Содержание к диссертации
Введение
Глава 1. Анализ возможностей использования методов дистанционного зондирования для региональной оценки экологического состояния лесов 10
1.1 Характеристика лесов Московской области и задачи региональной оценки лесного покрова 10
1.2 Возможности существующих спутниковых систем наблюдения Земли для оценки состояния лесов на региональном уровне
1.3 Спектральные отражательные свойства растительности и использование спектральных вегетационных индексов для мониторинга лесов 33
1.4 Методы и алгоритмы анализа данных дистанционного зондирования для мониторинга лесов 42
1.4.1 Методы предварительной обработки спутниковых изображений 42
1.4.2 Методы классификации спутниковых изображений 46
1.4.3 Программное обеспечение анализа спутниковых изображений и использования географических баз данных для оценки состояния лесов 55
1.5 Основные методические положения региональной экологической оценки состояния лесов по данным спутниковых наблюдений 58
Выводы к первой главе 67
Глава 2. Картографирование лесов по многоспектральным спутниковым данным высокого пространственного разрешения ... 69
2.1 Формирование экспериментального набора спутниковых изображений Landsat-ETM+ на регион исследований 69
2.2 Метод взаимной радиометрической нормализации спутниковых изображений Landsat-ETM+ 71
2.3 Оценка разделимости и классификация типов лесного покрова по спутниковым изображениям Landsat-ETM+ 80
Выводы ко второй главе 87
Глава 3. Оценка характеристик экологического состояния лесов по спутниковым данным MODIS 88
3.1 Формирование экспериментального набора данных MODIS 88
3.2 Оценка разделимости и классификация типов лесного покрова по спутниковым изображениям MODIS 93
3.3 Использование спектральных вегетационных индексов по данным MODIS для экологической оценки состояния лесного покрова 101
Выводы к третьей главе 105
Глава 4. ГИС-анализ экологического состояния лесного покрова Московской области 107
4.1 Структура банка данных ГИС экологического состояния лесов Московской области 107
4.2 Оценка лесистости территории на основе комплексного использования результатов анализа данных спутниковых наблюдений MODIS и Landsat-ETM+
4.3 Анализ взаимосвязей между значениями спектральных индексов для различных типов лесного покрова и уровнем антропогенной нагрузки на территорию региона 114
Выводы к четвёртой главе 121
Заключение 122
Литература 124
- Возможности существующих спутниковых систем наблюдения Земли для оценки состояния лесов на региональном уровне
- Метод взаимной радиометрической нормализации спутниковых изображений Landsat-ETM+
- Оценка разделимости и классификация типов лесного покрова по спутниковым изображениям MODIS
- Оценка лесистости территории на основе комплексного использования результатов анализа данных спутниковых наблюдений MODIS и Landsat-ETM+
Введение к работе
Леса России имеют важное социально-экономическое и экологическое значение. Они представляют собой источник ценных ресурсов, обеспечивают сохранение в связанном состоянии значительной части мирового запаса углерода, выступают в качестве экологического каркаса для сохранения биоразнообразия экосистем, а также выполняют множество других биосферных функций.
В то же время леса России, выполняющие глобальную экологическую миссию, испытывают на себе влияние различных негативных факторов, например, таких как, пожары, насекомые-вредители, болезни, вырубки, промышленные загрязнения. Самой распространенной причиной гибели лесов являются лесные пожары. Основная часть насаждений, погибших от пожаров, находится в Сибири и на Дальнем Востоке. Леса ежегодно подвергаются нападениям насекомых вредителей, таких, как сибирский и непарный шелкопряд, короед-типограф, площади очагов поражения от которых исчисляются миллионами гектаров.
Существующее представление о том, что в мире еще сохранились лесные территории, полностью избежавшие влияния человека, в действительности неверно. Вся поверхность Земли в то или иное время испытывала прямое или косвенное воздействие человеческой деятельности [1].
