Содержание к диссертации
Введение
ГЛАВА 1. Вымокающие леса и возможности их автома тизированного картографирования по космическим снимкам 10
1.1. Проблема вымокания лесов 10
1.2. Состояние исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них 20
1.3. Пути совершенствования методики автоматизированного картографирования природно-территориальных комплексов 29
Выводы 41
ГЛАВА 2. Выбор и предварительная обработка космических снимков для картографирования вымокающих лесов 43
2.1. Обоснование выбора космических снимков и программных средств их обработки 43
2.2. Предварительная обработка космических снимков при картографировании вымокающих лесов 53
2.2.1. Геометрическая коррекция снимков 53
2.2.2. Радиометрическая коррекция снимков 59
2.2.3. Устранение влияния атмосферы 70
Выводы 74
ГЛАВА 3. Методика выделения вымокающих лесов на основе спектральных индексов 76
3.1. Создание индексных изображений как предварительный этап тематической обработки снимков. Обзор используемых в дистанционном зондировании вегетационных индексов 76
3.2. Оценка возможностей разделения стадий вымокания лесов по спектральным характеристикам 94
3.2.1. Гипотетические кривые спектральной яркости вымокающих лесов 97
3.2.2. Полевые исследования для проверки возможности разделения стадий вымокания лесов по вегетационным индексам 104
3.2.3. Разработка специального индекса для выделения вымокающих мелколиственных лесов 119
В ыводы 130
ГЛАВА 4. Создание карт динамики вымокания лесов 132
4.1. Методы анализа разновременных снимков для выявления изменений на местности 132
4.2. Обоснование метода автоматизированной классификации для выделения вымокающих лесов (дерево решений по критерию «индекс вымокания») 146
4.3. Общая методическая схема создания карт динамики вымокания лесов 170
4.4. Закономерности пространственного распространения вымокающих лесов в
зависимости от природных и антропогенных факторов 182
Выводы 195
Заключение 197
Список литературы
- Состояние исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них
- Предварительная обработка космических снимков при картографировании вымокающих лесов
- Оценка возможностей разделения стадий вымокания лесов по спектральным характеристикам
- Обоснование метода автоматизированной классификации для выделения вымокающих лесов (дерево решений по критерию «индекс вымокания»)
Введение к работе
Важное социально-экономическое и экологическое значение лесов делает задачи инвентаризации лесных ресурсов, контроля за состоянием лесов и лесопользованием одними из стратегических не только для лесохозяйственной отрасли, но и экономики России в целом. Мониторинг состояния лесов, кроме экономического значения, имеет и ярко выраженную экологическую направленность, обеспечивая, в частности, принятие решений и проведение мероприятий, способствующих поддержанию благоприятных условий жизни населения и устойчивому развитию региона (Исаев, Сухих, Калашников 1991; Сладкопевцев, 1996).
Традиционные методы инвентаризации, мониторинга и контроля за состоянием лесов (пешие обходы и автомобильные объезды, полевые съемки, авиаоблеты, аэросъемка с последующим визуальным дешифрированием) нередко не отвечают главным требованиям сегодняшнего дня - оперативности и минимальным трудовым, временным и финансовым затратам. Поэтому на различных уровнях мониторинга лесов широко применяют аэрокосмические снимки и автоматизированные методы их анализа.
Современные цифровые космические снимки не являются простой заменой аэрофотоснимков, давно используемых в лесной отрасли. Большой объем информации, содержащейся в них, позволяет выполнять с применением специального программного обеспечения их комплексный анализ, в том числе направленный на автоматизированное выявление неблагоприятных процессов, временных изменений, тонких малозаметных процессов в лесах, на получение информации о состоянии лесов и высоте древостоя и т.д.
В системе мониторинга лесов на региональном уровне уделяется внимание ряду неблагоприятных процессов в лесах, таких как пожары, ветровалы, болезни, нашествие насекомых-вредителей. Однако в этой системе пока не
нашло отражения исчезновение лесных массивов вследствие комплекса взаимосвязанных причин - длительного застоя воды, подъема уровня грунтовых вод, заболачивания территории, а также засоления почв. В данной работе для характеристики процесса деградации лесов вследствие комплекса перечисленных причин используется рабочий термин "вымокание лесов", а деградирующие леса названы "вымокающими". Этот термин имеет региональное применение (Абросимов, 1999), но пока не получил широкого распространения в литературе по лесоведению, хотя и используется термин "вымокание" лесных культур.
