Содержание к диссертации
Введение
ГЛАВА 1. Анализ современного состояния вопроса 11
1.1. Физические основы дистанционного обнаружения загрязнений океана 11
1.1.1. Основные типы антропогенных и природных загрязнений морской среды 11
1.1.2. Физические особенности проявления загрязнений на морской поверхности 13
1.1.3. Основные признаки морской среды, по которым возможно обнаружения загрязнений дистанционными методами 18
1.2. Методы и аппаратура дистанционного зондирования загрязнений морской поверхности 20
1.2.1. Основные классы средств дистанционного зондирования 20
1.2.2. Оптическая аппаратура дистанционного зондирования 22
1.2.3. Радиолокационное зондирование морской поверхности 25
1.3. Методы обработки аэрокосмических изображений морской поверхности 27
1.3.1. Спектральный подход к описанию поверхностного волнения .27
1.3.2. Оптические и оптико-цифровые методы спектральной обработки изображений морской поверхности 28
1.3.3. Цифровые методы обработки изображений 31
1.3.4. Геоинформационные технологии, используемые при дистанционном мониторинге загрязнений морей и океанов 34
1.4. Выводы к Главе 1 36
ГЛАВА 2. Методы и программно-аппаратньге средства обработки оптических и радиолокационных изображений для выделения загрязнений морской поверхности 38
2.1. Методика выделения загрязнений морской среды по данным цифровой пространственной спектральной обработки оптических изображений 38
2.2. Методика обработки радиолокационных изображений для выявления антропогенных воздействий на морскую среду 42
2.2.1. Основные положения методики 42
2.2.2. Метод скользящего статистически обеспеченного окна 44
2.2.3. Пространственный спектральный анализ радиолокационных изображений 46
2.2.4. Выбор информативных признаков и классификация загрязнений по радиолокационным изображениям 47
2.3. Доработка программно-алгоритмического обеспечения и его адаптация для обнаружения загрязнений морской поверхности 48
2.3.1. Общие положения по доработке программно-алгоритмического обеспечения 48
2.3.2. Структурно-функциональная организация специализированного пакета программ 49
2.3.3. Ввод и обработка аэрокосмических изображений 54
2.3.4. Предварительная обработка изображений 55
2.3.5. Преобразование изображений 57
2.3.6. Статистический анализ информативных признаков и классификация объектов по изображениям 61
2.3.7. Формирование массивов информативных признаков и пополнение баз данных 67
2.4. Технические средства цифровой наземной обработки изображений морской поверхности 69
2.5. Выводы к Главе 2 72
ГЛАВА 3. Обработка оптических и радиолокационных аэрокосмических изображений прибрежных акваторий ... 74
3.1. Результаты пространственной спектральной обработки оптических изображений сликовых полей, вызванных внутренними волнами в результате сброса сточных вод 74
3.2. Результаты обработки оптических изображений морской поверхности с пленками поверхностно-активных веществ 78
3.3. Результаты пространственной спектральной обработки радиолокационных изображений морской поверхности в области антропогенных воздействий 82
3.4. Результаты предварительной обработки радиолокационных изображений морской поверхности с пленками ПАВ и нефтепродуктов 91
3.5. Результаты автоматизированного выделения поверхностных загрязнений по радиолокационным изображениям методом скользящего статистически обеспеченного окна 97
3.6. Сопоставление результатов обработки радиолокационных изображении, полученных с помощью различных программных средств 106
3.7. Методика совместной обработки радиолокационных и оптических изображений морской поверхности 108
3.8. Выводы кГлаве 3 113
ГЛАВА 4. Применение разработанных методов и алгоритмов для мониторинга антропогенных воздействий на прибрежные акватории 115
4.1. Схема проведения мониторинга акватории Черного моря у полуострова Крым 115
4.2. Результаты совместной обработки оптических и радиолокационных изображений при мониторинге прибрежных акваторий Черного моря 116
4.3. Результаты анализа загрязнений морской поверхности по космическим радиолокационным изображениям 119
4.4. Организация мониторинга акватории Флоридского залива на основе анализа космических изображений 130
