RU2489845C1

RU2489845C1 - Способ мониторинга лесов

Info

Publication number: RU2489845C1
Application number: RU2012116275/13A
Authority: RU
Inventors: Максим Владимирович Черемисин; Валерий Дмитриевич Бурков; Оксана Викторовна Прокопчук
Priority date: 2012-04-24
Filing date: 2012-04-24
Publication date: 2013-08-20

Abstract

Способ включает дистанционную регистрацию полей яркости лесной растительности аэрокосмическими средствами путем зондирования много- или гиперспектральным датчиком с получением цифровых изображений, на основе которых формируют поля значений вегетационных индексов. Дополнительно определяют значения удельных энергетических поверхностей рассеивания на основе зондирования леса радиолокационными средствами. Поля значений вегетационных индексов и удельной энергетической поверхности рассеивания подвергают кластеризации с выделением относительно однородных групп, в пределах которых общая изменчивость значений меньше, чем в генеральной совокупности. Определяют пересечения полученных кластеров в пространстве географических координат изображения. Формируют векторные слои участков пересечений для последующего многолетнего мониторинга с определением искомых параметров леса в границах полученных пересечений кластеров. Это позволит осуществлять многократность мониторинга одних и тех же участков леса и определять на основе известных эмпирических зависимостей вегетационных индексов и удельной энергетической поверхности рассеивания большее число экологических и таксационных параметров леса. 7 ил.

Description

Изобретение относится к лесному хозяйству и может найти применение при многолетнем дистанционном мониторинге лесов на обширных территориях.

Текущее состояние тематической обработки дистанционных данных лесов во многом определяется разработкой и валидацией вегетационных индексов. Вегетационный индекс - это показатель, рассчитываемый в результате операций с разными спектральными диапазонами (каналами) и имеющий отношение к параметрам растительности в данном пикселе снимка. Эффективность вегетационных индексов определяется особенностями отражения электромагнитных волн, пространственным и спектральным разрешением датчика. Индексы выведены, главным образом, эмпирически, применяются на каждом конкретном участке с определенными особенностями. Известно более 150 видов различных вегетационных индексов, однако из опыта мониторинга лесов центрального региона Российской Федерации число ключевых и наиболее распространенных сокращается до 5-10.

Ближайшим аналогом является «Способ экологического мониторинга лесов», патент РФ №2406295, кл. A01G 23/00, 2009 г.

В способе-аналоге экологический мониторинг лесов осуществляют дистанционной регистрацией полей яркости лесной растительности много- или гиперспектральным датчиком в зеленой G (450-550 нм), красной R (550-670 нм) и ближней инфракрасной БИК (670-950 нм) зонах спектра с одновременным получением цифровых изображений для каждой зоны, вычисляют математическое ожидание сигналов (M_G, M_R, M_БИК) в каждой зоне, формируют матрицу результирующего изображения путем попиксельного сложения изображений G, R, БИК, рассчитывают признаки лесопатологи в виде индекса жизненности g=M_G/(M_G+M_R), индекса поражения R=M_R/(M_G+M_R), нормированного дифференциального индекса продуктивности фитомассы NDVI=(M_БИК-M_R)/(M_БИК+M_R), площади рельефа древесных пологов изображения R и результирующего изображения, соответственно S_pR, S_p0, среднюю частоту пространственных спектров изображения R и результирующего изображения 0, соответственно F_cpR, F_cp0, а степень ослабленности Q древостоя участка площадью S₀, определяют по калиброванной эталонной регрессионной зависимости вида:

Q≈0.6(NDVIg)^-1[r(1-NDVI)^1/3(П_R/П₀)(D_R/D₀)^1/2],

где П_R, П₀ - расчетная полнота древостоев, вычисляемая через площади рельефов соответствующих матриц П_R=S_pR,/S₀, П₀=S_p0/S₀;

D_R, D₀ - диаметры крон среднего дерева, равного соответственно D_R=1/F_cpR,

D₀=1/F_cp0.

Недостатками известного решения являются:

- ограниченные возможности способа из-за учета лишь трех конкретных вегетационных индексов, определяемых в оптическом диапазоне зондирования;

- использование полных полей яркости лесной растительности требует большего объема памяти жесткого диска при мониторинге обширных территорий;

- применение лишь оптического диапазона накладывает дополнительные ограничения по погодным условиям аэрокосмической съемки.

Задача предложенного решения заключается в расширении возможностей способа за счет использования большего числа вегетационных индексов и признаков радиолокационного зондирования леса с реализацией возможности многократного мониторинга одних и тех же участков леса и итогового определения на основе известных эмпирических зависимостей вегетационных индексов и удельной энергетической поверхности рассеивания большего числа экологических и таксационных параметров леса.

