Материал: Мониторинг лесной растительности по данным спутниковых снимков

фокальный анализ классифицированного изображения с использованием матричных моделей деревьев, изобразившихся на космическом снимке, на основе методики Гринберга и др. [23] для обнаружения деревьев и кустарников с кронами заданных размеров;

фокальная фильтрация промежуточного изображения, совмещённого с индексным изображением NDVI, в результате которой из двух слишком близко расположенных деревьев или кустарников одинакового размера выбирается дерево или кустарник, имеющий большее значение вегетационного индекса;

преобразование результатов дешифрирования деревьев в векторную форму для последующей обработки в ГИС- пакете;

pасчёт высоты деревьев по длинам их теней, измеренным на этапе определения положения стволов;

заключительный этап фильтрации, в результате которого удаляются меньшие по размеру ложно обнаруженные деревья и кустарники, которые перекрываются кроной больших по размеру деревьев и кустарников;

оценка достоверности результатов;

оформление результатов дешифрирования.

Рисунок 1 - Классифицированное изображение, используемое для выделения отдельных деревьев по пространственному сочетанию освещённых и затенённых участков крон

Результатом анализа изображения QuickBird с применением разработанной методики, формализованной в виде двух моделей автоматической обработки снимков (для ERDAS IMAGINE и для ArcGIS), являются электронные карты на ключевой район в долине реки Тульок [12]. Среди них - карты деревьев и кустарников (рисунок 2), границ леса и лесотундры (рисунок 3), проективного покрытия крон, которые рассчитываются для элементарных площадок заданного размера (рисунок 4), Высокая достоверность результатов автоматизированного дешифрирования подтверждена на основе визуального дешифрирования для 16 тестовых участков изображения.

Рисунок 2 - Результат выявления деревьев и кустарников. Фон: космоснимок QuickBird от 28 июня 2006 г

Рисунок 3 - Результат автоматического определения границ леса

Следует отметить, что в изучаемом районе деревья на границе леса часто имеют кустарниковую форму, поэтому деревья и кустарники дешифрируются нами как единый класс объектов.

Рисунок 4 - Карты проективного покрытия крон для элементарных площадок, соответствующих размеру пиксела на снимках Terra ASTER (15 м), Landsat TM (30 м), Landsat MSS (80 м)

Полученная карта деревьев и кустарников позволяет оценивать количество деревьев и крупных кустарников на единицу площади, с разделением их на несколько классов по высоте, а также расстояние между стволами деревьев и проективное покрытие древостоев. Оценка высот объектов позволяет автоматизировано проводить границу между лесной, лесотундровой и стланиковой древесной растительностью (основные экологические классы в лесотундровом экотоне). Разработанная методика детального картографирования позволяет определять важные морфометрические параметры экотона лесотундры. Результаты детального дешифрирования будут использованы при оценке достоверности картографирования экотона лесотундры по снимкам более низкого пространственного разрешения для обширных территорий [12].

1.3 Картографирование лесостепной растительности

Растительность, благодаря высоким индикационным и физиономическими свойствам, является центральным объектом дистанционного мониторинга природной среды. Важнейшим продуктом, интегрирующим результаты аэрокосмического исследования растительности той или иной территории, является геоботаническая карта [24].

В современных условиях без системы детальных геоботанических карт немыслимы научно-обоснованная разработка классификации и районирования растительного покрова, определение биологического потенциала и ресурсов, выявление закономерностей размещения и формирования растительности, успешная реализация перспективных региональных и локальных проектов по освоению природных ресурсов, мероприятий по охране окружающей среды и формированию сети особо охраняемых природных территорий. Они являются неотъемлемым элементом и базовой основой в решении ряда других научных и практических задач [4]. К концу истекшего столетия возможности картографического метода исследования растительного покрова необыкновенно расширились за счет создания и внедрения геоинформационных технологий (ГИС-технологий), свободного доступа к данным дистанционного зондирования Земли (ДДЗ). Их применение позволяет при наличии адекватной пространственно распределенной информации по региону создавать практически неограниченное число виртуальных тематических карт и анализировать их в самых различных сочетаниях [17]. Как справедливо заметил известный французский картограф П. Озанда «...картографирование растительности является одним из направлений биологии, сделавшим рывок во второй половине XX века и добившимся блестящих достижений» [13].