В частности, леса Московской области испытывают на себе сильное антропогенное влияние, обусловленное близостью к мегаполису с более чем десяти миллионным населением. Это выражается в высоком уровне загрязнения атмосферы и почвенного покрова, изменениях гидрологического режима при строительстве инфраструктуры, вырубке лесов в целях последующей застройки территории, повышенной рекреационной нагрузке, часто приводящей к пожарам [2].
Для улучшения состояния лесов и поддержания их роли в регулировании природных процессов необходима разработка новых методов управления лесами, базирующихся на современных методах спутникового мониторинга и информационных технологиях [3]. Новые задачи в области управления лесным хозяйством требуют интеграции существующих знаний о функционировании лесных экосистем разного пространственного уровня, пересмотра принципов организации информационного обеспечения лесной отрасли, расширения его содержания. Решение этих задач наиболее перспективно в рамках развитых геоинформационных систем, позволяющих объединить информационные потоки в лесоустройстве, лесной промышленности, лесобиологической науке и охране окружающей среды.
Анализ публикаций показывает, что глобальная деградация лесов, определяющаяся комплексом фактором, в значительной мере сопряжена с загрязнением окружающей среды. При этом отмечается, что если бы даже удалось полностью остановить на текущий момент загрязнение воздуха промышленными выбросами, то накопившееся в лесных экосистемах значительные количества загрязнителей, изменяющих нормальный ход экологических процессов, не приостановит деградацию лесов в течение достаточно длительного времени. При этом регулирование антропогенного воздействия на природу на практике осуществляется, как правило, когда сам факт глубокой деградации становится очевидным и требуется принятие специальных мер по ликвидации негативных последствий [4].
За прошедшее десятилетие существенно изменилось понятие о сущности мониторинга лесов и решаемых в процессе его функционирования задачах, получили новое развитие технические средства дистанционного зондирования Земли с авиационных и космических носителей. Стало реальным систематическое получение аэрокосмической информации в виде многоспектральных изображений местности в оптическом и радиодиапазонах с пространственным разрешением от единиц сантиметров до километров. Разработаны новые научно-методические основы интерпретации материалов
7 дистанционных съемок и решения на их основе различных задач лесоведения и лесного хозяйства.
Согласно существующей концепции мониторинга лесов, выделяются глобальный, континентальный, региональный и локальный уровни наблюдения, различающиеся функциональными задачами, территориальным охватом, а также требованиями к пространственной и тематической детальности получаемой информации. К особенностям регионального мониторинга лесов, охватывающем крупные административные или природные территориальные образования, относится необходимость комбинированного использования спутниковых данных в широком диапазоне величин пространственного разрешения.
При этом экологическая оценка лесного покрова на уровне региона требует обоснования соответствующих индикаторов, доступных для определения с использованием данных спутниковых наблюдений, и позволяющих оценивать структуру и состояние лесов с точки зрения эффективности выполнения ими средозащитных и биосферных функций в условиях возрастающего влияния антропогенной нагрузки, что обуславливает актуальность темы настоящей диссертационной работы.
Цель и задачи исследования. Основной целью диссертационной работы являлась разработка методики региональной оценки экологического состояния лесов по данным спутниковых наблюдений и ее экспериментальная апробация на примере Московской области. Достижение указанной цели потребовало решения следующих научных задач:
Проведение анализа возможностей современных спутниковых систем дистанционного зондирования в интересах решения задач экологического мониторинга лесов;
Обоснование системы индикаторов экологического состояния лесов и разработка методики их оценки с использованием данных дистанционного
8 зондирования различного пространственного разрешения и ГИС-технологий;
Разработка методов предварительной и тематической обработки многоспектральных данных спутниковых наблюдений с целью оценки индикаторов экологического состояния лесов;
Экспериментальная апробация разработанной методики оценки экологического состояния лесов по данным спутниковых наблюдений на примере Московской области.
Научная новизна и основные результаты диссертационной работы.
