Материал: Мониторинг лесной растительности по данным спутниковых снимков

Мониторинг лесной растительности по данным спутниковых снимков

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

(ФГБОУ ВПО «КубГУ»)

Кафедра геоинформатики

ДОПУСТИТЬ К ЗАЩИТЕ В ГАК

Заведующий кафедрой

д-р геогр. наук, проф.

А.В. Погорелов

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА БАКАЛАВРА

мониторинг лесной растительности по данным спутниковых снимков

Работу выполнил А.К. Головань

Факультет географический

Направление 021300.62 «Картография и геоинформатика»

Научный руководитель

преп., канд. физ.-мат. наук М.В. Кузякина

Нормоконтролер

доц., канд. геогр. Наук  А.Н. Пелина

Краснодар 2015

СОДЕРЖАНИЕ

Введение

. Подходы к исследованию лесной растительности по данным спутниковой съемки

.1      Возможность применения космических методов исследования для оценки состояния лесных экосистем горных территорий

.2      Интеграция алгоритмов обработки космических снимков для автоматизированного дешифрирования лесной растительности

.3      Картографирование лесостепной растительности

.4      Анализ структуры, состояния и динамики агролесоландшафтов по материалам аэрокосмического мониторинга

. Методы оценки пожарной опасности по данным спутниковых наблюдений

. Оценка последствий лесных пожаров

.1      Обоснование выбора спутниковых снимков

.2      Обоснование выбора вегетационных индексов

.3      Оценка последствий лесных пожаров на примере пожаров в Пермском крае в 2010 г.

Заключение

Список использованных источников

ВВЕДЕНИЕ

Лесная растительность - один из системообразующих компонентов ландшафта, индикатор состояния окружающей среды и ценный природный ресурс. Оперативная и достоверная оценка свойств лесной растительности способствует её рациональному использованию, охране и восстановлению.

В последние годы геоинформационные системы (ГИС) стремительно становятся стандартным инструментом для решения ряда фундаментальных и прикладных проблем метеорологии и климатологии. Благодаря способности хранить, обрабатывать, анализировать и визуализировать в структурированной электронной форме огромные объемы пространственно распределенных разнородных данных, ГИС позволяют быстро генерировать синтетическую информацию в удобной для принимающих решения специалистов форме.

В природоохранных приложениях имеется широкий класс задач, решение которых в значительной степени облегчается или ускоряется при использовании ГИС. К ним можно отнести: раннее оповещение о стихийных бедствиях и опасных погодных явлениях, наблюдения за температурой земной поверхности и Мирового океана, контроль за уровнем поверхности Мирового океана, определение границ снежного покрова, наблюдения за площадями затопления и разлива рек, наблюдения за распространением дыма от лесных пожаров.

Проблема эффективного применения ГИС в подобных задачах состоит в необходимости усвоения и анализа данных дистанционного зондирования, в особенности от метеорологических радиолокаторов и спутников, для исследования различных объектов климатической системы.

Целью дипломной работы - анализ методов и подходов к исследованию лесной растительности по данным спутниковой съемки, в частности, оценка последствий лесных пожаров.

Для достижения цели необходимо решить следующие задачи:

- проанализировать существующие методы и подходы к дешифрированию лесной растительности по данным ДЗЗ;

проанализировать методы и походы к мониторингу природных лесных пожаров по данным ДЗЗ;

провести оценку последствий лесных пожаров как мониторинг угнетения лесной растительности по данным ДЗЗ.

1. Подходы к исследованию лесной растительности по данным спутниковой съемки

.1 Возможность применения космических методов исследования для оценки состояния лесных экосистем горных территорий

В настоящее время одной из важнейших исследовательских задач является оценка состояния лесных ценозов дистанционными методами. Применение данных дистанционного зондирования Земли (ДДЗ) является особенно актуальным для труднодоступных горных территорий, так как они способствуют уменьшению трудоемкости и увеличению степени объективности распознавания характеристик лесных ценозов.

Данные дистанционного зондирования Земли - совокупность сведений о поверхности Земли и объектах, расположенных на ней или в ее недрах, полученные в процессе съемок с помощью аппаратуры космического базирования, позволяющей получать изображения в одном или нескольких участках электромагнитного спектра.

Основой дистанционных методов исследования являются спектральные характеристики природных образований. При этом практический интерес для съемки имеет отраженная энергия - отношение количества отраженной и рассеянной вверх радиации к плотности потока падающей прямой радиации Солнца. Она зависит у древесной растительности от строения клеток мезофилла хвои и листьев. Па красную зону спектра (0,62-0,75 мкм) приходится максимум поглощения солнечной радиации хлорофиллом, а на ближнюю инфракрасную зону (0,75-1,3 мкм) - максимум отражения энергии клеточной структурой листа. Высокая фотосинтетическая активность ведет к более низким значениям коэффициента отражения в красной зоне спектра и большим значениям в ближней инфракрасной. Отношение этих показателей друг к другу позволяет четко отделить растительность от прочих природных объектов.

