Выявление, учет и оценка текущих изменений в лесном фонде по космическим изображениям

Шаталов, Алексей Викторович

Бесплатный автореферат и диссертация по сельскому хозяйству на тему
Выявление, учет и оценка текущих изменений в лесном фонде по космическим изображениям
ВАК РФ 06.03.02, Лесоустройство и лесная таксация

Автореферат диссертации по теме "Выявление, учет и оценка текущих изменений в лесном фонде по космическим изображениям"

На правах рукописи

РГ6 од

2 5 СЕН 7Ш

ШАТАЛОВ АЛЕКСЕЙ ВИКТОРОВИЧ

Выявление, учет и оценка текущих изменений в лесном фонде по космическим изображениям на примере сплошнолесосечных вырубок

Специальность 06.03.02 "Лесоустройство и лесная таксация"

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата сельскохозяйственных наук

МОСКВА 2000

Диссертационная работа выполнена в Центре по проблемам экологии и продуктивности лесов РАН и во Всероссийском научно-исследовательском институте лесоводства и механизации лесного хозяйства (ВНИИЛМ)

Научный руководитель -

доктор сельскохозяйственных наук, профессор В.И. Сухих

Официальные оппоненты -

доктор сельскохозяйственных наук А.Н.Филипчук кандидат сельскохозяйственных наук О.А.Савельев

Ведущая организация -

Центральное государственное лесоустроительное предприятие (Центрлеспроект)

Защита состоится " Л - ¿СУ&Ас^Р_2000 г. на заседании диссертационного Совета К 028.01.01 при Всероссийском научно-исследовательском институте лесоводства и механизации лесного хозяйства по адресу: 141200, г. Пушкино Московской области, ул. Институтская, 15 ВНИИЛМ.

С диссертацией можно ознакомиться в библиотеке института. Отзыв на автореферат просим направлять в двух экземплярах с заверенными подписями в адрес Совета.

Автореферат разослан " " ^С2000 г.

Ученый секретарь диссертационного совета

кандидат с.-х. наук С.Ю. Цареградская

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В числе основных задач, стоящих перед лесным хозяйством России, являются: а) организация и обеспечение рационального, многоцелевого, непрерывного и неистощительного лесопользования, воспроизводства, охраны и защиты лесов, рационального использования земель лесного фонда, сохранения и усиления средообразующих, защитных, водоохранных, оздоровительных, санитарно - гигиенических и иных полезных природных свойств лесов; б) обеспечение соблюдения всеми физическими и юридическими лицами порядка пользования лесным фондом и исполнения иных требований, норм и правил, установленных лесным законодательством Российской Федерации.

Поэтому задача создания эффективной системы выявления, учета и оценки текущих изменений в лесном фонде и контроля за порядком лесопользования является исключительно актуальной. Реализация такой системы позволит органам лесного хозяйства более эффективно осуществлять лесоуправление, увеличить продолжительность межревизионного периода лесоустройства или перейти на систему непрерывного лесоустройства. Такая система наиболее актуальна для многолесных районов страны, где леса занимают обширные территории, и их инвентаризация требует значительных трудозатрат. В тоже время изменения представлены преимущественно гарями и вырубками, которые могут быть выявлены и оценены по космическим снимкам. Для данных районов очень важна и задача оперативного контроля за порядком лесопользования, соблюдением действующих правил рубок.

Исследования выполнялись по планам НИР Гослесхоза (Госкомлеса) СССР 1985-92 гг., Российской Академии наук 1993-99 гг., подпрограмм ФЦНТП «Астрономия. Фундаментальные космические исследования» и «Российский лес», программы «Интеграция» и Совместной Российско-Американской комиссии по экономическому и технологическому сотрудничеству.

Цели и задачи работы. Основной целью работы являлась разработка методологии выявления, учета и оценки текущих изменений и контроля порядка лесопользования в лесном фонде по космическим изображениям с использованием современных автоматизированных методов и ГИС-технологий.

Для достижения поставленной цели решались следующие научные и методические задачи:

• Исследование информативности различных видов космических съемок для решения задач классификации лесов.

• Оценка точности выявления вырубок с использованием различных видов космических съемок и методов дешифрирования.

• Разработка методологии автоматизированного выявления и учета изменений в лесном фонде, вызванных рубкой леса.

• Разработка методологии выявления и регистрации нарушений основных нормативов правил рубок.

Научная новизна. Изучены информативные возможности комплекса современных данных дистанционного зондирования Земли (ДДЗ) из космоса, в т.ч. отечественных конверсионных снимков высокого разрешения КВР и американских архивных снимков системы национальной безопасности DISP и различных методов дешифрирования для классификации лесов и выявления изменений в лесном фонде, вызванных сплошнолесосечными рубками. Разработана методология автоматизированного выявления вырубок и оценки соблюдения основных нормативных положений Правил рубок главного пользования при проведении сплошнолесосечных рубок на основе дешифрирования космических снимков с использованием баз данных геоинформационных систем (ТИС).

Практическая ценность. Результаты работы представляют собой методику, на основе которой возможно формирование автоматизированной, интерактивной технологии выполнения работ по выявлению и регистрации по космическим снимкам изменений в лесном фонде, вызванных рубкой леса, и оценки соблюдения Правил рубок. Результаты исследования снимков КВР могут найти применение при проведении лесоустроительных работ.

Апробация работы. Основные результаты работы были доложены на 2-й Всесоюзной конференции "АСОИЗ-86" (Львов, 1986), на Всесоюзном совещании "Аэрокосмический мониторинг лесных ресурсов зоны интенсивного ведения лесного хозяйства" (Львов, 1988), на Всесоюзной научно-технической конференции "Методы и средства дистанционного зондирования Земли и обработки космической информации в интересах народного хозяйства» (Рязань, 1989), на 2-м Республиканском семинаре "Проблемы создания системы обработки, анализа и распознавания изображений" (Ташкент, 1989), на научно-практической конференции "Аэрокосмическая информация в народном хозяйстве Красноярского края и сопредельных регионов" (Красноярск, 1990), на Всесоюзной конференции "Аэрокосмический мониторинг таежных лесов" (Красноярск, 1990), на. семинаре "Проблемы создания систем обработки, анализа и распознавания изображений" (Ташкент, 1990), на научно-практическом семинаре пользователей природно-ресурсных и океанографических космических данных (Москва, 1997), на Втором всероссийском совещании «Аэрокосмический мониторинг и ГИС в лесоведении и лесном хозяйстве» (Москва, 1998).

Публикации. По результатам исследований опубликовано 21 печатная работа, список которых приводится в конце автореферата.

ВО «Леспроект», Центра по проблемам экологии и продуктивности лесов РАН и Международного института леса. Автор выражает особую благодарность за помощь проф. д.с.-х.н. В.И.Сухих, д.с.-х.н. В.М.Жирину и к.т.н. М.Д.Брейдо.

Структура и объем работы Диссертация изложена на 117 страницах и состоит из введения, 4-х глав, выводов и практических рекомендаций. Текст содержит 26 таблиц и 27 рисунков. Список литературы включает 118 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Глава 1 Состояние вопроса, районы работ, характеристика используемых материалов дистанционных съемок, методология обработки данных.

1.1 Состояние вопроса.

Решение задачи улучшения использования, охраны и воспроизводства лесов возможно только на основе эффективной системы управления лесными ресурсами и требует наличия обширной, всеобъемлющей, постоянно обновляющейся информации о лесном фонде, на основе которой должны вырабатываться и приниматься оптимальные решения по многоцелевому использованию лесных ресурсов. Для получения, хранения и обработки этой информации необходимо формирование системы мониторинга лесов на основе использования аэрокосмических методов и ГИС-технологий. Вопросами применения аэрометодов для изучения лесов в нашей стране занимаются с середины 20-х годов. Больший вклад в развитие аэрометодов внесли Г.Г.Самойлович, И.Д.Дмитриев, С.В.Белов, А.М.Березин, Д.М.Киреев, В .И. Сухих, Е.ПДатолис, В.М.Жирин, Н.Г.Харин, С.В.Вавилов, А.В.Любимов, СГ.Синицын, Ю.САпостолов, И.В.Дворяшин, Б.ИЛодмаско, ЛЛ.Зайченко и многие другие. С начала 70-х годов в стране были развернуты широкие научные исследования по разработке новых и совершенствованию существующих методов изучения лесов и оценки их состояния на основе использования ДДЗ из космоса и автоматизированных методов дешифрирования и картографирования. Основные работы в 70-80-х гг. проводились в НИЧ ВО "Леспроект" (В.И.Сухих, Е.ПДанюлис, В.М.Жирин, И.А.Кренев, П.А.Кропов, А.В.Богачев, В.ИБерезин, Л.М.Матиясевич, Н.З.Боровиков, Р.ИЭльман, Е.И.Боданский и др.), в ИЛиД СО АН СССР (А.С.Исаев, Д.М.Киреев, Ф.И.Плешиков, Е.Н.Калашников, В.Н.Седых, В.В.Фуряев, В.ИХарук и др.), в ЛенНИИЛХе (Е.С.Арцыбашев, В.Д.Пуздриченко и др.), Институте пустынь (Н.Г.Харин и др.) и других организациях. Был выполнен комплекс работ по разработке новых методов инвентаризации лесов (Данюлис, Сухих и др., 1984, 1989; Жирин, 1984 и др.), тематическому картографированию (А.С.Исаев, В.И.Сухих, П.А.Кропов, Е.НКалашников и др.), учету текущих изменений в лесном фонде, вызванных пожарами и сплошными рубками (Жирин 1980;

Сухих 1980), формированию системы аэрокосмического мониторинга (Исаев, Сухих и др. 1991; Седых, 1991 и др.), автоматизации дешифрирования и картографирования (Эльман и др. 1978-89; Сухих и др. 1982, 89; Боданский 1986, Брейдо и др. 1988, 89,90,91 и др.). Позднее эти работы были продолжены в ВНИИЦлесресурс, ЦЭПЛ РАН, ИЛ СО РАН, Международном институте леса и др. (Сухих, 1990-1999; Жирин, 1998, 1999; Исаев 1998; Була-вин, 1998; Филипчук, 1996; Барталев, 1995, 1998; Федосимов, Подмаско, 1987; Шалаев, 1998; Апостолов, 1998; Арманд, 1998; Боровиков, 1998; Брейдо, 1990, 1991, 1998; Шапочкин, 1998; Джанетос и др. 1998; Киреев, 1992; Малышева, 1990, 1998; Семенов, 1998; Сурикова, 1998; Трейфельд, 1998; Харин 1998; Ершов, 1998; Шаталов, 1990, 1998), Многие разработанные методы были внедрены в практику лесоустройства, что позволило в последние два десятилетия, предшествующие перестройке, увеличить объемы выполняемых ежегодно работ более чем в два раза (Гиряев, 1998).

