикселов для каждой компоненты с минимальными дисперсиями. Эти наборы данных можно считать элементарными компонентами с минимальной вероятностью наличия примесей других ■ компонентов.

Решение задачи разделения смесей методом Mathieu сводится к решению системы уравнений, описывающих взаимное положение двух прямых.

Окончательно, вычисленные пропорции дополняются результатами клас- . сификации пикселов, значения которых не попадают внутреннюю область тре-' угольника.

Рассмотренный алгоритм позволяет уточнять положение чистых компонент методами управляемой или неуправляемой классификации, определять координаты опорного спектра для каждой компоненты, вычислять пропорции спектральных смесей компонент и дополнять их результатами классификации.

В этой главе так же приводится описание программного обеспечения для расчета фракционных изображений оцениваемых компонентов, разработанного автором на макроязыках программы ERDAS Imagine.

В четвертой главе "Эксперимент по оценке повреждений темнохвойных лёсов сибирским шелкопрядом по данным спутника SPOT с использованием метода декомпозиции спектральных смесей" приводится характеристика тестового участка, описание картографических, лесотаксационных данных и изображений SPOT, использованных в эксперименте.

а б

Рис. 3. Блок-схема вычисления пропорций компонентов в пикселе изображения с использованием комбинированных алгоритмов декомпозиции

спектральных смесей.

Излагается последовательность выполнения процедур по формированию совмещенного банка данных экспериментальной ГИС.

Выполнена практическая апробация и верификация метода, а также по результатам обработки снимков SPOT построены карты дефолиации темнохвой-ных лесов, поврежденных сибирским шелкопрядом.

Для проведения эксперимента на территории Бирюсинского лесничества (Усольский лесхоз), расположенного в Красноярском крае в бассейнах рек Ангара и Бирюса был выбран тестовый участок размером 30 х 30 км. По природ-но-экологическим и лесоводственным характеристикам участок является типичным для всей зоны повреждения лесов сибирским шелкопрядом.

На данную территорию была создана экспериментальная ГИС, в состав которой вошли следующие наборы данных:

.цифровая топографическая основа, сформированная по листам топографических карт масштаба 1:100000;

• база данных о лесном фонде, состоящая из цифровой карты с границами однородных участков леса (выделов) и данных последнего лесоустройства ;

• цифровые карты поврежденности лесных насаждений, созданные по результатам визуального дешифрирования спектрозональных аэрофотоснимков масштаба 1:25000. Степень усыхания определялась подсчетом отношения усыхающих и сухостойных деревьев к общему числу крон в поврежденном насаждении. Оценка повреждений древостоев проводилась по состоянию на 1 августа 1995 года;

. цифровые многозональные изображения с пространственным разрешением 20x20м, полученные со спутника SPOT за 3 августа 1995 года.

Экспериментальные работы по оценке степени дефолиации лесных насаждений по спутниковым данным выполнялась с использованием изложенной • выше методики и ее составных частей, и включала в себя следующие последовательные этапы:

. анализ спектральных сигнатур и выбор опорных спектров, участвующих в анализе множества компонентов;

. вычисление на основе линейной модели спектральных смесей пропорций содержания компонент выбранного множества в пикселах изображения и формирование фракционных изображений;

. дополнение фракционных изображений результатами классификации пикселов, расположенных вне многоугольника оценки пропорций чистых компонентов;

. вычисление значений степени дефолиации на основе пропорций содержания оцениваемых компонентов в пикселах изображения;

. верификация результатов оценки дефолиации;

. построение карты поврежденности темнохвойных насаждений по результатам обработки спутниковых данных.

Совместное использование баз данных ГИС и спутниковых изображений SPOT позволило осуществить выбор множества компонентов для разделения спектральных смесей и оценить значения соответствующих им опорных спектров.

Для этого на первом этапе был выполнен с использованием алгоритма ISODATA кластерный анализ спутниковых изображений с выделением 50 однородных по спектральным признакам кластеров. В качестве спектральных, признаков были использованы значения яркостей трех зональных изображений SPOT.