Оценка факторов возмущающего воздействия на растительность - приоритетная составляющая спутникового мониторинга наземных экосистем, поскольку такого рода воздействия в значительной мере определяют потоки углерода между наземными экосистемами и атмосферой. Спутниковые изображения позволяют определить участки леса, нарушенные вследствие антропогенного воздействия, основные факторы воздействия, выделить лесопокрытые площади, выявить следы лесоразработок и пожаров, а также сельскохозяйственного использования территорий. На основе ДДЗ можно создать информационное обеспечение, необходимое для организации лесного хозяйства и многоцелевого лесопользования. Не менее важным является контроль мест проведения рубок ухода и санитарных рубок не реже 1 раза в 2 года, сравнивая данные о фактических местах сплошнолесосечных вырубок, полученных на основе дешифрирования космических изображений с планами рубок. Это обусловлено тем, что как показывает практика лесопользования, нередко органами лесного хозяйства допускаются отступления от утвержденных планов рубок.

С использованием космических снимков высокого пространственного разрешения можно определить породный состав лесов. Для получения достоверных данных вместе со снимками необходимо иметь набор обучающих эталонов - наземных площадок с известным породным составом для «обучения» алгоритма распознавания в начале работы и проверки итогов в конце. Отдельные группы деревьев и группы пород определяются с разным уровнем достоверности. Легко отделить друг от друга лиственные породы и темнохвойные. Сложнее лиственные от светлохвойных. Близкие по спектральным характеристикам ель и пихту, березу и осину, сосну и лиственницу разделить невозможно.

Для того чтобы отобразить разнообразие растительного покрова, желательно использовать сцены за различные сезоны года. Так зимние сцены позволяют выделить типы растительного покрова еловою второго яруса под пологом мелколиственных пород, весенние сцены - разделить сосновые и еловые леса. Наиболее полную информацию содержат изображения, полученные в сентябре, когда структура спектра хорошо отображает различия в степени пожелтения-покраснения от породного состава и местоположения древостоев.

Следует отметить, что, используя ДДЗ, нельзя провести оперативный мониторинг лесопокрытой территории для выявления несанкционированных рубок в текущий момент времени. Во-первых, получение космического снимка для обработки в лучшем случае требует несколько часов времени при условии, что есть сеть станций для приема спутниковой информации, что весьма затруднительно. Другим фактором, затрудняющим оперативный мониторинг хозяйственной деятельности в лесах, является постоянная высокая облачность над основными лесными территориями России. Из-за значительного количества облаков каждый конкретный участок бывает покрыт безоблачной съемкой лишь несколько раз в году. В связи с этим не стоит говорить о выявлении незаконных лесопользований в реальном времени.

Накопленные к настоящему времени архивы данных спутников Landsat-TM и ЕТМ открывают уникальную возможность использования космоснимков высокого пространственного разрешения для оценки масштабов вырубок лесов. Разрабатываются методы детектирования и классификации изменений в лесных массивах на основе анализа разновременных спутниковых данных Landsat. Одним из важных этапов использованных методов ДДЗ является построение карт лесов и других типов земного покрова на основе классификации спутниковых данных. Получаемые маски лесов различных типов используются для взаимной радиометрической нормализации разновременных изображений с целью компенсации негативного влияния различий в атмосферных условиях, в фенологическом состоянии растительности во время спутниковой съемки.

Применение космических снимков в картографировании позволяет получить картографический материал с разреженной нагрузкой, большим пространственным охватом, отобразить на карте объекты с указанием их специальных характеристик, которых нет на топографических материалах. Следует отмстить, что, чем более комплексно предполагается использовать снимок, тем более выгодным становиться его приобретение. Составлению экологических карт лесопокрытой территории предшествует тщательное изучение растительного покрова, выявление связей растительных сообществ с условиями среды, рельефом, режимом увлажнения. Применение геоинформационных систем способствует более углубленному изучению характера распределения растительных сообществ на фоне условий среды.

Характерным признаком растительности и ее состояния, как было сказано выше, является спектральная отражательная способность, отличающаяся большими различиями в отражении излучения разных длин волн. При дешифрировании данных спутниковой съемки используются значения яркостей в каналах и построенные на их основе индексы. Индексы отражают особенности преобразования солнечной энергии ландшафтных покровов; степень неравновесности поглощения энергии в разных зонах спектра - энтропия Кульбака; биологическую продуктивность - NDVI, TVI, RVI, gNDVI; содержание влаги в растительности - LMT, NDWI. Наиболее популярный и часто используемый вегетационный индекс - NDVI [15].