4.4.1. Структурная схема дистанционного мониторинга Флоридского залива 130
4.4.2. Характеристики района и выбор объектов исследований 132
4.4.3. Отбор информации 136
4.5. Обработка и дешифрирование аэрокосмических изображений Флоридского залива 141
4.5.1. Предварительная обработка изображений 141
4.5.2. Трансформирование снимков 141
4.5.3 Дешифрирование геопривязанных изображений 143
4.6. Технология создания карт плотности произрастания морской травы по космическим изображениям Флоридского залива 144
4.7. Анализ состояния акватории Флоридского залива 145
4.7.1. Анализ производных продуктов плотности морской травы... 145
4.7.2. Анализ динамики роста морской травы методом сопоставления карт 152
4.7.3. Оценка изменения состояния экосистемы залива под влиянием антропогенных факторов 155
4.8. Выводы к Главе 4 156
Заключение 158
Список литературы 161
- Основные признаки морской среды, по которым возможно обнаружения загрязнений дистанционными методами
- Структурно-функциональная организация специализированного пакета программ
- Результаты пространственной спектральной обработки радиолокационных изображений морской поверхности в области антропогенных воздействий
- Технология создания карт плотности произрастания морской травы по космическим изображениям Флоридского залива
Основные признаки морской среды, по которым возможно обнаружения загрязнений дистанционными методами
Таким образом, контраст спектральных компонент ряби в области ПАВ в первом приближении определяется отношением вязких декрементов затухания соответствующих компонент волнения при наличии и в отсутствие пленки [72]. Абсолютная величина контраста зависит от длины волны и параметров пленки и может достигать величин 10 - 20 дБ [72,96].
Частотная зависимость степени подавления ряби имеет максимум в области пространственных частот к = 1-4 см"1 (длина волны X = 1,5-6,3 см, что соответствует временным частотам 5-15 Гц) [96]. По данным [52], диапазон поверхностных волн, в которых наблюдаются значительные пленочные контрасты, несколько шире и составляет к = 0,3-4 см 1 (X - 1,5-15 см). Отмечается, что наличие пленок ПАВ приводит также к некоторому ослаблению и более длинноволновых (метровых) компонент поверхностного волнения, что объясняется, главным образом, уменьшением перекачки энергии из-за нелинейных взаимодействий при подавлении высокочастотных компонент волнения [73].
Положение границы скачка диссипации зависит как от концентрации и химического состава пленки, так и от скорости ветра, смещаясь в область больших концентраций ПАВ при увеличении скорости ветра [52,73]. Это связано с нарушением условия равновесия и частичным разрушением сплошной пленки. При этом процесс вязкой диссипации энергии ряби становится нестационарным, сплошная пленка образуется только при избыточной концентрации ПАВ [52,73]. Таким образом, форма и размеры слика на морской поверхности изменяются при изменениях скорости ветра.
Время жизни сликов, обусловленных пленками ПАВ в области сбросов сточных вод, также зависит от характера загрязнений и скорости ветра. Практически в любом случае оно достигает нескольких часов, а при больших объемах загрязнений - нескольких суток и более [10,11,52].
Как антропогенные, так и природные пленки ПАВ являются индикатором картины приповерхностных течений для районов наблюдений [10,11,84]. При слабых и умеренных ветрах (до 4-5 м/с) картина сликовых пятен и полос дает представление о структуре течений, которая, в свою очередь, является функционалом от таких параметров, как: дрейфовые, струйные, приливные, вихревые течения в глубинной и шельфовой зоне, стратификация глубинных слоев, рельеф дна, структура береговой линии, ветровое поле [25,84]. Наиболее сложным образом выглядит структура локальных течений в прибрежных зонах, где чаще всего наблюдаются пленки ПАВ, что наиболее важно в случае течений, связанных со сбросами сточных вод [17,26,84].
Исходя из общей физической картины явлений, в работах [14,17,19,27,90,105] сформулированы основные признаки, по которым потенциально возможно обнаружение антропогенных и природных загрязнений морской среды с помощью дистанционных методов. Эти признаки можно разделить на пять типов [17,19, 27,105].