Актуальность темы обусловлена большими масштабами явления вымокания лесов в районах нового хозяйственного освоения в лесной и лесостепной зонах территории нашей страны в связи с строительством транспортных систем, в первую очередь, объектов инфраструктуры при нефтегазодобыче. Это приводит к массовой деградации и гибели лесов и вызывает необходимость контроля их состояния путем оперативного автоматизированного картографирования, методы которого остаются неразработанными. Особенно распространено это явление на обширных пространствах Западной Сибири, в частности в Курганской области, на примере которой выполнено настоящее исследование.
Задача диссертационного исследования состоит в разработке методики автоматизированного картографирования по космическим снимкам вымокающих лесов для контроля их состояния.
Для решения поставленной задачи диссертационного исследования было
необходимо:
обосновать возможность выделения по космическим снимкам вымокающих лесов, в частности, мелколиственных, преобладающих в районе исследования;
исследовать особенности спектральных характеристик вымокающих лесов
разной степени деградации;
оценить применимость используемых при обработке данных дистанционного зондирования спектральных индексов;
в связи с неэффективностью существующих индексов для картографирования вымокающих лесов разработать на основе полевых исследований новый тип спектрального индекса, позволяющего разделять вымокающие леса по стадиям их деградации;
провести сравнительный анализ различных алгоритмов обработки и автоматизированного дешифрирования лесных экосистем по космическим снимкам;
разработать автоматизированную технологию создания карт динамики распространения мелколиственных лесов и карт вымокающих лесов с разделением их по степени деградации на основе компьютерной обработки снимков;
создать электронную карту вымокающих мелколиственных лесов с разделением на стадии деградации и выявить основные закономерности распространения вымокающих лесов в районе исследований.
Структура диссертационной работы обусловлена задачей исследования и включает четыре главы. Первая глава посвящена рассмотрению особенностей картографируемого явления - вымокания лесов и состоянию исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них. Во второй главе обоснован выбор космических снимков и представлены методики их предварительной обработки при картографировании вымокания лесов. В третьей главе исследована возможность разделения стадий вымокания лесов на космических снимках по спектральным характеристикам. С этой точки зрения оценены используемые в дистанционном зондировании спектральные индексы. Предложен специальный индекс для вьіделеїшя вымокающих мелколиственных лесов и определены
интервалы значений индекса для разделения стадий деградации. В четвертой главе предложена общая методическая схема автоматизированного создания карт динамики вымокания лесов, оценены методики анализа разновременных снимков и предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. По созданным картам динамики распространения мелколиственных лесов и вымокающих мелколиственных лесов с разделением на стадии деградации выявлены закономерности пространственного распространения вымокающих лесов в зависимости от природных и антропогенных факторов.
Материалами для исследовательских работ служили результаты наземных специальных обследований на ключевых участках Курганской области, выполненных при участии автора, разновременные многозональные космические снимки, полученные отечественными и зарубежными спутниковыми системами (Ресурс-О, Landsat-3,4,5,7, Terra, ALOS), топографические и тематические карты (ландшафтные, геоморфологические, геологические и др.).
Научная новизна работы заключается в следующем.
Разработан новый способ обработки многозональных космических снимков на основе предложенного автором индекса вымокания для выделения вымокающих лесов по спектральным признакам и определены интервалы значений индекса вымокания для разделения четырех стадий деградации вымокающих лесов. Для расчета предложенного индекса создана подпрограмма к коммерческому программному комплексу ITT ENVI (ПК ENVI), позволяющая автоматически выполнять эту операцию.
Предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании и создана подпрограмма к ПК ENVI, позволяющая визуализировать распределение спектральных яркостей исследуемых по
снимкам объектов в трехмерном пространстве признаков, что облегчает разделение объектов по спектральным признакам.
Разработана методика автоматизированного составления карт вымокающих лесов, включающая выделение лесов на разновременных снимках, создание карты динамики распространения лесов и разделение стадий деградации с помощью предложенного автором индекса вымокания.