В Беларуси, например, картография растительности является одним из направлений ботаники активно развивающимся со второй половины XX века. Это было продемонстрировано созданием серии мелко- и среднемасштабных геоботанических карт, внесших значительный вклад в познание структуры растительного покрова Европы. Среднемасштабная (М 1:600 000) карта растительности Белорусской ССР [19], например, единственная карта в СССР, которая была опубликована, вопреки цензуре, в открытой печати [20]. По утверждению одного из крупнейших ботаников-картографов Европы Т.К. Юрковской - это стало сенсационным событием для всех геоботаников СССР [20, 21].

Методологические концепции регионального геоботанического картографирования, которые развивались ботаниками-картографами, еще не исчерпали себя, однако ограниченное узкими задачами картографирования растительности, на рубеже столетий это научное направление стало перед серьезными вызовами научно-технического прогресса.

Во-первых, существенно изменились методические подходы составления геоботанических карт: стремительно обновляется программно-информационная платформа процесса картографирования, стал свободным доступ к материалам аэрокосмической съемки, активно развивается национальный сегмент системы дистанционного мониторинга природной среды.

Во-вторых, карту растительности стали рассматривать не как конечный документ, а скорее как промежуточную площадку, от которой усилия исследователей устремлены в двух направлениях: с одной стороны, на использование карты как средства анализа среды, с другой - на применение полученной при помощи карты информации для реализации практических задач.

Наиболее интересным, с точки зрения концентрации научных проблем, перспектив развития прикладного тематического картографирования, а также востребованности результатов исследований является сегмент крупномасштабного картографирования (М 1:10 000 - М 1:200 000). Именно с ним (крупномасштабным картографированием) связано дальнейшее обсуждение результатов и перспектив использования дистанционного зондирования растительности в научных и практических целях.

Безусловно, техническое совершенство - важная вещь. Особенно в картографировании - ведь карта во многом плод развития технических средств и достижений математики. Но это, прежде всего технические успехи. Задача ботаников-картографов не превратиться в оператора ЭВМ, а развивать научные основы картографирования, создавать новые типы карт растительности, используя современные успехи синтаксономии, экологии [20].

Крупномасштабное картографирование растительности с использованием ДДЗ и ГИС-технологий. В результате выполнения ряда заданий государственных программ научных исследований, международных проектов разработана методика крупномасштабного картографирования растительности с использованием данных дистанционного зондирования [17].

Методика работы состоит из 3 этапов (рисунок 5).

Предполевой камеральный этап:

а) сбор данных на территорию исследуемого объекта;

б) подбор данных космической съемки с различных спутниковых систем;

в) обработку космоснимков;

г) выполнение визуальной и автоматической классификации снимков объекта исследования;

д) проведение предварительной классификации и создание цифровой прекарты.

Все подготовительные работы начинаются с анализа имеющихся для исследуемой территории проектов лесо- и землеустройства, техникоэкономических обоснований проведения хозяйственных и/или природоохранных мероприятий, обработки документов по освоению лесного фонда. Информация, содержащаяся в указанных документах, является основой баз данных, для создания которых осуществлялись: сканирование, привязка лесоустроительных планшетов и абрисов лесосек, векторизация данных и добавление атрибутивной информации.

Для решения задач геоботанического и прикладного тематического картографирования в наших исследованиях используются космические снимки с пространственным разрешением от 8-15 до 30-50 м, получаемые с помощью съемочных систем Landsat ETM+ и «TERRA» ASTER (США), SPOT (Франция), ALOS (Япония) и др.

Ряд задач по картографированию и оценке состояния растительности решаются с помощью космических систем, имеющих низкое пространственное разрешение (250-1000 м) типа AVHRR (NOAA), MODIS (США) и др.

Наиболее оптимальными для целей геоботанического картографирования являются снимки с разрешением лучше 2 м, которые позволяют выявить даже незначительные изменения в растительном покрове. При этом, в последнее время активно развиваются космические системы со сверхвысоким пространственным разрешением (0,3-0,5 м), которые по информативности приближаются к материалам аэрофотосъемки и могут заменить их при инвентаризации и оценке состояния растительного покрова. В этом секторе космических данных дистанционного зондирования лидируют QuickBird, IKONOS, WorldView-1, -2, GeoEye-1 (США), EROS (Израиль), Cartosat-1, -2 (Индия), Ресурс-ДК (Россия) и др.

При изучении растительности на сравнительно больших площадях наиболее привлекательным по соотношению цена/качество являются снимки с разрешением от 2 до 10 м.