Исследованиям и разработкам вопросов выявления и оценки изменений, вызванных рубками и пожарами, и контроля рубок по ДЦЗ посвящены много работ (Сухих, 1977, 1979, 1980, 1981, 1982, 1986; Жирин, 1980, 1982, 1984, 1987, 1989; Данюлис, 1989; Крылов, 1985 и др.). Однако разработанные методологии основывались на применении визуальных методов дешифрирования. Развитие в области автоматизации дешифрирования, цифрового картографирования и баз данных позволили с середины 80-х приступить к разработке автоматизированной методологии выявления изменений в лесном фонде, вызванных сплошнолесосечными рубками и контроля за порядком лесопользования на основе дешифрирования космических изображений. В процессе решения данной задачи при непосредственном участии диссертанта были проведены значительные методические и экспериментальные исследования (Брейдо, 1988-91, 1998; Шаталов, 1990; Исаев и др. 1991; Сухих и др., 1989; Малышева, 1990; Бабийчук, 1990; Марков и др., 1987). Кроме того, проведены оценки информативности современных материалов космических съемок для решения данных задач и для задач классификации лесов (Исаев, Сухих и др. 1998; Сухих, Жирин и др. 1996; Джанетос, Шугарт и др. 1999, Шаталов 1998). В результате была разработана методология автоматизированного выявления по космическим снимкам, оценки и регистрации изменений в лесу, вызванных сплошнолесосечными рубками, первоначально реализованная в виде технологии на комплексе технических средств НИЧ ВО «Леспроект», и позже переработанная применительно к современному техническому уровню.

1.2. Районы работ

Тестовый участок «Усть-Илимский» площадью 140 тыс. га расположен в Ершовском лесничестве Эдучанского лесхоза Иркутской области. Рельеф плоскогорный волнистый. В лесном фонде преобладают спелые и перестойные насаждения хвойных пород, из которых больше половины сосняки. Средний бонитет - Ш.2. Средняя полнота - 0.71. На территории лес-

хоза проводятся интенсивные лесозаготовки. Основным способом рубки является сплошнолесосечный.

Тестовый участок «Егорьевский» площадью 6.5 тыс. га расположен в Поминовском лесничестве Егорьевского лесхоза Московской области. Преобладают высокопродуктивные сосновые, еловые и березовые насаждения преимущественно I-II классов бонитета различного породного состава и возраста, имеются участки лесных культур, прогалины, вырубки и другие категории земель лесного фонда

Для проведения исследовательских и экспериментальных работ на территории тестовых участков на основе материалов лесоустройства были сформированы экспериментальные базы данных ГИС, включающие картографические и таксационные данные.

1.3. Материалы съемок, использованные для проведения исследований

1.3.1. Фотоизображения

1. АФС - аэрофотоснимки: спекгрозональные масштаба 1:11000 на тестовый участок «Егорьевский» и черно-белые масштаба 1:50000 на тестовый участок «Усть-Илимский».

2. КФА-1000 - отечественные спекгрозональные космические фотоснимки, полученные со спутников серии «Ресурс-Ф» фотоаппаратом КФА-1000. Разрешение на местности 5-9м.

3. МК-4 - отечественные многозональные космйческие фотоснимки, полученные со спутников серии «Ресурс-Ф» многозональной фотокамерой МК-4. Разрешение на местности - около 20 м.

4. КВР - отечественные конверсионные космические панхроматические фотоснимки, полученные камерой высокого разрешения КВР-1000, устанавливаемой на спутниках серии «Космос». Разрешение на местности -около 2 м.

5. DISP (Declassified Intelligence Satellite Photo) - рассекреченные архивные черно-белые космические фотоснимки системы национальной безопасности США. Разрешение на местности: для DISP 1962 года - 25 футов (7,6 м), для DISP 1970-72 гг. - 6 футов (1,8 м).

1.3.2. Сканерные изображения

1. МСУ-Э - отечественные многозональные изображения. Спектральные диапазоны: 0.5-0.6,0.6-0.7, 0.8-0.9 мкм. Пространственное разрешение -45 м поперек пролета и 35 м вдоль пролета.

2. SPOT (Systeme Probatoire d'Observation de la Terre) - французские многозональные (0.5-0.59, 0.61-0.68, 0.79-0.89) и панхроматические сканерные изображения. Разрешение - 20 м в зональных каналах и 10 м в панхроматическом канале.

3. Landsat-TM (Thematic Mapper) - американские многозональные сканерные изображения. Спектральные диапазоны - 0.45-0,52, 0,52-0,60, 0,63-0,69, 0,76-0,90, 1,55-1,75, 10,40-12,50 и 2,08-2,35 мкм. Пространствен-

ное разрешение - 30 м в видимых и ближнем ИК каналах и 120 м в тепловом ИК канале.

1.4. Методы обработки данных дистанционного зондирования

1.4.1. Визуально-инструментальные методы. Основаны на глазомерных и измерительных оценках дешифровочных показателей насаждений по изображениям, представленным в виде фотоотпечатков, позитивов или негативов на прозрачных пленках и т.п. В данной работе эти методы использовались: а) при контурном и аналитическом стереоскопическом дешифрировании АФС М 1:11000 на ТУ «Егорьевский» для получения уточненных данных о лесонасаждениях трех лесоустроительных кварталов, б) при изучении возможностей космических снимков КВР, увеличенных до М 1:10000 и 1:5000, и оценке дешифровочных признаков насаждений с различными характеристиками (раздел 2.1), в) при оценке информативных возможностей различных космических снимков для выявления вырубок (раздел 3.2).

1.3.2. Интерактивно-визуальные методы. Основаны на рациональном сочетании знаний и опыта дешифровщика и возможностей компьютерных технологий. Дешифрирование производится по изображениям на экране монитора компьютера. Результаты формируются в цифровом виде. Использование в интерактивной методике элементов ГИС-технологий позволяет сочетать данные дистанционного зондирования с разнообразными картографическими и атрибутивными (фактологическими) данными. Технология интерактивного дешифрирования была применена при оценке информативных возможностей различных космических снимков на примере выявления вырубок различной давности (раздел 3.2.) и оценке возможности классификации лесных земель по изображениям КФА-1000 и МК-4М (раздел 2.3).

1.3.3. Автоматизированные методы, в т.ч. с использованием ГИС. Основаны на использовании математических и статистических подходов, реализованных в разнообразных алгоритмах классификации, как отдельно изображений, так и их комбинаций с картографическими, атрибутивными и другими данными из ГИС. Автоматизированные методы использованы при оценке возможности классификации лесов по изображениям МСУ-Э. Были применены алгоритмы классификации по максимуму правдоподобия и минимальному расстоянию. Для «обучения» программ классификации использованы картографические и таксационные данные из экспериментальной ГИС. Выбор состава классов производился на основе результатов автоматизированной оценки статистических показателей спектральных сигнатур. При оценке возможности картографирования вырубок по снимкам КФА-1000 и SPOT был использован метод пороговой классификации с обучением, основанный на оценке по статистическим показателям спектральных сигнатур двух тематических классов пороговой величины, обеспечивающей наилучшее разделение этих классов.

Глава 2 Исследование информативности космических снимков для классификации лесов

2.1 Анализ информативности космических фотоснимков высокого разрешения

Исследовались космические фотоснимки высокого разрешения КВР на тестовый участок «Егорьевский», полученные 26.05.92 г. Проведены общая оценка и анализ основных дешифровочных признаков: тона, структуры изображения, формы и размеров крон деревьев. Наиболее информативным признаком для визуального дешифрирования различных классов насаждений по данным изображениям является структура изображения. Тоновой признак играет вспомогательную роль. Анализ снимков показал, что можно уверенно определять конусовидные, овальные (выпуклые) и плоские формы крон деревьев. Форма и размеры крон использовались при идентификации пород. Представленные на снимках структуры были разделены на девять основных типов: аморфная (гладкая и слитная), точечная (равномерная и неравномерная), мелкозернистая, зернистая, крупнозернистая, мелкопятнистая, пятнистая и различные их сочетания.

Разработаны признаки дешифрирования, представленных на территории тестового участка категорий земель и насаждений с преобладанием основных лесообразуюхцих пород. На основании этих признаков на части тестового участка, включающей 27 кварталов, в 332 выделах по КФС масштаба 1:5000 проведено распознавание преобладающих пород в пределах контуров этих выделов. Результаты сравнивались с данными лесоустройства (таблица 2.1).

Таблица 2.1 Результаты определения преобладающей породы лесных насаждений

Преобл. порода по данным лесоустройства Общее кол-во выделов Преобл. порода по данным дешифрирования (кол-во выделов/%)

Сосна Ель Береза Ольха Осина

Сосна 161 112/69,6 20/12,4 29/18,0 - -

Ель 69 13/18,8 52/75,4 4/5,8 - -

Береза 77 22/28,5 2/2,7 50/64,9 3/3,9 -

Ольха 21 - - 2/9,5 19/90,5 -

Осина 4 - - - - 4/100

В процессе исследований выявлена тесная связь структуры изображения с возрастом насаждений. Правильное определение типа структуры изображений позволяет определить класс возраста древостоев с ошибкой ± 1 класс.

Оценена возможность распознавания мелкоразмерных участков леса Из 123-х лесных участков, имеющих площадь от 0,1 до 0,5 га, при экспериментальном дешифрировании был выявлен 121.

На части тестового участка (общей площадью 141 га) проведен эксперимент по оценке возможностей контурного дешифрирования снимков КВР. При дешифрировании было выявлено 123 выдела или 92% от числа выделов, выявленных при лесоустройстве по АФС. При совмещении границ отдешифрированных лесных участков с выделами лесоустройства было установлено, что конфигурация и границы у 69 выделов (51,5%) совпали полностью, у 38 выделов (28,3%) расхождение местоположения границ достигало от 2 до 6 мм (20 - 60 м). Кроме того, 27 выделов (20,2%) были преобразованы в 14 новых.