Впервые создана на основе автоматизированной обработки разновременных многозональных снимков карта вымокающих лесов масштаба 1:25 000 для участка Курганской области с разделением стадий деградации лесов и выявлены закономерности их пространственного распределения.
Достоверность полученных результатов подтверждается полевыми наземными обследованиями более 300 эталонных участков, многократными натурными проверками результатов исследований на 50 контрольных участках, представительностью и репрезентативностью экспериментального материала, применением новейших космических снимков высокого качества и использованием современных методов обработки и анализа данных.
Диссертационное исследование в своей теоретической и методологической части базируется на достижениях отечественных школ географической картографии, биогеоценологии и аэрокосмических исследований лесов, основанных К. А. Салищевым, В.Б. Сочавой, В.Н. Сукачевым, Г.Г. Самойловичем, и представленных в трудах их учеников и последователей -A.M. Берлянта, Ю.Ф. Книжникова, В.И. Кравцовой, И.К. Лурье, А.С. Исаева, В.И. Сухих.
Практическая значимость работы обусловлена потребностями общества в сохранении природной среды, в частности лесов, и необходимостью контроля за их состоянием, в первую очередь в районах хозяйственного освоения, особенно нефтегазодобычи на залесенных территориях, где вымокание лесов принимает широкие масштабы. Разработанные методические подходы
апробированы на примере участка Курганской области и могут быть использованы в региональных органах управления лесами, природоохранных организациях, территориальных фондах информации Курганской и других областей лесной и лесостепной зон, в Центре экологии и продуктивности лесов РЛН. Ряд ключевых этапов методики по предварительной обработке данных ALOS/AVNIR-2, автоматическому выделению контуров лесов по космическим снимкам внедрены в работу Научно-аналитического центра рационального недропользования Ханты-Мансийского автономного округа. Методические разработки по автоматизированному дешифрированию лесов могут быть использованы в учебных курсах по геоэкологии, геоинформатике, аэрокосмическим методам исследований на природоведческих факультетах университетов России.
Апробация работы. Основные положения диссертационной работы представлены на 4 международных и российских конференциях: XIII Международной конференции студентов, аспирантов и молодых ученых «ЛОМОНОСОВ - 2006» (Москва, 2006), Четвёртой всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2006), IV Международной научно-технической конференции «Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве» (Москва, 2007), Юбилейной Открытой Всероссийской конференции «Дистанционное зондирование Земли из космоса» (Москва, 2007), а также на семинарах по аэрокосмическим методам географических исследований и заседаниях кафедры картографии и геоинформатики географического факультета МГУ имени М.В.Ломоносова.
По теме диссертации автором опубликовано 8 печатных работ в российских научных журналах и сборниках докладов конференций.
Диссертация подготовлена в период с 2005 по 2008 гг. на кафедре картографии и геоинформатики географического факультета МГУ в
лаборатории аэрокосмических методов в рамках темы НИР 6.2. "Аэрокосмические технологии исследований динамики природной среды" №0120.0 603975, гранта РФФИ 04-05-64285 и исследований по программе Ведущей Научной школы географической картографии, грант НШ-05.08.00171. Подготовку диссертации предваряли экспериментальные работы автора, выполненные с 2003 по 2005 гг. в лаборатории геоинформационных исследований и технологий Курганского государственного университета. Благодарности. Автор выражает глубокую благодарность научному руководителю д. г. н. В.И. Кравцовой, признателен заведующему кафедрой картографии и геоинформатики д. г. н., профессору A.M. Берлянту, заведующему лабораторией аэрокосмических методов д. г. н. профессору Ю.Ф. Книжникову за доброжелательное отношение и поддержку и всем сотрудникам кафедры картографии и геоинформатики за полезные замечания, высказанные при обсуждении диссертационной работы. Автор особо благодарен своему первому научному руководителю в Курганском госуниверситете к. г. н. А.В. Абросимову за помощь и поддержку на всех этапах работы.
