Методика картографирования вымокания лесов по космическим снимкам

Черепанов, Александр Сергеевич

Бесплатный автореферат и диссертация по наукам о земле на тему
Методика картографирования вымокания лесов по космическим снимкам
ВАК РФ 25.00.33, Картография

Автореферат диссертации по теме "Методика картографирования вымокания лесов по космическим снимкам"

□03450719

На правах рукописи

ЧЕРЕПАНОВ Александр Сергеевич МЕТОДИКА

КАРТОГРАФИРОВАНИЯ ВЫМОКАНИЯ ЛЕСОВ

ПО КОСМИЧЕСКИМ СНИМКАМ (на примере территории Курганской области)

25.00.33 - картография

Автореферат диссертации на соискание ученой степени кандидата географических наук

3 о ОКТ 2008

Москва-2008

003450719

Работа выполнена на кафедре картографии и геоинформатики географического факультета МГУ имени М.В.Ломоносова

Научный руководитель: доктор географических наук, ведущий научный сотрудник

В.И. Кравцова

Официальные оппоненты: доктор географических наук, профессор

С.А. Сладкопевцев

кандидат географических наук, старший научный сотрудник

Т.В. Котова

Ведущая организация:

Центр по проблемам экологии и продуктивности лесов РАН (ЦЭПЛ РАН)

Защита состоится " 13 " ноября 2008 г. в 15:00 на заседании диссертационного совета по геоморфологии и эволюционной географии, гляциологии и криолитологии Земли, картографии, геоинформатики (Д-501.00.61) в Московском Государственном Университете имени М.В.Ломоносова по адресу: 119991, Москва, ГСП-1, Ленинские горы, д. 1, МГУ, Географический факультет, ауд. 2109.

С диссертацией можно ознакомиться в библиотеке географического факультета МГУ по адресу: 119991, Москва, ГСП-1, Ленинские горы, д. 1, Главное здание МГУ, 21 этаж.

Автореферат разослан " S " октября 2008 г.

Отзывы на автореферат (в двух экземплярах, заверенных печатью) просим отправлять по адресу: 119991, Москва, ГСП-1, Ленинские горы, д. 1, МГУ, Географический факультет, ученому секретарю диссертационного совета Д-501.001.61. Факс: (495) 932-88-36. E-mail science@geogr.msu.ru

Ученый секретарь диссертационного совета, кандидат географических наук

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Важное социально-экономическое и экологическое значение лесов делает задачи инвентаризации лесных ресурсов, контроля за состоянием лесов и лесопользованием одними из стратегических не только для лесохозяйственной отрасли, но и для экономики России в целом. Мониторинг состояния лесов, кроме экономического значения, имеет и ярко выраженную экологическую направленность, обеспечивая, в частности, принятие решений и проведение мероприятий, способствующих поддержанию благоприятных условий жизни населения и устойчивому развитию региона (Исаев, Сухих, 1991; Сладкопевцев, 1996).

Традиционные методы инвентаризации, мониторинга и контроля за состоянием лесов (пешие обходы и автомобильные объезды, полевые съемки, авиаоблеты, аэросъемка с последующим визуальным дешифрированием) нередко не отвечают главным требованиям сегодняшнего дня - оперативности и минимальным трудовым, временным и финансовым затратам. Поэтому на различных уровнях мониторинга лесов широко применяются аэрокосмические снимки и автоматизированные методы их анализа.

В системе мониторинга лесов на региональном уровне уделяется внимание целому ряду неблагоприятных процессов в лесах, таких как пожары, ветровалы, болезни, нашествие насекомых-вредителей. Однако в этой системе пока не нашло отражения исчезновение лесных массивов вследствие такого комплекса взаимосвязанных причин, как длительный застой воды, подъем уровня грунтовых вод, заболачивание территории, а также засоление почв. В данной работе для характеристики процесса деградации лесов вследствие комплекса перечисленных причин используется рабочий термин "вымокание лесов", а деградирующие леса названы "вымокающими". Этот термин имеет региональное применение (Абросимов, 1999), но пока не получил широкого распространения в литературе по лесоведению, хотя и используется термин "вымокание" лесных культур.

Актуальность темы обусловлена большими масштабами явления вымокания лесов в районах нового хозяйственного освоения в лесной и лесостепной зонах территории нашей страны в связи с строительством транспортных систем, в первую очередь объектов инфраструктуры при нефтегазодобыче. Это приводит к массовой деградации и гибели лесов и вызывает необходимость контроля их состояния путем оперативного автоматизированного картографирования, методы которого остаются неразработанными. Особенно распространено это явление на обширных пространствах Западной Сибири, в частности в Курганской области, на примере которой выполнено настоящее исследование.

Задача диссертационного исследования состоит в разработке методики автоматизированного картографирования по космическим снимкам вымокающих лесов для контроля их состояния.

Для решения поставленной задачи диссертационного исследования было необходимо:

• обосновать возможность выделения по космическим снимкам вымокающих лесов, в частности, мелколиственных, преобладающих в районе исследования;

• исследовать особенности спектральных характеристик вымокающих лесов разной степени деградации;

• оценить применимость используемых при обработке данных дистанционного зондирования спектральных индексов;

• в связи с неэффективностью существующих индексов для картографирования вымокающих лесов разработать на основе полевых исследований новый тип спектрального индекса, позволяющего разделять вымокающие леса по стадиям их деградации;

• разработать автоматизированную технологию создания карт динамики распространения мелколиственных лесов и карт вымокающих лесов с разделением их по степени деградации на основе компьютерной обработки снимков;

• создать электронную карту вымокающих мелколиственных лесов и выявить

основные закономерности распространения вымокающих лесов в районе исследований.

Материалами для исследовательских работ служили результаты наземных обследований на ключевых участках Курганской области, разновременные многозональные космические снимки, полученные отечественными и зарубежными спутниковыми системами (Ресурс-О, Landsat-3,4,5,7, Terra, ALOS), топографические и тематические карты (ландшафтные, геоморфологические, геологические и др.).

Научная новизна работы заключается в следующем.

1. Разработан новый способ обработки многозональных космических снимков на основе предложенного автором индекса вымокания для выделения вымокающих лесов по спектральным признакам и определены интервалы значений индекса вымокания для разделения четырех стадий деградации вымокающих лесов. Для расчета предложенного индекса создана подпрограмма к коммерческому программному комплексу ITT ENVI (ПК ENVI), позволяющая автоматически выполнять эту операцию.

2. Предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании и создана подпрограмма к ПК ENVI, позволяющая визуализировать распределение спектральных яркостей исследуемых по снимкам объектов в трехмерном пространстве признаков, что облегчает разделение объектов по спектральным признакам.

3. Разработана методика автоматизированного составления карт вымокающих лесов, включающая выделение лесов на разновременных снимках, создание карты динамики распространения лесов и разделение стадий деградации с помощью предложенного автором индекса вымокания.

4. Впервые создана на основе автоматизированной обработки разновременных многозональных снимков карта вымокающих лесов масштаба 1:25 ООО для участка Курганской области с разделением стадий деградации лесов и выявлены закономерности их пространственного распределения.

Достоверность полученных результатов подтверждается полевыми наземными обследованиями более 300 эталонных участков, многократными натурными проверками результатов исследований на 50 контрольных участках, представительностью и репрезентативностью экспериментального материала, применением новейших космических снимков высокого качества и использованием современных методов обработки и анализа данных.

Диссертационное исследование в своей теоретической и методологической части базируется на достижениях отечественных школ географической картографии, биогеоценологии и аэрокосмичесхих исследований лесов, основанных К.А. Салищевым, В.Б. Сочавой, В.Н. Сукачевым, Г.Г. Самойловичем, и представленных в трудах их учеников и последователей — A.M. Берлянта, Ю.Ф. Книжникова, В.И. Кравцовой, И.К. Лурье, A.C. Исаева, В.И. Сухих.

Практическая значимость работы обусловлена потребностями общества в сохранении природной среды, в частности лесов, и необходимостью контроля за их состоянием, в первую очередь в районах хозяйственного освоения, особенно нефтегазодобычи на залесенных территориях, где вымокание лесов принимает широкие масштабы. Разработанные методические подходы апробированы на примере участка Курганской области и могут быть использованы в региональных органах управления лесами, природоохранных организациях, территориальных фондах информации Курганской и других областей лесной и лесостепной зон, в Центре экологии и продуктивности лесов РАН. Ряд ключевых этапов методики по предварительной обработке данных ALOS/AVNIR-2, автоматическому выделению контуров лесов по космическим снимкам внедрены в работу Научно-аналитического центра рационального недропользования Ханты-Мансийского автономного округа. Методические разработки по автоматизированному дешифрированию лесов могут быть использованы в учебных курсах по геоэкологии, геоинформатике, аэрокосмическим методам исследований на природоведческих факультетах университетов России.

Апробация работы. Основные положения диссертационной работы представлены на 4 международных и российских конференциях: XIII Международной конференции студентов, аспирантов и молодых ученых «ЛОМОНОСОВ — 2006» (Москва, 2006), Четвёртой всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2006), IV Международной научно-технической конференции «Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве» (Москва, 2007), Юбилейной Открытой Всероссийской конференции «Дистанционное зондирование Земли из космоса» (Москва, 2007), а также на семинарах по аэрокосмическим методам географических исследований и заседаниях кафедры картографии и геоинформатики географического факультета МГУ имени М.В.Ломоносова.

По теме диссертации автором опубликовано 8 печатных работ в российских научных журналах и сборниках докладов конференций.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и списка литературы. Работа содержит 208 страниц текста, 67 иллюстраций и 26 таблиц. Список литературы включает 149 источников. Диссертация имеет 5 приложений (включая оригинальные подпрограммы для программного комплекса ITT ENVI и методику атмосферной коррекции данных ALOS/AVNIR-2 с помощью модуля FLAASH) на 21 странице.

Благодарности. Автор выражает глубокую благодарность научному руководителю д. г. н. В.И. Кравцовой, признателен заведующему кафедрой картографии и геоинформатики д. г. н., профессору A.M. Берлянту, заведующему лабораторией аэрокосмических методов д. г. н. профессору Ю.Ф. Книжникову за доброжелательное отношение и поддержку и всем сотрудникам кафедры картографии и геоинформатики за полезные замечания, высказанные при обсуждении диссертационной работы. Автор особо благодарен своему первому научному руководителю в Курганском госуниверситете к. г. н. A.B. Абросимову за помощь и поддержку на всех этапах работы.

I. ВЫМОКАЮЩИЕ ЛЕСА И ВОЗМОЖНОСТИ ИХ АВТОМАТИЗИРОВАННОГО КАРТОГРАФИРОВАНИЯ ПО КОСМИЧЕСКИМ СНИМКАМ

Проблема вымокания лесов характерна для равнинных, слабо дренированных районов, с неглубоким залеганием грунтовых вод и достаточным увлажнением. В большой степени она проявляется в обширных районах ЗападноСибирской равнины. В условиях повышенной обводненности грунтов, а на большей части территории и заболоченности, прокладка автомобильных дорог и магистральных нефте- и газопроводов требует возведения мощных насыпей. Это приводит к нарушению гидрологического режима, и как результат к деградации и вымоканию лесных массивов.