Снимки с пространственным разрешением до 1,5 м (в панхроматическом диапазоне) распространяются по достаточно высоким ценам, по данным 2013 г. в среднем примерно 5-20 у.е. за 1 км2 архивной съемки, при минимальной площади заказа 25 км2. Среди снимков высокого разрешения своей «демократичной» ценой выделяются также данные японского спутника ALOS (близкими по качеству являются и космические снимки, полученные с БелКА). Важной сферой применения снимков среднего разрешения является отслеживание долговременных изменений в растительном покрове. Так, спутники серии Landsat работают на орбите с 70-х гг. XX в, т. е уже почти 40 лет. Накоплен огромный архив свободно доступной съемки всей территории суши. Используя ее, мы можем «заглянуть в прошлое» назад, что позволяет в отдельных случаях отслеживать процессы, происходящие в природнорастительных комплексах.

Благодаря приобретшим большую популярность интерактивным вебсервисам типа Google Earth широкая общественность смогла за последние годы познакомиться со снимками сверхвысокого разрешения. Поскольку снимки, представленные в Google Earth, уже ортотрансформированы с использованием грубой модели рельефа, в них внесены неисправимые ошибки. К сожалению, в силу этой причины использование данных материалов ограничено. Максимальную точность могут обеспечить лишь коммерческие данные дистанционного зондирования.

Обработка материалов космической съемки выполняется в программном пакете Scanex Image Processor и включает:

- геопроецирование снимка в географическую систему координат WGS84 проекции UTM;

корректировку привязки снимка по опорным точкам или точному координатно-увязанному снимку;

увеличение пространственного разрешения многоканальных (многоспектральных) снимков;

создание синтезированных цветных изображений из комбинации спектральных каналов космического снимка.

На первом подэтапе камерального предполевого дешифрирования (классификации) территории для удобства дешифрирования серия цветных композитных изображений сопоставлялись с топографической картой участка, что позволило создать предварительную природную классификацию (типологию) территории на ландшафтной основе. При построении данной классификации учитывалась взаимосвязь основных природных компонентов рельефа, почв, растительности. Под природной классификацией понимается выделение с использованием ландшафтного подхода экосистем, или природнотерриториальных комплексов (ПТК).

Рисунок 5 - Схема выполнения работ по созданию карты растительности с использованием данных дистанционного зондирования (на примере лесоболотного комплекса «Морочно», Столинский район Брестской области)

Наиболее значимыми признаками при дешифрировании являются рисунок изображения, его морфологический облик, структурно-текстурные и топологические особенности. Здесь (первый подэтап) не отличается от общепринятых подходов предварительного экспертного дешифрирования территории по аэрофотоснимкам и позволяет создать легенду к карте экосистем, в котором растительность представлена как основной, физиономически информативный компонент [9]. Предварительная легенда ПТК в крупных структурных подразделениях уже представляет каркас будущей окончательной легенды карты растительности.

Второй подэтап камерального периода включает создание неконтролируемой (unsupervised) автоматической классификации с дальнейшей интерпретацией классов и формированием карты. Автоматическую классификацию выполняли с помощью специализированных пакетов ENVI или Erdas Imagine. Количество классов при этой обработке в зависимости от качества снимка и поставленных задач составляет от 10 до 40.

После выполнения указанных процедур было получено цветное изображение - электронная карта (прекарта). Она отражает закономерности распределения определенного (заданного нами) количества классов. Сопоставление данных визуального дешифрирования композитных снимков и прекарты, полученной на основе неконтролируемой классификации, позволяет лучше определить закономерности распределения и разнообразие растительности тестового участка и тем самым более осмысленно подойти к анализу использованных материалов.

Полевые исследования. Полученная информация позволила наметить расположение точек для сбора фитоценотических описаний с целью более точной интерпретации полученных классов. В ходе полевых описаний проведен сбор данных о состоянии растительности классическими геоботаническими методами, но с использованием GPS-приемника для привязки точек описаний и треков путевых маршрутов. При проведении работ сопоставлялись предварительные результаты дешифрирования космоснимков с наземными данными. В зависимости от полученных результатов ранее выделенные классы могли объединяться или, наоборот, разделяться на несколько независимых. Количество точек описания для каждого класса могло варьировать в зависимости от однородности или неоднородности рисунка растительного покрова. Для всех новых или сложных для интерпретации классов количество точек описания было увеличено, что бы при контролируемой автоматизированной классификации можно было набрать достаточное количество эталонных пикселов [9, 17].

Постполевой камеральный этап включает несколько этапов:

а) Обработка геоботанических описаний. В камеральных условиях составлялись сводные таблицы описаний фитоценозов с их последующей сортировкой. Помимо флористического состава и структуры сообществ, большое внимание уделялось характеристике древесного яруса. Это было необходимо не только для типизации лесных сообществ, но и для отграничения их от сообществ лесных болот.