Проведенные в рамках диссертационной работы исследования и разработки позволили получить следующие, обладающие научной новизной, основные результаты:
Предложена система индикаторов экологического состояния лесов и разработана методика их региональной оценки с использованием данных дистанционного зондирования со спутников и ГИС;
Разработан метод взаимной радиометрической нормализации разнородных по условиям съемки спутниковых изображений высокого пространственного разрешения в интересах регионального картографирования лесов;
Разработан метод региональной оценки лесистости территории на основе сочетания данных спутниковых наблюдений среднего (MODIS) и высокого (Landsat-ETM+) пространственного разрешения;
Разработан и апробирован по спутниковым данным MODIS метод использования спектральных вегетационных индексов для оценки состояния хвойных лесов в условиях повышенной антропогенной нагрузки;
На основе разработанной методики сформирована база данных об индикаторах экологического состояния лесов Московской области по результатам обработки данных спутниковых наблюдений.
9 Практическая значимость.
Проведенные в рамках диссертационной работы исследования позволили разработать методику оценки экологического состояния лесов в интересах регионального планирования и охраны окружающей среды. Комплексное использование данных дистанционного зондирования различного пространственного разрешения и ГИС-технологий открывают возможность проведения регионального мониторинга экологического состояния лесов на регулярной основе. Разработанные методические подходы апробированы на примере Московской области и могут найти использование в региональных органах управления лесами и природоохранных организациях.
Апробация.
Основные положения диссертационной работы доложены на четырех научных конференциях МИИГАиК и РЖИ РАН по вопросам развития и использования методов дистанционного зондирования окружающей среды.
Публикации.
По результатам исследований и разработок опубликовано шесть печатных работы по теме диссертации в российских научных изданиях и сборниках докладов конференций.
Структура и объем диссертации.
Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Объем диссертации составляет 130 страниц, включая 29 рисунков и 16 таблиц.
Возможности существующих спутниковых систем наблюдения Земли для оценки состояния лесов на региональном уровне
Дистанционное зондирование - это получение информации о свойствах объектов или явлений с помощью регистрирующего устройства, не имеющего с ними непосредственного контакта. При изучении земной поверхности дистанционными методами носителем информации об объектах служит их собственное или отраженное изучение. При этом в последнем случае отражаться может как излучение Солнца, так и искусственное излучение, источник которого расположен на носителе регистрирующего устройства. В исследованиях окружающей среды, как правило, используют часть спектра электромагнитных волн в диапазоне длин 0.3 мкм - 3 м.
Основную часть данных дистанционного зондирования составляют цифровые или фотографические изображения, дающие возможность получения пространственной информации об объекте, и получаемые съемочными системами, размещенными на спутниках или воздушных (самолетах, вертолетах, дельтапланах и т.д.) платформах ДЗ. В соответствии с используемыми платформами ДЗ получаемые данные подразделяют на космические фотоснимки (КФС) и аэрофотоснимки (АФС). При этом спутниковые системы ДЗ обладают рядом преимуществ, в частности, таких как: - возможность проведения регулярных наблюдений одной и той же территории за счет долговременного нахождения спутника на орбите и одновременного использования нескольких спутников; - более низкая стоимость получения данных по сравнению с самолетными системами; - меньшую вероятность случайных искажений получаемых изображений за счет более устойчивого положения спутников на орбите.
