 |
| ГЛАВНАЯ |
|
| О ПРОЕКТЕ |
|
| ЗАДАЧИ ИССЛЕДОВАНИЙ |
|
| ТЕСТОВЫЕ РЕГИОНЫ |
|
| БАЗЫ ДАННЫХ |
|
| РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ |
|
| ОТЧЕТЫ |
|
| КОНТАКТЫ |
|
Методика
исследований
Результаты
спектрального
анализа
Рис.1
Фрагмент синтезированного изображения SPOT4-VEGETATION с различными категориями покрытых и непокрытых лесом земель
Рис.2
Фрагмент синтезированного изображения NOAA-AVHRR с различными категориями покрытых и непокрытых лесом земель
Рис.3
Двумерные диаграммы рассеяния яркостей основных категорий лесных земель в пространстве датчика SPOT4-VEGETATION:
а) красного и ближнего инфракрасного каналов;
б) ближнего и среднего инфракрасных каналов
Рис.4
Двумерные диаграммы рассеяния яркостей основных категорий лесных земель в пространстве видимого и ближнего инфракрасного каналов NOAA-AVHRR
Рис.5
Двумерные диаграммы рассеяния яркостей насаждений различных преобладающих пород в пространстве красного и ближнего инфракрасного каналов:
a) SPOT4-VEGETATION;
б) NOAA-AVHRR
Рис.6
Двумерные диаграммы рассеяния яркостей насаждений различных преобладающих пород в пространстве ближнего и среднего инфракрасных каналов SPOT4-VEGETATION
исследований
Результаты
спектрального
анализа
Рис.1
Фрагмент синтезированного изображения SPOT4-VEGETATION с различными категориями покрытых и непокрытых лесом земель
Рис.2
Фрагмент синтезированного изображения NOAA-AVHRR с различными категориями покрытых и непокрытых лесом земель
Рис.3
Двумерные диаграммы рассеяния яркостей основных категорий лесных земель в пространстве датчика SPOT4-VEGETATION:
а) красного и ближнего инфракрасного каналов;
б) ближнего и среднего инфракрасных каналов
Рис.4
Двумерные диаграммы рассеяния яркостей основных категорий лесных земель в пространстве видимого и ближнего инфракрасного каналов NOAA-AVHRR
Рис.5
Двумерные диаграммы рассеяния яркостей насаждений различных преобладающих пород в пространстве красного и ближнего инфракрасного каналов:
a) SPOT4-VEGETATION;
б) NOAA-AVHRR
Рис.6
Двумерные диаграммы рассеяния яркостей насаждений различных преобладающих пород в пространстве ближнего и среднего инфракрасных каналов SPOT4-VEGETATION
Методика исследований
Для распознавания категорий земель и типов лесного покрова по спутниковым данным SPOT4-VEGETATION и NOAA-AVHRR могут быть использованы различные признаки, в основе которых лежат специфические особенности отражения подстилающей поверхностью солнечного излучения в различных областях спектра электромагнитных волн, зависимость отражательных свойств объектов от геометрических условий их наблюдения и освещения или, наконец, характер изменения указанных свойств во времени. Для всесторонней оценки возможностей выявления того или иного типа объекта по спутниковым данным безусловно необходимо максимально полно использовать весь доступный для анализа набор признаков. На настоящем этапе был выполнен лишь анализ возможностей распознавания категорий земель и типов лесного покрова на основе спектральных свойств объестов.
Для поведения анализа были использованы опорные данные о местоположении и типах оцениваемых объектов, для представительной выборки пикселов которых были получены их сигнатуры, характеризуемые гистограммамми распределения яркостей в каждом спектральном канале спутникового изображения. При этом необходимо отметить, что на спутниковых изображениях низкого разрешения (SPOT4-VEGETATION и NOAA-AVHRR) каждому пикселу соответствует сложное сочетание различных объектов подстилающей поверхности, Что существенно затрудняет их распознавание. При наличии детальной информации о подстилающей поверхности возможный путь корректного решения данной проблемы состоит в оценки совокупности ее основных параметров на регулярной сетке с размером ячейки, соответствующей уровню пространственного разрешения анализируемого спутникового изображения.