Для растительности NDVI принимает положительные значения, и чем больше зеленая фитомасса, тем он выше. Для зеленой растительности - от 0,2 до 0,8. Следует отметить, что вегетационные индексы дают только относительные оценки свойств растительного покрова, которые могут быть интерпретированы и с привлечением полевых данных пересчитаны в абсолютные. Значения NDVI для разных типов объектов приведены в таблице 1.

На основе ДДЗ Земли можно получить оценки чистой биологической продуктивности, эксергии - доли солнечной энергии, затраченной на транспирацию и производство биологической продукции. Данные характеристики отражают энергетическое состояние Земли в момент съемки в различных спектральных диапазонах, что необходимо учитывать при планировании лесного хозяйства. В целом леса имеют большую эксергию и сильные различия в доле энергии, идущей на производство продукции. Зарастающие поля характеризуются высокой долей энергии, идущей на производство продукции. Хвойные породы характеризуются большой эксергией и меньшими затратами энергии на производство продукции, чем широколиственные и мелколиственные леса.

Таблица 1 - Значения индекса NDVI

Технологии современного дистанционного зондирования позволяют осуществлять мониторинг различных параметров состояния атмосферы, гидросферы и биосферы. Принятие оперативных решений на основе такой информации удобнее всего осуществлять с помощью ГИС-технологий. Между тем, приходится констатировать отсутствие единого методологического подхода к анализу данных дистанционного зондирования атмосферы и подстилающей поверхности для проведения комплексной оценки состояния территорий в контуре ГИС в реальном масштабе времени. Это обстоятельство во многих случаях системно ограничивает возможности оперативного нахождения наилучших решений.

1.2 Интеграция алгоритмов обработки космических снимков для автоматизированного дешифрирования лесной растительности

горный лесной картографирование космический

Лесная растительность - один из системообразующих компонентов ландшафта, индикатор состояния окружающей среды и ценный природный ресурс. Оперативная и достоверная оценка свойств лесной растительности способствует её рациональному использованию, охране и восстановлению. Различные методики обработки данных аэрокосмического зондирования, в особенности автоматизированные, - мощный инструмент для исследования лесной растительности. Появление космических снимков со сверхвысоким пространственным разрешением (лучше 1 м) открыло новые возможности в картографировании лесной растительности. Минимальным картографируемым объектом теперь может являться не площадка с растительностью, а отдельные деревья и кустарники.

Эти возможности особенно интересны при изучении экосистем переходных зон (экотонов). Среди них - лесотундра - экотон, занимающий огромные площади в России, Скандинавии и Канаде и являющийся чувствительным индикатором глобальных изменений. В рамках Международного полярного года (2007-2009) современное состояние, пространственные вариации и динамика лесотундровых экосистем детально изучаются в международном проекте PPS Arctic. Работа входит в аэрокосмический блок исследований по проекту, конечной целью которых является циркумполярная характеристика состояния и динамики лесотундры на разных масштабных уровнях. Снимки сверхвысокого пространственного разрешения используются для наиболее детальных исследований в сочетании с полевыми данными [12].

Традиционные методики анализа изображений высокого пространственного разрешения базировались на методах глобального (попиксельного) анализа. В изображениях со сверхвысоким пространственным разрешением большое значение имеют текстурные характеристики и пространственные взаимоотношения между изобразившимися объектами. Эта особенность учитывается при фокальном объектно-ориентированном анализе, исследующем распределение яркости в рамках участков изображения, включающих некоторое количество пикселей. Размер участка определяется в зависимости от размера и характеристик изобразившихся на снимке объектов.

Разработана методика автоматизированной обработки космических изображений, основанная на комбинации глобальных и фокальных алгоритмов обработки снимков [12]. Методика апробирована на примере снимка QuickBird (имеющего разрешение 2.4 м в спектральных зонах и 0.6 м для панхроматического изображения) Съёмка выполнена 28 июня 2006 г. на территорию долины реки Тульок в Хибинском горном массиве, Мурманская область (рисунок 1). Обработка снимка проводилась в программных пакетах ERDAS IMAGINE 9.3 и ESRI ArcGIS 9.3

Методика включает несколько этапов:

создание многозонального изображения с улучшенным пространственным разрешением путём его объединения с панхроматическим каналом;

построение классифицированного изображения растительности на основе глобального анализа изображения путём определения пороговых значений для яркостных характеристик (нормализованного вегетационного индекса NDVI, результатов кластеризации снимка в IHS представлении) и текстурных характеристик (дисперсии значений яркости в пределах «скользящего окна») с целью выделения на изображении следующих классов: растительность, тени растительности, прочие объекты;