В результате геоботанических исследований в Западной Сибири, проведенных сотрудниками Курганского госуниверситета A.B. Абросимовым, И.В. Шиловой в 2003-2005 гг. при участии автора были выделены 4 стадии вымокания мелколиственных лесов.

1 стадия. Леса на этой стадии мало чем отличаются от лесных массивов, не подверженных вымоканию. Древостой не нарушен. Лишь в некоторых местах имеются признаки угнетения листвы деревьев и переувлажнения. Почва не имеет внешних признаков засоления. Травяная растительность представлена видами, характерными для березовых злаково-разнотравных лесов.

2 стадия. Характеризуется частичным повреждением деревьев березы повислой: около половины деревьев имеют листву с признаками угнетения и сухие вершины. Некоторые деревья полностью лишены листвы. В почвенном профиле в результате подъема грунтовых вод возникает осолоделый слой, что говорит о начале засоления почв. В травяном покрове появляются виды, характерные для влажных лесов и болотистых мест (лабазник вязолистный).

3 стадия. Деревья полностью лишены листвы. Имеются признаки разрушения древесины, о чем свидетельствуют упавшие стволы деревьев. Проявляются признаки заболачивания. В травяном покрове преобладают виды, характерные для влажных лугов и болот (например, осока береговая). Идут процессы засоления почв, в результате чего в почвенном профиле появляется осолоделый слой (А2) мощностью 15-20 см, имеющий характерную белесую окраску.

4 стадия. Происходит замена одной экосистемы на другую. Характеризуется полным исчезновением древесной растительности. Травяной покров составляют виды, характерные для болот (осока береговая, рогоз, тростник). Слой солоди в почвенном профиле достигает мощности 30-35 см. На месте леса возникают заболоченные территории.

Такие серьезные изменения, происходящие в природном комплексе, должны приводить к изменению его спектральной отражательной способности; в работе представлены гипотетические спектральные кривые для разных стадий вымокания. Следовательно, должно изменяться изображение лесов на космических снимках. Это определяет возможность использования космических снимков для картографирования вымокания лесов.

В выполненном в диссертации анализе показано, что аэрокосмические снимки широко применяются при картографировании лесов (Котова, 1997; Малышева, 2002) и целого ряда неблагоприятных процессов в лесах (Данюлис, 1989; Исаев, Сухих, 1991). Для этого используются средства автоматизированной (компьютерной) обработки, а именно - классификации типов лесов по спектральным или текстурным признакам, создание индексных изображений и установление их связи с параметрами древостоя, создание разновременных

цветных синтезированных изображений для изучения и картографирования изменений, происходящих в лесах (в основном для выделения вырубок) (Жирин, 1998; Ершов, 1999; Барталев, 2004; Князева, 2006). Однако проблеме вымокания лесов внимания не уделяется.

Вопрос автоматизированного картографирования вымокающих лесов во многом связан с ландшафтным картографированием. Вымокающий березовый колок представляет собой стадию перехода лесных урочищ в займищно-болотные урочища. При изучении вымокающих лесов необходимо учитывать особенности ландшафтов исследуемой территории. В связи с этим в работу включены материалы предшествующего эксперимента по автоматизированному созданию ландшафтных карт для лесостепи Западной Сибири (Черепанов, 2006).

II. ВЫБОР И ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА КОСМИЧЕСКИХ СНИМКОВ ДЛЯ КАРТОГРАФИРОВАНИЯ ВЫМОКАЮЩИХ ЛЕСОВ Выбор снимков. Для решения задач мониторинга состояния лесов и картографирования вымокания лесов космические снимки должны соответствовать следующим требованиям:

• Пространственное разрешение не ниже 30 м, что обусловлено размерами картографируемых объектов: средний размер участков вымокающих лесов от нескольких десятков метров на начальных стадиях до сотен на более поздних;

• Обязательно наличие снимков в ближней инфракрасной, красной и зеленой зонах спектра, наиболее важных для изучения состояния растительности;

• Снимки должны быть получены за сезон вегетации, как правило - с конца мая по начало сентября.

По данным критериям для анализа распространения и картографирования вымокающих лесов были выбраны снимки Ьапс1за1/М88, ЬапсЪаЬТМ, Ресурс-0/МСУ-Э, ТеггаУАЗТЕЯ, ЬапсЫ/ЕТМ, ЛЮБ/АУМ^. При этом данные

Terra/ASTER и ALOS/AVNIR-2 были выбраны в качестве основы для спектрального анализа и картографирования вымокающих лесов.

Геометрическая коррекция. Необходимость геометрической коррекции снимков с учетом рельефа при исследовании вымокающих лесов диктуется малыми размерами контуров и необходимостью выявления изменений их границ во времени но снимкам с разных сенсоров, полученных под разными углами съемки. Для геометрической коррекции снимков выполнено ортотрансформи-рование с учетом цифровой модели рельефа местности. В качестве источника опорных точек использовались уже ортотрансформированные снимки Landsat7/ETM+ (панхроматические) с пространственным разрешением 15 м (для географической привязки снимков Landsat/MSS, Ресурс-О/МСУ-Э) и наземные опорные точки, полученные с помощью двух GPS-приемников Java Тор Hyper (использовались для ортотрансформирования снимков Terra/ASTER и ALOS/AVNIR-2). Точность пространственного положения Landsat7/ETM+ характеризуется средней квадратической ошибкой не более 50 м. В качестве модели рельефа использовалась цифровая модель местности SRTM (Shuttle radar topographic mission). Горизонтальная и вертикальная точность данных около 3040 м. Результирующая погрешность положения ортотрансформированных изображений с использованием опорных точек со снимков Landsat7/ETM+ лежит в пределах 50±40 м, что обеспечивает картографирование в масштабе 1:200 000. Погрешность положения ортотрансформированных изображений с использованием наземных опорных точек лежит в пределах 5±10 м, что обеспечивает картографирование в масштабе 1:25 000.

Радиометрическая коррекция. Поскольку разрабатываемая методика картографирования вымокания лесов опирается на их спектральные свойства, то радиометрической коррекции снимков уделяется особое внимание. Конструкция большинства оптико-механических, оптико-электронных сканеров и многозональных цифровых камер такова, что в пределах их чувствительности (интервала между минимальным и максимальным уровнем регистрируемого излучения) существует линейная зависимость между цифровыми значениями

яркости пикселов снимка и яркостью соответствующих площадок земной поверхности. Зная минимальный и максимальный уровень значений регистрируемого сенсором излучения, можно с небольшой погрешностью восстановить физические величины яркости. При соблюдении линейного закона передачи значений яркости расчет значений яркости многозональных снимков в оптическом диапазоне осуществляется по простой формуле:

где В,— энергетическая яркость для спектральной зоны, Кк- калибровочный коэффициент, DN - "сырые" значения яркости, С,— калибровочная константа, соответствующая минимальной величине регистрируемой яркости. Для радиометрической коррекции снимков Landsat5/TM, Landsat7/ETM+, Terra/ASTER, ALOS/AVNIR-2 использовались значения и С,, распространяемые вместе с цифровыми снимками в виде специального калибровочного файла (метаданные).

Устранение влияния атмосферы. Использование космических снимков для количественного анализа поверхностного отражения требует обязательного устранения влияния атмосферы. Для атмосферной коррекции снимков использовался модуль FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) для ПК ENVI, который позволяет выполнять атмосферную коррекцию снимков, полученных любыми многоспектральными или гиперспектральными сенсорами (Болсуновский, Черепанов, 2006). С помощью данного модуля в работе была выполнена атмосферная коррекция снимков Landsat5/TM, Land-sat7/ETM+, Terra/ASTER, ALOS/AVNIR-2.

В ходе коррекции значения спектральной яркости, зафиксированные съемочной аппаратурой, были переведены в коэффициенты отражения, которые могли бы быть зафиксированы у земной поверхности полевым спектрометром. На момент обработки снимков в ПК ENVI не было прямой поддержки данных ALOS/AVNIR-2. В связи с этим по данным Японского Аэрокосмического Агентства (JAXA) был создан файл с описанием функции пропускания энергии для каждого спектрального канала ALOS/AVNIR-2, который и использовался

для коррекции данных. Пошаговые методики атмосферной коррекции данных ALOS/AVNIR-2, Terra/ASTER, Landsat/ETM+ представлены в приложении к работе.

III. МЕТОДИЧЕСКИЕ ПОДХОДЫ К ВЫДЕЛЕНИЮ ВЫМОКАЮЩИХ ЛЕСОВ НА ОСНОВЕ СПЕКТРАЛЬНЫХ ИНДЕКСОВ

Современная сканирующая аппаратура, с помощью которой выполняют космическую съемку, представляет собой радиометрически калиброванные многоканальные видеоспектрометры. Для каждого пиксела изображения регистрируется набор яркостей в 4, 6, десятках или сотнях спектральных каналов, охватывающих диапазон спектра электромагнитных волн от видимого до теплового. Это открывает путь автоматизации распознавания объектов по их спектральным признакам.

Для работы с этой информацией часто прибегают к созданию так называемых «индексных» изображений. На основе комбинации значений яркости в определенных каналах, информативных для выделения исследуемого объекта, и расчета по этим значениям «спектрального индекса» объекта, строится изображение, соответствующее значению индекса в каждом пикселе, что и позволяет выделить исследуемый объект или оценить его состояние.

В дистанционном зондировании разработаны десятки индексов (вегетационные, водности, фотосинтетически активной радиации, водосодержания облаков, снежности и пр.). Такой же подход применен и к выделению вымокающих лесов, для чего разработан специальный индекс вымокания, позволяющий разделить вымокающие леса, находящиеся на разных стадиях деградации, и представляющий собой новый вариант вегетационного индекса.

Для получения почти всех распространенных вегетационных индексов используется характерный перепад между яркостями растительности в красной (0,62-0,75 мкм) и ближней инфракрасной (0,75-1,3 мкм) зонах. В настоящее время предложено около 160 вариантов вегетационных индексов. В работе дан

анализ более чем 40 имеющихся индексов; из них были выбраны 12 индексов, расчет которых возможен по многозональным снимкам. Расчет остальных индексов возможен только по гиперспектральным снимкам.

На основе данных наземных обследований в пределах участков, находящихся на разных стадиях вымокания, на снимках Terra/ASTER и ALOS/AVNIR-2 выделялись площадки размером 2-6 пикселов. По значениям яркости (без атмосферной коррекции) и коэффициентов отражения (полученных при коррекции влияния атмосферы) этих участков были рассчитаны 12 видов индексов в Excel. Фрагмент этой таблицы с материалами расчетов для 8 наиболее характерных видов индексов представлен в табл. 1. Таблица в диссертации включает результаты расчета 12 индексов, выполненного для 300 эталонных участков, охватывающих леса на всех 4 стадиях вымокания, по 9 зонам снимков Terra/ASTER и 4 зонам снимков ALOS/AVNIR-2.

Для оценки возможности использования разных спектральных зон при разделении стадий деградации лесов создана подпрограмма к ПК ENVI, позволяющая визуализировать распределение значений коэффициентов отражения исследуемых по снимкам объектов в трехмерном пространстве признаков, что облегчает поиск параметров для их разделения.