Последующие идентификация и объединение полученных кластеров выполнялись с использованием банка данных ГИС, что позволило выделить следующее множество тематических классов, образованных совокупностями одноименно идентифицированных кластеров:

. преимущественно поврежденные темнохвойные насаждения; . преимущественно здоровые темнохвойные насаждения; . светлохвойные насаждения; . лиственные насаждения; . открытые участки напочвенного покрова; • водная поверхность; . облачный покров;

. затененные облаками участки подстилающей поверхности. Независимо от этой процедуры с целью сравнения двух способов подбора обучающих выборок были отобраны по лесотаксационным данным средствами ГИС наиболее однородные в спектральном отношении группы пикселов на изображении, принадлежащие тем же тематическим классам. При выборе учитывались такие характеристики лесного покрова, как породный состав, полнота, сомкнутость, возраст насаждений. Участки лесного покрова с максимальной степенью повреждения и здоровые насаждений были опознаны на изображениях с использованием цифровой карты поврежденности лесов, созданной по результатам дешифрирования аэрофотоснимков.

Спроецировав средние значения и эллипсы рассеяния кластеров и обучающих выборок на двумерную гистограмму в пространстве красного и инфракрасного каналов SPOT, можно было сказать о совпадении эллипсов кластеров и информационных классов, полученных с помощью ГИС. Это позволяет сделать вывод о возможности использования кластерного анализа для отбора обучающих выборок, в случае отсутствия точной информации о местоположении информационных классов - кандидатов в компоненты.

При выборе необходимого количества компонент использовались знания о поврежденности лесов сибирским шелкопрядом на участке исследований, а также о породной структуре поврежденных лесов, их представленности. Было известно, что насекомые в первую очередь повреждают насаждения пихты, кедра и ели, т.е. породы, формирующие группу темнохвойных лесов. В случае

нехватки кормовой базы насекомый-вредитель способен повреждать лиственницу, образующую вместе с сосной группу светлохвойных лесов.

Из-за низкой разделимости спектральных сигнатур пихты и ели , а также из-за недостаточности выборки кедровых насаждений (3,4%), эти породы были объединены в группу темнохвойных лесов.

Лиственница, также как и кедр, представлена на тестовом участке незначительно (2,3%), что не позволяет рассматривать ее, в качестве кандидата в отдельную компоненту в спектральных смесях. Поэтому лиственница и сосна были объединены в группу светлохвойных насаждений.

Насаждения березы, осины и ивы из-за низкой разделимости рассматриваются далее как группа лиственных лесов.

По результатам предварительного анализа о породном составе насаждений тестового участка, подверженности различных пород воздействию сибирского шелкопряда, предварительных знаниях об их статистической разделимости, а также влиянии элементов лесной экосистемы на формирование спектрального отклика было признано целесообразным рассматривать следующие кандидаты в компоненты спектральных смесей: • деревья темнохвойных пород с полной дефолиацией; . не затронутые повреждениями деревья темнохвойных пород; . деревья светлохвойных пород; . деревья лиственных пород; . открытые участки напочвенного покрова.

Далее в соответствии с алгоритмом были последовательно выполнены процедуры, отображенные на блок-схеме (рис. 3).

В результате были получены фракционные изображения, значения пикселов которых характеризуют содержание пяти искомых компонентов, обозначенных следующим образом:

5,/ 7 доля площади пиксела, занимаемая деревьями темнохвойных пород с

полной дефолиацией; ¿>/1 - доля площади пиксела, занимаемая кронами не затронутых повреждениями деревьев темнохвойных пород;

- доля площади пиксела, занимаемая кронами деревьев светлохвойных пород;

- доля площади пиксела, занимаемая кронами деревьев лиственных пород; Л1, - доля площади пиксела, занимаемая открытыми участками напочвенного

покрова.

Степень дефолиации насаждений вычислялась согласно выражению (1) с использованием величин и фракционных изображений и представлением значений искомого показателя в процентном выражении с единичным шагом.

Верификация результатов оценки дефолиации хвойных насаждений выполнялась с использованием цифровых карт степени усыхания темнохвойных лесов.

Для обеспечения пространственно-территориальной сопоставимости данных были получены средние значения степени дефолиации по участкам спутниковых изображений, соответствующим границам выделов лесных насаждений (однородных по характеристикам участков леса).

Дальнейший линейный корреляционный анализ осредненных на уровне выделов значений степени дефолиации, полученных по данным спутниковой съемки, и степени усыхания насаждений позволил получить следующую оценку коэффициента детерминации (квадрата коэффициента корреляции) Я2=0.81. При объеме выборки 275 выделов величина коэффициента корреляции свиде-те-' " • "ссьма высоком уровне сопряженности анализируемых показате-.1. лсиности лесных насаждений, полученных принципиально различ-

ными методами.