Состояние исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них
Данные дистанционного зондирования начали применяться в лесном хозяйстве с середины 20-х годов прошлого столетия при таксации леса, лесопатологических обследованиях. В 30-х гг. аэрометоды нашли применение при охране лесов от пожаров, изысканиях лесосырьевых ресурсов, путей лесовозного транспорта, в гидро- и агролесомелиорации, при учете диких животных, фенологических наблюдениях и решении ряда других научных и прикладных задач. В конце 40-х - начале 50-х гг. в стране на основе аэротаксации обследованы и закартографированы леса на площади 814 млн. га. Внедрение в практику лесного хозяйства в конце 50-х гг. цветной спектрозональной аэрофотосъемки позволило коренным образом перестроить технологию лесотаксациониых и лесообследовательских работ и повысить их качество и эффективность. Аэрометоды стали технической основой всех видов лесоустроительных и лесообследовательских работ и службы охраны лесов от пожаров (Сухих, 1998).
В начале 70-х годов были развернуты исследования по применению космических снимков для изучения природных ресурсов Земли, в том числе и для целей изучения, картографирования лесов, оценки их состояния. Основные исследования по разработке методов изучения лесов по аэрокосмическим снимкам проводились в ЛенНИИЛХ, Институте леса и древесины СО АН СССР и научно-исследовательской части ВО "Леспроект". Использование дистанционных средств было направлено на решение двух основных задач (Исаев, Сухих, Калашников, 1991): изучение статики лесов, т.е. закономерностей сложения современных лесных ландшафтов, в целях их тематического картографирования и лесохозяйственного районирования; изучение динамических процессов, протекающих в лесах, в целях контроля и управления лесными ресурсами.
Научно-исследовательская часть ВО «Леспроект», ЛепНИИЛХ, Институт леса и древесины СО АН СССР в 70-80-х гг. выполнили комплекс крупномасштабных разносторонних исследований по этой проблеме, в результате которых были разработаны: технические требования к средствам и условиям съемок и визуальных наблюдений лесов из космоса; теоретические основы аналитико-измерительного автоматизированного дешифрирования материалов космических съемок (применение фотостатистического метода инвентаризации и картографирования лесов Северных и Северо-Восточных регионов страны и древесно-кустарниковой растительности пустынных территорий); методы и технологии решения различных научных и прикладных задач по изучению лесов и оценке их состояния на основе использования данных дистанционного зондирования из космоса; методики составления на ландшафтной основе по материалам многозонального космического фотографирования серии сопряженных лесных разномасштабных карт (1:200000, 1:1000000): лесного и лесоэксплуатационного фондов, геоботанических, лесопатологических, почвенных, лесотипологических, лесопирологических, гидрологических, лесоболотных, типов условий местообитания, охотоведческих и др.; технологии, предусматривавшие автоматизированное составление планово-картографических материалов и создание тематических баз данных. Результаты исследований способствовали разработке методических рекомендаций и конкретных технологий различных целевых исследований лесов с помощью аэрокосмических материалов, которые нашли широкое практическое применение при инвентаризации и тематическом картографировании лесных ресурсов, охране лесов от пожаров, контроле и учете текущих изменений в лесном фонде. Среди методических рекомендаций можно выделить: Технические указания по лесоинвентаризации на основе рационального сочетания наземной таксации с камеральным дешифрированием аэрофотоснимков (Технические..., 1971); Технические указания по комплексной технологии аэрокосмической инвентаризации древесно-кустарниковой растительности и оценке состояния кормовых ресурсов в пустынной зоне (Жирин, 1991); Методика мелкомасштабного картографирования лесного фонда на основе космического фотографирования (Методика..., 1981); Аэрокосмический метод инвентаризации защитных насаждений на пастбищных землях пустынь Средней Азии (Жирин, Бахтинова, Артамонов, 1988).
Технической основой мелкомасштабного картографирования лесов, их инвентаризации и учета текущих изменений служили материалы спектрозонального и многозонального космического фотографирования с ИСЗ серии "Космос" и ПСО "Салют". К этому времени относятся и первые эксперименты по автоматизированному дешифрированию аэрокосмических снимков, выполненные в ВО «Леспроект» (Эльман и др., 1978, 1984; Эльман, 1983).