Первый тип относится к изменению оптических характеристик толщи морской воды под воздействием струи загрязненных вод. Это изменение проявляется в увеличении мутности воды за счет [1,17,19, 26 ,27,90,105,]: а - увеличения рассеяния света морской водой вследствие повышения концентрации взвешенного вещества, б - увеличения поглощения света морской водой вследствие повышения концентрации поглощающего растворенного органического вещества. Здесь потенциально возможно использование как пассивных, так и активных оптических методов.
Второй тип признаков относится к изменению гидродинамических параметров водной среды за счет ее турбулизации, а также за счет возбуждения внутренних волн всплывающей струей загрязненных вод [17,26,27,105]. Турбулентность приводит к изменению гидрооптических характеристик воды и пространственной структуры поверхности, которые могут обнаруживаться лидарными методами [28]. Внутренние волны могут регистрироваться оптическими методами в толще воды и по их проявлениям на поверхности, а радиолокационными - по их проявлениям на поверхности [10,11, 17-22,27].
Третий тип признаков относится к изменению физико-химических характеристик морской среды. Это проявляется в [17, 19,27,105]: - изменении содержания растворенных органических веществ; - изменении общего содержания фосфора и азота; - изменении содержания тяжелых металлов; - изменении содержания растворенного кислорода; - изменении температуры и солености морской воды, а также других параметров. Содержание растворенных органических веществ может быть измерено дистанционными методами путем анализа спектров комбинационного рассеяния и флуоресценции, возбуждаемых лазерным излучением. Для измерения остальных параметров могут быть использованы лазерно-искровой метод, метод лазерной корреляционной спектроскопии, метод когерентного антистоксова рассеяния света. Те характеристики, которые не поддаются измерению с помощью дистанционных средств, могут быть измерены с помощью контактных методов [17,19, 27,90,105].
Четвертый тип признаков связан с изменением свойств пленки поверхностно активных веществ, в том числе нефти, на поверхности моря за счет всплывания растворенной органики. Изменение этих свойств ведет к изменению амплитудно-частотных характеристик поверхностного волнения, что, как известно, может регистрироваться дистанционными методами. Кроме этого, повышение концентрации растворенной органики в приповерхностных слоях воды может регистрироваться флуоресцентными лидарами [17,19, 27,28, 90, 105].
К пятому типу признаков можно отнести косвенные признаки, например, изменение состояния фитопланктона, присутствующего в морской среде. Как всякая биологическая система, фитопланктон весьма чувствителен к изменению внешних условий и, в частности, к антропогенным воздействиям, таким как сбросы сточных вод. Изменение состояния фитопланктона приводит к изменению спектральных характеристик сигналов флуоресценции, что может быть обнаружено дистанционными методами [17,19,27,90,105].
Структурно-функциональная организация специализированного пакета программ
При помощи специализированных программных средств производится расчет следующих информативных признаков: среднее значение яркости В ; дисперсия яркости D; площадь S; значение максимума Втах; координаты максимума Xmax, Ymax; значение минимума Bmin; координаты минимума Хпіп, Ymi„; координаты центра тяжести X, Y; интегральные признаки : моменты Moo, Moi,M}o, МЦ, Мог, М2О\ моменты инерции: Jj, J2; размер максимальной вытянутости фигуры Rmax, размер минимальной вытянутости фигуры Rmi„
На основе полученных информативных признаков изображений и/или их спектров производятся процедуры классификации аномальных явлений поРЛИ. Для выбора оптимальных информативных признаков, необходимых при проведения последующей классификации участков изображений производятся следующие процедуры: - формируются тестовые (обучающие) выборки информативных признаков для аномалий и фона; - построение гистограмм распределения информативных признаков тестовых (обучающих) выборок для фона и аномалий на одной масштабной сетке; - расчет межклассовых расстояний (Колмогорова-Смирнова, Крамера фон Мизеса, Джеффриса-Матуситы, Бхаттачария, дивергенции, Махаланобиса, Евклида по известным формулам [33,91,111,115]) - определение максимальных значений этих расстояний с целью выбора оптимальных информативных признаков для проведения процедуры классификации; - классификация исследуемых участков РЛИ - отнесение исследуемых участков к классам "фон" или "аномалия" на основе одного из критериев (отношение максимального правдоподобия, Неймана-Пирсона, отношение правдоподобия, линейный дискриминант Фишера) в одно- или двумерном пространстве информативных признаков изображений или их спектров [33,91,111,115]. После проведения процедур классификации на изображении с использованием ГИС-технологий обозначаются участки чистой морской поверхности и загрязненные участки, и таким образом формируется схема (либо карта) загрязнений исследуемой акватории. Общие положения по доработке программно-алгоритмического обеспечения Для реализации предложенных методов необходима разработка соответствующего программно-алгоритмического обеспечения (ПАО) обработки данных ДЗ.