Приведенные в таблице 3 данные содержат результаты кросс-табуляции участков насаждений в зависимости от их совместной принадлежности к одному из интервалов значений степени усыхания по данным дешифрирования аэрофотоснимков и расчетных величин указанного показателя по данным оценки степени дефолиации по спутниковому изображению.

Анализ приведенных в таблице данных в целом показывает высокий уровень согласованности значений степени усыхания, полученных по спутниковым изображениям и по аэрофотоснимкам. При этом, необходимо отметить наличие довольно существенных перепутываний участков насаждений имеющих усыхание до 25%, более половины (0.53) которых были отнесены по спутниковым изображениям в класс повреждений со степенью усыхания 25-50%.

Таблица 3.

Матрица перепутывания значений степени усыхания контрольных участков лесных насаждений по данным обработки спутниковых изображений и результатам дешифрирования аэрофотоснимков.

Степень усыхания насаждений по аэрофотоснимкам (%) Число участков Относительное кол-во "ложных тревог"

0-25 25-50 50-75 75-100

Степень усыхания насаждении по спутниковым изображениям (%) 0-25 18 10 0 0 28 0.36

25-50 20 74 4 0 98 0.24

50-75 0 20 31 21 72 0.57

75-100 0 0 1 76 77 0.01

Число участков 38 104 36 97 275 -

Относительное кол-во "пропусков цели" 0.53 0.29 0.14 0.22 -

Это может быть объяснено присутствием в составе насаждений, и особенно на ранней стадии их повреждений, деревьев с частичной потерей хвои и,

следовательно не учтенных при оценке степени усыхания (доли полностью погибших деревьев в насаждении) по аэрофотоснимкам."

Используемая же для расчета степени усыхания насаждений по регрессионному уравнению, величина дефолиации учитывает интегральную потерю хвои на всей группе темнохвойных деревьев на участке, соответствующем пикселу спутникового изображения. Представленные на рис. 4 фрагменты карт, полученные как по данным SPOT, так и по аэрофотоснимкам, позволяют провести сопоставление результатов оценки поврежденности насаждений, выраженных в значениях степени усыхания.

Основные результаты исследований.

1. Проведен анализ требований к информационному обеспечению и структуре ГИС, необходимому для оценки состояния лесов с использованием данных дистанционного зондирования.

2. Изучена морфология спектральных кривых зеленых побегов хвойных насаждений различного состояния с помощью спектральных признаков на ран-ник стадиях повреждения промышленными выбросами и получены значимые оценки корреляции между спектральными признаками и классами повреждений.

3. Разработан и исследован алгоритм подпиксельного анализа космических изображений, сочетающие методы классификации и линейную модель разделения спектральных смесей.

4. Разработан и апробирован метод оценки степени дефолиации лесов, поврежденных насекомыми-вредителями с использованием данных сканерной съемки и геоинформационной системы. Полученные результаты показали достаточно высокую линейную корреляционную связь степени дефолиации со степенью усыхания (R=0,9), что свидетельствует о возможности применения метода для оценки поврежденности лесов с использованием космической информации.

Автор признателен академику РАН A.C. Исаеву, д. с.-х. н. В.И. Сухих, к. с.-х. н. В.М. Жирину (ЦЭПЛ РАН / МИЛ), д. г.-м. н. А.Т. Звереву (МИИГАиК) за всестороннюю помощь, оказанную при выполнении настоящей работы.

Рис.4. Карты степени усыхания темнохвойных насаждений, полученные по результатам обработки изображения SPOT и визуального дешифрирования аэрофотоснимков.

Публикации по теме диссертации.

1. Жирин В.М., Барталев С.А., Ершов Д.В. Спектрометрическая оценка состояния древесных растений при мониторинге лесов. - Сб. Научных трудов ЦЭПЛ РАН: "Проблемы мониторинга и моделирования динамики лесных экосистем", М., Изд-во АО "Журнал Экос-информ", 1995, с. 24-42.

2. Барталев С.А., Жирин В.М., Ершов Д.В. Сравнительный анализ данных спутниковых систем "Космос-1939", SPOT, Landsat TM при изучении бореаль-ных лесов. - Исследование Земли из космоса, №], 1995, с. 101-114.