Результаты спектрального анализа
Вся совокупность данных о лесном фонде Усольского лесхоза была разделена на две основные группы:
- непокрытые лесом земли: с/х земли (сенокосы, пастбища), болота, застроенные территории, вырубки, гари, погибшие насаждения от насекомых вредителей, прогалины;
- покрытые лесом земли: высоко-сомкнутые насаждения с полнотой более 0.7, средне-сомкнутые насаждения с полнотой от 0.3 до 0.7 и низко-сомкнутые насаждения с полнотой менее 0.3 (редина).
Оценка информативности спутниковых изображений низкого разрешения выполнялась по следующим категориям покрытых и непокрытых лесом земель: высоко-сомкнутые насаждения, вырубки, гари, погибшие насаждения от насекомых вредителей, сенокосы, пастбища, застроенные территории, прогалины, болота и водные объекты.
На рисунках 1 и 2 представлены фрагменты синтезированных изображений VEGETATION и AVHRR с участками различных категорий лесных земель.
В таблицах 1 и 2 приведены значения критерия дивергенции, а на рисунках 3, 4 и 5 диаграммы рассеяния яркостей основных категорий лесных земель, позволяющие оценить их распознаваемость на изображениях VEGETATION и AVHRR.
Значения дивергенции лесных земель для изображений VEGETATION вычислялись на основе сигнатур, полученных в красном, ближнем и среднем инфракрасном каналах.
Таблица 1
Значения критерия дивергенции при распознавании попарных сочетаний категорий лесных земель по данным SPOT4-VEGETATION (channels 2,3,4)
| Категории земель | № | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| Высоко-сомкнутые насаждения | 0 | |||||||||
| Вырубки | 2 | 0.70 | 0 | |||||||
| Гари | 3 | 0.99 | 1.00 | 0 | ||||||
| Сенокосы | 4 | 0.66 | 0.73 | 1.00 | 0 | |||||
| Пастбища | 5 | 0.57 | 0.6 | 0.98 | 0.87 | 0 | ||||
| Застроенные территории | 6 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 0 | |||
| Прогалины | 7 | 1.00 | 0.99 | 1.00 | 0.69 | 1.00 | 1.00 | 0 | ||
| Болота | 8 | 0.43 | 0.54 | 1.00 | 0.44 | 0.39 | 1.00 | 1.00 | 0 | |
| Вода | 9 | 0.99 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 0.97 | 0 |
Для получения значений критерия дивергенции для изображений AVHRR использовались только первые два канала радиометра, расположенные в видимой и ближней инфракрасной областях спектра.
Таблица 2
Значения критерия дивергенции для попарных сочетаний категорий лесных земель NOAA-AVHRR (channels 1,2)
| Категории земель | № | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| Высоко-сомкнутые насаждения | 1 | 0 | ||||||||
| Вырубки | 2 | 0.18 | 0 | |||||||
| Гари | 3 | 0.93 | 0.84 | 0 | ||||||
| Сенокосы | 4 | 0.38 | 0.84 | 0.97 | 0 | |||||
| Пастбища | 5 | 0.41 | 0.31 | 0.63 | 0.73 | 0 | ||||
| Застроенные территории | 6 | 0.51 | 0.2 | 0.97 | 0.59 | 0.07 | 0 | |||
| Прогалины | 7 | 0.88 | 0.93 | 1.00 | 0.72 | 0.8 | 0.84 | 0 | ||
| Болота | 8 | 0.03 | 0.07 | 0.86 | 0.71 | 0.20 | 0.06 | 0.88 | 0 | |
| Вода | 9 | 0.03 | 0.13 | 0.96 | 0.66 | 0.33 | 0.23 | 0.97 | 0.07 | 0 |
Из анализа двумерных диаграмм и значений критерия дивергенции можно сделать следующие выводы:
- изображения SPOT4-VEGETATION в целом позволяют значительно лучше распознавать категории лесных земель по сравнению с данными NOAA-AVHRR, что объяснимо более высоким уровнем адекватности спектральных каналов инструмента VEGETATION задачам изучения растительного покрова;
- существенный вклад в разделимость категорий лесных земель по их спектральным сигнатурам вносит использование среднего инфракрасного канала VEGETATION, что, по-видимому, связано с его чувствительностью к изменениям влажности подстилающей поверхности. Например, использование только каналов, расположенных в красной и ближней инфракрасной областях спектра не позволяет отделить гари от воды (рис.3а), в то время как привлечение среднего инфракрасного канала дает возможность добиться практически полного распознавания объектов, что подтверждается максимально возможным значением дивергенции для этой пары классов (рис.3б);
- отмечается значительное перепутывание болот с другими категориями земель по их спектральным признакам на изображениях VEGETATION и AVHRR, что, однако может быть объяснено недостаточно точной идентификацией опорных объектов этой категории земель на изображениях низкого разрешения.