Полевая проверка показала, что основными причинами несовпадения контуров являются нечеткость проявления границ в натуре и субъективность дешифровщиков при наведении границ как на АФС, так и на КФС. Перегруппировка выделов произошла из-за близкого сходства таксационных характеристик смежных насаждений и слабого различия признаков дешифрирования насаждений сосны и березы, а также молодняков березы и осины. В ходе полевой проверки также подтвердились предварительные выводы о хорошей дешифрируемости по снимкам КВР прогалин, болот, вырубок и других не покрытых лесом и нелесных земель. Распознавание несомкнувшихся лесных культур без натурного уточнения их местоположения оказалось затруднительным. Надежно распознаются участки лесных культур, начиная со второго класса возраста и старше.

Насаждения, отличающиеся между собой на три и более единиц по составу пород, разделяются достаточно уверенно. Также надежно различаются между собой хвойные и лиственные насаждения, причем особенно четкие различия заметны между изображениями еловых и лиственных дре-востосв. Разновысотность насаждений, как признак разграничения выделов, проявляется на данных снимках при различии древостоев по высоте 5-6 м.

Результаты изучения информативных возможностей снимков КВР показывают, что по многим параметрам они приближаются к черно-белым аэрофотоснимкам, которые в соответствии с действующей Инструкцией допустимы к применению при повторной инвентаризации лесов. Снимки КВР позволяют свободно ориентироваться на местности, находить в натуре достаточное количество твердо опознанных точек и линейных объектов (просеки, дороги, канавы и пр.). При стоимости космической съемки ниже, чем стоимость аэрофотосъемки, а также в случае отсутствия материалов аэрофотосъемки, КВР могут применяться при устройстве лесов, в том числе и в интенсивной зоне ведения лесного хозяйства, при некотором увеличении объема наземных таксационных работ.

2.2. Исследование информативности космических снимков МСУ-Э для классификаиии категорий земель лесного фонда.

Исследование проводилось по двум изображениям МСУ-Э, полученным 12 мая и 2 июля 1997 г. на тестовый участок «Егорьевский». Обработка и анализ изображений проведены автоматизированными методами и сред-

ствами программного продукта ПЖШ. В работе использована информация из экспериментальной ГИС тестового участка, дополненной данными детального дешифрирования (по АФС) и наземного обследования трех кварталов (около 300 га). Космические сканерные изображения путем трансформирования по опорным точкам были интегрированы в ГИС.

Классификация производилась по следующим наиболее встречающимся укрупненным классам: насаждения с преобладанием сосны, ели, смешанные насаждения, насаждения с преобладанием березы, лиственные насаждения, леса на переувлажненных почвах (заболоченные), сельскохозяйственные земли, населенные пункты, свежие вырубки и болота. В классе хвойных насаждений выделены два подкласса - сосновые и еловые насаждения, а в лиственных - подкласс березовых насаждений.

По данным из ГИС были сформированы обучающие и контрольные выборки по каждому из этих классов. Далее по всем спектральным зонам изображений МСУ-Э по обучающим участкам каждого класса произведен расчет статистических показателей сигнатур классов и проведена оценка их статистической разделимости.

Классификация изображений проводилась на основе полученных спектральных сигнатур классов методом минимальных расстояний и методом максимального правдоподобия с равными априорными вероятностями. Использовались различные варианты комбинирования (объединения) классов. Оценка результатов классификации выполнялась по контрольным участкам с известной принадлежностью к определенным классам, которые не использовались в обучении классификатора. Перекрестные оценки вероятностей отнесения пикселов л-ного класса к классу т для 2-х вариантов наборов классов по летнему изображению МСУ-Э представлены в виде матрицы перепутывания (табл. 2.2 и 2.3).

Таблица 2.2 Матрица перепутывания 8-ми классов в результате клас-

Категории Размер Категории земель по результатам классификации

земель по контр. (%)

наземным выбор- хвой сме- лист- ОЛЬ вы- бо- сель- Насе-

данным ки, -ные шан вен- ха руб- ло- хоз. ленные

пике -ные ные ки та земли пункты

хвойные 99 96 2 1 1

смешанные 44 45 16 39

лиственные 55 71 29

ольха 40 97 3

вырубки 36 100

болота 68 18 3 79

с/х. земли 1451 12 1 4 82 1

нас. пункты 287 8 12 80

Таблица 2.3 Матрица перепутывания 5-ти классов в результате клас-_сификации методом максимального правдоподобия_

Категории земель по наземным данным Размер контроль- Категории земель по результатам классификации (%)

ной вы- Хвой- Смешан- Оль- Вы- Бо-

борки, ные ные и ли- ха рубки лота

пике. ственные

хвойные 99 96 3 1

смешанные и лист- 99 21 79

венные

ольха 40 97 3

вырубки 36 100

болота 68 19 81

Анализ полученных результатов показал, что в условиях Егорьевского лесхоза Московской области, где лесной фонд имеет дробную структуру и небольшие площади таксационных выделов со сложным составом насаждений, число надежно выделяемых классов по космическим изображениям МСУ-Э может быть небольшим. Это насаждения с явным преобладанием хвойных пород (при доле их 70% и более), смешанные и лиственные насаждения (совместно), вырубки, болота, насаждения на заболоченных почвах (ольшаники), сельскохозяйственные земли (пашни), сельские населенные пункты (усадьбы) и некоторые другие категории земель. Достоверность интерпретации летних снимков в целом существенно выше, чем весенних.

2.3 Классификация лесных земель по изображениям КФА-1000 и МК-4М

В данном эксперименте было оценено влияние фактора уменьшения пространственного разрешения используемых материалов на результаты контурного дешифрирования. В качестве исходных данных использованы результаты контурного дешифрирования спектрозональных АФС двух кварталов тестового участка «Егорьевский» и наземного обследования, проведенного в этих контурах. Космические изображения с помощью программ трансформирования были совмещены с контурами выделов, полученных по АФС.

Исследование космических изображений производилось интерактивно по изображениям на мониторе компьютера с использованием программ графического редактирования. На изображения из экспериментальной ГИС накладывилась контуры выделов, полученных по АФС. Затем оценивалась визуальная различимость смежных выделов, полученных по АФС. На основании этого редактировалась контурная сеть. Границы выделов, хорошо видимые на изображении, сохранялись, плохо различимые или неразличимые - удалялись. Кроме этого оценивалась однородность выделов и, при необходимости, выделялись новые выделы, менялась конфигурация границ.

Результаты показали, что из 15.8 км внутриквартальных границ выде-лов, полученных по АФС, на изображении КФА-1000, остались заметными только 11.3 км (72%), в результате чего из 112 полученных по АФС выде-лов только 35 полностью сохранили свою конфигурацию, 11 выделов частично изменили контур, а из 66-ти оставшихся выделов в результате объединения и дробления образовалось 39 новых. На МК-4М сохранились только 41% границ, 9 выделов полностью сохранили свою конфигурацию, 5 выделов частично изменили контур, а оставшиеся выделы образовали 33 новых. Анализ результатов генерализации показал, что в большинстве случаев объединение выделов происходит ввиду близости таксационных характеристик, сходства дешифровочных признаков березы с сосной, березы с осиной. Следует также учитывать субъективность используемых данных аналитического дешифрирования аэроснимков и происшедшие изменения в результате хозяйственной деятельности на обследуемой территории за период между сроками проведения космических съемок и аэрофотосъемки.

Для оценки статистической разделимости смежных выделов по каждому выделу были вычислены статистические параметры (среднее и дисперсия каждой цветовой компоненты), по которым для каждой пары смежных выделов рассчитаны нормализованные расстояния между математическими ожиданиями. В большинстве случаев на изображениях КФА-1000 смежные выделы, которые при дешифрировании были объединены, имеют низкие (менее 0.25) значения данного критерия. В ряде случаев при визуальном анализе были объединены выделы, имеющие достаточно высокий критерий различимости, и, наоборот, некоторые пары, несмотря на низкое значение критерия, не были объединены. Основной причиной этого являются различия в текстуре изображения этих выделов.

Снимки КФА-1000 и МК-4 используются в основном для изучения лесов многолесных районов с простым составом и структурой лесов. Их применение для лесоинвентаризации в центральных районах Европейской части страны встречается с трудностями, обусловленными сложностью породного состава, неравномерностью полноты, разновозрастностью, много-ярусностью и т.п. Это, однако, не исключает возможность их применения для решения более обобщенных экологических задач регионального уровня. Кроме того, снимки КФА-1000 могут использоваться в качестве замены АФС (при отсутствии) для контурного дешифрирования с последующим уточнением границ выделов при наземном обследовании.

Глава 3 Оценка возможности дешифрирования вырубок по различным видам космических съемок различными методами

3.1. Оценка возможности картографирования вырубок автоматизированным методом по изображениям КФА-1000 и SPOT

Проведена оценка точности определения параметров вырубок, выявленных автоматизированным методом по космическим снимкам КФА-1000

и SPOT на территорию тестового участка «Усть-Илимский». Обработка космических изображений производилась методом пороговой сегментации с обучением. Представленные в цифровом виде изображения были интегрированы с картографическими и таксационными данными ГИС. По данным лесоустройства из ГИС отобраны участки для обучения классификатора, проведено обучение и сегментация изображения на два класса - «лес» и «вырубки». Выявление участков новых (свежих) вырубок, появившихся в текущем учетном периоде, производилось сопоставлением выделенных на космическом снимке объектов (вырубок) с участками вырубок прошлых лет из БД ГИС.

Оценка точности определения площадей выявленных вырубок проводилась методом сравнения с площадями тех же вырубок, контуры которых были получены в результате визуально-инструментального дешифрирования черно-белых аэрофотоснимков масштаба 1:25000. Для КФА-1000 были отобраны 25 вырубок. Площади вырубок, вычисленные по снимкам КФА-1000, близки по абсолютным значениям к результатам дешифрирования АФС и дают среднеквадратическую ошибку ±6.9 %. При этом наибольший вклад в эту ошибку дают вырубки маленькой площади: для вырубок площадью до 40 га она равняется ±9.4 %, в то время как для больших вырубок (> 90 га) - только ±3 %. Площади вырубок, полученные по снимкам SPOT, имеют систематическую ошибку +11.8 % и среднеквадратическую ±7.5 %. Большая систематическая ошибка определения площадей вырубок по снимку SPOT может быть объяснена тем, что, как использованные для обучения классификатора по классу «вырубки» выделы, так и выявляемые вырубки на момент съемки имели на 2 года большую давность рубки. Также была проведена сравнительная оценка расхождений в площадях вырубок, выделенных на космическом спекгрозональном фотоснимке КФА-1000 и на изображении SPOT. Сопоставление производилось по 15 вырубкам. Сред-неквадратическое отклонение площадей, полученных по данным SPOT от площадей по данным КФА-1000, составляет ±8.7 % при систематической ошибке около -5 %.