Использование данных дистанционного зондирования со спутников для мониторинга лесов получило интенсивное развитие в начале 70-х годов прошлого века в ряде технически развитых стран мира, в частности, таких как СССР, США, Канада, Франция, Германия, Швеция, Финляндия [5]. В настоящее время в России исследования и разработки в области дистанционного зондирования лесов со спутников ведутся целым рядом институтов Российской академии наук, а также отраслевыми научно-исследовательскими и производственными подразделениями Рослесхоза РФ [6, 7]. При этом концепция спутникового мониторинга лесов охватывает широкий спектр лесоинвентаризационных, лесохозяйственных и лесоохранных задач и обеспечивает методологическую базу использования дистанционных методов для их решения [8]. Результаты выполненных теоретических и экспериментальных работ позволили к настоящему времени обосновать перечень задач лесного хозяйства, решение которых целесообразно на основе применения данных дистанционного зондирования, а также разработать методы и технологии изучения лесов и оценки их состояния. Сейчас в России методы дистанционного зондирования становятся неотъемлемой частью технологий инвентаризации лесов и лесоустройства, охраны лесов от пожаров, мониторинга воздействия на леса насекомых и болезней, оценки лесопользования и лесовосстановления, а также ряда других задач лесного хозяйства и охраны лесов [9, 10].
Используемые в дистанционном зондировании системы принято подразделять по технологии получения данных на фотографические, телевизионные, сканерные и радиолокационные [5]. Фотографические системы - это фотокамеры, обеспечивающие одномоментное получение всего кадра снимка в центральной проекции. Аэрофотоаппараты и их модификации - космические фотоаппараты -характеризуются наличием одного или нескольких объективов (со светофильтрами), фокусным расстоянием объектива и размером получаемого кадра. Формат кадра и фокусное расстояние определяют угол поля зрения камеры, с увеличением которого увеличивается территориальный охват съемки, но одновременно ухудшается качество изображения и равномерность освещенности по кадру [11]. На спутниках используют автоматические фотоаппараты, которые позволяют возвращать отснятую пленку на Землю, либо обеспечивают ее фотохимическую обработку, преобразование изображения в электрические сигналы и их передачу по радиоканалам.
Телевизионные камеры, основанные на использовании передающей электронной трубки, во время съемки фиксируют с помощью объектива изображение на экране с последующим сканированием электронным лучом, что позволяет формировать электрический сигнал и передавать его по каналам связи либо записывать на магнитное запоминающее устройство. По сравнению с фотографическими телевизионные изображения менее пригодны для измерений, но позволяют оперативно передавать изображения потребителям по каналам связи.
Сканирующая система регистрации данных ДЗ состоит из сканера с датчиками, укомплектованными детекторами. Системы, расположенные на различных спутниковых платформах, имеют разные конструкции и принципы получения данных. Присваиваемые им уникальные названия и аббревиатуры, как правило, позволяют идентифицировать носитель и съемочную систему (например, LandsatM - это спутник Landsat со съемочной системой Thematic Mapper).
В спутниковых приборах дистанционного зондирования существуют различные типы сканирующих систем. В оптико-механической системе датчик представляет собой качающееся перпендикулярно траектории зеркало, улавливающее отраженную от поверхности Земли солнечную энергию. Записываемый сигнал характеризует интегральное излучение площадки на земной поверхности, соответствующей элементу изображения - пикселю (аббревиатура от "picture element"). Размер такой площадки определяет показатель пространственного разрешения снимка. Колебание зеркала обеспечивает регистрацию строк пикселей снимка, а движение носителя -формирование всего изображения. При этом каждая строка регистрируется одним детектором.
Сканирующая система второго типа отличается тем, что в ней несколько детекторов объединены в линейные массивы, расположенные в направлении движения аппарата. Это обеспечивает параллельность регистрируемых строк. Существуют также сканирующие системы, в которых не используются подвижные части. При этом отражённое излучение попадает на плоское зеркало и затем проектируется на объединенные в линейку светочувствительные детекторы (приборы с зарядовой связью - ПЗС). Линейка расположена поперек трассы полета, а количество детекторов может достигать нескольких тысяч. Такая линейка одновременно регистрирует всю строку снимка в каждой из зон спектра.
