Содержание к диссертации
Введение
1 Анализ существующих методов изучения динамики лесных экосистем 12
1.1 Экосистема и нарушение её целостности 12
1.2 Мониторинг динамики лесных экосистем 15
1.3 Существующие технологии лесного мониторинга 18
1.4 Средства получения и обработки аэро- и космических снимков для мониторинга динамики лесных экосистем 23
1.5 Популяционное моделирование численности сибирского шелкопряда...38
1.5.1 Особенности жизненного цикла сибирского шелкопряда 38
1.5.2 Прогнозирование вспышек массового размножения сибирского шелкопряда 41
1.5.3 Имитационная модель популяции сибирского шелкопряда 43
1.5.4 Популяционные модели внутривидовых экологических процессов 45
2 Разработка технологии мониторинга динамики лесных экосистем по материалам дистанционного зондирования 52
2.1 Основные процессы технологии аэрокосмического мониторинга лесных территорий 52
2.2 Разработка методики повышения достоверности автоматизированного распознавания объектов лесных территорий на многозональных космических снимках 57
2.3 Разработка методики автоматизированного дешифрирования многозональных космических снимков для определения таксационных характеристик лесных насаждений 61
2.4 Разработка алгоритма моделирования процесса формирования изображения съёмочной системой 64
2.5 Разработка имитационных моделей популяции сибирского шелкопряда 74
2.5.1 Точечная модель популяции сибирского шелкопряда 74
2.5.2 Пространственно-распределённая модель популяции сибирского шелкопряда 78
2.5.3 Определение параметров пространственно-распределённой модели популяции сибирского шелкопряда с использованием данных дистанционного зондирования 84
3 Исследование технологии аэрокосмического мониторинга динамики лесных экосистем 89
3.1 Описание разработанных программных средств для проведения исследований 89
3.2 Задачи исследований 99
3.3 Априорная оценка достоверности дешифрирования на основе моделирования спектральных откликов от датчиков съёмочных систем 99
3.4 Исследование методик дешифрирования, основанных на пересчёте эталонов 109
3.5 Исследование методики дешифрирования, основанной на моделировании эталонов по КСЯ объектов 116
3.6 Исследование методики определения таксационных характеристик лесных насаждений 120
3.7 Создание карт состояния лесных территории по многозональным космическим снимкам 122
3.8 Создание карт нарушения лесных территорий Сургутского района пожарами и разработкой нефтяных месторождений по спектрозональным аэрофотоснимкам 125
3.9 Исследование точечной имитационной модели популяции сибирского шелкопряда в дискретном времени 130
3.10 Построение и исследование пространственно-распределённой имитационной модели сибирского шелкопряда с использованием материалов аэрокосмической съёмки 133
Заключение 147
Список использованных источников 149
Приложение
- Средства получения и обработки аэро- и космических снимков для мониторинга динамики лесных экосистем
- Разработка методики повышения достоверности автоматизированного распознавания объектов лесных территорий на многозональных космических снимках
- Априорная оценка достоверности дешифрирования на основе моделирования спектральных откликов от датчиков съёмочных систем
- Исследование точечной имитационной модели популяции сибирского шелкопряда в дискретном времени
Введение к работе
Актуальность темы. Леса являются важнейшим компонентом биосферы, продуцентом биомассы и кислорода. Они играют огромную роль как стабилизатор природной среды. По потенциалу биологической продуктивности лесам принадлежит ведущее место на Земле. Накопленные запасы древесины в России составляют 25 % от их мирового количества. Воздействие на лес неблагоприятных экологических факторов приводит к снижению его продуктивности и гибели. К числу таких факторов относятся лесные пожары, насекомые-вредители, антропогенные нарушения, связанные с промышленными выбросами загрязняющих веществ, разработкой нефтяных месторождений, и т. д. Масштабы этих явлений носят глобальный характер и вызывают необходимость тщательного изучения динамики лесных экосистем.