Полученные результаты позволили сделать вывод о возможности использования порогового алгоритма для картографирования вырубок по космическим снимкам. При этом обеспечивается приемлемая, достаточная для решения широкого круга производственных задач, точность определения границ и площадей сплошнолесосечных вырубок для их регистрации и обновления картографических материалов в геоинформационных системах.

3.2. Сравнительный анализ информативности различных спутниковых данных и методов их обработки для выявления вырубок

Исследованы американские архивные черно-белые фотоснимки DISP 1962 и 1970 годов съемки, спектрозональные космические фотоснимки КФА-1000 (1981 и 1985 годов) и МК-4М (1991 года), черно-белые конвер-

сионные фотоснимки КВР (1992 года), а также сканерные изображения Landsat ТМ (1986 года), SPOT (1994 года) и МСУ-Э (1997 г). Все материалы получены в летний вегетационный период.

Анализ выполнялся на территории тестового участка «Егорьевский». В работе использовалась созданная по информации лесоустройства 1987-88 гг. экспериментальная база таксационных и картографических данных (ГИС). Для выявления по космическим фотоснимкам вырубок использованы два метода - традиционный визуально-инструментальный и интерактивно-визуальный.

Дешифрирование визуально-инструментальным методом производилось непосредственно по увеличенным фотоотпечаткам снимков: DISP -до M 1:25000, КФА-1000 - 1:50000, МК-4 - 1:70000 и КВР - 1:10000, 1:5000. При этом на фотоотпечатках дешифровщиком наносились контуры вырубок и для каждой из них определялась степень зарастания по трем градациям: свежие, зарастающие и заросшие. Полученные контуры были оцифрованы па дигитайзере и переведены в проекцию цифровой карты тестового участка (в ГИС) путем трансформирования по опорным точкам.

Интерактивно-визуальный метод заключался в дешифрировании вырубок по увеличенным на экране монитора компьютера до масштаба 1:5000 - 1:10000 изображениям всех использованных в работе снимков (как фото, так и сканерных). Для обеспечения совмещения результатов дешифрирования изображения предварительно были трансформированы в единую проекцию, использованную при создании ГИС тестового участка.

Интерактивное дешифрирование вырубок состояло в их оконтурива-нии по изображениям космических снимков на экране путем формирования поверх изображения цифровых контуров с помощью курсора, управляемого оператором-дешифровщиком. Полученные при дешифрировании снимков цифровые контуры вырубок были совмещены с цифровой картой тестового участка. По каждой выявленной вырубке для дальнейшего анализа получены характеристики спектральных сигнатур (средняя яркость, стандартное отклонение и гистограмма). При распознавании вырубок и степени их зарастания обоими методами основными дешифровочными признаками были тон изображения и геометрическая конфигурация границ. На цветных и синтезированных изображениях использовался также цвет, а при работе со снимками высокого разрешения КВР - и текстура.

Всего было проанализировано 173 вырубки различной давности. Средняя площадь вырубок — 22 га. По их изображениям на имеющихся снимках и изображениях различными способами было получено 813 контуров. Совмещение контуров одних и тех же вырубок, полученных по разным снимкам, показало, что они очень близки по конфигурации. Небольшие отклонения объясняются общими для всех материалов ошибками трансформирования и дешифрирования. При этом контуры, полученные интерактив-

но-визуальным методом, в большинстве случаев совпадают лучше, чем полученные визуально-инструментальным методом.

Для сравнительного анализа материалов съемок использованы площади участков. В качестве истинных использовались площади из базы лесоустроительных данных. Полученные данные о точности исследованных разновременных и полученных разными съемочными системами космических снимков довольно близки и не позволяют однозначно выделить ни один вид съемки (табл.3.1). Абсолютные значения среднеквадратических отклонений показывают приблизительно одинаковую погрешность измерения - около 0.65 га, для визуально-инструментального и 0.45 для интерактивного методов дешифрирования. В тоже время можно отметить несколько худшие результаты оценки для МК-4М и БЕЗР, которые можно объяснить более низким, по сравнению с остальными материалами, пространственным разрешением и отсутствием цветовых различий соответственно.

Таблица 3.1. Значения ошибок измерения площадей мест рубок различными _ способами по космическим изображениям_

Источники Информации Визуально-инструметальный Визуально-интерактивный Автоматизированный

Сист. ошибка, %/га ско, %/га Сист. ошибка, %/га СКО, %/га Сист. ошибка, %/га СКО, %/га

DISP (1962) -3 0 ±11 ±0.8 +1 +0.1 ±13 ±0.6 •

DISP (1970) -6 -0.2 ±16 ±0.7 -8 -0.2 ±11 ±0.3

КФА-1000 (1981) -13 -0.5 ±14 ±0.6 -4 -0.1 ±14 ±0.5

КФА-1000 (1985) -14 -0.6 ±13 ±0.6 -5 -0.1 ±12 ±0.4

Landsat (1986) -8 -0.3 ±11 ±0.4 -7 -0.4 ±14 ±0.4

МК-4М (1991) -15 -0.5 ±17 ±0.7 -8 -0.2 ±13 ±0.7

КВР (1992) +1 0 ±14 ±0.5 +2 +0.1 ±11 ±0.4

SPOT (1994) -5 -0,2 ±11 ±0,3 -3 -0.1 ±11 ±0.3

МСУ-Э (1997) +7 0.1 ±22 ±1.1

Наблюдаемая систематическая ошибка в большинстве случаев отрицательная. Как видно из таблицы, использование интерактивного метода

дешифрирования дает существенное уменьшение величины этой ошибки - в среднем с -8.3 до -3.1 % или с -0.3 до -0.1 га по сравнению с визуально-инструментальным. Кроме того, заметно уменьшается и среднеквадратиче-ская ошибка - в среднем с ±14 до ±12 % или с ±0.65 до ±0.45 га.

Несмотря на более высокое разрешение, снимки КВР не повысили качество распознавания. Это объясняется тем, что при дешифрировании КВР за счет текстурных признаков опознается гораздо большее количество заросших и зарастающих вырубок, контуры которых, вследствие естественных причин, опознаются недостаточно четко. В данном случае высокое разрешение играет отрицательную роль, так как хорошо видная структура верхнего полога заросших вырубок за счет куртинного расположения молодых деревьев, приводит к перепутыванию и неправильному указанию границ. Для зарастающих и свежих вырубок эти ошибки гораздо меньше.

При оценке результатов дешифрирования космических снимков следует иметь в виду, что принятые в качестве истинных значения площадей соответствующих выделов из базы лесоустроительных данных получены при лесоустройстве в результате дешифрирования их контуров по аэрофотоснимкам. Соответственно эти значения содержат определенные ошибки, которые слагаются из ошибок дешифрирования аэрофотоснимков, ошибок трансформирования результатов дешифрирования в проекцию карты и-ошибок, возникающих при определении площадей (планиметром) и при увязке площадей выделов в пределах квартала. Исключение их позволит снизить величину ошибок и сделать данные более приемлемыми для контроля порядка лесопользования.

Совместное рассмотрение контуров участков мест рубок, полученных по космическим снимкам разного года съемки, позволяет проследить по годам появление новых (свежих) вырубок и динамику зарастания вырубок прежних лет.

Глава 4 Разработка методологии автоматизированного учета текущих изменений и контроля порядка лесопользования по космическим снимкам

В главе излагается методология и принципиальная схема системы, обеспечивающей выявление и учет текущих изменений в лесном фонде по космической информации, дается описание экспериментальной методики решения задачи выявления, регистрации и оценки по космическим снимкам изменений в лесном фонде, вызванных сплошнолесосечными рубками.

Решение задачи выявления по космическим снимкам изменений в лесном фонде основывается на сопоставлении этих снимков с данными о предшествующем состоянии лесов. В данной работе использован современный подход, основанный на совместном использовании космических снимков и пространственно совмещенных с ними картографических материалов и баз данных из ГИС. ГИС формируется на топографической основе в мае-

штабе лесоустроительных планшетов и включает, кроме топографической, всю лесоустроительную информацию, данные о лесопользовании (планы рубок и др.), о лесных пожарах и другую пространственно привязанную информацию, необходимую для решения различных функциональных задач ее использования. Формирование ГИС является достаточно трудоемкой, но однократно выполняемой, как правило, при лесоустройстве работой.

Для проведения исследований и отработки методики была создана экспериментальная ГИС на тестовый участок «Усть-Илимский». ГИС состоит из картографического и таксационного разделов. Картографический раздел включает данные с топографических карт М 1:25000, лесоустроительных планшетов М 1:25000, планов лесонасаждений и данных фактического отвода лесосек. Ввод осуществлялся методом сколки на дигитайзере. Таксационный раздел содержит детальную повыдельную информацию о лесном фонде и состоит из набора специализированных таблиц, включающих таксационную информацию о каждом лесоустроительном выделе. Совмещение картографических и таксационных данных достигается установлением пространственно-содержательных взаимосвязей путем присвоения одинаковых идентификаторов (кодов) элементам цифровой карты и таксационной базы данных, относящимся к одним и тем же пространственным (выдел, квартал, часть выдела и т.п.) или линейным (дорога, просека и т.п.) объектам. Для обеспечения возможности наиболее точной привязки космических снимков и цифровых карт создана многоранговая динамическая база данных опорных точек, в которой кроме базовых заносятся дополнительные опорные точки различного происхождения и степени надежности. Выявление этих точек производится при интерактивном дешифрировании снимков и при использовании различных методов сгущения сета опорных точек. Созданная ГИС может затем многократно использоваться как для оперативного анализа информации с космических снимков, так и для решения различных других лесохозяйственных, экологических и прочих задач.