Предварительная обработка космических снимков при картографировании вымокающих лесов
Все современные космические снимки имеют орбитальную географическую привязку, то есть их угловые точки имеют определенные географические координаты на поверхности Земли. Орбитальная привязка снимков осуществляется с применением систем GPS, установленных на спутниках и станциях слежения за ними. Информацию о привязке изображения можно найти в метаданных, поставляемых вместе со снимком. Большинство современных программных продуктов для обработки космических снимков позволяют автоматически считывать информацию о пространственной привязке и отображать снимок уже в системе координат, как правило, это Universal Transverse Mercator (UTM) с эллипсоидом World Geodetic System 1984 (WGS84). Однако точность такой привязки зависит от точности параметров, определенных бортовыми системами, и может варьировать от 40 - 60 метров до нескольких сотен метров. Практически для всех современных систем дистанционного зондирования Земли орбитальная привязка космических снимков в 2-3 раза хуже их пространственного разрешения. Так, для снимков ALOS/AVNIR-2, имеющих пространственное разрешение 10 м, точность орбитальной привязки составляет около 100 -150 м, для снимков Terra/ASTER с разрешением 15 м- 60-100 м, для снимков Quick Bird с разрешением 2,4 м - 15-20 м. Несколько лучше обстоит дело со снимками Landsat7/ETM+ - их разрешение, 15 м для панхроматического канала и 30 м для многозональных данных, не намного выше точности геопривязки (гарантированная - 100 м, реально в равнинных районах 60 м и точнее). Исходя из этого, можно говорить о том, что в большинстве случаев существует необходимость уточнения географической привязки космических снимков по наземным данным, что сейчас выполняется главным образом с применением GPS.
Повысить исходную точность привязки можно, используя стандартные алгоритмы геометрической коррекции, такие, как полиномиальный. В качестве основы для более точной географической привязки космических снимков можно использовать опорные точки или уже географически привязанные изображения (топографические карты, ортофотопланы). Данная методика не всегда дает точный результат и используется в основном для задач, не связанных с созданием высокоточных продуктов. При сопоставлении и анализе разновременных данных необходимо обеспечение максимальной относительной точности - не хуже одного пиксела наименьшего пространственного разрешения. Большие погрешности могут приводить к искажениям при сопоставлении результатов, полученных по разным снимкам, и к сдвигам на цветных разновременных синтезированных снимках, затрудняющих их анализ. Поэтому необходимо использовать более точный метод геометрической коррекции — ортотрансформирование. Ортотрансформирование
Наиболее строгим подходом к высокоточной геометрической коррекции материалов космической съемки является фотограмметрическая обработка, основным преимуществом которой перед простой геометрической коррекцией полиномами является моделирование процесса съёмки, в результате которого восстанавливается пространственное положение совокупности лучей, сформировавших снимок. Этот метод подразумевает определение траектории носителя (аналог линейных элементов внешнего ориентирования в классической фотограмметрии снимков в центральной проекции), ориентации сенсора (аналог угловых элементов внешнего ориентирования), а также использование аналога элементов внутреннего ориентирования — геометрической модели сенсора (Toutin, 2004).
Необходимость ортотрансформирования обусловлена тем, что угол отклонения оптической оси от надира при космической съемке может составлять десятки градусов. Поэтому выполнение ортотрансформирования с учетом модели рельефа местности практически всегда (за исключением использования надирных снимков равнинной местности) является необходимым условием получения выходных продуктов высокой точности. Для проведения высокоточной геометрической коррекции необходимы опорные точки и цифровая модель рельефа (ЦМР).
При исследовании вымокания лесов, когда применяется сопряженный анализ разновременных снимков, ортотрансформирование представляет собой необходимый этап их предварительной обработки. В нашем случае оно выполнялось для снимков всех временных срезов.
Минимальное количество опорных точек для фотограмметрической обработки изображений ALOS/AVNIR-2, Terra/ASTER - 9 точек, равномерно распределенных по площади снимка.
Оценка возможностей разделения стадий вымокания лесов по спектральным характеристикам
Характерным признаком растительности и ее состояния является спектральная отражательная способность, характеризующаяся большими различиями в отражении излучения разных длин волн. На рис. 12 показана типичная кривая спектральной отражательной способности здоровой зеленой растительности и определены основные участки этой кривой.