Для обширных лесных территорий России, расположенных в различных климатических поясах и имеющих различный породный состав, наиболее эффективным является мониторинг с использованием многозональных космических снимков. Для оперативной обработки материалов многозональной съёмки в целях мониторинга лесного фонда возникает необходимость использования автоматизированных методов дешифрирования. Исследованию вопросов автоматического дешифрирования многозональных космических снимков посвящено большое количество работ Котцова В.А., Фивенского Ю.И., Мелешко К.Е., Бадаева В.В., Журкина И.Г., Гука А.П., Пяткина В.П., Козодёрова В.В., -Мишина И.В., Харука В.И. и др. В связи со сложностью распознавания на снимках лесных массивов различного типа и состояния в технологиях дешифрирования значительное место занимают полевые обследования, что снижает оперативность мониторинга, поэтому актуальной является разработка методики повышения качества автоматизированного дешифрирования снимков, позволяющей уменьшить объём трудоёмких полевых работ.
В существующих технологиях мониторинга, в основном предусматривающих анализ текущего состояния лесных экосистем, недостаточная роль отводится разработке методов прогнозирования их изменения в будущем с целью планирования лесозащитных мероприятий. Учитывая, что вспышки размножения насекомых-вредителей носят регулярный характер и имеют значительную
продолжительность, существует возможность выполнять моделирование динамики численности популяции с целью предотвращения повреждений лесов. Однако существующие прогнозные модели популяций лесных насекомых часто являются обособленными и не всегда учитывают влияние соседних биотопов на распространение насекомых, что ограничивает возможность моделирования динамики распространения вспышки их массового размножения. Данные дистанционного зондирования о состоянии лесных массивов открывают новые возможности для построения пространственно-распределённых моделей популяций.
Поэтому актуальной является разработка технологии мониторинга динамики лесных экосистем, основанной на применении современных материалов аэрокосмической съёмки, методик автоматизированного дешифрирования многозональных космических снимков и пространственно-распределённых математических моделей популяций, построенных с использованием данных дистанционного зондирования.
Степень разработанности проблемы. В существующих технологиях тематического картографирования основным источником информации о лесных территориях являются цветные и спектрозональные аэроснимки. В настоящее время развитие технических средств, высокая периодичность, оперативность и доступность данных дистанционного зондирования дают возможность проведения мониторинга лесных экосистем на основе многозональных космических снимков. Однако эффективность использования данных дистанционного зондирования сдерживается отсутствием надёжных методик автоматизированного дешифрирования снимков. Существующие технологии мониторинга лесных территорий направлены на обнаружение и картографирование результатов воздействия негативных факторов, но не предусматривают моделирования биологических процессов в лесных экосистемах, что существенно снижает эффективность исследования состояния лесов.
Целью диссертационной работы является разработка технологии аэрокосмического мониторинга динамики лесных экосистем с использованием методик автоматизированного дешифрирования многозональных космических снимков для повышения достоверности и оперативности распознавания объек-
тов, а также моделирования динамики численности популяции сибирского шелкопряда для оценки и прогнозирования состояния лесных насаждений.
Для достижения поставленной цели необходимо было решить следующие основные задачи:
выполнить анализ современных средств и методов получения и обработки аэрокосмической информации для мониторинга динамики лесных территорий;
разработать и исследовать технологию мониторинга динамики лесных экосистем, основанную на использовании материалов аэрокосмических съёмок, цифровых методов обработки снимков, ГИС-технологий, математического моделирования биологических процессов в экосистемах;
разработать алгоритм моделирования процесса формирования изображения съёмочной системой в разных ландшафтных зонах для априорной оценки достоверности дешифрирования, определения наиболее оптимальных комбинаций каналов съёмочных систем и методов классификации объектов;
разработать методики автоматизированного дешифрирования многозональных космических снимков труднодоступных лесных территорий для повышения достоверности получаемых результатов и уменьшения трудоёмкости формирования обучающих эталонов полевыми методами;
разработать пространственно-распределённую модель популяции сибирского шелкопряда, отражающую особенности жизненного цикла насекомых в период массового размножения с целью прогнозирования развития вспышки, и методику определения параметров модели на основе материалов аэрокосмических съёмок.
Объект и предмет исследования. Объектом исследования является мониторинг лесных экосистем, предметом - технология мониторинга лесных экосистем с использованием материалов дистанционного зондирования.
Теоретическая и методологическая база исследования. Теоретической и методологической основой работы являются теория и методы аналитической и цифровой фотограмметрии, математического моделирования, вычислительной математики, математической обработки измерений, алгоритмы цифровой обработки изображений и современные ГИС-технологии. В качестве программного обеспечения использовались: геоинформационные системы ERDAS
IMAGINE, ArcGIS, Maplnfo, интефированная среда разработки приложений Delphi 7, растровый редактор Adobe Photoshop.