Для оценки возможности использования вегетационных индексов при выделении вымокающих лесов было построено более 200 графиков связи значений рассматриваемых индексов с значениями коэффициентов спектральной яркости в разных зонах спектра. По оси х откладывались значения индексов, которые характеризовали общее состояние растения, по оси у • значения яркости и коэффициентов отражения в разных спектральных зонах. Примеры графиков представлены на рис. 1.

Анализ графиков показал, что существующие индексы, используемые в аэрокосмическом зондировании, мало пригодны для выделения мелколиственных лесов на разных стадиях вымокания.

m S

X О 0) CD * О

m ® о с

40 n о

m ю 0,3 и «7

s CM ¥ en

О. CM

0,2 0,15 0,1 0,05

0.2

0,4 0.6

DVI

0,8

0,2

-&.S ■& i о 3

^ о

0,1

0,2

0,4 0,6 NDVl

0,8

° 2 0,2-

I- О ' X

1*0.1-II

^ с

/ 1'

i'v • J^j»

/ / (, ___-*

1 .—'

0 0,05 0,1 0,15 0,2 Коэффициент отражения в зеленой зоне (0,52-0,60 мкм)

'ис. 1 Графики связи значений индекса DVI (a), MSI (б), NDVI (в) с значениями :оэффициентов отражения в различных зонах снимка TERRA/ASTER; г - график связи начений коэффициентов отражения в зеленой и ближней ИК зоне снимка - LOS/AVNIR-2 для лесов на разных стадиях вымокания и изовегетационные линии !дя индекса их отношения.

0,1

0,08

ш 2

§ I

х о аз to

о. eg fe

- S 0,04

tí m Ф

2 c

' 0,02-

0,1

0,2

0,3

0,4 0,5 NDVl

•Стадия 0-1 «Стадия 1С'Стадия 1-2 Стадия 2 ^Стадия 2-ЗоСтадия 3»Стадия 3-4*Стадия 4

ис. 2. График связи значений индекса МЭУ! с значениями коэффициентов отражения в леной зоне. Снимок АЬ08/АУТч1^-2. Сплошными линиями показаны зовегетационные линии индекса их отношения (ЫОУ1//>зел ), пунктирными -зовегетационные линии индекса их разности (ЫОУ1-/9зел )• Цифры - значения индекса.

1987

2002

2006

Исходные материалы — разновременные космические снимки Landsat 5/ТМ 1987 Landsat 7/ЕТМ+2002 ALOS/AVNIR-2 2006

"Автоматическое выделение лиственных лесов с помощью дерева решений - - -на основе значения индекса вымокания и коэффициента отражения в ближней ИК зоне

|индекс вымокания!

-Автоматическая фильтрация и векторизация контуров для определения границ лиственных лесов

2006

Создание карты динамики распространения лиственных лесов за 1987-2006 гг.

Леса, исчезнувшие за период с 1987 г. по 2002 г.

Леса, исчезнувшие за период с 2002 г. по 2006 г.

Сохранившиеся леса (2006 г.)

Создание карты вымокающих лиственных лесов на разных стадиях деградации (на 2006 г.)

Стадия вымокания

Рис. 3. Методика автоматизированного создания карт вымокания лесов.

66 00 в.д.

-55 45 ет

Динамика распространения лиственных лесов за 1987-2006гг

Леса, исчезнувшие за период с 1987 г. по 2002 г. Леса, исчезнувшие за период с 2002 г. по 2006 г. ■ Сохранившиеся леса (2006 г.)

00 в.д.

Населенные пункты Железные дороги • Шоссе

> Улучшенные грунтовые дороги Грунтовые проселочные дороги Озера - Болота

Рис. 4. Фрагмент карты "Динамика распространения лиственных лесов за 1987-2006 гг.".

500м

Стадии вымокания лиственных лесов »-

■Ц 1 стадия. Практически здоровый лес с отдельными признаками угнетения

2 стадия. Около половины деревьев имеют листву с признаками угнетения. Имеются признаки засоления почв

3 стадия. Деревья полностью лишены листвы. Упавшие деревья свидетельствуют о разрушении древесины. Идут процессы засоления почв и имеются признаки заболачивания

14 стадия. Полное исчезновение древесной раститель-■ ности, на месте леса формируется заболоченная территория _

3Участки замещения погибших лесов лугами, с/х угодьями, ^••заболоченными землями

'Г

Населенные пункты Железные дороги ===== Шоссе

— Улучшенные грунтовые дороги Грунтовые проселочные дороги Озера == Болота

Рис. 5. Фрагмент карты "Вымокающие лиственные леса на разных стадиях деградации",

Таблица 1

Значения коэффициентов отражения лесов на разных стадиях вымокания

по 9 спектральным зонам TERRA/ASTER и рассчитанные по ним _вегетационные индексы_

Спектральные зоны, мкм 1 стадия вымокания

1 эталонный участок 2 эталонный участок 3 эталонный участок 4 эталонный участок 5 эталонный участок

1 зона 0,520-0,600 0,05 0,06 0,04 0,05 0,03

2 зона 0,630-0,690 0,03 0,03 0,03 0,04 0,03

3 зона 0,760-0,860 0,39 0,32 0,27 0,24 0,30

4 зона 1,600-1,700 0,19 0,19 0,19 0,20 0,17

5 зона 2,145-2,185 0,11 0,11 0,13 0,15 0,11

6 зона 2,185-2,225 0,11 0,11 0,15 0,14 0,11

7 зона 2,235-2,285 0,10 0,10 0,13 0,14 0,1!

8 зона 2,295-2,365 0,10 0,10 0,13 0,14 0,10

9 зона 2,360-2,430 0,13 0,13 0,16 0,18 0,12

Результаты расчетов различных видов индексов

Вид индекса Значения индекса для разных эталонных участков

Относительный вегета-циионный индекс (ВИ) (RVI) 11,35 11,74 9,48 5,47 11,74

Нормализованный разностный ВИ (NDVI) 0,84 0,84 0,81 0,69 0,84

Инфракрасный ВИ (IPVI) 0,92 0,92 0,90 0,85 0,92

Разностный ВИ(0 VII 0,36 0,29 0,24 0,19 0,27

Модифицированный почвенный ВИ (mSAVl) 0,61 0,52 0,43 0,34 0,49

Нормализованный разностный инфракрасный индекс NDII = ( р 819- Р 1ЫэУ( р 819+ р 1649) 0,28 0,28 0,17 0,18 0,23

Индекс водного стресса (MSI) MSI - р 1599/ р 819 0,47 0,58 0,72 0,86 0,58

Предложенный автором индекс вымокания 0,88 0,88 0,91 0,88 0,92

Исходя из расчетов и анализа спектральных индексов можно сделать следующие выводы:

1. Несмотря на все многообразие используемых индексов, ни по одному из них не удается четко разделить все 4 стадии вымокания лесов.

2. Индексы, в основе которых лежит соотношение яркостей в красной и ближней инфракрасной зонах, слабо отличаются друг от друга по своей информативности, фактически они идентичны. Существенные различия наблюдают-

ся только между разностными (ОУ1) и относительными (7\ЮУ1, индексами.

3. Для получения правильных значений вегетационных индексов необходимо выполнить атмосферную коррекцию. Особенно важно это для не нормализованных индексов СУ!) и для индексов, использующих средний ИК диапазон. Различие между значениями индексов до и после атмосферной коррекции составляет до 30%. При этом форма и характер распределения спектральных яркостей, как правило, сохраняются.

4. Комбинация вегетационного индекса и коэффициента отражения в одной из зон видимого диапазона оказывается гораздо информативней для разделения стадий вымокания лесов, чем их анализ по отдельности. Эта особенность в дальнейшем используется при поиске нового индекса для разделения вымокающих лесов.

5. По характеристикам значений яркости и коэффициентов отражения в отдельных съемочных зонах наиболее информативными для разделения вымокающих лесов оказались, как и ожидалось, три зоны - зеленая (0,52-0,60 мкм), красная (0,63-0,69 мкм) и ближняя инфракрасная (0,76-0,86 мкм). Таким образом, в дополнение к традиционно используемым красной и ближней инфракрасной зонам необходимо привлечение зеленой зоны. Отметим здесь, что ни по одной из них по отдельности не удается четко разделить все стадии вымокания из-за сильного пересечения гистограмм значений коэффициентов отражения.

В результате анализа особенностей спектральных характеристик вымокающих лесов на разных стадиях деградации выявлены связи между значениями коэффициентов отражения в зеленой зоне с одной стороны и красной и ближней инфракрасной зонах (представленных в - с другой, позволяю-

щие разделить стадии вымокания. Связь значений индекса с значениями коэффициентов отражения в зеленой зоне, рассчитанными по снимку АЬ05/АУ№К-2, показана на рис. 2. Разные стадии вымокания на этом графике разделяются изовегетационными линиями (линии, соединяющие одинаковые

значения рассчитываемого индекса) с различными значениями индекса вымокания.

В результате предложен новый индекс, описывающий эту связь - индекс вымокания для выделения вымокающих лесов и их разделения по стадиям деградации, один вариантов написания которого имеет вид:

(NDV1 -p30! ) (NDVI + Рзау

где NDVI = Еш.—Eel ^ р ^ . коэффициент отражения в зеленой спектральной

Раж + Ра-

зоне, ра, - коэффициент отражения в красной спектральной зоне, рыж - коэффициент отражения в ближней инфракрасной спектральной зоне.

В работе выполнен расчет значений индекса по снимкам Landsat5/TM, Landsat7/ETM+, Terra/ASTER, ALOS/AVNIR-2 и установлены интервалы значений индекса вымокания для разделения четырех стадий деградации вымокающих лесов (табл. 2). Для расчета предложенного индекса создана подпрограмма к ПК ENVI, позволяющая автоматически выполнять эту операцию.

Таблица 2

Интервалы значений индекса вымокания для разных стадий деградации

лиственных лесов

Вариант индекса 1 стадия 2 стадия 3 стадия 4 стадия

(NDVI -рзи, ) 0,89-0,93 0,87 - 0,89 0,82 - 0,87 0,76 - 0,82

(NDVI +рш)

IV. СОЗДАНИЕ КАРТ ВЫМОКАНИЯ ЛЕСОВ

Выбор масштаба создаваемой карты определялся размерами участков вымокания, формой объектов, дешифровочными свойствами и обеспечиваемой снимками геометрической точностью. Небольшие размеры участков вымокания и их сложные формы требуют применения при картографировании крупных масштабов 1:25 ООО или 1:50 ООО. Геометрическая точность ортотрансфор-мирования используемых снимков обеспечивает данные масштабы. В качестве

географической основы для тематической карты использовалась карта масштаба 1:100 ООО, обновленная автором по космическому снимку АЬ08/АУЫ1Я-2.

Создание карт вымокания лиственных лесов предусматривает поэтапное составление карт двух видов:

• Динам ика распространения л иственных лесов;

• Вымокающие лиственные леса на разных стадиях деградации.