Как известно, главным фактором, влияющим па спектральные характеристики растений в видимом диапазоне длин волн, является пигментация; особенно важен хлорофилл, хотя и другие пигменты растений (каротины и ксантофиллы - желтые пигменты и антоцианины - красные пигменты) также играют значительную роль в этом диапазоне спектра. В синей и красной зоне видимого диапазона спектра отражательная способность растений очень низкая. Низкие значения отражения соответствуют двум полосам поглощения хлорофилла и обусловлены тем, что хлорофилл, содержащийся в листе, поглощает большую часть падающей энергии в этих диапазонах длин волн, расположенных приблизительно около 0,45 и 0,65 мкм. В видимом диапазоне длин волн большая часть энергии, падающей на зеленый лист, поглощается, и очень небольшое количество пропускается через лист. Когда растение находится в состоянии стресса и образование хлорофилла замедляется, отсутствие пигментации хлорофиллом вызывает уменьшение поглощения энергии растениями в полосах поглощения хлорофилла. Такие растения обладают гораздо более высокой отражательной способностью, особенно в красной зоне спектра. В результате происходит сглаживание перепада в уровнях яркостей между ближней инфракрасной и красной зонами спектра (Дейвис, Ландгребе, Филипс, 1983; Выгодская, Горшкова, 1987).
В ближнем инфракрасном диапазоне по сравнению с видимым диапазоном длин волн здоровая зеленая растительность характеризуется очень высокой отражательной способностью, очень высоким коэффициентом пропускания и очень низким поглощением энергии. Главным фактором, влияющим на отражательную способность в ближнем инфракрасном диапазоне, является внутренняя структура листьев растений. Важно отметить, что по сравнению с отражательной способностью одного листа несколько слоев листьев могут иметь еще более высокую отражательную способность (до 85%) в ближнем инфракрасном диапазоне спектра (Curtis, 1978; Выгодская, Горшкова, 1987; Jensen, 2000).
В среднем инфракрасном диапазоне главным фактором, влияющим на отражательную способность, является общее содержание влаги в растениях. Связано это с влиянием полос сильного водного поглощения при длинах волн 1,4, 1,9 и 2,7 мкм. Большая часть падающей энергии поглощается водой, имеющейся в листе, а остальная ее часть отражается.
Опираясь на многолетний опыт российских (Кринов, 1947; Виноградов, 1984; Выгодская, Горшкова, 1987; Сурин, 2004) и зарубежных (Tucker, 1979; Baret, 1981; Barett, Curtis, 1992) ученых в области изучения спектральных характеристик растительности, можно гипотетически установить, какими должны быть общие тенденции в изменении характера спектральной кривой и соотношения значений яркости в различных спектральных диапазонах, в зависимости от стадии деградации лесного массива.
1 стадия. Леса на этой стадии мало чем отличаются от лесных массивов, не подверженных вымоканию. Древостой не нарушен. Лишь в некоторых местах имеются признаки угнетения листвы деревьев и переувлажнения (рис. 13, 14). Почва не имеет внешних признаков засоления. Травяной покров представлен видами, характерными для березовых злаково-разнотравных лесов. Спектральные характеристики на данной стадии вымокания должны быть типичными для здоровых мелколиственных лесов.
2 стадия. Характеризуется частичным повреждением деревьев березы. Около половины деревьев березы повислой имеют листву с признаками угнетения и сухие вершины. Некоторые деревья полностью лишены листвы. В почвенном профиле в результате подъема грунтовых вод возникает осолоделый слой, что говорит о начале засоления почв. В травяном покрове появляются виды, характерные для влажных лесов и болотистых мест (лабазник вязолистный) (рис. 15, 16). В связи с нарушением клеточной структуры, уменьшением биомассы должно происходить снижение значений коэффициентов отражения в ближней инфракрасной спектральной зоне и увеличение значений коэффициентов отражения в красной спектральной зоне.
3 стадия. Деревья полностью лишены листвы. Наблюдаются внешние признаки разрушения древесины, о чем свидетельствуют также упавшие стволы деревьев. Имеют место признаки заболачивания.