Основным источником оперативной информации об объекте для решения большинства задач учета текущих изменений являются космические снимки с разрешением не хуже 20 м, позволяющим получать достаточно точные измерительные данные об объектах Земной поверхности площадью до 0.1 га. Такими возможностями обладают данные отечественных космических фотосъемок КФА-1000, КВР, данные французской космической системы SPOT, немецкой аппаратуры MOMS и некоторых других современных сканерных и фотографических систем как гражданского, так и двойного применения. Экспериментальная методика разрабатывалась на примере наиболее распространенного после гарей вида изменений - сплошнолесо-сечных вырубок. Отличительной особенностью этого вида изменений является наличие устойчивых и легко формализуемых дешифровочных признаков. В связи с этим большинство ДДЗ, обеспечивающих указанное пространственное разрешение, могут быть использованы в этой задаче. В экс-

периментальной методике были использованы переведенные в цифровой вид данные космической фотосъемки КФА-1000.

Была разработана методика выявления, регистрации и оценки изменений в лесном фонде, вызванных сплошнолесосечными рубками. Обобщенная схема метода, реализованного в методике, представлена на рис. 4.1.

Методика включает этап предварительных работ, подготовительный этап, этап автоматизированного дешифрирования космических снимков, этап анализа выявленных изменений, этап актуализации текущей базы данных, завершающийся формированием и выдачей тематических карт и табличных документов.

Этап предварительных работ заключается в создании геоинформационной основы для дальнейшего функционирования методики. В данной работе была сформирована экспериментальная совмещенная база данных как прототип производственной ГИС.

Рис. 4.1. Схема методики выявления, регистрации и оценки изменений, вызванных сплошнолесосечными рубками по космической информации.

На подготовительном этапе производится предварительная оценка космической информации, ее визуальная привязка, выбор фрагмента снимка для дальнейшей обработки, цифровой ввод этого фрагмента в компьютер, интерактивное выявление и указание на нем опорных точек и трансформирование изображения к топооснове по этим опорным точкам. На этом же этапе, при необходимости производится дополнение и коррекция базы данных опорных точек.

Этап автоматизированного дешифрирования включает предварительную обработку изображений, классификацию, выделение участков изменений, их интерпретацию и генерализацию. Завершается этап переводом контуров участков интерпретированных как новые вырубки в векторную форму и записью их в базу данных.

Предварительная обработка изображения производится с целью повышения внутриклассовой однородности и усиления различия в яркости между классами при сохранении границ. Для этого используется медианный или специальный морфологический фильтр.

Далее производится пороговая классификация (бинаризация). Выбор порогового алгоритма основан на дешифровочных свойствах вырубок. Гистограмма распределения яркостей класса свежих вырубок находится на значительном удалении от гистограммы класса спелого хвойного леса Алгоритм описывается формулой:

<71+0-2

где: С/, С2— средние значения яркостей элементов двух подлежащих разделению классов, о>, 02 - внутриклассовые дисперсии яркостей этих классов. Вычисление этих значений производится по изображению выбранных из базы данных ГИС выделов, соответствующих вырубкам предшествующего учетного периода (не старше 10 лет) и участкам спелого леса Для многозонального изображения бинаризация производится либо по наиболее информативному каналу (выявляется эмпирически), либо по первой компоненте, полученной преобразованием изображений методом главных компонент, либо путем бинаризации отдельно каждого канала с дальнейшим их пересечением.

Выявление среди полученных в результате классификации участков класса «вырубки» вырубок текущего учетного периода (свежих) производится с помощью данных ГИС. По специально формулируемому запросу го полученного после классификации изображения класса «вырубки» исключаются участки, относящиеся к вырубкам прошлых лет, не покрытых лесом выделам, редина и другим участкам, имеющим спектральное сходство с вырубками. В результате остаются только участки вырубок, произведенных после последней актуализации базы данных (ГИС). Далее производится генерализация бинарного изображения, устраняющая незначимые для пользователя участки малой площади и интерактивный контроль полученных данных.

На завершающем шаге обработки космического снимка строятся границы выявленных вырубок, которые затем преобразуются из растрового формата в векторный, обрабатываются и заносятся в ГИС.

Этап анализа выявленных изменений состоит из собственно измерения и оценки соответствия их параметров нормативным и актуализации базы данных. Этап начинается со встраивания контуров изменений в сущест-

вующую выдельную картографическую сеть и измерения их основных параметров (ширина, площадь). Далее выявляются нарушения правил рубок и расхождения с материалами отвода лесосек и планами рубок, на основе которых составляется карта нарушений с сопроводительными таблицами.

Актуализация ГИС включает внесение изменений в картографический и таксационный разделы на основе информации о контурах изменений (новых вырубок), выделенных в процессе дешифрирования космических снимков.

Внесение изменений в картографическую базу данных реализуется встраиванием полученных контуров новых вырубок в векторную сеть картографического раздела ГИС путем их пересечения и удаления границ вы-делов внутри вырубок. Далее производится коррекция измененной картографической сети, заключающаяся в присоединении участков малой площади к ближайшему по таксационным характеристикам смежному выделу. Всем новым выделам присваиваются очередные номера, которые сохраняются до проведения общей периодической актуализации (1 раз в 5 или 10 лет). Производится расчет площадей всех новых и затронутых рубкой вы-делов и на этой основе корректируется таксационный раздел базы данных ГИС. Некоторые выделы исчезают совсем, некоторые становятся меньше по площади, а некоторые увеличиваются за счет присоединения мелких участков, оставшихся от вырубленных выделов. При всем этом контурные и таксационные данные об исчезнувших выделах сохраняются в специальном историческом разделе ГИС, как для отслеживания динамики изменений, так и для оценки некоторых видов нарушений правил рубок.

Правилами рубок регламентируются очередность рубки, размеры (ширина, площадь) и направление лесосек, сроки их примыкания, способы рубки, лесоводственные требования к проведению лесосечных работ, требования к очистке мест рубок, сохранению подроста и т.д. Проверить соблюдение всех нормативов на основе космической информации не представляется возможным. Однако по ней можно выявить довольно много наиболее часто встречающихся нарушений правил сплошнолесосечных рубок: несоответствие сплошнолесосечного способа рубки насаждений (рубка в ОЗУ, рубка насаждений, не достигших возраста спелости, рубка кедра и т.д.), неправильное направление лесосеки, превышение нормативной ширины, площади и числа зарубов, нарушение сроков примыкания лесосек, не-дорубы, завизирная рубка.

Наличие этих нарушений определяется по контурам новых вырубок и характеристикам попавших в рубку выделов. При обнаружении нарушений регистрируются их параметры и формируется исходная информация для построения оперативной карты нарушений и сопровождающих ее пояснительных таблиц. При наличии картографических материалов отвода лесосек

они сравниваются с выделенными по снимку контурами новых вырубок и производится оценка отклонения реальных вырубок от плановых.

Обнаружение нарушений соответствия сплошнолесосечного способа рубки сводится к проверке соответствия характеристик затронутых рубкой выделов нормативам. Обнаружение нарушений нормативов (площади, длины, ширины) требует установления геометрических параметров вырубок. Площади определяют автоматически. Измерение остальных параметров выполняется в интерактивном режиме. Нарушение срока примыкания находят по значению параметра «год рубки» смежных вырубок, превышение числа зарубов — интерактивным подсчетом числа новых вырубок на 1 км ширины квартала Кроме нарушений Правил находят расхождения между фактически проведенными рубками и планом рубок (отводом лесосек).

Все виды нарушений фиксируются в картографическом и табличном виде. Карта нарушений позволяет наглядно отразить их пространственное размещение, принадлежность к участкам лесного фонда тех или иных лесопользователей, состояние эксплуатационного фонда и т. д. Выходные таблицы включают наиболее полную информацию о нарушениях.

Внедрение разработанных рекомендаций в практику лесного хозяйства обеспечит получение существенного экономического эффекта за счет уменьшения затрат труда и средств на проведение полевых и камеральных работ по освидетельствованию мест рубок главного пользования, повышения достоверности лесоустроительной информации за счет своевременного внесения в нее учтенных текущих изменений, более рационального использования эксплуатационного фонда, замены материалов аэрофотосъемки более дешевой космической информацией и увеличения размера штрафных санкций за допущенные лесопользователями нарушения. Так, организация системы учета текущих изменений, частью которой является предлагаемая методика контроля за порядком лесопользования позволит увеличить период обновления материалов лесоустройства в 1.5 - 2 раза, в зависимости от интенсивности этих изменений, или перейти на систему непрерывного лесоустройства. Прямой экономический эффект достигается за счет уменьшения в 2-3 раза объема полевых работ в процессе лесоустройства и при освидетельствовании мест рубок. Кроме того, если стоимость аэрофотосъемки в настоящее время составляет 1.5-3 руб. на га, то космические снимки (SPOT, КФА-1000, МСУ-Э и др.) - 0.1- 0.3 руб. Более точные оперативные данные о лесном фонде позволят более эффективно осуществлять управление лесными ресурсами.

ВЫВОДЫ И РЕКОМЕНДАЦИИ

формативным возможностям эти снимки приближаются к черно-белым аэрофотоснимкам, используемым при повторном лесустройстве. Они рекомендуются к применению при устройстве лесов, в том числе и в интенсивной зоне ведения лесного хозяйства. При этом могут использоваться разработанные при выполнении данной работы дешифровочные признаки.

Анализ возможностей изображений МСУ-Э показал, что автоматизированными методами по ним надежно выделяются насаждения с преобладанием хвойных пород, смешанные и лиственные насаждения, вырубки, болота, насаждения на переувлажненных участках, сельскохозяйственные земли, населенные пункты и некоторые другие категории земель. Данные изображения могут использоваться для выявления некоторых видов изменений и решения задач обобщенной оценки лесных земель.

Сравнительный анализ результатов дешифрирования вырубок по различным видам космических съемок показал, что космические снимки с пространственным разрешением от 2 до 20 метров (КВР, КФА-1000, SPOT, DISP) позволяют примерно с одинаковой достаточной для лесоустройства точностью оценивать параметры вырубок различной давности.

Использование интерактивно-визуального метода дешифрирования, как фото, так и сканерных космических снимков, проводимого по изображениям на экране компьютера, позволило повысить точность дешифрирования и значительно упростить технологию контурного дешифрирования при работе с пространственными данными из ГИС. Этот метод рекомендуется для использования при обработке данных различных космических съемок.