3. Коровин Г.Н., Барталев С.А., Ершов Д.В., Романович Э.Н. Состояние и перспективы разработки геоинформационной системы мониторинга лесных пожаров. - Материалы первой конференции пользователей ARC/INFO, Изд-во СП ДАТА+, 1994, с.93-103.

4. Барталев С.А., Ершов Д.В., Сочилова E.H. Интеграция данных дистанционного зондирования и геоинформационной системы для мониторинга лесов. - Материалы тезисов докладов второй конференции пользователей AftC/INFO, Изд-во СП ДАТА+, 1996, с.93-103.

5. Барталев С.А., Ершов Д.В., Сочилова E.H. Возможность решения комплекса задач мониторинга лесов на основе интеграции данных дистанционного зондирования и ГИС технологий. - Материалы тезисов докладов 3-й международной конференции "Методы дистанционного зондирования и ГИС-технологии для контроля и диагностики состояния окружающей среды., Изд-во УПЛ "Репрография" МИИГАиК, Москва, 1996.

6. Исаев A.C., Барталев С.А., Черкашин В.П., Ершов Д.В. Оценка повреждений темнохвойных лесов Красноярского края с использованием данных спутника SPOT и геоинформационной системы. - Материалы тезисов докладов международной конференции IGBP Siberian Transect Workshop, Институт им: В.Н. Сукачева СО РАН, Красноярск, 1997.

Подп. к печати 19.11.97 Формат 60x90 Бумага офсетная Печ. л. 1,5 Уч.-изд. л. 1,5 Тираж 80 экз. Заказ №319 Цена договорная

МосГУГиК 103064, Москва К-64, Гороховский пер., 4

Введение.

ГЛАВА I. Анализ существующих методов оценки лесопатологическо-го состояния насаждений.

1.1. Виды повреждений лесов бореальной зоны России и традиционные методы их оценки.

1.2. Спектрально-отражательные свойства фракций древесной растительности на различных стадиях повреждения.

1.3. Использование данных дистанционного зондирования и методов их обработки для оценки повреждений лесов.

Выводы к I главе.

ГЛАВА II. Исследование спектральных свойств древесных растений различного состояния.

2.1. Взаимосвязь спектральных признаков с возрастом побегов и показателями состояния деревьев.

2.2. Изучение связи данных спектрометрирования с содержанием в хвое пигментов.

2.3. Особенности формирования отраженного излучения вдоль вертикального профиля крон деревьев.

Выводы ко II главе.

ГЛАВА III. Метод оценки степени дефолиации лесов с использованием модели разделения спектральных смесей в пикселе спутникового изображения

3.1. Обзор существующих методов декомпозиции спектральных смесей.

3.2. Проблема выбора множества компонентов спектральных смесей (епскпетЬегв).

3.3. Сочетание методов классификации и методов декомпозиции спектральных смесей.

Разработка дополнительного программного обеспечения вычисления пропорций компонентов в пикселе изображения

Выводы к III главе.

ГЛАВА IV. Эксперимент по оценке повреждений темнохвойных лесов сибирским шелкопрядом по данным спутника SPOT с использованием метода декомпозиции спектральных смесей.

4.1. Задачи эксперимента и природно-экологическая характеристика тестового участка.

4.2. Описание исходных данных эксперимента.

4.2.1. Картографические данные.

4.2.2. Материалы спутниковой съемки.

4.2.3. Данные о лесном фонде.

4.3. Формирование баз данных ГИС на тестовый участок эксперимента.

4.3.1. Цифровая топографическая основа.

4.3.2. База данных ГИС о лесном фонде.

4.3.3. Цифровые карты поврежденности лесных насаждений.

4.3.4. Геореференцирование космических изображений.

4.4. Результаты экспериментов по оценке дефолиации темнохвойных лесов по данным спутника SPOT.

4.4.1. Анализ спектральных сигнатур и выбор множества компонентов спектральных смесей.

4.4.2. Формирование фракционных изображений с учетом пикселов, не участвовавших в обработке методом декомпозиции спектральных смесей.

4.4.3. Верификация результатов оценки степени дефолиации лесных насаждений по спутниковым данным.

Выводы к IV главе.