Метод взаимной радиометрической нормализации спутниковых изображений Landsat-ETM+
При проведении регионального мониторинга и, в частности, построении карт лесов с использованием данных наблюдений высокого пространственного разрешения, как правило, для обеспечения полного покрытия территории приходится использовать совокупность нескольких, неоднородных по времени и условиям проведения спутниковой съемки, изображений. При этом возникает задача разработки эффективных методов использования разнородных спутниковых изображений с целью минимизации временных затрат и объема необходимых опорных данных при условии обеспечения достаточно высокой тематической точности и информационной детальности получаемых картографических материалов о категориях земель и типах лесной растительности.
Один из возможных методических подходов к решению этой задачи включает раздельную классификацию спутниковых изображений с вводом параметров взаимной коррекции в обучающие выборки, получаемые с использованием областей перекрытия соседних сцен [54]. Альтернативный подход к решению этой задачи предполагает первоначальное проведение взаимной яркостной нормализации спутниковых изображений с целью их последующей совместной классификации. При этом практическая реализация второго из указанных выше подходов может осуществляться с использованием изображения более низкого пространственного разрешения, общего для всех спутниковых сцен [55], или на основе анализа различий яркостей в областях их перекрытия. Последний из указанных подходов лежит в основе метода взаимной яркостной нормализации спутниковых изображений экспериментально апробированного в настоящей работе .
В основу метода взаимной яркостной нормализации совокупности покрывающих территорию региона спутниковых изображений, полученных одним и тем же прибором дистанционного зондирования, положено предположение о том, что, при отсутствии качественных изменений состояния лесов в период между двумя несовпадающими датами наблюдений, различия регистрируемой яркости, прежде всего, связаны с изменениями в характеристиках пропускания и рассеяния излучения атмосферой, а также фенологической динамикой растительного покрова [56].
При этом, следуя предложенному в ряде работ [57, 58] подходу нами была принята линейная модель аппроксимации связи между значениями спектральной яркости на уровне прибора дистанционного зондирования Ra и яркости на нижней границе атмосферы R, согласно следующему выражению: Ra = Tg(Ratm + kR) (2.1), где: Ra - яркость подстилающей поверхности на верхней границе атмосферы; Ratm - яркость отраженного атмосферой излучения; R - яркость подстилающей поверхности на нижней границе атмосферы; Tg - коэффициент пропускания атмосферы; к - коэффициент, зависящий от функции пропускания атмосферы и геометрических условий наблюдения. Следуя результатам ранее проведенных исследований [59] использование линейной модели (2.1) позволяет выразить следующим образом связь значений квантованных уровней яркости для одного и того же участка подстилающей поверхности на двух различающихся временем получения спутниковых изображениях: CNl=aCN2 + b (2.2), где: CN1 и CN2 - уровни яркости участка поверхности в различные моменты наблюдений; а и b - коэффициенты уравнения. Использование выражения (2.2) позволяет предложить простой метод взаимной яркостной нормализации совокупности спутниковых изображений, предполагающий реализацию описанных ниже последовательных этапов. На первом этапе производится выбор базового спутникового изображения, максимально возможно отвечающего следующей группе условий: - наличие областей взаимного перекрытия базового изображения с максимально большим числом спутниковых изображений для региона наблюдения; - наличие в зонах перекрытия спутниковых изображений участков, соответствующих различным, характерным для региона наблюдения, типам лесов; - соответствие даты наблюдения базового изображения наиболее благоприятной для картографирования лесов фазе фенологического развития растительности. В качестве базового было выбрано изображение, полученное 07/07/01, поскольку понятно, что этот период наиболее благоприятен для наблюдения растительности.