Информационная база исследования. Диссертационная работа выполнена с использованием аэрофото- и космических снимков лесных территорий Новосибирской области, Алтайского и Красноярского края, Ханты-Мансийского и Ямало-Ненецкого АО, картографических материалов и результатов наземного обследования соответствующих территорий.
Научная новизна диссертационной работы состоит в следующем:
разработана технология мониторинга динамики лесных экосистем, основанная на использовании материалов аэрокосмической съёмки, цифровых методов обработки изображений, автоматизированных методов дешифрирования, ГИС-технологий и математического моделирования биологических процессов в экосистемах;
разработан алгоритм моделирования процесса формирования изображения конкретной съёмочной системой в разных ландшафтных зонах для априорной оценки достоверности дешифрирования, определения наиболее оптимальных комбинаций каналов съёмочных систем и методов классификации объектов на снимках;
разработаны методики автоматизированного дешифрирования многозональных космических снимков, основанные на преобразовании параметров эталонов для дешифрирования серии снимков и на формировании эталонов по коэффициентам спектральной яркости объектов;
разработана методика автоматизированного дешифрирования многозональных космических снимков для определения породного состава и полноты лесных выделов;
разработаны пространственно-распределенная модель популяции сибирского шелкопряда и методика определения её параметров на основе результатов дешифрирования аэро- и космических снимков и картографических материалов.
На защиту выносятся:
- технологическая схема мониторинга динамики лесных экосистем, ос
нованная на использовании данных дистанционного зондирования, цифровых
методов обработки изображений и методов математического моделирования биологических процессов в экосистемах;
алгоритм моделирования процесса формирования изображения конкретной съёмочной системой в разных ландшафтных зонах для априорной оценки достоверности дешифрирования;
методики автоматизированного дешифрирования многозональных космических снимков, основанные на преобразовании параметров эталонов для дешифрирования серии снимков и на формировании эталонов по коэффициентам спектральной яркости объектов;
методика определения таксационных характеристик лесных насаждений с использованием автоматизированного дешифрирования космических снимков;
пространственно-распределённая модель популяции сибирского шелкопряда и методика определения её параметров с использованием данных дистанционного зондирования.
Теоретическая значимость. Теоретическое значение диссертации заключается в разработке методик автоматизированного дешифрирования космических снимков, позволяющих сократить объём полевых работ по созданию эталонов и определять таксационные характеристики лесонасаждений, в разработке алгоритма моделирования процесса формирования изображения съёмочной системой для априорной оценки результатов дешифрирования, точечной и пространственно-распределённой моделей популяции сибирского шелкопряда с использованием данных дистанционного зондирования.
Практическая значимость. Результаты экспериментальных работ, выполненных с использованием реальных аэро- и космических снимков, доказывают возможность использования разработанной технологии для оценки текущего состояния лесных территорий и моделирования вспышек массового размножения насекомых-вредителей.
Разработанные алгоритм моделирования процесса формирования изображения и методики автоматизированного дешифрирования аэро- и космических снимков реализованы в программных продуктах, которые позволяют формировать наборы эталонов и выработать рекомендации по выбору типа съёмочной
системы, оптимальных комбинаций съёмочных каналов, методов классификации для повышения достоверности распознавания объектов.
Использование точечной и пространственно-распределённой моделей популяции сибирского шелкопряда даёт возможность прогнозировать развитие вспышки размножения лесных насекомых, планировать лесозащитные мероприятия в лесном хозяйстве и сократить объём и периодичность наблюдений за состоянием труднодоступных лесных территорий.
Реализация результатов работы.
Основные положения, методики и алгоритмы, разработанные в диссертационной работе, реализованы в программах, предназначенных для моделирования процесса формирования изображения съёмочными системами для априорной оценки результатов дешифрирования и формирования эталонов по коэффициентам спектральной яркости объектов, а также для построения моделей динамики численности популяции сибирского шелкопряда с использованием результатов дешифрирования аэро- и космических снимков лесных территорий. Результаты исследований внедрены в ФГУП «Запсиблеспроект» г. Новосибирска и в учебный процесс кафедры фотограмметрии и дистанционного зондирования СГТА, что подтверждено соответствующими актами.