Карты динамики распространения лиственных лесов необходимы для получения границ контуров леса, существовавших на рассматриваемой территории за анализируемый промежуток времени (с 1987 по 2006 гг.) и существующих сейчас.

Для оперативной оценки масштабов и закономерностей распространения деградирующих лесов предложен вариант цветового синтеза разновременных многозональных снимков, позволяющий выделять вымокающие леса при визуальном дешифрировании. Для создания аддитивного разновременного многозонального цветного синтезированного изображения выбраны наиболее информативные для выделения вымокающих лесов спектральные зоны. В связи с тем, что в результате вымокания лесов происходит увеличение коэффициентов отражения в зеленой зоне спектра, именно снимки в этой зоне и решено использовать при создании цветного разновременного изображения. Красным цветом окрашивается снимок в зеленой спектральной зоне за конечную дату, зеленым - снимок в зеленой спектральной зоне за начальную дату. В качестве синей составляющей используется снимок в красной спектральной зоне за конечную дату. В этом случае на цветном синтезированном изображении здоровые леса будут иметь темно-зеленый цвет, деградирующие леса или уже исчезнувшие - оттенки розового.

Предложенная методика автоматизированного картографирования вымокания лесов предусматривает следующие этапы, основные из которых представлены на рис. 3:

• Предварительная подготовка космических снимков к автоматизированному дешифрированию.

• Автоматическое выделение лиственных лесов на разновременных снимках.

• Фильтрация избыточно мелких контуров и автоматическая векторизация границ лиственных лесов.

• Создание карты динамики распространения лиственных лесов.

• Разделение лесов по стадиям вымокания и создание карты вымокающих лиственных лесов на разных стадиях деградации.

Этап предварительной подготовки космических снимков к автоматизированному дешифрированию, раскрыт выше в главе 2.

Автоматическое выделение лиственных лесов. Для автоматического выделения лиственных лесов по каждому из разновременных анализируемых снимков (ЬалЙ5а15/ТМ 1987 г., Ьап<15а17/ЕТМ+ 2002 г., АЬ05/АУЫШ-2 2006 г.) были определены два параметра: значения предложенного индекса вымокания и коэффициента отражения лесов в ближней ИК зоне. Первый параметр необходим для выделения всех лесов, второй для отделения лиственных лесов от хвойных. Выявление лесов не традиционным путем, а по индексу вымокания, обусловлено необходимостью выделения на снимке как здоровых лесов, так и находящихся на 1-2-3 стадии вымокания. Полученные два параметра использовались для альтернативного отнесения пикселов изображения к категориям "лес" (включает в себя лиственные леса - здоровые, 1,2 и 3 стадии вымокания) и "не лес" (включает все остальные объекты) с помощью алгоритма, основанного на дереве решений. В результате этого этапа автоматической обработки на каждом из снимков были выделены участки лиственных лесов, т.е. практически составлены предварительные карты их распространения в 1987, 2002 и 2006 гг.

Фильтрация избыточно мелких контуров и автоматическая векторизация границ лиственных лесов. Поскольку для карт динамики распространения лиственных лесов и разделения их по стадиям вымокания был выбран масштаб 1:25 000, то минимальный размер показываемых площадных объектов должен быть не меньше 25><25 м (1 мм2 в масштабе карты). Для топографических карт масштаба 1:25 000 принят размер показываемых контуров лесов

4 мм2, но, учитывая специальное назначение создаваемой карты, этот ценз отбора повышен до 1 мм2.

Поскольку в результате автоматической классификации на растровых изображениях остаются контура размером 1-3 пиксела (10x10 - 10x30 м), то полученные изображения нуждаются в предварительной фильтрации мелких контуров с учетом масштаба создаваемой в конечном итоге карты. Эта процедура соответствует картографической генерализации, выполняемой при традиционном составлении карт.

Для дальнейшего анализа полученных разновременных карт лесов и создания карты изменений их распространения требуется перейти от растрового изображения к карте в векторном формате, более удобном для применения количественных методов и средств анализа пространственной информации.

Для фильтрации и автоматической векторизации изображения использовались свободно распространяемые дополнительные подпрограммы к ПК ENVI. Используемый в работе алгоритм автоматической векторизации позволяет сглаживать границы и тем самым упрощает формы объектов и обеспечивает читаемость создаваемой карты. Выполнение фильтрации целесообразно проводить в два этапа. На первом этапе фильтрации устраняются мелкие выде-лы лиственных лесов (9 пикселов, т.е. 30x30 м). На втором этапе устраняются пустоты внутри выделов лиственных лесов (18 пикселов). Такие различия обусловлены большей значимостью участков леса, по сравнению с другими объектами. Полученное отфильтрованное от избыточно мелких деталей изображение автоматически векторизуется.

Создание карты динамики распространения лиственных лесов. В итоге обработки результатов автоматической классификации путем фильтрации с последующей векторизацией контуров получены границы лиственных лесов в векторном формате на 3 временных среза - 1987 г., 2002 г., 2006 г.. Эти границы необходимы для получения общего контура лиственных лесов, существовавших на данной территории за весь интервал времени 1987-2006 гг. и дальнейшей оценки площадей вымокания. При этом границы 1987 г. и 2007 г. рас-

сматриваются как основные: границы 1987 г. отражают максимальную площадь лесов, которые, по утверждению очевидцев, начали быстро деградировать в конце 1980-х. Границы лесов на 2006 г. отражают современное распространение лесов. Границы лесов 2002 г. использовались как промежуточный срез; в большинстве районов они совпадают или близки к границам лесов 2006 г. В пределах общего контура лесов 1987, 2002 и 2006 гг. проводилось разделение лиственных лесов по стадиям вымокания. Путем поочередного вычитания из общего контура границ 2006 г. и 2002 г. были получены участки лиственных лесов, исчезнувших за период с 1987 по 2002 гг., с 2002 по 2006 гг., а также современные границы лесов (на 2006 г.).

После совмещения всех границ на 3 срока были повторно удалены мелкие контура, возникшие при пересечениях разновременных границ, которые не соответствовали цензу отбора для карты данного масштаба. Для оценки качества полученных контуров результаты сопоставлялись со снимками, имеющимися на эту территорию и не использованными в процессе классификации: Ресурс-О/МСУ-Э, IRS/LISS-3, Landsat5/TM, Landsat7/ETM+, Terra/ASTER.

Разделение лесов по стадиям вымокания. В пределах общего контура лиственных лесов по снимку ALOS/AVNIR-2 с помощью разработанной нами подпрограммы для ПК ENVI (представленной в приложении к работе) рассчитан предложенный автором индекс вымокания. Снимок ALOS/AVNIR-2 выбран как основной, поскольку он имеет наилучшее пространственное разрешение. Найденные интервалы значений использованы для объединения пикселов индексного изображения в группы по 4 стадиям деградации. В результате в пределах границ лесов 1987-2006 гг. среди лиственных лесов были выделены 4 стадии вымокания:

1 стадия. Практически здоровый лес с отдельными признаками угнетения деревьев. Значения индекса вымокания от 0,89 до 0,93.

2 стадия. Половина деревьев имеют листву с признаками угнетения, у всех деревьев березы повислой сухие вершины. Имеются признаки засоления почв. Значения индекса вымокания от 0,87 до 0,89.

3 стадия. Деревья полностью лишены листвы. Упавшие деревья свидетельствуют о разрушении древесины. Идут процессы засоления почв и имеются признаки заболачивания. Значения индекса вымокания от 0,82 до 0,87.

4 стадия. Полное исчезновение древесной растительности, на месте леса формируются заболоченные территории. Значения индекса вымокания от 0,76 до 0,82.

Участки в пределах контура леса 1987-2006 гг., имеющие значения индекса выше или ниже указанных порогов, соответствуют либо районам полной деградации и замены лесной экосистемы болотами, либо могут являться районами вырубки леса и замены его сельскохозяйственными землями.

Для отображения стадий вымокания лесов на карте выбран способ качественного фона. Участки лесов на разных стадиях вымокания показаны оттенками разных цветов от зеленого для практически здоровых лесов до красного и малинового для деградировавших. Фрагменты карты динамики распространения лиственных лесов и карты вымокающих лиственных лесов на разных стадиях деградации представлены на рис. 3, 4 в масштабах 1:200 000 и 1:50 000.

Созданные карты "Динамика распространения лиственных лесов за период с 1987 по 2006 гг." и "Вымокающие лиственные леса на разных стадиях деградации (на 2006 г.)" позволили впервые определить степень деградации и исчезновения лесов в результате процесса вымокания в пределах исследуемого участка. Площадь лесов исследуемого участка сократилась на 72 км2 с 276 км2 в 1987 г. до 204 км2 в 2006 г., что составляет более 26% от первоначальной площади. Лиственные леса первой стадии вымокания занимают 42% от площади лиственных лесов на настоящий момент времени, второй стадии - 33%, третьей стадии - 25%. Среди исчезнувших лесов (72 км2) доля лесов четвертой стадии составила 86%, оставшиеся 14% соответствуют районам вырубки леса и замены его сельскохозяйственным землями.

Карты выявляют определенную закономерность в распространении деградирующих мелколиственных лесов. На них проявляется ярко выраженная концентрация участков лесов наибольшей степени деградации (3-4 стадии вымока-

ния) но полосам, вытянутым с юг-юго-запада на север-северо-восток. Такое направление весьма характерно для притоков древних рек, протекавших по территории в позднем плейстоцене. Яркий пример - направление древнего русла реки Тобол, протекающей в 50 км к западу от района исследования. Сопоставление лесов 3-4 стадии вымокания и схемы прадолин для юга Западной Сибири, составленной М.Е. Городецкой (1972), показало, что деградировавшие леса располагаются по долинам притоков реки пра-Суерь (современное русло реки Суерь расположено в 60 км к северу от рассматриваемого района).

Среди факторов, которые могли привести к исчезновению четверти мелколиственных лесов, можно выделить:

1. Особенности изменения климата, прежде всего - среднегодовое количество осадков. В случае наличия существенных изменений за указанный период (1987-2006 гг.) можно было бы говорить о влиянии данного фактора на темпы развития процесса. Однако по данным метеостанций Курган и Лебяжье за период с 1969 по 2006 г. наблюдались только 4-5 летние циклы с повышением и понижением среднегодового количества осадков, но ярко выраженных тенденций в увеличении количества осадков не наблюдается. Следовательно, осадки не являются определяющим фактором вымокания.

2. Особенности рельефа территории. Равнинный рельеф, со слабым наклоном на северо-северо-восток, при вертикальной расчлененности не более 1 м, при отсутствии ярко выраженного направления стока обуславливает плохой дренаж территории и сильную зависимость от плоскостного стока. Нарушения стока приводят к переувлажнению таких участков.

3. Особенности типов почв и их механический состав. Почвы в основном светло-серые лесные и черноземы, местами солоди, тяжелого механического состава, способствуют развитию процессов осолодения, засоления и заболачивания.