Для выявления и картирования изменений, вызванных сплошнолесо-сечными рубками, по космическим изображениям рекомендуется использование автоматизированного порогового метода классификации с обучением.

Разработан автоматизированный метод учета текущих изменений и контроля за порядком лесопользования, ориентированный на использование данных космических съемок с разрешением 20 м и лучше и геоинформационных систем. Проработаны вопросы создания и актуализации картографических и таксационных данных ГИС, вопросы автоматизированного выделения по космическим изображениям вырубок, выявления среди них вырубок, возникших после последней актуализации, на основе использования данных из ГИС, и вопросы выявления, оценки и картирования нарушений Правил рубок. Данный метод может быть использован в качестве основы для формирования системы непрерывного лесоустройства и как составная часть системы аэрокосмического мониторинга лесов на локальном или региональном уровнях.

СПИСОК РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Рекуррентный алгоритм классификации изображений по спектральным признакам. // Тезисы докл. 2 Всес. конф "АСОИЗ-86" - Львов, Наука, 1986, стр.24-25. (в соавторстве с Эльманом Р.И., Потаповым А.Н., Брейдо М.Д.)

2. Применение последовательной кластеризации для анализа многозональных изображений. // Москва, ж. "ИССЛЕДОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА" АН СССР, 1987, N 6, стр. 73-78. (в соавторстве с Эльманом Р.И., Потаповым А.Н., Брейдо М.Д.)

3. Интеграция видеоинформации с картографическими и таксационными данными в аэрокосмическом мониторинге контроля лесопользования. // Тезисы докладов всесоюзного совещания "Аэрокосмический мониторинг лесных ресурсов зоны интенсивного ведения лесного хозяйства" -Львов, 1988, стр. 34-37. (в соавторстве с Брейдо М.Д.)

4. Совмещение космической информации с картографическими данными для определения изменений в лесном фонде. // Тезисы Всес. на-учн.-техн. конф.: "Методы и средства диет. зонд. Земли и обраб. косм, инф. в интересах нар. хоз. Часть 2. - Рязань, 1989, стр. 77-78. (в соавторстве с Брейдо М.Д., Старостенко Д.А.)

5. Выделение границ площадных лесных объектов на космических снимках. // Тезисы докл. 2 Респ. семинара: "Проблемы создания системы обработки, анализа и распознавания изображений" - Ташкент, Изд-во АН УзССР, 1989, Часть 1, стр. 9-10. (в соавторстве с Эльманом Р.И., Потаповым А.Н., Брейдо М.Д.)

6. Аэрокосмический автоматизированный контроль за порядком лесопользования. // Москва, ж. "ЛЕСОВЕДЕНИЕ", 1989, N 5, стр.34-46. (в соавторстве с Сухих В.И., Брейдо М.Д., Марковым В.А.)

7. Автоматизированный контроль сплошнолесосечных рубок по космическим снимкам. /Яез. докл. научн.-практ. конф. "Аэрокосм. инф. в нар. хоз-ве Красноярского кр. и сопредельных регионов" 15-17 ноя. 1990г. -Красноярск, 1990, стр. 75-77.

8. Автоматизация выявления по космическим снимкам пространственно-временных изменений таежных лесов в районах сплошнолесосечных рубок. // Тез. докл. Всес. конф.: "Аэрокосмический мониторинг таежных лесов" 15-17 ноя. 1990г. - Красноярск, 1990, стр. 115-117. (в соавторстве с Брейдо М.Д., Старостенко Д.А.)

9. Автоматизированная картографическая регистрация выявляемых по космической информации изменений в лесном фонде. // Тез. докл. научн.-практ. конф.: "Аэрокосм. инф. в нар. хоз-ве Красноярского края и сопредельных регионов" 15-17 ноя. 1990г. - Красноярск, 1990, стр.26-27. (в соавторстве со Старостенко Д.А.)

10. Автоматическая нумерация контурной сети. /ЛГез. докл. сем.: "Пробл. созд. систем обраб., аналгоа и распознавания изображений" 1315 ноя. 1990г. - Ташкент, Изд-во АН УзССР, 1990, стр. 29.

11. Автоматизированный учет текущих изменений в лесопромышленных зонах. // В кн. «АЭРОКОСМИЧЕСКИЙ МОНИТОРИНГ ЛЕСОВ» -Москва, Наука, 1991 стр. 189-218. (в соавторстве с Брейдо М.Д., Сухих В.И.)

12. Автоматизированный метод выявления и регистрации сплош-нолесосечных рубок по космическим снимкам. // Москва, ж. "ЛЕСНОЕ ХОЗЯЙСТВО", 1991, N 4, стр. 41-44. (в соавторстве с Брейдо М.Д.)

13. Оценка информативности космических фотоснимков высокого разрешения для инвентаризации лесов. // ж. «ИССЛЕДОВАНИЕ ЗЕМЛИ ИЗ КОСМОСА». 1996. №2. С. 45-56. (в соавторстве с Сухих В.И., Жириным

B.М., Зиемелисом Т.А.)

14. Состояние и перспективы использования космической информации с ИСЗ Ресурс-01 в лесном хозяйстве. // - Научно-практический семинар пользователей природно-ресурсных и океанографических космических данных. 27-29 ноя. 1997 г. (в соавторстве с Сухих В.И., Жириным В.М., Ершовым Д.В.)

15. Выявление вырубок по различным космическим снимкам // Материалы второго всероссийского совещания «Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве» Москва, 18-19 ноя. 1998 г. с167-169 ( в соавторстве с С.И.Артамоновым,

C.В.Князевой)

16. Контроль за соблюдением правил рубок. Восточная Сибирь. // В атласе «КОСМИЧЕСКИЕ МЕТОДЫ В ГЕОЭКОЛОГИИ», Москва, Географический ф-т МГУ; 1998. Л.43 (в соавторстве с Брейдо М.Д., Вахниной О.В.)

17. Изучение характеристик лесов по данным съемки с космических систем национальной безопасности. // Материалы второго всероссийского совещания «Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве». Москва , 18-19 ноя. 1998 г. с167-169. (в соавторстве с А.С.Исаевым, В.И.Сухих, В.М.Жириным, С.АБарталевым, Т.АЗиемелисом и др.)

18. Методология инвентаризации защитных лесных насаждений на основе космической информации. // Экология, мониторинг и рациональное природопользование // Научн. тр.- Вып. 302(11) - М: МГУЛеса, 1999 С.50-61 (в соавторстве с В.И.Сухих, В.М.Жириным)

19. Исследование характеристик бореальных лесов России и США (Аляска) по снимкам, полученным системами национальной безопасности. // ж. «ИССЛЕДОВАНИЕ ЗЕМЛИ ИЗ КОСМОСА», 1999, №6, с. 90-99 (в соавторстве)

20. Анализ динамики зарастания гарей по космическим снимкам. // Тез. Докл. Всерос. Совещ. «Экологический мониторинг лесных экосистем». Петрозаводск, 6-10 сент. 1999 г. с. 10 (в соавторстве с Жириным В.М.)

21. Аэрокосмические средства и методы исследования лесных ресурсов на базе ГИС технологий. Учебное пособие для студентов лесного факультета И В печати 1999-2000 г (в соавторстве с Сухих В.И., Жириным В.М.)

ВНИИЛМ ЛР № 021297 от 18.06.98г.

Подписано в печать 10.05.2000г. Формат 60x90

Объем 1.6 п.л._Тираж 100 экз.

Всероссийский научно-исследовательский институт лесоводства и механизации лесного хозяйства

141200, г.Пушкино, Московской обл., ул. Институтская, 15 тел.: (8-253) 2-46-71 факс: 584-61-91

Содержание диссертации, кандидата сельскохозяйственных наук, Шаталов, Алексей Викторович

Введение

Глава 2 Исследование информативности космических снимков для классификации лесов

2.1. Анализ информативности космических фотоснимков высокого разрешения

2.2. Исследование информативности космических снимков МСУ-Э для классификации земель лесного фонда

2.3. Классификация лесных земель по изображениям КФА-1000 и МК-4М

3.1. Оценка возможности картографирования вырубок автоматизированным методом по изображениям КФА-1000 и SPOT

Глава 4 Разработка методологии автоматизированного учета текущих изменений и контроля порядка лесопользования в лесопромышленных зонах

Введение Диссертация по сельскому хозяйству, на тему "Выявление, учет и оценка текущих изменений в лесном фонде по космическим изображениям"

Актуальность темы. В числе основных задач, стоящих перед Федеральной службой лесного хозяйства России являются задачи: а) организации и обеспечения рационального, многоцелевого, непрерывного и неистощительного лесопользования, воспроизводства, охраны и защиты лесов, рационального использования земель лесного фонда, сохранения и усиления средообразующих, защитных, водоохранных, оздоровительных, санитарно -гигиенических и иных полезных природных свойств лесов; б) обеспечения в пределах своей компетенции соблюдения всеми физическими и юридическими лицами порядка пользования лесным фондом и исполнения иных требований, норм и правил, установленных лесным законодательством Российской Федерации.

В рамках решения этих задач создание эффективной системы выявления, учета и оценки текущих изменений является одним из приоритетных направлений. Ее реализация позволит значительно увеличить продолжительность межревизионного периода проводимой с периодичностью 10-15 лет лесоинвентаризации (лесоустройства) и перейти на систему непрерывного лесоустройства. Такая система наиболее актуальна для многолесных районов Сибири и Дальнего Востока, так как, во-первых, леса в этих районах занимают обширные территории, и их инвентаризация требует значительных трудозатрат, во-вторых, здесь наблюдается ограниченное число видов изменений в лесном фонде, которые представлены преимущественно гарями и вырубками, остальные леса претерпевают только эволюционные изменения за счет естественных процессов роста и развития, легко поддающиеся моделированию, и, в-третьих, для данных районов очень важна задача оперативного контроля порядка лесопользования, выявление случаев нарушений существующих правил рубок и др.

Исследования выполнялись в рамках научно-исследовательских работ Гослесхоза СССР 1985-92 гг., Российской Академии наук 1993-99 гг., подпрограмм «Астрономия. Фундаментальные космические исследования» и «Российский лес» Федеральной целевой научно-технической программы «Исследования и разработки по приоритетным направлениям развития науки и техники гражданского назначения», Президентской программы «Интеграция» и Совместной Российско-Американской комиссии по экономическому и технологическому сотрудничеству (Черномырдин-Гор).