Следующий этап метода взаимной яркостной нормализации направлен на формирование сети опорных участков в зонах перекрытия спутниковых изображений для оценки значений коэффициентов уравнения (2.2). При этом предполагается, что предварительное преобразование всех спутниковых сцен в единую картографическую проекцию обеспечивает их геометрическое совмещение в зонах перекрытия с ошибкой, не превышающей половину величины линейного размера пикселя изображения. Опорные участки в зонах перекрытия соответствующих пар изображений выбираются визуально на покрытых лесом территориях исходя из следующих условий: - количество опорных участков должно удовлетворять критериям статистической репрезентативности для проведения линейного регрессионного анализа получаемых данных; - выбранные опорные участки должны обеспечивать максимально возможно широкий охват различных типов лесных насаждений, различающихся уровнем спектральной яркости; - опорные участки должны быть свободны от влияния облачности (или теней от облаков) на обоих спутниковых изображениях, используемых для нормализации; - изображения опорных участков не должны содержать признаков качественных изменений лесного покрова в период между датами получения пары спутниковых изображений.
При этом площадь каждого опорного участка на изображении должна превышать площадь пикселя в несколько раз, что позволяет при последующей оценке средних значений спектральной яркости внутри участков скомпенсировать влияние случайных факторов, таких как, например, импульсный шум или остаточная ошибка взаимного геометрического совмещения изображений.
Измеренные пары значений средней спектральной яркости для соответствующих опорных участков в зонах перекрытия спутниковых изображений используются для оценки методом линейного регрессионного анализа значений коэффициентов уравнения (2.2) независимо для каждого спектрального канала. Получаемые при этом значения линейной корреляции R2 могут служить критерием достоверности оценок коэффициентов регрессионного уравнения и, следовательно, потенциальной эффективности последующей взаимной яркостной нормализации пары спутниковых изображений. В частности низкие значения коэффициента линейной корреляции могут служить основанием для ревизии первоначально выбранной сети опорных участков и итеративного повторения процедуры оценки коэффициентов уравнения.
Оценка разделимости и классификация типов лесного покрова по спутниковым изображениям MODIS
Возможности извлечения из спутниковых данных тематической информации о лесах в значительной степени определяются следующими предпосылками: - особенностями отражаемого поверхностью излучения, как функции типа поверхности, ее структурных и физико-химических характеристик с одной стороны, и, с другой стороны, длин волн электромагнитного излучения, а также времени и угловых условий наблюдения; - возможностями спутникового сенсора по регистрации отраженного излучения как функции упомянутых выше параметров наблюдения; - наличием моделей описания структурных и физико-химических свойств наблюдаемой поверхности в пространстве регистрируемых сигналов, и основанных на них методов анализа данных наблюдений.
Для проведения исследований по оценке разделимости и последующей классификации типов лесного покрова Московской области по данным MODIS использовались очищенные от влияния облаков сезонные композитные изображения за летний (июнь-август) и зимний (декабрь-февраль) периоды спутниковых наблюдений [67]. Данные о спектральных сигнатурах различных типов лесного покрова были получены с использованием выборки опорных данных, подготовленной с использованием карты растительности Московской области, а также результатов классификации лесов по спутниковым изображениям Landsat-ETM+.
Представление об уровне разделимости различных типов наземного покрова в пространстве спектральных яркостей по данным MODIS могут быть получены на основе анализа значений критерия дивергенции и эллипсов рассеяния яркости в пространстве информативных для изучения растительности спектральных каналов.
Полученная с использованием зимнего композитного изображения оценка трансформированной дивергенции для покрытых и непокрытых лесом земель показала максимально возможный уровень разделимости (значение критерия равно 2000), что свидетельствует о возможности выявления участков леса по этим спутниковым данным с высокой достоверностью. Этот вывод также подтверждается анализом спектральных сигнатур двух указанных классов в двумерном пространстве яркостей в красном и ближнем РІК каналах зимнего изображения (рис. 3.2), наглядно свидетельствующем о значительных спектральных различиях между покрытыми и непокрытыми лесом участками. Очевидным объяснением этому факту является высокий контраст между лесными и нелесными территориями ввиду существенно меньшего влияния снега на яркость покрытых лесом участков за счет маскирования покрытой снегом поверхности кронами и стволами древостоев.