4. Степень минерализации грунтовых вод. Исследуемый район можно охарактеризовать неглубоким залеганием грунтовых вод и высокой степенью

их минерализации. На основе предоставленных Территориальным фондом информации по Курганской области листов карты "Минерализации грунтовых вод" масштаба 1:200 ООО на район исследования была создана аналогичная электронная карта в векторном формате. Ее сопоставление с картами "Динамика распространения лиственных лесов за период с 1987 по 2006 гг." и "Вымокающие лиственные леса на разных стадиях деградации (на 2006 г.)" показало, что большая часть исчезнувших лесов расположена в пределах участков с максимальной степенью минерализации.

5. Антропогенный фактор проявляется главным образом в виде объектов инфраструктуры (автодороги, железные дороги, насыпи, трубопроводы и т.д). В районе представлено несколько основных транспортных систем. Федеральная автотрасса "Байкал" проходит с запада на восток и разделяет район на 2 части. От нее также отходят в радиальном направлении асфальтированные дороги. В результате район разбивается на несколько больших участков, разделенных транспортными линиями с насыпями. Кроме этого параллельно с федеральной автотрассой на расстоянии 2 км от нее проходит Транссибирская железная дорога. Участки лиственных лесов между трассой и железной дорогой оказались наиболее пострадавшими.

ЗАКЛЮЧЕНИЕ

В итоге диссертационного исследования получены следующие новые научные результаты.

1. Разработан новый способ компьютерной обработки многозональных космических снимков для выделения вымокающих лесов на основе расчета предложенного индекса вымокания и установлены интервалы его значений для разделения четырех стадий деградации лесов. Необходимость введения такого индекса связана с тем, что анализ 12 применяемых в аэрокосмических исследованиях вегетационных индексов, использующих соотношение коэффициентов отражения в красной и ближней инфракрасной спектральных зонах, показал, что они не позволяют разделить стадии деградации вымокающих лесов.

Индекс вымокания разработан на основе анализа особенностей спектральных характеристик вымокающих лесов, полученных по большому объему полевых наблюдений, расчетов и графических построений. Формула индекса отражает выявленные связи между передаваемыми съемочными системами значениями коэффициентов отражения в зеленой, красной и ближней инфракрасной спектральных зонах и стадией вымокания. В работе выполнен расчет значений индекса по снимкам Landsat5/TM, Landsat7/ETM+, Terra/ASTER, ALOS/AVN1R-2. Для расчета предложенного индекса создана подпрограмма к ПК ENVI, позволяющая автоматически выполнять эту операцию.

2. Разработана методика автоматизированного составления карт вымокающих лиственных лесов с применением предложенного индекса вымокания и впервые созданы карты: "Динамика распространения мелколиственных лесов за 1987-2006 гг." и "Вымокающие мелколиственные леса на разных стадиях деградации (на 2006 г.)" масштаба 1:25 ООО для участка Курганской области с разделением 4 стадий деградации лесов.

На основе созданных карт определены масштабы распространения вымокания, охватившего на исследуемом участке Курганской области 58% лесных массивов. Выявлена закономерность пространственного распределения вымокающих лесов, а именно их связь с транспортными магистралями и приуроченность к прадолинам и ложбинам поверхностного стока, в пределах которых требуется особая осторожность при прокладке сети коммуникаций.

3. Для оперативной оценки площадей вымокания и закономерностей распространения деградирующих лесов предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. При создании аддитивного цветного синтезированного изображения рекомендованы наиболее информативные для выделения вымокающих лесов спектральные зоны — зеленая за позднюю дату, зеленая за раннюю дату и красная за позднюю дату.

4. Создана подпрограмма к ПК ENVI, позволяющая визуализировать распределение спектральных яркостей исследуемых по снимкам объектов в трех-

мерном пространстве признаков, что облегчает выбор параметров для разделения объектов по спектральным признакам. Оценка распределений коэффициентов отражения в 3-мерном пространстве спектральных признаков позволяет визуально определить спектральные границы между разными классами объектов, повысить достоверность при автоматическом выделении объектов.

Таким образом, в результате диссертационного исследования решена задача - разработана и успешно апробирована методика автоматизированного картографирования вымокающих лесов на основе предложенного индекса вымокания, что имеет существенное значение для аэрокосмического картографирования лесов.

Основные научные результаты диссертационного исследования изложены в статье, опубликованной в рекомендованном БАК журнале:

1. Черепанов A.C. Новые возможности компьютерной обработки космических снимков при создании ландшафтных карт лесостепи Западной Сибири // Вестник Моск. ун-та. Серия 5 География. №3. 2006. С. 66-72,

а также в следующих публикациях:

2. Черепанов A.C. Методические подходы к автоматизированному выделению вымокающих лесов по многозональным космическим снимкам высокого разрешения (на примере территории Курганской области) // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве: доклады IV Международной конференции. - М.: ГОУ ВПО МГУЛ. 2007. С. 156-159;

3. Абросимов A.B., Черепанов A.C. Обработка гиперспектральных изображений в ПК ENVI //Геопрофи. №2.2007. С. 55-57;

4. Болсуновский М.А, Черепанов A.C. Атмосферная коррекция в ПО ENVI. Модуль FLAASH//Геопрофи. №5.2006. С. 22-24;

5. Болсуновский М.А., Колесникова О.Н., Черепанов A.C. Центр обучения компании «Совзонд» // Геопрофи. №6. 2006. С. 57-58;

6. Болсуновский М.А., Колесникова О.Н., Черепанов A.C. Центр обучения компании «Совзонд» // Информационный бюллетень ГИС-ассоциации. №1(58). 2007. С. 43-44;

и сборниках тезисов докладов конференций:

7. Черепанов A.C. Возможности автоматизированного создания ландшафтных карт разного уровня иерархии для лесостепной зоны Западной Сибири по данным дистанционного зондирования Земли // Сборник тезисов докладов научной конференции студентов Курганского государственного университета. Вып.6. Курган: Изд-во Курганского гос. ун-та. 2005. С. 29 -30;

8. Черепанов A.C. Изучение вымокания лесов восточных районов Курганской области по космическим снимкам // Материалы XIII Международной конференции студентов, аспирантов и молодых ученых «Ломоносов-2006», секция Географии. М.: Географический ф-т. 2006. С. 130;

9. Козодеров В.В., Думлер Ю.А., Егоров В.Д., Косолапов B.C., Черепанов A.C. Космические системы наблюдений на службе регионов // Сборник тезисов Четвертой всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса», Москва ИКИ РАН, 13-17 ноября 2006. (CDROM);

10. Козодеров В.В., Борзяк В.В., Дмитриев Е.В., Думлер Ю.А., Егоров В.Д., Черепанов A.C., Шахпаронов В.М. Алгоритмическое и программное обеспечение технологии восстановления параметров состояния природных объектов по их многоспектральным космическим изображениям // Сборник тезисов Пятой юбилейной всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса», Москва ИКИ РАН, 12-16 ноября 2007. (CDROM).

Подписано в печать 03.10.2008 г.

Печать трафаретная Объем -1,0 усл.п.л. Заказ N»899 Тираж: 120 экз.

Типография «И-й ФОРМАТ» ИНН 7726330900 115230, Москва, Варшавское ш., 36 (499) 788-78-56 www. autoreferat. ru

Содержание диссертации, кандидата географических наук, Черепанов, Александр Сергеевич

ВВЕДЕНИЕ.

ГЛАВА 1. ВЫМОКАЮЩИЕ ЛЕСА И ВОЗМОЖНОСТИ ИХ АВТОМАТИЗИРОВАННОГО КАРТОГРАФИРОВАНИЯ ПО КОСМИЧЕСКИМ СНИМКАМ.

1.1. Проблема вымокания лесов.

1.2. Состояние исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них.

1.3. Пути совершенствования методики автоматизированного картографирования природно-территориальных комплексов.

Выводы.

ГЛАВА 2. ВЫБОР И ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА КОСМИЧЕСКИХ СНИМКОВ ДЛЯ КАРТОГРАФИРОВАНИЯ ВЫМОКАЮЩИХ ЛЕСОВ.

2.1. Обоснование выбора космических снимков и программных средств их обработки.

2.2. Предварительная обработка космических снимков при картографировании вымокающих лесов.

2.2.1. Геометрическая коррекция снимков.

2.2.2. Радиометрическая коррекция снимков.

2.2.3. Устранение влияния атмосферы.

Выводы.

ГЛАВА 3. МЕТОДИКА ВЫДЕЛЕНИЯ ВЫМОКАЮЩИХ ЛЕСОВ НА ОСНОВЕ СПЕКТРАЛЬНЫХ ИНДЕКСОВ.

3.1. Создание индексных изображений как предварительный этап тематической обработки снимков. Обзор используемых в дистанционном зондировании вегетационных индексов.

3.2. Оценка возможностей разделения стадий вымокания лесов по спектральным характеристикам.

3.2.1. Гипотетические кривые спектральной яркости вымокающих лесов.

3.2.2. Полевые исследования для проверки возможности разделения стадий вымокания лесов по вегетационным индексам.

3.2.3. Разработка специального индекса для выделения вымокающих мелколиственных лесов.

Выводы.

ГЛАВА 4. СОЗДАНИЕ КАРТ ДИНАМИКИ ВЫМОКАНИЯ ЛЕСОВ.

4.1. Методы анализа разновременных снимков для выявления изменений на местности.

4.2. Обоснование метода автоматизированной классификации для выделения вымокающих лесов (дерево решений по критерию «индекс вымокания»).

4.3. Общая методическая схема создания карт динамики вымокания лесов.

4.4. Закономерности пространственного распространения вымокающих лесов в зависимости от природных и антропогенных факторов.

Выводы.

Введение Диссертация по наукам о земле, на тему "Методика картографирования вымокания лесов по космическим снимкам"

Важное социально-экономическое и экологическое значение лесов делает задачи инвентаризации лесных ресурсов, контроля за состоянием лесов и лесопользованием одними из стратегических не только для лесохозяйственной отрасли, но и экономики России в целом. Мониторинг состояния лесов, кроме экономического значения, имеет и ярко выраженную экологическую направленность, обеспечивая, в частности, принятие решений и проведение мероприятий, способствующих поддержанию благоприятных условий жизни населения и устойчивому развитию региона (Исаев, Сухих, Калашников 1991; Сладкопевцев, 1996).

Традиционные методы инвентаризации, мониторинга и контроля за состоянием лесов (пешие обходы и автомобильные объезды, полевые съемки, авиаоблеты, аэросъемка с последующим визуальным дешифрированием) нередко не отвечают главным требованиям сегодняшнего дня - оперативности и минимальным трудовым, временным и финансовым затратам. Поэтому на различных уровнях мониторинга лесов широко применяют аэрокосмические снимки и автоматизированные методы их анализа.

Современные цифровые космические снимки не являются простой заменой аэрофотоснимков, давно используемых в лесной отрасли. Большой объем информации, содержащейся в них, позволяет выполнять с применением специального программного обеспечения их комплексный анализ, в том числе направленный на автоматизированное выявление неблагоприятных процессов, временных изменений, тонких малозаметных процессов в лесах, на получение информации о состоянии лесов и высоте древостоя и т.д.