Апробация работы. Основные положения и практические результаты работы были представлены: на научно-технических конференциях студентов СГТА в 1999, 2000 гг., на новосибирских межвузовских научных студенческих конференциях «Интеллектуальный потенциал Сибири» в 2000 г., 2002 -2003 гг., на научно-технической конференции преподавателей СГГА «Современные проблемы геодезии и оптики» (г. Новосибирск, 16-19 апреля 2001 г.), на Международной научно-технической конференции «Современные проблемы геодезии и оптики», посвященной 70-летию СГТА (г. Новосибирск, 11 -21 марта 2003 г.), на научно-практической конференции «Перспективы развития системы мониторинга и прогнозирования ЧС природного и техногенного характера» (г. Новосибирск, 24 сентября 2003 г.), на научно-технической конференции «Фотограмметрические технологии в ХХГ веке», посвященной 60-летию кафедры фотограмметрии и дистанционного зондирования СГГА (г. Новосибирск, 9-11 декабря 2003 г.), на научно-технической конференции, посвященной 225-летию геодезического образования в России (г. Новосибирск,
19-23 апреля 2004 г.), на научно-практической конференции «Дальнейшее совершенствование природной, техногенной и пожарной безопасности населения и территорий- устойчивое развитие Сибирского региона» (Новосибирск, 15 сентября 2004 г.), на Международных научных конгрессах «ГЕО-Сибирь-2005» (Новосибирск, 25 - 29 апреля 2005 г.) и «ГЕО-Сибирь-2006» (Новосибирск, 24 - 28 апреля 2006 г.), на VIII научной конференции по тематической картографии «Геоинформационное картографирование для сбалансированного территориального развития» (г. Иркутск, 21 — 23 ноября 2006 г.), на Международной выставке, посвященной 70-летию СГГА (г. Новосибирск, 12-13 марта 2003 г.), на выставке, посвященной 225-летию геодезического образования в России (г. Новосибирск, 20 апреля 2004 г.).
Публикации (по теме диссертации). По теме диссертации опубликовано 20 научных работ (7 - в соавторстве).
Струїсгура и объём диссертации. Диссертационная работа состоит из введения, трёх разделов, заключения, списка использованных источников, включающего 155 наименований (из них 22 - на иностранном языке). Общий объём работы составляет 194 страницы (объём основного текста- 148 страниц), 11 приложений, 14 таблиц, 43 рисунка.
Средства получения и обработки аэро- и космических снимков для мониторинга динамики лесных экосистем
В настоящее время для регионального мониторинга лесов широко используются многозональные и радиолокационные космические съёмочные системы. На основании литературных источников [30 - 61] составлена сводная таблица характеристик космических съёмочных систем, приведённая в приложении А, анализируя которую можно делать выводы о возможности использования различных съёмочных систем для создания системы мониторинга динамики лесных экосистем. Для целей мониторинга лесов в первую очередь важны такие характеристики, как оперативность получения данных, разрешение снимков, области спектра имеющихся каналов съёмочных систем, а также цена снимков. По пространственному разрешению получаемых изображений космические системы можно разделить на три группы: а) спутники с аппаратурой низкого разрешения (более 100 м), обеспечи вающие широкую полосу захвата и позволяющие получать обзорную информа цию о состоянии растительного покрова, почвы, лесов. Здесь можно выделить американские спутники глобальной оперативной съёмки EOS АМ-1 (TERRA) (сенсор MODIS), NOAA (сканер AVHRR), индийский спутник IRS-1C/1D (сен сор WIFS), российский спутник РЕСУРС-0 (сканер МСУ-СК), французский спутник SPOT (камера Vegetation), ENVISAT (MERIS), а также радиолокацион ный спутник ERS (радиометр ATSR); б) спутники с аппаратурой среднего разрешения (от 10 до 100 м). К та ким спутникам относятся российские спутники серии РЕСУРС-Ф1/Ф1 М (фо тоаппарат КАТЭ-200), Метеор-ЗМ (сенсор МСУ-Э) и Монитор-Э, спутник Earth Observing-1 (ЕО-1) (сенсор ALI и гиперспектральиый сенсор Hyperion), систе мы космического наблюдения LANDSAT, SPOT, IRS и КА с аппаратурой для радиолокационной съёмки RADARS AT, ERS (локатор SAR), радары РБО-3, РБО-08,РСА-23,РСА-180; в) космические съёмочные системы высокого разрешения (до 10 м). К космическим системам высокого разрешения относятся зарубежные спутники серии IKONOS фирмы Space Imaging Eosat, спутники серии Quick Bird фирмы Earth Watch, спутники серии Orb View фирмы ORBIMAGE, израильский спут ник EROS, российские съёмочные системы КФА-1000 (спутник Ресурс-Ф1/Ф1 М), МК-4 (спутник Ресурс-Ф2), КФА-3000 (спутник Ресурс-ФЗ), КВР-1000 (устанавливаемая на спутниках серии КОМЕТА), запущенный в 2006 г. российский спутник Ресурс-ДК1, радиолокационный спутник RADARSAT в детальном режиме съёмки (fine), РСА «Алмаз». Анализ технических возможностей космических съёмочных систем показал, что самыми оперативными съёмочными системами являются NOAA, TERRA (сенсор MODIS), получающие за сутки изображение почти всей поверхности Земли.