В настоящее время существует довольно много пакетов программного обеспечения, предназначенных для работы с аэрокосмическими изображениями, которые рассмотрены в главе 1. Однако эти пакеты ориентированы, как правило, на проведение предварительной обработки изображений путем преобразования их в форму, удобную для последующего визуального и полуавтоматизированного дешифрирования.
Для автоматизированного выделения на аэрокосмических изображениях интересующих исследователя объектов окружающей среды, а также расчета параметров этих объектов необходимо использовать не только процедуры улучшения качества изображений, но и алгоритмы классификации и вычисления значимых характеристик среды по различным информативным признакам [11, 15,22-24,36,37].
В работах [2,3,10,11,13,15,23,24,29,36] была предложена система эффективных информативных признаков для классификации объектов на аэрокосмических изображений, которая позволяет определить принадлежность объекта к заданному классу. На основе разработанных в [2,3,11,23,24,29] методов обработки информации, реализующих как алгоритмы классической теории цифрового анализа информации, так и оригинальные алгоритмы, были созданы пакеты программ, предназначенные для автоматического дешифрирования изображений по выбранным информативным признакам (энергетическим, пространственно-частотным, геометрическим, топологическим и т.п.), а также определения значимых параметров среды по данным ДЗ [11,14,15,17,35].
Недостатком созданного программного обеспечения являлась функциональная разобщенность двух основных программных модулей -модуля предварительной обработки изображений и модуля статистического анализа и классификации. Это затрудняло проведение процедур классификации объектов по аэрокосмическим изображения в полуавтоматическом режиме, что необходимо при проведении обработки больших массивов данных.
Для устранения этого недостатка под руководством автора были доработаны пакеты программ и созданы дополнительные программные модули, которые осуществляют формирование массивов информативных признаков и пополнение информации в базах данных, что позволило создать единый программный пакет с целью последующего использования его в качестве основного при практической реализации предложенных методов обработки аэрокосмических изображений [38, 40] .
Результаты пространственной спектральной обработки радиолокационных изображений морской поверхности в области антропогенных воздействий
Как было описано выше, выходными данными программного комплекса предварительной обработки являются файлы информативных признаков - каждому изображению или его двумерному пространственному спектру соответствует свой файл. Пример файла с рассчитанными информативными признаками приведен на рис. 2.6. Так, при выполнении процедур, в соответствии с разработанными методиками обнаружения и классификации антропогенных загрязнений морской среды, количество файлов информативных признаков может достигать нескольких сотен и более.
С помощью разработанного программного модуля полученные файлы информативных признаков объединяются в единые файлы массивов яркостных В, интегральных I и динамических V информативных признаков изображений Хё = \BJ,Vj и их спектров X. =\B,1,V], состоящих из всей совокупности рассчитываемых признаков, которые могут затем использоваться для пополнения существующих баз данных, содержащих характеристики различных природных образований.
Для проведения анализа информативных признаков и классификации исследуемых объектов по их изображениям или спектрам необходимо сформировать входные данные для программного модуля статистического анализа и классификации (рис. 2.4). Это производится путем формирования выборок яркостных, интегральных и динамических информативных признаков из единых массивов признаков изображений Хё ={B,I,VJ И спектров X =\B,I,v\: из массивов Х- =[B,I,Vj формируются выборки Хё ={в], Х6 ={/}, Хй_ ={iP}, а из массивов Х ={B,l,v} формируются выборки Х = {в}, XSi = {/}, Xs = { }.