Цели и задачи работы. Основной целью работы являлось разработка методических основ выявления, учета и оценки текущих изменений в лесном фонде по космическим изображениям с использованием современных автоматизированных методов и ГИС-технологий.

Для достижения поставленной цели решались следующие научные и методические задачи:

• Исследование информативности различных видов космических съемок для решения задач классификации лесов.

• Оценка точности выявления вырубок с использованием различных методов дешифрирования и различных видов космических съемок.

• Разработка методологии выявления и регистрации нарушений основных нормативов правил рубок.

Разработана и формализована в виде экспериментальной методики методология автоматизированного выявления вырубок и оценки соблюдения основных нормативных положений Правил рубок главного пользования при проведении сплошнолесосечных рубок на основе дешифрирования космических снимков в среде ГИС.

Практическая ценность. Результаты работы представляют собой практически завершенную формализованную методику, которая может найти применение в практике проведения непрерывного лесоустройства и оценки порядка лесопользования на местах. На ее основе возможно формирование автоматизированной, интерактивной технологии выполнения работ по выявлению и регистрации изменений в лесном фонде, вызванных рубкой леса, и технологии оценки соблюдения Правил рубок.

Апробация работы. Основные результаты работы были доложены на 2-й Всесоюзной конференции "АСОИЗ-86" (Львов, 1986), на Всесоюзном совещании "Аэрокосмический мониторинг лесных ресурсов зоны интенсивного ведения лесного хозяйства" (Львов, 1988), на Всесоюзной научно-технической конференции "Методы и средства дистанционного зондирования Земли и обработки космической информации в интересах народного хозяйства» (Рязань, 1989), на 2-м Республиканском семинаре "Проблемы создания системы обработки, анализа и распознавания изображений" (Ташкент, 1989), на научно-практической конференции "Аэрокосмическая информация в 5 народном хозяйстве Красноярского края и сопредельных регионов" (Красноярск, 1990), на Всесоюзной конференции "Аэрокосмический мониторинг таежных лесов" (Красноярск, 1990), на семинаре "Проблемы создания систем обработки, анализа и распознавания изображений" (Ташкент, 1990), на Научно-практическом семинаре пользователей природно-ресурсных и океанографических космических данных (Москва, 1997), на втором всероссийском совещании «Аэрокосмический мониторинг и ГИС в лесоведении и лесном хозяйстве» (Москва, 1998).

Публикации. По результатам исследований опубликовано 19 печатных работ, список которых приводится в конце автореферата.

Личный вклад. Автор принимал непосредственное участие в разработке теоретических и методических положений излагаемой в диссертации методологии, составлении программы и методики исследований, сборе экспериментального материала, обработке и анализе результатов исследований. Работы выполнялись в рамках НИР Научно-исследовательской части ВО «Леспроект», Центра по проблемам экологии и продуктивности лесов РАН и Международного института леса. Автор выражает особую благодарность за помощь проф. д.с.-х.н. В.ИСухих, д.с.-х.н. В.М.Жирину и к.т.н. М.Д.Брейдо.

Структура и объем работы. Диссертация изложена на 117 страницах и состоит из введения, 4-х глав, выводов и практических рекомендаций. Текст содержит 26 таблиц и 27 рисунков. Список литературы включает 118 наименований.

Заключение Диссертация по теме "Лесоустройство и лесная таксация", Шаталов, Алексей Викторович

ВЫВОДЫ И РЕКОМЕНДАЦИИ

Изучение космических фотоснимков высокого разрешения (КВР) показало хорошие результаты дешифрирования различных категорий земель и возможность аналитического лесотаксационного дешифрирования. По информативным возможностям эти снимки приближаются к черно-белым аэрофотоснимкам, используемым при повторном лесустройстве. Они рекомендуются к применению при устройстве лесов, в том числе и в интенсивной зоне ведения лесного хозяйства. При этом могут использоваться разработанные при выполнении данной работы дешифровочные признаки.

Для выявления и картирования изменений, вызванных сплошнолесосечными рубками, по космическим изображениям рекомендуется использование автоматизированного порогового метода классификации с обучением.

Библиография Диссертация по сельскому хозяйству, кандидата сельскохозяйственных наук, Шаталов, Алексей Викторович, Москва

1. Лковецкий В.И. Дешифрирование снимков. - М.: Недра, 1983. - 374 с.

2. Аэрокосмические методы исследования лесов // Тез. докл. всеоюзн. конф. -Красноярск изд. ИЛиД СО РАН, 1984

3. Бабийчук С.А., Жукова О.И. Цифровые карты для выявления изменений по аэрокосмическим снимкам // Тез. докл. научн.-практ. конф. "Аэрокосм. инф. в нар. хоз-ве Красноярского кр. и сопред. регионов" 15-17 ноя. 1990г. Красноярск, 1990, с.58-60

4. Барталев С.А., Жирин В.М., Романович Э.Н. Применение ГИС-технологии в решении задач мониторинга лесов водоохранной зоны озера Байкал // Проблемы мониторинга и моделирования динамики лесных экосистем М.: МИЛ, ЦЭПЛ РАН, 1995, с.59-77

5. Барыкин А.С., Попов В.П. Повышение контрастности сканерных аэрокосмических изображений сельскохозяйственных полей // Исслед. Земли из космоса. 1988. М 2. С.73—82.

6. Боданский Е.Д. Технологическая линия для автоматизированного картографирования лесов // Геодезия и картография. 1986. № 10. С.33-38.

7. Боданский Е.Д, Старостенко ДА., Эльмаи Р.И. Формирование цифровой базы картографических данных при дистанционном зондировании лесов // Исследование Земли из космоса. 1986. № 1, С. 104-110.

8. Боровиков Н.З., Жирин В.М. Аэрокосмические методы инвентаризации защитных лесных насаждений // Сборник лекций. Применение дистанционных методов при лесоустройстве и инвентаризации лесов. -М.:Лесн. пром-сть, 1989. С. 115-131

9. Боровиков Н.З., Касаткин Б.И., Сидоренко С В. Дешифрирование защитных лесных насаждений по аэрокосмическим снимкам // Новые методы сбора и обработки информации при инвентаризации лесов. -М.: Изд-воВНИИЛМ, 1985. С. 33-36.

10. Брейдо М.Д, Сухих В.И., Шаталов А.В. Автоматизированный учет текущих изменений в лесопромышленных зонах. // В кн. «Аэрокосмический мониторинг лесов» Москва, Наука, 1991 стр. 189-218.

11. Брейдо М.Д, Шаталов А.В. Автоматизированный метод выявления и регистрации сплошнолесосечных рубок по космическим снимкам // Лесное хозяйство, 1991, № 4, стр. 41-44.

12. Брейдо М.Д, Шаталов А.В., Вахнина О.В. Контроль за соблюдением правил рубок. Восточная Сибирь. // В атласе «Космические методы в геоэкологии», Москва, Географический ф-т МГУ; 1998. Л.43

13. Брейдо М.Д., Эльман Р.И. Распознавание аэрокосмических изображений Земли с использованием совмещенных без данных // Тез. докл. Всес. конф. ММРО-4. Рига, 1989. С.31—33.

14. Виноградов Б.В. Аэрокосмический мониторинг экосистем. М.: Наука, 1984.-320 с.

15. Гор Эл. Земля на чаше весов. Экология и человеческий дух. Пер. с англ. М.: 111111, 1993.-432 с.

16. Данюлис Е.П., Жирин В.М., Сухих В.И., Эльман Р.И. Дистанционное зондирование в лесном хозяйстве // М.: Агропромиздат, 1989. 223 с.

17. Джанетос Э.С., Шугарт X., Орлик Б. И др. Исследование характеристик бореальных лесов России и США (Аляска) по снимкам, полученным системами национальной безопасности. // Исследование Земли из космоса, 1999, № 6, с. 90-99

18. Дистанционное зондирование: Количественный подход / Ш.М. Дейвис, Д.А. Ландгребе, Т. Л. Филипс и др. Под ред. Ф. Свейна и Ш. Дейвис Пер. с англ. М., Недра, 1983.415 с.

19. Дмитриев И.Д., Мурахтанов Е С., Сухих В.И. Лесная аэрофотосъемка и авиация. -М.: Лесная пром-сть, 1981. 343 с.

20. Жирин В.М. Основы космического слежения за динамикой лесного фонда // Лесное хоз-во. 1982. № 9. С. 53—55.

21. Жирин В.М., Сухих В.И. Выявление и картографирование участков свежих гарей по снимкам из космоса (практические рекомендации). М.: Изд-во ЦБНТИ Гослесхоэа СССР, 1980. - 10 с.

22. Жирин В.М., Шаталов A.B. Анализ динамики зарастания гарей по космическим снимкам. // Тез. Докл. Всерос. Совещ. «Экологический мониторинг лесных экосистем». Петрозаводск, 6-10 сент. 1999 г. с. 10

23. Инструкция по проведению лесоустройства в лесном фонде России. Ч. 1. Организация лесоустройства. Полевые работы. М. :ВНИИЦлесресурс, 1995. 176 с.

24. Исаев A.C. Задачи изучения лесов с использованием аэрокосмических средств // Исследование таежных ландшафтов дистанционными методами. Новосибирск: Наука, 1979. С.3-10.

25. Исаев A.C., Кондаков Ю.П. Принципы и методы лесоэнтомологического мониторинга // Лесоведение. 1986. N 4. С. 3-10.

26. Исаев A.C., Сухих В.И. Аэрокосмический мониторинг лесных ресурсов // Лесоведение. 1986. № 6, С. 11—21.

27. Исаев A.C., Сухих В.И., Калашников E.H. и др. Аэрокосмический мониторинг лесов. М.: Наука, 1991. 240с

28. Исследование Земли из космоса. М.: Изд-во ГКНТ АН СССР, 1987. - 196с.

29. Исследование лесов аэрокосмическими методами -Новосибирск:Наука, 1987.-275 с.

30. Калашников E.H., Первунин В.А., Короткое И.А. Ландшафтные принципы и технология лесотипологического картографирования с использованием материалов космо- и аэросъемки // Исследование лесов аэрокосмическими методами. -Новосибирск. Наука, 1987. С. 34—54.