В системе мониторинга лесов на региональном уровне уделяется внимание ряду неблагоприятных процессов в лесах, таких как пожары, ветровалы, болезни, нашествие насекомых-вредителей. Однако в этой системе пока не нашло отражения исчезновение лесных массивов вследствие комплекса взаимосвязанных причин - длительного застоя воды, подъема уровня грунтовых вод, заболачивания территории, а также засоления почв. В данной работе для характеристики процесса деградации лесов вследствие комплекса перечисленных причин используется рабочий термин "вымокание лесов", а деградирующие леса названы "вымокающими". Этот термин имеет региональное применение (Абросимов, 1999), но пока не получил широкого распространения в литературе по лесоведению, хотя и используется термин "вымокание" лесных культур.

Актуальность темы обусловлена большими масштабами явления вымокания лесов в районах нового хозяйственного освоения в лесной и лесостепной зонах территории нашей страны в связи с строительством транспортных систем, в первую очередь, объектов инфраструктуры при нефтегазодобыче. Это приводит к массовой деградации и гибели лесов и вызывает необходимость контроля их состояния путем оперативного автоматизированного картографирования, методы которого остаются неразработанными. Особенно распространено это явление на обширных пространствах Западной Сибири, в частности в Курганской области, на примере которой выполнено настоящее исследование.

Для решения поставленной задачи диссертационного исследования было необходимо:

• исследовать особенности спектральных характеристик вымокающих лесов разной степени деградации;

• провести сравнительный анализ различных алгоритмов обработки и автоматизированного дешифрирования лесных экосистем по космическим снимкам;

• создать электронную каргу вымокающих мелколиственных лесов с разделением на стадии деградации и выявить основные закономерности распространения вымокающих лесов в районе исследований.

Структура диссертационной работы обусловлена задачей исследования и включает четыре главы. Первая глава посвящена рассмотрению особенностей картографируемого явления — вымокания лесов и состоянию исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них. Во второй главе обоснован выбор космических снимков и представлены методики их предварительной обработки при картографировании вымокания лесов. В третьей главе исследована возможность разделения стадий вымокания лесов на космических снимках по спектральным характеристикам. С этой точки зрения оценены используемые в дистанционном зондировании спектральные индексы. Предложен специальный индекс для выделения вымокающих мелколиственных лесов и определены интервалы значений индекса для разделения стадий деградации. В четвертой главе предложена общая методическая схема автоматизированного создания карт динамики вымокания лесов, оценены методики анализа разновременных снимков и предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. По созданным картам динамики распространения мелколиственных лесов и вымокающих мелколиственных лесов с разделением на стадии деградации выявлены закономерности пространственного распространения вымокающих лесов в зависимости от природных и антропогенных факторов.

Материалами для исследовательских работ служили результаты наземных специальных обследований на ключевых участках Курганской области, выполненных при участии автора, разновременные многозональные космические снимки, полученные отечественными и зарубежными спутниковыми системами (Ресурс-О, Landsat-3,4,5,7, Terra, ALOS), топографические и тематические карты (ландшафтные, геоморфологические, геологические и др.).

Научная новизна работы заключается в следующем.

Диссертационное исследование в своей теоретической и методологической части базируется на достижениях отечественных школ географической картографии, биогеоценологии и аэрокосмических исследований лесов, основанных К.А. Салищевым, В.Б. Сочавой, В.Н. Сукачевым, Г.Г. Самойловичем, и представленных в трудах их учеников и последователей

A.M. Берлянта, Ю.Ф. Книжникова, В.И. Кравцовой, И.К. Лурье, А.С. Исаева,

B.И. Сухих.

Апробация работы. Основные положения диссертационной работы представлены на 4 международных и российских конференциях: XIII Международной конференции студентов, аспирантов и молодых ученых «ЛОМОНОСОВ - 2006» (Москва, 2006), Четвёртой всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2006), IV Международной научно-технической конференции «Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве» (Москва, 2007), Юбилейной Открытой Всероссийской конференции «Дистанционное зондирование Земли из космоса» (Москва, 2007), а также на семинарах по аэрокосмическим методам географических исследований и заседаниях кафедры картографии и геоинформатики географического факультета МГУ имени М.В.Ломоносова.

Диссертация подготовлена в период с 2005 по 2008 гг. на кафедре картографии и геоинформатики географического факультета МГУ в лаборатории аэрокосмических методов в рамках темы НИР 6.2. "Аэрокосмические технологии исследований динамики природной среды" №0120.0 603975, гранта РФФИ 04-05-64285 и исследований по программе Ведущей Научной школы географической картографии, грант НШ-05.08.00171. Подготовку диссертации предваряли экспериментальные работы автора, выполненные с 2003 по 2005 гг. в лаборатории геоинформационных исследований и технологий Курганского государственного университета. Благодарности. Автор выражает глубокую благодарность научному руководителю д. г. н. В.И. Кравцовой, признателен заведующему кафедрой картографии и геоинформатики д. г. н., профессору A.M. Берлянту, заведующему лабораторией аэрокосмических методов д. г. н. профессору Ю.Ф. Книжникову за доброжелательное отношение и поддержку и всем сотрудникам кафедры картографии и геоинформатики за полезные замечания, высказанные при обсуждении диссертационной работы. Автор особо благодарен своему первому научному руководителю в Курганском госуниверситете к. г. н. А.В. Абросимову за помощь и поддержку на всех этапах работы.

Заключение Диссертация по теме "Картография", Черепанов, Александр Сергеевич

Выводы

1. Обзор имеющихся методик работы с разновременными снимками и анализ большого числа приемов, которые можно использовать при оценке изменений площадей лесов, показали, что большинство из этих приемов подходят только для визуального сопоставления разновременных снимков. Приемы, эффективные при автоматизированном выделении таких объектов, как сплошные вырубки, оказались мало пригодными при выделении вымокающих лесов.

2. Для оперативной оценки площадей вымокания и закономерностей распространения деградирующих лесов предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. При создании аддитивного цветного синтезированного изображения рекомендованы наиболее информативные для выделения вымокающих лесов спектральные зоны - зеленая за позднюю дату, зеленая за раннюю дату и красная за позднюю дату. Такое синтезированное изображение позволяет оценить не только площади деградирующих лесов, но и степень деградации по насыщенности цвета.

3. Проведенный анализ существующих алгоритмов классификаций показал малую пригодность большинства алгоритмов (способ параллелепипеда, способ минимального расстояния, способ максимального правдоподобия) для выделения вымокающих лесов. Недостаток большинства алгоритмов классификации - вынужденное выделение большего числа классов, чем это нужно в исследовании. В связи с этим, для автоматического выделения класса лиственных лесов предложено использовать способ дерево решений, реализующий альтернативный выбор по двум параметрам: значению предложенного индекса вымокания и коэффициента отражения лесов в ближней ИК зоне.

4. Разработана методика автоматизированного составления карт вымокающих лиственных лесов с применением предложенного индекса вымокания. Разработанная методика автоматизированного картографирования вымокания лесов предусматривает следующие этапы:

• Предварительная подготовка космических снимков к автоматизированному дешифрированию;

• Автоматическое выделение лиственных лесов на разновременных снимках на основе дерева решений по значению индекса вымокания и коэффициента отражения лесов в ближней ИК зоне;

• Фильтрация избыточно мелких контуров и автоматическая векторизация границ лиственных лесов;

• Создание карты динамики распространения лиственных лесов;

• Создание карты вымокающих лиственных лесов на разных стадиях деградации с разделением лесов по стадиям вымокания на основе предложенного индекса вымокания.

В результате апробирования предложенной методики впервые созданы карты: "Динамика распространения мелколиственных лесов за 1987-2006 гг." и "Вымокающие мелколиственные леса на разных стадиях деградации (на 2006 г.)" масштаба 1:25 ООО для участка Курганской области с разделением 4 стадий деградации лесов.

5. На основе созданных карт определены масштабы распространения вымокания, охватившего на исследуемом участке Курганской области 58% лесных массивов. Выявлены закономерности пространственного распределения вымокающих лесов, а именно их связь с транспортными магистралями и приуроченность к прадолинам и ложбинам поверхностного стока, в пределах которых требуется особая осторожность при прокладке сети коммуникаций.

ЗАКЛЮЧЕНИЕ

В итоге диссертационного исследования получены следующие новые научные результаты.

Индекс вымокания разработан на основе анализа особенностей спектральных характеристик вымокающих лесов, полученных по большому объему полевых наблюдений, расчетов и графических построений. Формула индекса отражает выявленные связи между передаваемыми съемочными системами значениями коэффициентов отражения в зеленой, красной и ближней инфракрасной спектральных зонах и стадией вымокания. В работе выполнен расчет значений индекса по снимкам Lancisat5/TM, Landsat7/ETM+, Terra/ASTER, ALOS/AVNIR-2. Для расчета предложенного индекса создана подпрограмма к ПК ENVI, позволяющая автоматически выполнять эту операцию.

3. Для оперативной оценки площадей вымокания и закономерностей распространения деградирующих лесов предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. При создании аддитивного цветного синтезированного изображения рекомендованы наиболее информативные для выделения вымокающих лесов спектральные зоны - зеленая за позднюю дату, зеленая за раннюю дату и красная за позднюю дату.

4. Создана подпрограмма к ПК ENVI, позволяющая визуализировать распределение спектральных яркостей исследуемых по снимкам объектов в трехмерном пространстве признаков, что облегчает выбор параметров для разделения объектов по спектральным признакам. Оценка распределений коэффициентов отражения в 3-мерном пространстве спектральных признаков позволяет визуально определить спектральные границы между разными классами объектов, повысить достоверность при автоматическом выделении объектов.

Библиография Диссертация по наукам о земле, кандидата географических наук, Черепанов, Александр Сергеевич, Москва

1. Абросимов А.А., Абросимов А.В. Антропогенное вымокание лесов Курганской области по данным полевых и дистанционных исследований // Природопользование в районах со сложной экологической ситуацией. Тюмень: 1999, с. 86-88.

2. Барталев С.А., Жирин В.М., Ершов Д.В. Сравнительный анализ данных спутниковых систем "Космос-1939", Spot и Landsat-TM при изучении бореальных лесов // Исслед. Земли из космоса, №1, 1995, с.101-114

3. Барталев С.А. Развитие методов обработки спутниковых изображений, геоинформационных систем и ГИС-технологий для обеспечения мониторинга лесов // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 58-60

4. Барталев С.А., Ершов Д.В., Исаев А.С. Оценка дефолиации лесов по многоспектральным спутниковым изображениям методом декомпозиции спектральных смесей // Исслед. Земли из космоса, №4 1999, с. 76-86

5. Барталев С.А., Лупян Е.А. Спутниковый мониторинг бореальных экосистем // Природа, 2005, №9, с. 44-53

6. Берлянт A.M. Картографический метод исследования. М.: Изд-во Моск. Ун-та, 1988, 251 с.

7. Берлянт A.M. Картография. М., Аспект-Пресс, 2002, 336 с.

8. Болсуновский М.А, Черепанов А.С. Атмосферная коррекция в ПО ENVI. Модуль FLAASH // Геопрофи, №5, 2006, с. 22-24

9. Божилина Е.А., Сваткова Т.Г., Чистов А.П. Эколого-географическое картографирование. М.: Изд-во Моск. Ун-та, 1999, 84 с.