С использованием полученных таким образом выборок информативных признаков изображений и их спектров производится выделение участков с проявлениями антропогенных загрязнений.
Помимо блоков формирования массивов и выборок информативных признаков в состав рассматриваемого программного модуля входят сервисные блоки, позволяющие осуществлять просмотр и листинг получаемых данных.
В отличие от бортовых комплексов, к средствам наземной обработки предъявляются менее жесткие требования в части скорости анализа, помехо- и виброустойчивости. Поэтому в качестве базовых систем обработки информации в работе использовались компьютерные комплексы (рабочие станции) стандартных конфигураций.
Основной особенностью наземных средств обработки информации является распределенный характер, что вызывает необходимость объединения рабочих станций в локальную сеть на основе современных сетевых концепций, средств графического анализа и интерпретации данных дистанционного зондирования. Применение методов распределенной обработки позволяет существенно снизить временные затраты, практически одновременно осуществлять процедуры ввода информации, полученной при дистанционном зондировании, ее предварительную и тематическую обработку, а также проводить моделирование, синтез изображений, создание баз данных и выдачу результатов. Именно этот принцип использовался в настоящей работе при создании технических средств обработки оптических и радиолокационных изображений.
Блок-схема используемого комплекса цифровой обработки приведена на рис. 2.7. Этот комплекс представляет собой локальную вычислительную сеть (на основе спецификации 100 Base, с последующим переходом на 1000 Base), в которую объединены рабочие станции (на базе процессоров SuperSparc и Pentim 4) и рабочие места (на базе PC с процессорами Pentium 4). Для сохранения результатов обработки в состав локальной сети входит сервер баз данных, а для вывода результатов обработки на печать используется принт-сервер. Рабочее место ввода данных включает в себя: - компьютер Pentium 4; - планшетный сканер HP ScanJet со слайд-модулем для ввода изображений, представленных в виде фотоснимков и фотонегативов; - устройство записи на компакт диски (CD-recorder) используется как для ввода данных и изображений, представленных в цифровом виде на CD-ROM, так и для создания архивов изображений. Введенные данные поступают на сервер данных (файл-сервер) и далее становятся доступны для дальнейшей обработки. В состав блока предварительной, пространственно-спектральной обработки и расчета информативных признаков входят рабочие станции — SunSparc и Pentium 4, которые обладают средствами графической интерпретации данных, средствами построения и анализа трехмерных (3-D) сцен. На них производится весь комплекс обработки изображений: процедуры пространственно-временной привязки, синтеза радиолокационных изображений, предварительной и пространственно-частотной обработки, а также расчет информативных признаков. Конечные и промежуточные результаты обработки сохраняются на файл-сервере. Рабочие места статистической обработки, классификации и распознавания создавались на базе трех компьютера Pentimn 4. На них производится работа с массивами информативных признаков. Объемы обрабатываемых данных здесь не столь велики, по сравнению с обработкой изображений. Как и на других рабочих местах и станциях, конечные и промежуточные результаты сохраняются на файл-сервере и используются в процессах обработки на других компьютерах. В состав рабочих мест моделирования и синтеза включались компьютеры Pentium 4 и SunSparc. Здесь и производится моделирование экологических систем, реализуются гидродинамические модели и модели переноса загрязнений в водной среде, а также производится синтезирование изображений. Входные данные для этих процедур считываютея с файл-сервера, а результаты моделирования и синтеза сохраняются на файл-сервере. Процесс цифровой обработки данных заканчивается расчетом параметров водной среды. Это осуществляется на рабочих местах расчета параметров водной среды, а результаты выводятся на печать на принт-сервере.
Технология создания карт плотности произрастания морской травы по космическим изображениям Флоридского залива
Слики, т.е. выглаженные участки морской поверхности, могут создаваться различными причинами, в том числе выходами на поверхность внутренних волн. Появление сликов на поверхности океана приводит к изменению спектров морского волнения, поэтому они могут быть обнаружены методом пространственно-спектральной обработки оптических изображений [11].