Самую высокую точность построения изображения обеспечивают космические системы высокого разрешения IKONOS, QUICK BIRD, Orb View, EROS и отечественные системы Ресурс-ДК1, КВР-1000, КФА-3000, КФА-1000, МК-4. Следует отметить, что российские системы КВР-1000, КФА-3000, КФА-1000, МК-4 рассчитаны на получение фотографических снимков и, следовательно, требуют возвращения носителя или пленки в специальной капсуле на Землю, что является неоперативным. Наибольшее количество спектральных каналов имеют гиперспектральные съёмочные системы Earth Observing-1 (сенсор Hyperion, 220 каналов), EOS АМ-1 TERRA (сенсор MODIS, 36 каналов) и многозональная съёмочная система LANDSAT (сенсор ЕТМ+, семь каналов), следовательно снимки, полученные этими системами, являются самыми информативными. Преимуществом радиолокационных съёмок является возможность их проведения вне зависимости от степени освещённости местности и облачности, что особенно важно в северных широтах России. Для детального изучения объектов земной поверхности при крупномасштабном картографировании, кроме космических съёмочных систем высокого разрешения, широко используются материалы аэросъёмки. В настоящее время для этих целей применяются кадровые фотографические съёмочные системы LMK-1000, MRB, RC-30. Они характеризуются малой величиной дисторсии (до 2 мкм) и высокой разрешающей способностью (до 115 лин/мм). В последнее время при решении ряда прикладных задач для получения аэроснимков стали использоваться цифровые камеры, например, камера Rollei AIC modular LS, цифровая топографическая камера DMC (Digital Mapping Camera), сканерная цифровая система ADS40 [62]. Наиболее информативным источником данных о свойствах земной поверхности являются самолётные гиперспектрометры. Первым в ряду самолётных гиперспектрометров был AIS (Airborne Imagine Spectrometer), эксплуатация которого началась в 1982 г. В 1989 г. Лабораторией реактивного движения (JPL) был разработан самолётный видеоспектрометр AVIRIS (Airborne Visib nfrared Imaging Spectrometer) для NASA (США). Этот сенсор позволяет получать изображения земной поверхности в спектральном диапазоне от 400 до 2450 нм (224 канала с интервалом в 10 нм) с пространственным разрешением 20 х 20 м. Полоса обзора сенсора составляет 11 х 100 км. В 1995 г. в США в рамках программы Министерства обороны HYDICE (Hyperspectral Digital Imagery Collection Experiment) был разработан экспериментальный цифровой спектрометр, позволяющий выполнять съёмку земной поверхности в спектральном диапазоне от 400 до 2500 нм (210 спектральных каналов) с пространственным разрешением от 0,8 до 4,0 м при высоте самолёта от 1500 до 8000 м [63].
Разработка методики повышения достоверности автоматизированного распознавания объектов лесных территорий на многозональных космических снимках
В результате полевого дешифрирования формируются наборы полевых эталонов. Путём идентификации элементов цифрового изображения и материалов полевого дешифрирования формируются наборы обучающих эталонов. С использованием параметрических методов классификации производится обработка обучающей выборки, и на основе статистических параметров формируется её компактное описание.