10. Бутусов О.Б., Жирин В.М., Сухих В.И. Оценка по данным космических съемок крупномасштабных изменений в лесном фонде, связанных с временным обезлесиванием покрытых лесом земель // Исследование Земли из космоса, 2005, №2, с. 67-75

11. Викторов А.С. Рисунок ландшафта. М., 1986,177с.

12. Викторов А.С. Математическая морфология ландшафта. М., 1998, 191 с.

13. Виноградов Б.В. Аэрокосмический мониторинг экосистем. М.: Нау-ка,1984, 320 с.

14. Востокова Е.А., Сущеня В.А., Шевчкеко JI.A. Экологическое картографирование на основе космической информации. М., 1988, 215с.

15. Выгодская И.Н, Горшкова И.И. Теория и эксперимент в дистанционных исследованиях растительности. М.: Гидрометеоиздат, 1987, 246 с.

16. Географическое картографирование: карты природы. М.: Изд-во Моск. Ун-та, 2005, 176 с.

17. Городецкая М. Е. Морфоструктуры и морфоскульптуры Юга Западной Сибири. -М.: Наука, 1972,154 с.

18. Горчаковский П.Л., Абрамчук А.В. Пастбищная деградация пойменных лугов и ее оценка по доле участия синантропных видов // Экология. 1983. № 5. с. 3-10.

19. ГОСТ 51794-2001 Аппаратура радионавигационная глобальной навигационной спутниковой системы и глобальной системы позиционирования. Системы координат. Методы преобразования координат определяемых точек.

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

21. Девятова Н.В., Ерщов Д.В. и др. Мониторинг усыхания хвойных лесов Европейского севера России по данным спектрорадиометра MODIS // Аэрокосмические методы и геоинформационные системы в лесоведение и лесном хозяйстве. М.: 2006, с. 106-107

22. Дейвис Ш.М., Ландгребе Д.А., Филипс Т.Л. и др. Дистанционное зондирование: количественный подход. М.: Недра, 1983, 415 с.

23. Егоров В.А., Баратлев С.А. Анализ временных серий спутниковых данных SPOT-VEGETATION для мониторинга повреждений пожарами бо-реальных экосистем // Современные проблемы дистанционного зондирования Земли из космоса, том 2, Москва, 2004, с. 380-385

24. Егоров В.П. Кривонос Л.А. Почвы Курганской области. Курган, изд-во «Зауралье», 1995,175с.

25. Жирин В.М., Бахтинова Е.В., Артамонов С.И. Аэрокосмический метод инвентаризации защитных насаждений на пастбищных землях пустынь Средней Азии // Использование аэрокосмических съемок в целях охраны природы. М.: Наука, 1988, с. 54-60.

26. Жирин В.М. Технические указания по комплексной технологии аэрокосмической инвентаризации древесно-кустарниковой растительности иоценки состояния кормовых ресурсов в пустынной зоне // М.: Госкомлес СССР, 1991,33 с.

27. Жирин В.М. Приближенная оценка фитомассы лесного (растительного) покрова с использованием значений вегетационного индекса // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 119-122

28. Жирин В.М., Князева С.В. Изучение особенностей лесного полога на основе значений вегетационных индексов, вычисленных по данным космической съемки МСУ-Э // Исследование Земли из космоса, 2003, № 2, с. 73-79

29. Ивашутина Л.И., Николаев В.А. Космические снимки, полученные системой "Фрагмент", как основа ландшафтного картографирования и физико-географического районирования аридных территорий // Исследование Земли из космоса, 1981, №5, с. 130-138

30. Исаев А.С., Сухих В.И., Калашников Е.Н. и др. Аэрокосмический мониторинг лесов. М.: Наука, 1991,240 с.

31. Исследование лесов аэрокосмическими методами. Новосибирск: Наука, 1987, 208 с.

32. Инструкция по "Фотограмметрическим работам при создании цифровых топографических карт и планов" ГКИНП (ГНТА) 02-036-02, изд. ЦНИИГАиК, 2002

33. Заруцкая И.П., Красильникова Н.В. Картографирование природных условий и ресурсов. М.: Недра, 1988, 299 с.

34. Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли и космоса. Цифровая обработка изображений: Учебное пособие. М.: Логос, 2001,264 с.

35. Киреев Д.М., Сергеева В.Л. Ландшафтно-морфологическое картографирование лесов. СПб. М: ВНШЩлесресурс, 1992, 60 с.

36. Книжников Ю.Ф., Кравцова В.И. Аэрокосмические исследования динамики географических явлений. М.: Изд-во Моск. Ун-та, 1991, 206 с.

37. Книжников Ю.Ф. Аэрокосмическое зондирование. Методология, принципы и проблемы: Учеб. пособие. М.: МГУ, 1997,129 с.

38. Книжников Ю.Ф., Кравцова В.И., Тутубалина О.В. Аэрокосмические методы географических исследований: Учеб. для студ. высш. учеб. заведений. М.: Академия, 2004, 336 с.

39. Князева С.В. Картографо-аэрокосмический мониторинг лесов национальных парков: автореферат канд. дисс. // МГУ им. М.В. Ломоносова Геогр. фак М., 2006

40. Комплексное экологическое картографирование. М.: Изд-во МГУ, 1997,146 с.

41. Космические методы геоэкологии / под ред. В. И. Кравцовой. М.: Географический ф-т МГУ, 1998,108 л.

42. Котова Т.В., Январева Л.Ф. Проблема согласования в традиционном и геоинформационном картографировании. // Картография на рубеже тысячелетий: Доклады I Всероссийской научной конференции по картографии. М.: Изд-во ИГ РАН, 1997, с. 395-400

43. Кравцова В.И., Воробьева Л.В. Оценка космических сканерных снимков низкого и среднего разрешения как материалов для картографирования лесов // Лесоведение, № 5, 2000, с.35-42

44. Кравцова В.И. Генерализация аэрокосмического изображения: континуальные и дискретные снимки. М: Изд. МГУ, 2000,252 с.

45. Кравцова В.И., Балдина Е.А. Цветовой синтез разновременных снимков как метод изучения динамики природных и хозяйственных объектов // Геодезия и картография, 2006, 3, с. 37-43

46. Кринов Е.Л. Спектральная отражательная способность природных образований. М.: Изд-во АН СССР, 1947,271с.

47. Кузьмичев В.В., Черкашин В.П., Ледовских В.Я. Дистанционная индикация пространственной структуры лесных фитоценозов // Исследование таежных ландшафтов дистанционными методами. Новосибирск, Наука Сиб. отд-ние, 1979, с 75-88.

48. Кулар Х.Б., Назимова Д.И., Федотова Е.В. Использование данных NOAA/AVHRR для изучения растительного покрова Тувы // Исследование Земли из космоса, 2005, №2

49. Лабутина И.А. Дешифрирование аэрокосмических снимков. М., Аспект-Пресс, 2004,184 с

50. Лисс О.Л., Астахова В.Г. Лесные болота. М.: Лесн. пром-сть, 1982, 128 с.

51. Лурье И.К., Косиков А.Г. Теория и практика цифровой обработки изображений // Дистанционное зондирование и географические информационные системы. М.: Научный мир, 2003,168 с.

52. Малышева Н.В. Дистанционное зондирование для изучения лесных экосистем, учета, контроля и управления лесными ресурсами // Лесохозяйст-венная информация, 2002, №1, с. 31-61

53. Марчуков B.C., Сладкопевцев С.А. Ресурсно-экологическая картография. М., Изд-во МИИГАиК, 2005,196 с.

54. Методика мелкомасштабного картографирования лесного фонда на основе космического фотографирования. М.: В/О Леспроект, 1981, 21 с.

55. Назаров JI.E. Алгоритмы классификации типов лесов на основе анализа радиолокационных изображений // Исследование Земли из космоса, 1999, №4, с. 56-62

56. Назаров Л.Е. Применение многослойных нейронных сетей для классификации типов лесов на основе анализа радиолокационных изображений // Исследование Земли из космоса, 2000, №3, с. 63-70

57. Николаев В.А. Проблемы регионального ландшафтоведения. М.: Изд-во Моск. Ун-та, 1979,160 с.

58. Николаев В.А. Космическое ландшафтоведение:Учебное пособие. М: Изд-во Моск. Ун-та, 1993, 81 с.

59. Пшеничников А.Е. Автоматизированный морфометрический анализ географических объектов по снимкам и картам при тематическом картографировании: автореферат канд. дисс. // МГУ им. М.В. Ломоносова Геогр. фак М., 2004.

60. Рис У.Г. Основы дистанционного зондирования. М.: Техносфера, 2006, 336 с.

61. Самойлович Г.Г. Применение аэрофотосъемки и авиации в лесном хозяйстве. М., 1964, 486 с.

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

63. Семенов В.И., Сухих В.И. Принципы автоматизации и картографирования лесов // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 87-91

64. Симонов Ю.Г. Морфометрический анализ рельефа. Москва Смоленск, Изд-во СГУ, 1998, 272 с.

65. Сладкопевцев С.А. Геоэкологическая картография. М., Изд-во МНЕ-ПУ, 1996,108 с.

66. Сочава В.Б. Растительный покров на тематических картах. Новосибирск, Наука Сиб. отд-е, 1979,189 с.

67. Стурман В.И. Экологическое картографирование: Учеб. пособие. М.: Аспект-Пресс, 2003, 251 с.

68. Сукачев В.Н. Основные понятия о биогеоценозах и общее направление их изучения // Программа и методика биогеоценологических исследований. М.: Наука, 1966,336 с.

69. Сурин В.Г, Шубина М.А Исследование биогеохимических аномалий на загрязненных территориях по многозональным космическим снимкам, наземным контрольным данным. Оптический журнал, 2004, № 3, с 48-54

70. Сухих В.И. Аэрокосмические методы и геоинформационные системы в лесоведение и лесном хозяйстве современной России // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998,215 с.

71. Сухих В.И., Харин Н.Г., Бутусов О.Б. Возможность классификации лесов северной тайги по изображениям с ИСЗ "Ресурс-01" // Исследование Земли из космоса, 1999, №5, с. 65-74

72. Технические указания по лесоинвентаризации на основе рационального сочетания наземной таксации с камеральным дешифрированием аэрофотоснимков. М.: В/О Леспроект, 1971, 59 с.

73. Федотова Е.В. Харук В.И. Оценка применимости съемки NOAA/AVHRR в картирование лесных территорий Енисейского меридиана // Исследование Земли из космоса, 1999, №3, с. 67-73

74. Фуряев В.В. Мониторинг последствий лесных пожаров // Аэрокосмический мониторинг лесов. М.: Наука, 1991, с. 122-135

75. Харин Н.Г., Жирин В.М., Татеиши Р. Возможности использования вегетационного индекса (NDVI) для изучения фенологии и состава лесов Сибири // Исслед. Земли из космоса, №1, 2001, с.73-79

76. Харук В.И., Кожуковская А.Г. и др. Съемка NOAA/AVHRR в мониторинге вспышек сибирского шелкопряда // Исследование Земли из космоса, 2001, №1, с. 80-86

77. Шаталов А.В., Артамонов С.А., Князева С.В. Выявление вырубок по данным различных спутников систем // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 167169

78. Черепанов А.С. Новые возможности компьютерной обработки космических снимков при создании ландшафтных карт лесостепи Западной Сибири // Вестник Моск. ун-та, Серия 5 География, №3, 2006, с. 66-72

79. Экология севера Дистанционные методы изучения нарушенных экосистем (на примере Кольского полуострова) под ред. Капицы А.П и Риса У. Г. М., Научный мир, 2003, 248 с.