Оценка возможностей распознавания различающихся породной структурой насаждений в составе покрытых лесом площадей по данным MODIS проводилась с использованием совокупности летнего и зимнего композитных изображений. При этом в качестве исследуемых на предмет разделимости по спектральным сигнатурам классов были выбраны следующие достаточно широко представленные в Московской области типы лесов: темнохвойные (ель, пихта), светлохвойные (сосна), лиственные (преимущественно береза, осина, ольха) и смешанные насаждения. Результаты выполненных исследований представлены в таблице 3.2 и на рисунке 3.3. 841-876 нм
При этом одной из задач исследования была оценка возможного потенциального вклада данных наблюдений прибором MODIS в зимний период в повышение распознаваемости различных типов леса. В основу предположения о возможном повышении разделимости типов леса за счет совместного использования данных наблюдений MODIS в различные фенологические сезоны был положен факт существенного изменения спектральных отражательных характеристик лиственных и смешанных насаждений за счет опадания листвы в зимний период.
Как следует из представленных в таблице 3.2 данных о значениях критерия трансформированной дивергенции при разделении типов леса по их спектральным яркостям, полученным только по данным спутниковых наблюдений в летний период, а также в результате совместного использования разносезонных данных ожидаемое увеличение разделимости для ряда классов действительно наблюдается. Вместе с тем указанный рост разделимости для большинства исследуемых классов не является существенным, что видимо, обусловлено достаточно высокими спектральными контрастами и, следовательно, высоким уровнем разделимости этих типов леса в летний период спутниковой съемки (рис. 3.3). Тем ни менее, из представленных данных следует, что совместное использование данных разносезонных наблюдений может приводить к довольно значимому повышению достоверности классификации смешанных насаждений за счет их лучшего отделения от светлохвойных лесов.
Большинство широко используемых подходов к картографированию лесов на региональном уровне основано на методах неконтролируемой классификации спутниковых данных с разбиением пространства признаков на большое количество кластеров и последующим присвоением им семантических наименований на основе экспертного анализа. При этом в ходе экспертного анализа наряду с анализом спектрально-отражательных свойств наблюдаемой поверхности необходимо также использовать и методы тематического анализа, разработанные для визуальной интерпретации спутниковых изображений. 841-876 нм
Следуя этим принципам и основываясь на результатах оценки разделимости лесных и нелесных площадей, а также различных типов леса, процесс классификации спутниковых данных MODIS для картографирования лесов Московской области включал следующую последовательность шагов: (і) Неконтролируемая классификация (алгоритм ISODATA) зимнего композитного изображения в двух спектральных каналах (620-670 нм и 841-876 нм) с получением 100 спектральных кластеров. При этом разноканальные изображения были предварительно нормализованы для обеспечения равенства средних значений и дисперсий гистограмм их яркостей; (ii) Идентификация множества полученных кластеров в соответствии с их принадлежностью классу покрытых или непокрытых лесом земель и формирование маски лесного покрова на регион обследования (рис. 3.4); (Ш) Неконтролируемая классификация совокупности летнего (во всех трех спектральных каналах) и зимнего (в красном и ближнем ИК спектральных каналах) композитных изображений с получением 150 спектрально-временных кластеров для участков, ограниченных предварительно полученной маской лесов; (iv) Идентификация множества полученных спектрально-временных кластеров в соответствии с их принадлежностью к различным типам леса и последующим объединением одноименных кластеров в тематические классы .
Оценка лесистости территории на основе комплексного использования результатов анализа данных спутниковых наблюдений MODIS и Landsat-ETM+
Оценка лесистости региона, как одного из ключевых индикаторов экологического состояния лесов, проводилась на основе совместного использования результатов классификации спутниковых данных Landsat ЕТМ+ и MODIS. Целесообразность такого совместного использования спутниковых изображений различного пространственного разрешения продиктована стремлением получения данных о лесистости для всей территории региона при обеспечении максимально возможной точности оценок.