Леса России занимают 22% лесного покрова всей планеты и входят в бореальную зону северного полушария Земли. Это уникальная природная экосистема, имеющая глобальное биосферное, социальное и ресурсное значение. Состояние лесов, их продуктивность тесным образом связана с деятельностью человека и отражается на жизнеспособности и развитии человеческого общества в целом.

В результате воздействия антропогенных и природных факторов лес постоянно претерпевает изменения, некоторые из которых приводят к серьезным нарушениям структуры лесных биогеоценозов.

Все происходящие в лесах изменения условно можно разделить на четыре группы: изменения, вызванные естественными биологическими и климатическими процессами: изменение границ ареалов лесной растительности, изменение характеристик древесно-кустарниковой растительности, трансформация одних категорий лесных и не лесных земель в другие; изменения вызванные антропогенной деятельностью: рубка и восстановление лесов, осушение, уход за лесом, строительство промышленных, жилых объектов и систем коммуникаций; изменения, вызванные лесными пожарами, причины которых бывают естественными (грозы, возгорание торфа, солнечная активность) и антропогенные. Изменения данной группы присущи всем лесам, но чаще проявляются в таежной зоне. изменения, вызванные неблагоприятными стихийными биологическими явлениями: повреждения насекомыми-вредителями, грибными болезнями, ветровалы, буреломы.

Наиболее опасными для окружающей среды являются бесконтрольная деятельность человека, лесные пожары, биологическая активность насеко6 мых-вредителей и некоторые другие факторы. Деление внешних факторов на естественные и антропогенные условно, так как они взаимосвязаны, а иногда взаимообусловлены. Так, например, вспышка биологической активности различных видов насекомых-вредителей приводит к усыханию и смерти лесных насаждений на обширных территориях, что является причиной для возникновения лесных пожаров (естественным путем или посредством антропогенной деятельности), которые уже, в свою очередь, уничтожают не только мертвую древесину, но и частично поврежденную, а также напочвенный покров.

В России, с ее огромными лесными территориями, уделяется большое внимание проблеме мониторинга лесов, т.е. их изучению, контролю за состоянием и использованием. Составной частью мониторинга лесов является слежение за их санитарно-патологическим состоянием. Из всей совокупности проблем, определяющих санитарно-патологическое состояние лесов, в диссертации уделяется внимание повреждениям, связанным с промышленными выбросами и воздействием насекомых-вредителей.

Традиционные методы слежения за санитарно-патологическим состоянием лесов, опирающиеся преимущественно на наземные методы и визуальное дешифрирование аэрофотоснимков, перестали удовлетворять современным требованиям мониторинга лесов и управления их развитием.

Развитие космических средств дистанционного зондирования (ДЗ) Земли, способных получать информацию о лесах в широком диапазоне длин волн электромагнитного спектра от видимых до сверхвысокочастотных, а также развитие компьютерных средств и ГИС-технологий позволяют разрабатывать принципиально новые методы оценки состояния лесов.

Цель работы. Основной целью работы является исследование и разработка метода оценки и картографирования повреждений лесов с использованием данных дистанционного зондирования и ГИС-технологии. 7

Объект исследований. Методическое, алгоритмическое и программное обеспечение системы обработки космической информации для оценки повреждений лесов насекомыми-вредителями.

Методы исследований. В работе использованы методы спектрометриро-вания, цифровой обработки изображений и распознавания образов, математической статистики, цифровой картографии и геоинформатики.

Научная новизна работы. Научная новизна диссертации заключается в получении следующих результатов: получены значимые оценки корреляции спектральных признаков и показателей состояния деревьев (возраст побегов и их ориентация относительно сторон света, степень повреждения и др.), а также содержания в хвое основных пигментов (хлорофиллов А и В, каротиноидов); разработан алгоритм анализа космических изображений, сочетающий методы классификации и линейную модель разделения спектральных смесей; разработан метод оценки степени дефолиации лесов, поврежденных насекомыми-вредителями, с использованием данных космической съемки и геоинформационной системы.

Практическая значимость и внедрение.

Разработанная методика распознавания классов повреждения хвойных пород на основе различных спектральных признаков использовалась для изучения экологической обстановки в лесных массивах Тимирязевской сельхозакадемии (г. Москва), произрастающих в условиях городской среды и на территории Истринского лесхоза Московской области, подверженных воздействию промышленных выбросов.