Обучающие эталоны используют для классификации изображения, т.е. для принятия решения о принадлежности его элементов к тому или иному классу. Недостатки такой технологической схемы заключаются в том, что из-за особенностей формирования изображения каждый отдельно взятый снимок отличается от других, поэтому обучающие эталоны для их дешифрирования приходится создавать заново. Ошибки при формировании эталонов приводят к ошибочным результатам классификации объектов. Одной из задач данной работы является оптимизация приведённой на рисунке 7 технологической схемы с целью уменьшения трудоёмкости формирования эталонов и повышения достоверности распознавания объектов при обработке снимков, полученных в разных условиях. Предлагается несколько вариантов методики автоматизированного дешифрирования снимков. Первый вариант методики дешифрирования (рисунок 8) основан на том, что на снимке і выделяются объекты (опорные классы), которые уверенно дешифрируются визуально на основе опыта дешифровщика. К таким объектам, например, относятся: реки, озёра, дороги, леса, которые имеют характерные очертания и значительный яркостной контраст. Первоначально создается «образцовый» эталон с использованием результатов полевого дешифрирования снимка у, затем формируется эталон по опорным классам снимка і. Из сопоставления эталонов определяется функция зависимости параметров эталонов (//) сформированных по снимкам і и /.С помощью этой функции можно преобразовать параметры «образцового» эталона для дешифрирования снимка і. Ограничение данного варианта методики состоит в том, что ее можно использовать для обработки снимков, полученных только одной съёмочной системой. Если снимки і и j перекрываются, то можно не выполнять визуальную идентификацию опорных классов.
В этом случае вид функции пересчёта (_/]) можно определить на основе анализа яркостей объектов в перекрывающихся зонах снимков (рисунок 9). Недостатком данного варианта методики является то, что она предусматривает дешифрирование снимков, полученных одной съёмочной системой и имеющих перекрытие. Варианты методики дешифрирования (на рисунках 8 и 9) значительно отличаются от базового (рисунок 7), позволяют повысить производительность дешифрирования и существенно уменьшить объём полевых работ. В работе также предлагается вариант методики дешифрирования многозональных снимков, исключающий необходимость создания эталонов полевыми методами (рисунок 10). На основе данных о спектральных свойствах объектов (отражательной способности, индикатрисе рассеяния и др.) выполняется построение модели переноса солнечного излучения на датчики съёмочной системы и расчет яркости объектов в заданных зонах спектра при определённых условиях съёмки. Полученная информация рассматривается как некоторый энергетический образ объекта, который используется в качестве эталона для дешифрирования снимков. При моделировании эталон может быть представлен отдельными значениями яркостей объектов или ковариационной матрицей, характеризующей изменение яркостей объектов в разных зонах спектра. Затем, как и в варианте методики, представленной на рисунке 8, выполняется преобразование энергетических параметров сформированного эталона в значения яркостей пикселей обрабатываемого снимка. Данный вариант методики позволяет проводить дешифрирование снимков, полученных различными съёмочными системами, но предполагает наличие достаточно полной базы КСЯ объектов.
Априорная оценка достоверности дешифрирования на основе моделирования спектральных откликов от датчиков съёмочных систем
В результате экспериментальных работ с целью исследования факторов, влияющих на достоверность автоматизированного дешифрирования многозональных космических снимков, выполнено: а) создание базы данных КСЯ объектов; б) оценка возможности определения количественного состава объектов в смешанных классах; в) сравнение достоверности методов автоматизированной классифика ции объектов; г) определение наиболее оптимальных комбинаций каналов съёмочных систем для повышения достоверности дешифрирования снимков; д) определение оптимального числа спектральных каналов гиперспек тральной съёмочной системы MODIS, позволяющих выполнить достоверное дешифрирование снимков; е) исследование воздействия атмосферной дымки на качество автома тизированного распознавания объектов на многозональных космических сним ках. В качестве исходных материалов и программных средств использовались: - многозональный космический снимок, полученный сканерной съёмочной системой LANDSAT-4 с разрешением 30 х 30 м в семи зонах спектра 16.07.1996 г. на территорию Нижневартовского района Ханты-Мансийского автономного округа; - космические снимки, полученные камерой МКФ-6 в четырёх зонах спектра на территорию Ямало-Ненецкого автономного округа и результаты полевого дешифрирования (технические характеристики съёмочных систем МКФ-6 и LANDSAT приведены в приложении А); - геоинформационная система ERDAS Imagine; - разработанная программа «Spectr», позволяющая моделировать процесс формирования изображения (откликов) конкретной съёмочной системой в разных ландшафтных зонах. На первом этапе экспериментальных исследований в программе «Spectr» с использованием источников [89, 135-151] создана база данных КСЯ более 400 объектов, на основе которых производилось описание моделируемых классов. Согласно данным, приведённым в работе [136], средняя ошибка измерения КСЯ составляет 8 %, поэтому при проведении всех экспериментальных работ средние квадратические отклонения КСЯ приняты равными 10 %. Для каждого объекта составлено по 20 вариативных рядов КСЯ.