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

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

82. Adams J.B., Gillespie A.R. Remote Sensing of Landscapes with Spectral Images: A Physical Modeling Approach, 2006, p. 362

83. Baret F., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment // Remote Sensing of Environment, 1981, vol. 35, p. 161-173

84. Baret F., Guyot G., Major D. TSAVI: A vegetation index which minimizes soil brightness effects on LAI or APAR estimation // 12th Canadian Symposium on Remote Sensing and IGARSS. Vancouver, 1990.

85. Barrett E.C., Curtis L.F. Introduction to Environmental Remote Sensing, Springer, 1992, p. 426

86. Bartalev S.A., Belward A.S., Erchov D.V., Isaev A.S. A new SPOT4-VEGETATION derived land cover map of Northern Eurasia // International Journal of Remote Sensing. 2003. V. 24, N 9. P. 1977-1982

87. Bruzzone L., Smits P. Analysis of Multi-Temporal Remote Sensing Images. World Scientific, 2002, p. 440

88. Canty M.J. Image Analysis, Classification and Change Detection in Remote Sensing: With Algorithms for ENVI/IDL. CRC Press, 2006, p. 348

89. Castilla G., Hay G.J., Chen G., Powers R. Semi-automated Delineation of Thematic Maps with Size-Constrained Region Merging (SCRM) // Proceedings of the GEOTEC Event 2007, Calgary, Alberta, 14-17 May 2007

90. Castilla G., Hay G.J., Ruiz, J.R. Size-constrained region merging (SCRM): an automated delineation tool for assisted photointerpretation // Photogrammetric Engineering and Remote Sensing, 2008, 74 (4): c. 409-419

91. Chander G., Markham B. Revised Landsat-5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges // IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, vol. 41, no. 11, p. 2674-2677

92. Chavez P.S. Jr. An Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data // Remote Sensing of the Environment, 1988, 24, p. 459-479

93. Chavez P.S. Jr. Radiometric Calibration of Landsat Thematic Mapper Multispectral Images // Photogrammetric Engineering and Remote Sensing, 1988, 55(9), p. 1285-1294

94. Chavez P.S. Jr. Image-based atmospheric corrections revisited and revised //Photogrammetric Engineering and Remote Sensing, 1996, 62(9), p. 1025-1036

95. Clevers J.G. The derivation of a simplified reflectance model for the estimation of leaf area index //Remote Sensing of Environment, 1988, vol 35, p. 53-70

96. Crippen R.E. Calculating the Vegetation Index Faster // Remote Sensing of Environment, 1990, vol. 34, p. 71-73

97. Crist E.P., Cicone R.C. Application of the tasseled cap concept to simulated thematic mapper data // Photogrammetric Engineering and Remote Sensing, 1984 vol. 50, p. 343-352

98. Datt В.A. New Reflectance Index for Remote Sensing of Chlorophyll Content in Higher Plants: Tests Using Eucalyptus Leaves // Journal of Plant Physiology, 1999,154, p. 30-36

99. Duda R.O., Hart P.E., Stork D.G., Pattern classification. New York: John Willey, 2001, p. 738

100. Elvidge C.D., Lyon R.J. Influence of rock-soil spectral variation on the assessment of green biomass // Remote Sensing of Environment, 1985, vol. 17, p. 265-269

101. Hardisky M.A., Klemas V., Smart R.M. The Influences of Soil Salinity, Growth Form, and Leaf Moisture on the Spectral Reflectance of Spartina Al-terniflora Canopies // Photogrammetric Engineering and Remote Sensing, 1983, 49, p. 77-83

102. Hoffer R.M. Biological and Physical Considerations in Applying Computer-Aided Analysis Techniques to Remote Sensing Data // P.H. Swain& S.M. Davis, Eds.: 1978, p. 227-289

103. Huete A.R., Jackson R.D., Post D.F. Spectral response of a plant canopy with different soil backgrounds // Remote Sensing of Environment, 1985, vol. 17, 37-53

104. Huete A.R. A Soil-Adjusted Vegetation Index (SAVI) // Remote Sensing of Environment, 1988, vol. 25, p. 295-309

105. Huete A.R., Liu H., Batchily K., van Leeuwen W.A. Comparison of Vegetation Indices Over a Global Set of TM Images for EOS-MODIS // Remote Sensing of Environment, 1997, 59(3), p. 440-451

106. Gao B.C. Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space // Proceedings of SPIE, 1995, 2480, p. 225-236

107. Girard M.C. Processing of Remote Sensing Data, Taylor & Francis, 2003, p. 508

108. Jackson R.D., Slater P.N., Pinter P.J. Discrimination of Growth and Water Stress in Wheat by Various Vegetation Indices Through Clear and Turbid Atmospheres // Remote Sensing of the Environment, 1983 15:187-208

109. Jensen J.R. Remote Sensing of the Environment: An Earth Resource Perspective, NJ.,Prentice Hall, 2000, p. 544

110. Jordan C.F. Derivation of leaf area index from quality of light on the forest floor, Ecology, 1969, vol. 50, p. 663-666

111. Kauth R.J., Thomas G.S. The tasseled Cap A Graphic Description of the Spectral-Temporal Development of Agricultural Crops as Seen by LANDSAT //

112. Proceedings of the Symposium on Machine Processing of Remotely Sensed Data, 1976, p. 41-51

113. Kaufman Y.J., Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS // Proc. IEEE Int. Geosci. and Remote Sensing Symp., IEEE, 1992, p.261-270

114. Kaufman Y.J., Tanre D. Strategy for Direct and Indirect Methods for Correcting the Aerosol Effect on Remote Sensing: from AVHRR to EOS-MODIS // Remote Sensing of Environment, 1996, 55:65-79

115. Kriegler F.J., Malila W.A., Nalepka R.F., Richardson W. Preprocessing transformations and their effects on multispectral recognition // Sixth International Symposium on Remote Sensing of Environment, 1969, p. 97-131

116. Landgrebe D.A. Analysis Technology for Land Remote Sensing // Proceedings of IFFF, 1981, Vol. 60, No. 5, p. 628-642

117. Landgrebe D.A. Signal Theory Methods in Multispectral Remote Sensing, Wiley, 2003, p. 520

118. Lillesand T.M., Kiefer R.W. Remote Sensing and Image Interpretation, 2nd edition, John Wiley and Sons, 1987, New York, p. 721

119. Lunetta R., Elvidge C. Remote sensing change detection: environmental monitoring methods and applications. Taylor and Francis, 1999, p. 318

120. Mather P.M., Computer Processing of Remotely-Sensed Images, Wiley, Chichester, 1987

121. Penuelas J., Filella I., Biel C., Serrano L., Save R. The Reflectance at the 950-970 Region as an Indicator of Plant Water Status // International Journal of Remote Sensing, 1995,14:1887-1905 *

122. Pinty В., Verstraete M.M. GEMI: A Non-Linear Index to Monitor Global Vegetation from Satellites // Vegetation, 1991, vol. 101, p. 15-20

123. Ray T.W. FAQ on Vegetation in Remote Sensing, 1995 terrill@marsl.gps.caltech.edu, created by Terrill W. Ray Div. of Geological and Planetary Sciences California Institute of Technology, Mail Code 170-25, Pasadena, С A 91125

124. Richardson A.J., Everitt J.H. Using spectra vegetation indices to estimate rangeland productivity // Geocarto International, 1992, vol. 1, pp. 63-69

125. Richardson A.J., Wiegand C.L. Distinguishing vegetation from soil background information // Photogrammetric Engineering and Remote Sensing, 1977, vol. 43, p. 1541-1552.

126. Richards J.A., Xiuping J. Remote Sensing Digital Image Analysis: An Introduction. Birkhauser, 2005, p. 439

127. Rouse J.W., Haas R. H., Schell J. A., Deering D.W. Monitoring vegetation systems in the great plains with ERTS // Third ERTS Symposium,1973, NASA SP-351, vol. 1, p.309-317

128. Schott J.R. Remote Sensing: The Image Chain Approach. Oxford University Press US, 2007, p. 688

129. Sellers P.J. Canopy Reflectance, Photosynthesis and Transpiration // International Journal of Remote Sensing, 1985, 6:1335-1372

130. Sims D.A., Gamon J.A. Relationships Between Leaf Pigment Content and Spectral Reflectance Across a Wide Range of Species, Leaf Structures and Developmental Stages//Remote Sensing of Environment, 2002, 81:337-354

131. Toutin T. Geometric Processing Of Remote Sensing Images Models, Algorithms And Methods // International Journal of Remote Sensing, 2004, vol. 25, no. 10, p. 1893-1924

132. Tucker C.J. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation // Remote Sensing of the Environment, 1979, 8, p. 127-150

133. Qi J., Chehbouni A., Huete A.R., Kerr Y. H. Modified Soil Adjusted Vegetation Index // Remote Sensing of Environment, 1994, vol. 48, p. 119-126.

134. Qi J., Kerr Y., Chehbouni A. External Factor Consideration in Vegetation Index Development // Proc. of Physical Measurements and Signatures in Remote Sensing, ISPRS, 1994, p. 723-730.

135. Vogelmann J.E., Rock B.N., Moss D.M. Red Edge Spectral Measurements from Sugar Maple Leaves // International Journal of Remote Sensing, 1993, 14:1563-1575

136. Wulder M., S. Franklin, Remote sensing of forest environments, Introduction: The transition from theory to information // Remote Sensing of Forest Environments: Concepts and Case Studies, 2003, Dordrecht / Boston / London, 519 p.

Информация о работе

Черепанов, Александр Сергеевич
кандидата географических наук
Москва, 2008
ВАК 25.00.33

Диссертация

Методика картографирования вымокания лесов по космическим снимкам - тема диссертации по наукам о земле, скачайте бесплатно

Автореферат

Похожие работы

Бесплатный автореферат и диссертация по наукам о земле на тему Методика картографирования вымокания лесов по космическим снимкам ВАК РФ 25.00.33, Картография

Автореферат диссертации по теме "Методика картографирования вымокания лесов по космическим снимкам"

Содержание диссертации, кандидата географических наук, Черепанов, Александр Сергеевич

Введение Диссертация по наукам о земле, на тему "Методика картографирования вымокания лесов по космическим снимкам"

Заключение Диссертация по теме "Картография", Черепанов, Александр Сергеевич

Библиография Диссертация по наукам о земле, кандидата географических наук, Черепанов, Александр Сергеевич, Москва

Бесплатный автореферат и диссертация по наукам о земле на тему
Методика картографирования вымокания лесов по космическим снимкам
ВАК РФ 25.00.33, Картография