Для изучения спектральных сигнатур лесных насаждений различных пород были отобраны участки леса с преобладанием сосны, пихты, березы и осины.
На рисунках 4, 5 и 6 приведены диаграммы рассеяния яркостей изображений VEGETAGION и AVHRR для классов насаждений, принадлежащих различным преобладающим породам. Таблицы 3 и 4 отражают дивергенцию между вышеперечисленными преобладающими породами.
Таблица 3
Значения критерия дивергенции при распознавании попарных сочетаний преобладающих пород по данным SPOT4-VEGETATION (channels 2,3,4)
| Порода | Береза | Осина | Сосна | Пихта здоровая |
Пихта поврежденная |
| Береза | 0.00 | ||||
| Осина | 0.03 | 0.00 | |||
| Сосна | 0.39 | 0.48 | 0.00 | ||
| Пихта здоровая | 1.00 | 1.00 | 1.00 | 0.00 | |
| Пихта поврежденная | 1.00 | 1.00 | 1.00 | 1.00 | 0.00 |
Из анализа приведенных в таблицах данных можно сделать вывод о высокой степени разделимости как здоровых, так и поврежденных пихтовых насаждений с другими породами.
Кроме того, из представленных рисунков, очевидно, что расположение эллипсов рассеяния всех преобладающих пород в двумерном пространстве красного и инфракрасного каналов для обоих датчиков соответствует известным закономерностям.
Таблица 4
Значения критерия дивергенции при распознавании попарных сочетаний преобладающих пород по данным NOAA-AVHRR (channels 1,2)
| Порода | Береза | Осина | Сосна | Пихта здоровая |
Пихта поврежденная |
| Береза | 0.00 | ||||
| Осина | 0.06 | 0.00 | |||
| Сосна | 0.11 | 0.21 | 0.00 | ||
| Пихта здоровая | 1.00 | 1.00 | 1.00 | 0.00 | |
| Пихта поврежденная | 0.54 | 0.62 | 0.27 | 1.00 | 0.00 |
Низкие значения дивергенции при распознавании насаждений сосны и лиственных пород также вероятно связаны с неточностью в идентификации участков этих пород на спутниковых изображениях и нуждаются в дополнительной проверке. Тем ни менее более высокий уровень разделимости этих классов достигается при использовании изображений SPOT4-VEGETATION.
Таким образом, по результатам приведенных исследований на начальном этапе были сделаны следующие выводы об уровне распознаваемости различных классов лесных земель по данным низкого разрешения спутников SPOT4-VEGETATION и NOAA-AVHRR, только при использовании спектральных признаков.
- Предварительные результаты исследований спектральных сигнатур некоторых классов лесных земель показали преимущество датчика VEGETATION по сравнению с радиометром AVHRR, а наличие среднего инфракрасного канала у VEGETATION позволяет различать категории земель, характеризуемые различным влагосодержанием.
- Отмечается значительное перепутывание болот с другими категориями земель на изображениях обоих спутников, что возможно связано с неточной идентификацией участков болот на изображениях и нуждается в дополнительной проверке.
- Отсутствие в базе данных Усольского лесхоза репрезентативной выборки средне- и низко-сомкнутых насаждений различных пород, включая лиственницу и ель, требует привлечения дополнительной информации и уточнения полученных оценок.
- Низкие значения дивергенции при распознавании таких классов, как береза и осина свидетельствуют о необходимости привлечения разносезонных данных для улучшения их распознавания.