Метод оценки дефолиации лесов, разработанный в диссертации на основе алгоритмов автоматизированной обработки космических изображений, был использован для экспертной оценки последствий массового размножения сибирского шелкопряда в темнохвойных лесах Красноярского края, 8 проводимой в рамках проекта управления окружающей средой Российской Федерации, учрежденного Всемирным банком (Loan 3806-RU) и чрезвычайной программы контроля биологических вредителей в лесах Красноярского края.

Использование метода количественной оценки степени дефолиации лесов по данным космической многозональной съемки позволяет: объективизировать процесс и и повысить достоверность получения оценок повреждений лесного покрова за счет использования космических снимков и лесотаксационных данных в среде ГИС; сократить объемы выполнения аэрофотосъемочных работ за счет использования данных космической съемки и ГИС-технологии; более точно планировать и эффективно проводить мероприятия по борьбе с насекомыми-вредителями.

Публикации. По теме диссертации опубликовано 6 научных работ, в том числе, 3 статьи .

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы. Работа изложена на 120 страницах машинописного текста, а также включает 28 рисунков и 14 таблиц.

Выводы к IV главе.

В результате экспериментальных работ получены следующие основные результаты: собраны исходные лесотаксационные и картографические данные для формирования баз данных геоинформационной системы тестового участка; сформирован банк данных геоинформационной системы, включающий картографическую растрово-векторную основу масштаба 1:100,000, совмещенную картографическую и таксационную базу данных о лесном фонде, цифровые карты поврежденности лесов и карты проведения лесозащитных мероприятий; разработана методика оценки дефолиации лесных насаждений по спутниковым изображениям на основе алгоритмов, сочетающих методы традиционной классификации и метод декомпозиции спектральных смесей;

• проведено сравнение двух способов выделения тематических классов различных типов лесных участков;

• выполнена оценка разделимости спектральных сигнатур тематических классов с целью формирования чистых компонентов;

Рис. 4.9. Фрагмент карты поврежденности лесов по результатам обработки спутниковых данных.

114 выполнена предварительная и тематическая обработка спутниковых изображений SPOT, по результатам которой получены оценки степени дефолиации темнохвойных насаждений и построены карты повре-жденности лесов тестового участка; . проведена верификация результатов оценки степени дефолиации темнохвойных насаждений по спутниковым изображениям и сделаны выводы об эффективности их использования для картографирования повреждений лесов; Выполненный анализ спутниковых изображений SPOT позволяет сделать следующие выводы: спутниковые изображения дают принципиальную возможность иден-тифицикации участков различной степени повреждений лесов сибирским шелкопрядом; . на качественном уровне в большинстве случаев достигается хорошая согласованность пространственного расположения участков с максимальными повреждениями с картографическими данными, полученными в результате дешифрирования аэрофотоснимков; . анализ, выделенных с использованием геоинформационной системы по спутниковым изображениям, спектральных сигнатур различных типов лесных участков показывает возможность распознавания насаждений с преобладанием темнохвойных, светлохвойных и лиственных пород, открытых участков почвы и напочвенного покрова, а также насаждений с различной степенью повреждения шелкопрядом; . предложенная и экспериментально апробированная методика оценки по спутниковым изображениям степени дефолиации поврежденных шелкопрядом насаждений с использованием линейной модели спектральных смесей показала достаточно высокий уровень корреляции с результатами дешифрирования аэрофотоснимков.

115

Заключение.

Возрастающее понимание важности экологической лесов привлекает все большее внимание к проблеме их рационального использования, охраны и воспроизводства. Для решения этих задач требуется совершенствование методов получения информации о лесах. Традиционные методы слежения за санитарно-патологическим состоянием лесов не в полной мере способны предоставлять полноценную информацию для принятия последующих эффективных решений. Для улучшение этих методов необходимо применение более совершенных видов съемок и автоматизированных способов их обработки.

В настоящей работе проведены исследования повреждений лесов, связанные с промышленными выбросами и насекомыми-вредителями и получены следующие основные результаты:

1. Проведен анализ и систематизация мирового опыта применения данных наземного спектрометрирования и дистанционного зондирования для оценки санитарно-патологического состояния лесов.

2. Проведен анализ требований к информационному обеспечению и структуре ГИС, необходимому для оценки состояния лесов с использованием данных дистанционного зондирования.