С помощью программы «Spectn проведено моделирование съёмочного процесса и оценка возможности определения количественного состава объектов в смешанных классах по изображениям, полученным различными системами дистанционного зондирования. Исследования заключались в создании групп смешанных классов с различным процентным соотношением объектов, входящих в классы, оценке качества их распознавания в зависимости от изменения содержания классов, набора каналов съёмочной системы и метода классификации. Для создания групп смешанных классов были выбраны следующие комбинации объектов: 1 - «Сосна-Берёза», 2 - «Сосна-Дорога», 3 - «Почва заболо-ченная-Сосна», 4 - «Мох на болоте-Сосна», 5 - «Сосна-Болото», 6 - «Хвойные породы-Лиственные породы». Классы в группах формировались с изменением процентного соотношения одних и тех же объектов с шагом 10 % (по комбинациям 1,2 сформированы группы по девять классов) и 35 % (по комбинациям 1-6 сформированы группы по три класса). В разных сериях экспериментов величины максимального изменения процентного содержания объектов в классе (Ала» Щ задавались равными 5 % или 20 %. В качестве моделируемых съёмочных систем заданы: МКФ-6 (каналы 3, 4), МКФ-6 (каналы 1 - 3), МКФ-6 (каналы 1 - 4), МКФ-6 (каналы 1 - 5), Landsat (каналы 1 - 3). Перечень каналов съёмочных систем ограничивался из-за отсутствия информации о спектральных характеристиках объектов в некоторых зонах спектра. Исследования по определению количественного состава объектов в смешанных классах показали, что варианты классификации по методу максимального правдоподобия и минимальных взвешенных расстояний обеспечивают практически одинаковую достоверность распознавания разных типов объектов. При дешифрировании спектрально различимых классов с шагом смешивания объектов 35 % достигается высокая точность распознавания (от 85 % до 98 %), что соответствует СКО определения количественного состава объектов в смешанных классах от 12% до 17%. При смешивании объектов с шагом 10% имеет место значительное наложение графиков КСЯ классов и более низкое качество дешифрирования (достоверность от 38 % до 85 %), СКО определения количественного состава объектов в смешанных классах составила от 5 % до 14 %.
Полученные результаты свидетельствуют о принципиальной возможности использования автоматизированного дешифрирования космических снимков для определения породного состава лесонасаждений в соответствии с требованиями «Инструкции по проведению лесоустройства в лесном фонде России» [152]. В работе также проведено исследование выбора оптимальных съёмочных систем и спектральных каналов с целью повышения достоверности дешифрирования интересующих объектов, определение общей зависимости достоверности дешифрирования от числа спектральных каналов и их диапазонов. По космическому снимку, полученному камерой МКФ-6 на территорию Ямало-Ненецкого автономного округа, выполнено дешифрирование с использованием ГИС ERDAS IMAGINE. Выявленные при полевом обследовании местности и дешифрировании снимков классы объектов приняты за основные при моделировании процесса формирования изображения. Таким образом, задано 13 классов: «Озеро полузаросшее» - ОП; «Дорога грунтовая» - ДГ; «Река» — Р; «Пушицево-сфагновое сообщество верхового болота» - Б 1; «Клюквенно-осоково-сфагновое сообщество верхового болота» - Б 2; «Сухостойные деревья» - С Д; «Сосна» - С; «Берёза» - БР; «Хвойные породы» - ХП; «Лиственные породы» - ЛП; «Мох в заболоченной низине» - М; «Тип 1: кочка торфяная, берега рек, песок» -ТІ; «Тип 2: шоссе, строения, почвы оиодзоленные» — Т 2. В качестве моделируемой съёмочной системы задана система МКФ-6. Для анализа качества дешифрирования снимков использовались все возможные комбинации из двух, трёх, четырёх, пяти каналов, кроме канала 6, для которого отсутствовала информация о спектральных характеристиках данных классов объектов.