31. Киреев Д М. Методы изучения лесов по аэроснимкам. Новосибирск: Наука, 1977.212 с.

32. Киреев ДМ., Сергеева В.Л. Ландшафтно-морфологическое картографирование лесов. М.: ВНИИЦлеересурс, 1992. 60 с.

33. Киреев ДМ; Фуряев В.В. Изучение послепожарной динамики лесов на ландшафтной основе. Новосибирск: Наука, 1979. 160 с.

34. Крылов H.A., Сухих В.И., Брейдо М.Д Интерпретация данных дистанционного зондирования: Зарубежный опыт // Геодезия и картография. 1985, № 4, С.53-58.

35. Лебков В.Ф., Каплина Н.Ф. Использование показателей древесного полога при аэромониторинге фитомассы сосняков // Матер. 2 Всерос. Совещ. Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.:ЦЭПЛ РАН, 1998. С. 140-144

36. Лесная энциклопедия. М.: Советская энциклопедия. В 2-х т. - 1985.

37. Отчет о НИР по теме 1.12 «Разработать на основе использования аэрокосмической информации автоматизированный метод оценки освоения лесосырьевых ресурсов и лесовосстановления на примере Усть-Илимского ЛПК» // ГК СССР по лесу, ВНИИЦлесресурс, М., 1989

38. Положение о Федеральной службе лесного хозяйства России, утв. Постановлением Правительства РФ № 173 от 10 февраля 1998 г.

39. Правила рубок главного пользования в лесах Восточной Сибири. М., 1994. 40 с.

40. Самойлович Г Г. Применение аэрофотосъемки и авиации в лесном хозяйстве. М.: Лесная промышленность, 1964. 488 с.

41. Седых В Н. Аэрокосмический мониторинг лесного покрова Новосибирск: Наука. Сиб. отд., 1991.-239 с.

42. Семенов В.И., Сухих В.И. Принципы автоматизации картографирования и мониторинга лесов // Матер. 2 Всерос. совещ. «Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве» 18-19 ноя. 1998 г -М.ЦЭПЛРАН, 1998, С.87-91

43. Сурикова Е.П., Барталев С.А., Нефедьев В.В. ,Ершов Д.В., Шуляк П.П. ГИС-технология создания банка данных о лесном фонде Национального парка «Лосиный

44. Остров» // Матер. 2 Всерос. совещ. «Аэрокосм, методы и геоинформационные системы в лесоведении и лесном хозяйстве» 18-19 ноя. 1998 г М.:ЦЭПЛ РАН, 1998, С.91-92

45. Сухих В.И. Использование космической информации в лесном хозяйстве / Геодезия и картография, 1986, № 4, С.30-36.

46. Сухих В.И. Лес и космос / Земля и вселенная, 1980, № 4, С.42-47.

47. Сухих В.И. Практическое применение дистанционного зондирования в лесном хозяйстве зарубежных стран. М.: Изд-во ЦБНТИ Гослесхоза СССР, 1986 - 16с.

48. Сухих В.И. Принципиальные основы организации работ по изучению лесного фонда страны / Лесное хозяйство., 1986, № 6, С.48-53.

49. Сухих В.И. Структура и функции геоинформационной системы непрерывного лесоустройства // Лесное хозяйство, 1996, №5, С.40-44

50. Сухих В.И. Вклад аэрокосмических методов в лесное хозяйство России // Лесное хозяйство, 1998, № 3, С.34-37

51. Сухих В.И., Белаенко А.П., Соколова Н.В., Грязнов С.А., Чернявский A.B. Методика дистанционного контроля изменений в лесном фонде под влиянием разведки и добычи нефти и газа. М.:ВНИИЦлесресурс, 1990, 20 с.

52. Сухих В.И, Брейдо М.Д., Марков В.А., Шаталов A.B. Аэрокосмический автоматизированный контроль за порядком лесопользования. // Лесоведение, 1989, № 5, С.34-46.

53. Сухих В.И., Гусев H.H., Данюлис Е.П. Аэрометоды в лесоустройстве. М.: Лесная пром-сть, 1977. 192 с.

54. Сухих В.И., Данюлис Е.П., Эльман Р.И. Методы изучения лесных ресурсов из космоса // Пути повышения эффективности лесоустроительных работ. М.: Лесная пром-сть; 1982. - С. 58-113.

55. Сухих В.И., Жирин В.М. Выявление и картографирование участков свежих гарей по снимкам из космоса: Практ. рекомендации. М.: ЦБНТИ Гослесхоза СССР, 1980. 10 с.

56. Сухих В.И., Жирин В.М., Зиемелис Т А., Шаталов A.B. Оценка информативности космических фотоснимков высокого разрешения для инвентаризации лесов. // Исследование Земли из космоса, 1996, №2, С.45-56.

57. Сухих В.И., Жирин В.М., Марков В.А., Орлова О.Л., Савельев О.А. Аэрокосмический мониторинг антропогенной деятельности в лесу // Применение аэрокосмических методов для изучения и контроля состояния земной поверхности. -МФГО. 1986. С.36-46

58. Сухих В.И., Жирин В.М., Шаталов А.В. Методология инвентаризации защитных лесных насаждений на основе космической информации. // Экология, мониторинг и рациональное природопользование // Научн. тр.- Вып. 302(11) М,: МГУ Леса, 1999 С.50-61

59. Сухих В.И., Кропов П.А., Максимов В.А. Методика мелкомасштабного картографирования лесов. М. . Изд-во ЦБНТИ Гослесхоза СССР, 1981. 23с.

60. Сухих В.И., Синицын СГ., Апостолов Ю.С. и др. Аэрокосмические методы в охране природы и в лесном хозяйстве. М. . Лесная пром-сгь, 1979. -288с.

61. Технические указания по инвентаризации древесно-кустарниковой растительности пустынь на основе материалов аэрокосмических съемок. М.Изд-во ЦБНТИ Гослесхоза СССР, 1985. - 8 с.

62. Технические указания по учету на основе космических съемок текущих изменений в лесном фонде многолесных районов, вызванных хозяйственной деятельностью и стихийными бедствиями М.:ВО Леспроект, 1982. 30 с.

63. Трейфельд Р.Ф. Устройство лесов на основе аэрокосмических методов и ГИС-технологий // Матер. 2 Всерос. совещ. «Аэрокосм, методы и геоинформ. системы в лесоведении и лесном хозяйстве» 18-19 ноя. 1998 г М.:ЦЭПЛ РАН, 1998, С. 92-99

64. Федосимов А Н. Подмаско Б.И. Система выборочной и дешифровочной инвентаризации леса // Тез. докл. Всес. научн.-тех. конф. "Охрана лесных экосистем и рацион, использование лесных ресурсов", 20-22 окт. 1987г. Москва, 1987, С. 59-60

65. Физические основы и технические средства аэрометодов. Ленинград: Наука, 1967. - 380 с.

66. Филипчук А Н. Теоретические основы системы государственной инвентаризации лесов России: Автореф. дис. на соиск. уч. степени докт. С.-х. Наук. М.: 1996

67. Фуряев В В. Задачи изучения и оценки последствий лесных пожаров с использованием аэрокосмических снимков // Исслед. Земли из космоса, 1984, № 5. С. 51—57.

68. Фуряев В.В. Мелкомасштабное картирование послепожарной динамики лесов по аэрокосмнческнм снимкам // Исслед. Земли из космоса, 1980, № 2. С. 51—56.

69. Фуряев В В., Киреев Д.М. Использование космических снимкой для оценки влияния пожаров на формирование лесов // Дистанционная индикация структуры таежных ландшафтов. Новосибирск: Наука, 1981. С. 5—21.

70. Фуряев ВВ., Киреев Д.М., Сухих В. И., Жирин В.М. Использование космических снимков для оценки нарушенное™ лесов пожарами // Исслед. Земли из космоса, 1983, № 3, С.43-49.

71. Харин Н.Г. Дистанционные методы изучения растительности. М.: Наука, 1975.-132 с.

72. Шаталов А.В. Автоматизированный контроль сплошнолесосечных рубок по космическим снимкам. // Тез. докл. научн.-практ. конф. "Аэрокосм. инф. в нар. хоз-ве Красноярского кр. и сопред. регионов" 15-17 ноя. 1990г. Красноярск, 1990, стр. 75-77.

73. Шаталов А.В., Старостенко Д.А. Автоматизированная картографическая регистрация выявляемых по космической информации изменений в лесном фонде. //

74. Тез. докл. научн.-практ. конф. "Аэрокосм. инф. в нар. хоз-ве Красноярского края и сопредельных регионов" 15-17 ноя. 1990г. Красноярск, 1990, С.26-27.

75. Эльман Р.И. Интерактивные процедуры выделения и восстановления контурных сетей / /Исследование Земли из космоса, 1984, № 2, С.87-97.

76. Эльман Р.И. Метод цифровой обработки контурной видеоинформации // Исслед. Земли из космоса, 1982, № 5, С. 87-95.

77. Эльман Р.И. Метод цифровой обработки контурной видеоинформации // Исследование Земли из космоса, 1982, № 5, С.87-95.

78. Эльман Р.И., Бахтинова Е.В., Потапов АН., Свиридова Р.В., Берснева Л.А. Эксперимент по оценке точности определения категорий земель на космических сканерных снимках // Исследование Земли из космоса, 1984, № 4, С. 110-119.

79. Эльман Р.И., Кузенков Л.А., Апаринова H.A. Статистическое оценивание характеристик лесных объектов по аэро- и космическим снимкам // Исследование Земли из космоса, 1986, №4, С. 105-112.

80. Эльман Р.И., Кузенков Л.А. Методы цифровой обработки изображений леса и ее возможности // Тезисы докладов симпозиума Комиссии Ш МФО. -М.: Изд-во ЦНИИГАиК, 1978. С. 126.

81. Эльман Р.И., Кузенков Л.А., Боданский Е.Д. Использование экспериментальной автоматизированной системы обработки аэрокосмической информации о лесах // Лесное хозяйство, 1984, № 6, С.53-55.

Информация о работе

Шаталов, Алексей Викторович
кандидата сельскохозяйственных наук
Москва, 2000
ВАК 06.03.02

Диссертация

Выявление, учет и оценка текущих изменений в лесном фонде по космическим изображениям - тема диссертации по сельскому хозяйству, скачайте бесплатно

Автореферат

Похожие работы