3. Выполнен анализ морфологии спектральных кривых зеленых побегов хвойных насаждений различного состояния с помощью спектральных признаков на ранних стадиях повреждения промышленными выбросами и получены значимые коэффициенты корреляции между спектральными признаками и классами повреждений.

4. Разработаны и исследованы алгоритмы подпиксельного анализа космических изображений, сочетающие методы классификации и линейную модель разделения спектральных смесей.

116

5. Разработан метод оценки степени дефолиации лесов, поврежденных насекомыми-вредителями с использованием данных сканерной съемки и геоинформационной системы.

По результатам исследований можно сделать ряд выводов.

Ранние изменения в состоянии древесных растений могут регистрироваться спектрометрами высокого разрешения (типа "Кварц-4"), а с помощью набора спектральных признаков можно получать качественную и количественную оценку этого состояния.

Исследования отраженного излучения вдоль вертикального градиента крон деревьев позволили получить всестороннее представление об этом процессе, а полученные знания применить для анализа космических многоспектральных снимков с изображениями хвойных лесов различной степени повреждения.

Полученные результаты экспериментальных работ показали достаточно высокую линейную корреляционную связь степени дефолиации со степенью усыхания (11=0,9), что свидетельствует о возможности применения метода для оценки поврежденности лесов с использованием сканерной космической информации.

Использование метода количественной оценки степени дефолиации лесов по данным космической многозональной съемки позволяет: объективизировать процесс и повысить достоверность получения оценок повреждений лесного покрова за счет использования космических снимков и лесотаксационных данных в среде ГИС; сократить объемы выполнения аэрофотосъемочных работ благодаря ря рациональному сочетанию аэрофотоснимков с данными космической съемки и ГИС-технологий; более точно планировать и эффективно проводить мероприятия по борьбе с насекомыми-вредителями.

117

1. Александров В.В., Горский Н.Д. Алгоритмы и программы структурного метода обработки данных. // Л.: Наука, 1983, - 208 с.

2. Барталев С.А., Жирин В.М., Ершов Д.В. Сравнительный анализ данных спутниковых систем "Космос-1939", SPOT и Landsat TM при изучении бо-реальных лесов. // Исследование Земли из космоса. С. 101 -114. № 1. 1995.

3. Белов C.B. Аэрофотосъемка лесов. Л. : Изд-во АН СССР, 1959. - 219с.

4. Выгодская H. Н., Горшкова И. И. Теория и эксперимент в дистанционных исследованиях растительности. -Л.:Гидрометеоиздат, 1987. 248 с.

5. Гусев H.H., Синицын С.Г., Сухих В.И., Букин Н.И. Лесоустройство в СССР. М.: Лесная промышленность, 1981. - 328с.

6. Жирин В.М., Бахтинова Е.В. , Орлова О.Л. Оценка по спектрозональным аэрофотоснимкам санитарного состояния сосняков, поврежденных промышленными газами. // Лесное хозяйство. 1980 г., №11, с. 49-50.

7. Жирин В.М., Кропов П.А., Кукуев Ю.А. Исследование отражательной способности хвойных пород, поврежденных промышленными газами // Лесной журнал. 1978, - №2, с. 149-152.

8. Жирин В. М. Дистанционное зондирование при изучении динамики лесных экосистем за рубежом// Обзорн. информ. (Лесоводство и лесоразведение, вып.2.). -М.: ВНИИЦлесресурс, 1993. 40 с.

9. Инструкция по экспедиционному лесопатологическому обследованию лесов СССР. М.: Изд-во Гослесхоза СССР, 1983. - 181с.

10. Ю.Исаев A.C., Кондаков Ю.П. Принципы и методы лесоэнтомологического мониторинга// Лесоведение. 1986, №4, с 3 10.

11. Исаев А. С., Плешиков Ф. И. Основные направления исследований лесных ресурсов Сибири с помощью аэрокосмических средств// Исследование лесов аэрокосмическими методами. Новосибирск: Наука, 1987. С.З-9.118

12. Исаев A.C., Ряполов В.Я. Анализ ландшафтно-экологической приуроченности очагов сибирского шелкопряда с применением аэрокосмической съемки // Исследование таежных ландшафтов дистанционными методами. Новосибирск: Наука, 1979.