Обоснование метода автоматизированной классификации для выделения вымокающих лесов (дерево решений по критерию «индекс вымокания»)
Данные табл. 17 показывают, что ни по одной из спектральных зон не удается однозначно разделить все четыре стадии. Наименее информативным оказался средний ИК диапазон (4-9 зоны). Для этих спектральных зон гистограммы значений коэффициентов отражения лесов на разных стадиях вымокания накладываются друг на друга. Это делает невозможным использование значений яркости в этих зонах для разделения стадий вымокания. Более информативными оказались зоны в видимом и ближнем ИК диапазонах. Рассмотрим их более подробно.
По значениям коэффициентов отражения в зеленой области (1 зона Terra/ASTER) удается отделить 4 стадию от всех остальных. Граница между ними проходит в районе значений коэффициента отражения 0.045-0.050.
Общая тенденция, которая здесь наблюдается - увеличение коэффициентов отражения при переходе от 1 к 4 стадии. С одной стороны уменьшение количества листвы, снижение биомассы, а следовательно, и уменьшение содержания хлорофилла, должно было вызвать снижение коэффициентов отражения в зеленой области. С другой стороны па передний план начинают выходить спектры тех объектов, которые были скрыты листьями. Условно представим, что на нашей площадке размером 15 15 метров (размер пиксела Terra/ASTER) суммарный спектр складывался из 95%» спектров листьев и 5% спектров бересты (коры березы). При ухудшении состояния доли материалов, образующих суммарный спектр, будут меняться, например доля спектров листьев снизится до 85%, доля спектров коры увеличится до 15%. В таком случае, опираясь на законы линейного смешивания, можно рассчитать примерные значения для нашей новой спектральной кривой 0,85 спектрлияъев.+0,15 спсктрКОрЫ (рис. 29).
В красной области (2 зона Terra/ASTER) наблюдается увеличение значений коэффициентов отраженші при ухудшении состояния лесов. Это предполагалось и изначально (см. 3.2.1, рис. 21 - гипотетические кривые).
Так же как и для зеленой области, в красной удается отделить только 4 стадию от всех остальных. Граница между ними проходит в районе значений коэффициента отражения 0,035-0,040. Общая тенденция: чем хуже состояние растительности, тем выше значения коэффициента отражения в красной зоне.
В ближней ИК зоне (3 спектральная зона Terra/ASTER) наблюдается очень сильный разброс значений коэффициента отражения для всех стадий вымокания. Леса на разных стадиях вымокания имеют близкие значения коэффициентов отражения, стадии трудно разделимы. Общая тенденция здесь: чем хуже состояние растительности, тем ниже значения коэффициента отражения в ближней ИК зоне.
По средним значениям спектральной отражательной способности участков березовых лесов, находящихся на разных стадиях вымокания (табл. 18), были построены усредненные кривые спектрального образа, которые и отражают все отмеченные особенности (рис. 30).
Усредненные кривые спектральной отражательной способности участков березовых лесов, находящихся на разных стадиях вымокания (по спектральным зонам Terra/ASTER) Исходя из расчетов и анализа спектральных индексов можно сделать следующие выводы:
1. Несмотря на все многообразие используемых индексов, ни по одному из них не удается четко разделить все 4 стадии вымокания лесов.
2. Индексы, в основе расчета которых лежит соотношение яркостей в красной и ближней инфракрасной зонах, слабо отличаются друг от друга по своей информативности, фактически они идентичны. Существенные различия наблюдаются только между разностными (DVI) и относительными (NDVI, RVI) индексами. Поэтому при анализе данных ALOS/AVNIR-2 было решено использовать только один относительный индекс (NDVI).
3. Для получения правильных значений вегетационных индексов необходима атмосферная коррекция. Особенно важна она для не нормализованных индексов (RVI, DVI) и для индексов, использующих средний ИК диапазон, так как значения яркости в нем очень сильно подвержены влиянию атмосферы. Различие между значениями индексов до и после атмосферной коррекции составляет до 30%. При этом форма и характер распределения спектральных яркостей, как правило, сохраняются.
4. Комбинация вегетационного индекса и коэффициента отражения в одной из зон видимого диапазона оказывается гораздо информативней для разделения стадий вымокания лесов, чем их анализ по отдельности. Эта особенность в дальнейшем используется при поиске нового индекса для разделения вымокающих лесов.