В настоящем разделе приводятся результаты цифрового пространственного спектрального анализа оптических изображений морской поверхности в области сликовых полей, которые могут быть вызваны внутренними волнами, подобными тем, которые генерируются при сбросах сточных вод. Обработке подвергались оптические изображения, полученные с бортов самолетов и вертолетов в натурных экспериментах, выполненных в акватории Черного моря [10-12,20,21,85].
На изображениях, полученных с больших высот (2000 м и выше), слики, обусловленные выходом на морскую поверхность внутренних волн, видны в виде длинных полос отрицательного (иногда положительного) контраста (рис. 3.1, в, д, е). При съемке с малых высот (100-300 м), когда размеры анализируемых участков морской поверхности сравнимы с размерами слика, слики наблюдаются как зоны, отличающиеся по контрасту от окружающего их фона. Если размер поля зрения аппаратуры меньше размера слика, то границы слика на изображениях не наблюдаются [10,85]. Вид и контраст сликов зависит от скорости ветра. С увеличением скорости ветра слики становятся менее заметными, а при больших скоростях ветра они визуально незаметны вообще [10,11,85]. На рис. 3.1, а приведено изображение участка морской поверхности размером 0,75x0,75 км , полученное с высоты 7,5 км, а на рис, 3.1, б его пространственный спектр, на котором видны спектральные компоненты, соответствующие ветровому волнению. На рис. 3.1, в представлено изображение соседнего участка морской поверхности размером 1,5x1,5 км2, на котором видны слики. Образование сликов приводит к тому, что в спектре изображения (рис. 3.1, г) появляется низкочастотная компонента, вытянутая в направлении, перпендикулярном направлению, в котором ориентированы сликовые полосы. На рис. 3.1, д и 3.1, е показаны два фрагмента изображения (размеры участков морской поверхности 0,75x0,75 км2), представленного на рис. 3.1, в, и пространственные спектры этих фрагментов (рис. 3.1, ж, з). Из рисунков видно, что компоненты пространственных спектров, обусловленные сликами, изменяются при изменении конфигурации сликовых полос.
Все рассмотренные двумерные пространственные спектры изображений морской поверхности (рис. 3.1, б, г, ж, з) рассчитаны с использованием доработанного и адаптированного программного обеспечения (п. 2.3),
В таблице 3.1 приведены результаты расчета информативных признаков фрагментов спектров фона и сликов, показанных на рис. 3.1, б, г, ж, з. Среди них: максимальное и минимальное значение энергии спектров и координаты, соответствующие этим значениям, среднее значение, дисперсия и площадь спектра, координаты центра тяжести, моменты нулевого Моо, первого М0, и М!0 и второго Ми, М02, М2о порядков, моменты инерции У/ и J2, значения максимальной Rmax и минимальной Rmin вытянутости спектра [38,40]. Перечисленные информативные признаки определялись с использованием предложенного программного обеспечения по формуле (2.6).
Анализ результатов расчетов показывает, что для спектров сликов значения информативных признаков существенно выше, чем для спектров чистой поверхности: для средних значений в 1,3 раза, для моментов Мда, М0/, М!0 в 1,3-1,5 раза, для момента Мц в 1,3-3,5 раза, для момента Мог в 1,7-2,6 раза, для момента М2$ 1,2-2,4 раза, для момента инерции J/ 1,3-2,6 раза, для момента инерции J2 в 1,3-1,9 раза. Такое различие объясняется наличием максимумов в низкочастотной области пространственных спектров изображений морской поверхности со сликами.
Значения максимальной Rmax и минимальной Rmin осей вытянутости фигуры спектров практически одинаковы, что говорит об одинаковой геометрической форме спектров при различных энергетических характеристиках.
Таким образом, полученные результаты расчетов и сравнения значений информативных признаков двумерных пространственных спектров чистой морской поверхности и сликов, позволяют говорить о том, что на основе рассчитанных информативных признаков возможно автоматизированное выделение областей прибрежных акваторий с проявлениями антропогенных загрязнений.