13. Исаев A.C. и др. Исследование лесов аэрокосмическими методами. -Новосибирск.: Наука, Сибирское отделение РАН, 1987, 208 с.

14. Исаев A.C., Сухих В.И. Аэрокосмический мониторинг лесных ресурсов // Лесоведение. 1986. - №6. - С. 11 -21.

15. Исаев A.C., Сухих В.И., Калашников E.H. и др. Аэрокосмический мониторинг лесов. -М.: Наука, 1991. 240 с.

16. Исаев A.C., Хлебопрос Р.Г., Недорезов Л.В., Кондаков Ю.Л. Киселев В.В. Динамика численности лесных насекомых. Новосибирск: Наука, 1964, с.224.

17. Кучко A.C. Аэрофотография и специальные фотографические исследования. -М.: Недра, 1988. 235 с.

18. Обзор санитарного состояния лесов. М.: Изд-во Росагросервис, 1994. -126с.

19. Полевой В.В. Физиология растений. М.: Высшая школа, 1989, 464 с.

20. Рожков A.C. Массовое размножение сибирского шелкопряда и меры борьбы с ним. М.: Наука, 1965. - 170 с.

21. Санитарные правила в лесах СССР. М.: Лесная промышленность, 1970.-16с.

22. Сухих В.И. Принципиальные основы организации работ по изучению лесного фонда страны // Лесное хозяйство. 1986 - №6. - с.48-53.

23. Сухих В.И., Синицын С.Е., Апостолов Ю.С. и др. Аэрокосмические методы в охране природы и в лесном хозяйстве. М.: Лесная промышленность, 1979.-288 с.119

24. Сухих В.М., Жирии В.М., Данюлис Е.П., Эльмаи Р.И. Дистанционное зондирование в лесном хозяйстве. М.: Изд-во ВО "Агропромиздат", 1989. - 224с.

25. Харин Н.Г. Дистанционные методы изучения растительности. М.: Наука, 1975, 132 с.

26. Свейн Ф., Дейвис Ш. Дистанционное зондирование: количественный подход // -М., Недра, 1983. 416 с.

27. Adams J.B., Smith М.О., Johnson Р.Е. Spectral mixture modeling: a new analysis of rock and soil types at the Viking Lander I site // Journal of geophysical research, 1986, N91. p. 8098 - 8112.

28. Dottevio C.L., Williams D.L. Sattelite technology: An improved means for monitoring forest insect defoliation // Journal of forestry, 1983,v.81, N1.- p. 30 -34.

29. Ekstrand S. Reflection of moderate damages on Norway spruce using Landsat TM and digital stand data // IEEE Transactions on geoscience and remote sensing, 1990, v. 52(2): p. 229 241.

30. Franklin S.E., Hudak J. Classification of Hemlock Looper defoliation from satellite imagery // North American insect work conference, 1991,182 p.

31. Hall F.G., Hulmmirich K.F., Goward S.N. Use of narrow-band spectra to estimate the fraction of absorbed photosynthetically active radiation, 1990.

32. Jasinski F. Estimation of subpixel vegetation density of natural regions using satellite multispectral imagery// IEEE Transactions on geoscience and remote sensing, 1996, v. 34(3): p. 229 241.

33. Kalshoven J.E., Dabney Ph.W. An airborne laser polarimeter system (ALPS) for terrestrial physics research // Proceeding of SPIE, 1988,v. 924. p. 33 - 35.

34. Leckie D.G. Factors affecting defoliation assessment using airborne multispectral scanner data.// Photogrammetric Engineering and Remote Sensing, 1987, v. 53(2). p. 1665 - 1674.120

35. Mathie S., Berthod M., Leymarie P. Determination of proportions and entropy of land use mixing in pixels of a multispectral satellite „image.// IEEE Transactions on geoscience and remote sensing symposium (IGARSS 94), 1994. pp. 1154 - 1156.

36. Shimabukuro Y.E., Holben B.N. Linear mixing model applied to AVHRR LAC data // Int. J. Remote Sensing, 14, 11, 1993. pp. 2231-2240.

37. Williams D.L. A comparison of spectral reflectance properties at the needle, branch, and canopy level for selected conifer species.

38. Эпова В.И., Плешанов А.С. Зоны вредоносности насекомых-филлофагов азиатской России// Новосибирск, "Наука", Сиб. Издательская фирма РАН, 1995, 46 с.