Исследование точечной имитационной модели популяции сибирского шелкопряда в дискретном времени
Целью данного исследования является проверка качественного и количественного соответствия разработанной точечной модели популяции сибирского шелкопряда и данных натурных наблюдений за его численностью. В качестве исходных материалов использовались: - данные систематического учёта численности сибирского шелкопряда в темнохвоиных лесах Енисейского кряжа [114]; - программа «Single Model», предназначенная для исследования точечной модели популяции сибирского шелкопряда в дискретном времени. Исследуемая модель, рассмотренная в 2.5.1, относится к группе точечных имитационных моделей в дискретном времени (в качестве единицы временного шага / выбран один календарный год). Параметры модели М, К\, К2 #з rmax» /l min» w 2 определены на основе данных систематического учёта численности сибирского шелкопряда в темнохвоиных лесах Енисейского кряжа в 1956 - 1972 гг. [114] (приложение Л, таблица Л.1, рисунок Л.1). В этот период коэффициент размножения колебался в интервале от 0,008 до 11. Высокие значения максимальных коэффициентов размножения можно объяснить действием модифицирующих факторов М, которые увеличивают коэффициент размножения в 3-4 раза.
Вне действия модифицирующих факторов максимальный коэффициент равен 4. С учётом смертности от различных регулирующих механизмов можно принять, что максимальное значение коэффициента размножения rmax составляет около 5. Численность популяции К$ ПРИ которой обеспечивается равновесное состояние в результате внутривидовой конкуренции, по тем же данным [114] получена равной от 3000 до 4000. Для популяции сибирского шелкопряда в зоне устойчивого равновесия минимальное значение коэффициента размножения будет при численности К\ «1. Значение параметра f\ m;n с учётом величины коэффициента размножения rmax в соответствии с формулой (21) должно быть меньше, чем у , и для данной модели составило 0,1. Пороговое значение численности популяции / 2, при котором перестают действовать инерционные механизмы регуляции, определено на основе данных учёта и составляет 0,5. Задержка инерционного механизма п не превышает одного шага. Параметр функции инерционного механизма fa (формула (25)) может быть определён при переходе от регуляции численности популяции безинерционными механизмами к регуляции инерционными, когда Nt « Nt_n, и получен равным 0,1. Значение модифицирующих факторов коэффициента размножения на шагах 1 и 2 (М\ и Mi) принято равным 5, начальная численность (Лг0) задана равной 0,3, что соответствует численности популяции сибирского шелкопряда в стабильном состоянии. Численное моделирование популяции сибирского шелкопряда с использованием указанных значений параметров выполнено с помощью программы «Single Model»; результаты моделирования приведены в приложении JI (таблица JI.2, рисунок Л.2), на основе которых построены графики изменения численности, коэффициента размножения и фазовый портрет вспышки размножения насекомых. На рисунке 31 показано распределение численности насекомых на различных временных шагах. На графике хорошо выделяются процессы нарастания численности, спада и стабилизации численности. Максимальная численность наблюдается на шаге 6, соответствующем шестому году градационного цикла популяции.
На рисунке 32 показано распределение коэффициента размножения. На седьмом шаге в результате действия безинерционных регулирующих механизмов коэффициент размножения становится меньше единицы, и популяция переходит в зону разреживания и депрессии. На рисунке Л.2 приложения Л приведён фазовый портрет точечной модели популяции сибирского шелкопряда. Фазовый портрет позволяет более детально анализировать вспышку размножения, так как отображает и численность (по оси х) и коэффициент размножения (по оси у). На графике хороню выделяются фазы нарастания численности (be), максимума численности (cd), разреживания (de) и депрессии (eh) (резкое снижение численности). Популяция уходит из зоны действия инерционных механизмов (естественных врагов) и начинает восстанавливать численность (hk). Затем происходит стабилизация численности. Таким образом, компьютерное моделирование численности популяции сибирского шелкопряда, проведённое с использованием разработанной математической модели, показало хорошее качественное и количественное согласование результатов с данными систематического учёта, приведёнными в источнике [114] (приложение Л). Значения параметров, по которым производилась оценка результатов моделирования, приведены в таблице Л.З.