Полиномиальный характер установленной связи объясняется существенным различием величины пространственного разрешения используемых спутниковых данных и свидетельствует о том, что использование данных MODIS приводит к недооценке значений лесистости для малолесных территорий за счет пропуска мелких массивов лесов. Одновременно при значительном уровне лесистости использование данных MODIS приводит к завышению значений этого показателя за счет большого числа смешанных пикселей, классифицируемых как лесной покров. Различия в результатах классификации лесного покрова по данным Landsat-ETM+ и MODIS хорошо видны на рисунке 4.3.
Использование представленного на рисунке 4.2 уравнения позволило уточнить полученные по данным MODIS оценки лесистости для всей территории области. Таблица 4.2 позволяет сравнить непосредственно полученные по данным MODIS значения лесистости для административных районов с откорректированными по результатам классификации изображений Landsat-ETM+ данными. При этом необходимо отметить, что непосредственно полученное по данным MODIS среднее для области значение лесистости (37,9%) оказалось существенно ближе после проведения процедуры коррекции (41,8%) к данным официальной статистики (41%) [2], что может служить свидетельством эффективности предложенного подхода по совместному использованию спутниковых данных среднего и высокого пространственного разрешения.
Интеграция, отражающих содержание хлорофилла и влагообеспеченность лесной растительности, средних значений спектральных индексов NDVI и NDWI для хвойных и лиственных насаждений в базу данных ГИС на уровне ячеек регулярной сети позволила провести анализ их взаимосвязей с данными об уровне антропогенной нагрузки на территорию.
Проведенный анализ выявил наличие статистически значимой положительной корреляции между значениями NDWI и NDVI для хвойной растительности (рис. 4.5). Этот факт видимо является следствием более высокой чувствительности хвойных лесов к уровню антропогенной нагрузки, а также взаимосвязи между усыханием (обезвоживанием) и снижением концентрации хлорофилла в лесной растительности. В тоже время для лиственной растительности такой связи отмечено не было (рис. 4.6). Одним из объяснений этому может являться то, что лиственные леса менее подвержены антропогенному влиянию в силу характерной для них сезонной дефолиации и, следовательно, частичному выводу вредных веществ из органов древесных растений. Кроме того, необходимо учитывать, что к особенностям Московской области относится существенно меньшая доля лиственных насаждений на территориях, характеризующихся высокими уровнями загрязнения.
При анализе рисунка 4.5, отображающем связь спектральных индексов для хвойных лесов видно, можно предположить, что соответствующая области низких значений обоих спектральных индексов растительность находится в более угнетённом состоянии по сравнению с другими хвойными насаждениями области.
Подтверждением этому предположению могут служить результаты анализа взаимосвязи значений спектральных индексов для хвойных лесов с независимо полученными данными об уровне антропогенной нагрузки на территорию области, сравнение которых в ячейках регулярной сети демонстрирует очевидную пространственную корреляцию (рис. 4.7). В частности из рисунка 4.7 видно, что находящиеся в условиях критической антропогенной нагрузки территории, как правило, соответствуют ячейкам с относительно низкими значениями спектральных индексов NDVI и NDWI.
Дальнейший анализ также продемонстрировал очевидную тенденцию к снижению средних значений обоих спектральных индексов для хвойных лесов по мере роста уровня антропогенной нагрузки на территорию (рис. 4.8). При этом можно наблюдать, что для спектрального индекса NDWI характерно более устойчивое снижение значений после достижения некоторых критических значений уровня антропогенной нагрузки, что может служить его характеристикой, как более чувствительного, по сравнению с NDVI, индикатора экологического состояния лесов. Из сравнения динамики обоих спектральных индексов можно также предположить, что реакция лесов на возрастание антропогенной нагрузки, проявляющаяся в снижении концентрации хлорофилла происходит с некоторой задержкой после начала процессов обезвоживания древесной растительности.
Похожие диссертации на Разработка методики региональной экологической оценки состояния лесов по данным спутниковых наблюдений