Решение поставленной задачи обеспечивается тем, что в предлагаемом способе мониторинга лесов, включающем дистанционную регистрацию полей яркости лесной растительности аэрокосмическими средствами, путем зондирования много- или гиперспектральным датчиком с получением цифровых изображений, на основе которых формируются поля значений вегетационных индексов, при этом дополнительно определяют значения удельных энергетических поверхностей рассеивания на основе зондирования леса радиолокационными средствами, поля значений вегетационных индексов и удельной энергетической поверхности рассеивания подвергают кластеризации с выделением относительно однородных групп, в пределах которых общая изменчивость значений меньше, чем в генеральной совокупности; определяют пересечения полученных кластеров в пространстве географических координат изображения, формируют векторные слои участков пересечений для последующего многолетнего мониторинга с определением искомых параметров леса в границах полученных пересечений кластеров. Кластеры пересечений именуются как дистанционно-ориентированные выделы (ДОВ), так как служат для мониторинга лесов дистанционными методами на основе аэрокосмических снимков.

Изобретение поясняется чертежами, где:

Фиг.1 - Схема совместной обработки оптических и радиолокационных данных;

Фиг.2 - Модель формирования дистанционно-ориентированных выделов;

Фиг.3 - Поля значений вегетационных индексов (NDVI - слева, NDII - в середине) и УЭПР (справа);

Фиг.4 - Сформированный векторный слой ДОВ;

Фиг.5 - Эмпирическая зависимость среднего запаса насаждений и значений УЭПР;

Фиг.6 - Эмпирическая зависимость значений NDII и экологического параметра ETW;

Фиг.7 - Эмпирическая зависимость значений NDVI и экологического параметра LAI.

Изобретение поясняется следующим примером реализации.

Был осуществлен мониторинг лесных территорий предложенным способом. В качестве исходных данных использовались спутниковые данные Landsat 7 ЕТМ+ и ALOS, радиолокационный сенсор Palsar. Спектральные характеристики спутниковых данных оптического диапазона определяют число доступных вегетационных индексов. Спектральное разрешение спутниковых снимков Landsat 7 позволяет получить лишь два наиболее значимых для мониторинга лесов вегетационных индекса: NDVI и NDII. Совместная обработка радиолокационных и оптических данных выполняется согласно схеме Фиг.1. Формирование дистанционно-ориентированных выделов реализуется согласно схеме Фиг.2.

На первом этапе оптический снимок подвергся управляемой классификации с участием эксперта, возможно и использование готовых векторных слоев лесничеств. Выделяется конкретный интересующий лесной массив. Были проведены вычисления вегетационных индексов NDVI и NDII по данным Landsat 7 ЕТМ+, и сформированы поля УЭПР по радиолокационным данным (Фиг.3). На следующем этапе выполнялась процедура кластеризации полей значений вегетационных индексов (ВИ) и удельной энергетической поверхности рассеивания (УЭПР), применялся алгоритм ISODATA. При его реализации вводится ряд параметров, которые определяют итоговую картину сформированных дистанционно-ориентированных выделов. Число итераций было выбрано равным 10, количество классов от 5 до 10. На сегодня остается открытой задача поиска оптимальных значений параметров кластеризации при формировании дистанционно-ориентированных выделов, на сегодня этот процесс в большей степени эвристический. Для корректности многолетнего мониторинга необходимо соблюдать однообразие вводимых параметров. На этапе поиска межклассовых пространственных пересечений заполняется таблица классов. Пиксели одного класса (по умолчанию) или конкретно выбранных классов для поиска пересечений проверяются на общность их географических координат.

Предусмотрена и дополнительная классификация классов каждого признака в случае их несовпадения при автоматической кластеризации. Признаки с меньшим числом классов ВИ2(3) проверяются на близость к классам большего ВИ1(5) по показателю дисперсии. Оценка близости выполняется на основании расчета минимального расстояния r (обычное евклидово расстояние в пространстве значений дисперсий каждого признака). Поочередно высчитываются разности дисперсий D по формуле:

, минимальное значение характеризует принадлежность искомого кластера признака ВИ2 к соответствующему классу признака ВИ1.

В нашем случае проверялись пиксели класса 6 поля значений NDII и УЭПР и класса 5 поля значений NDVI. Пересеченные пиксели являются дистанционно-ориентированными выделами, для удобства многолетних наблюдений предусмотрена их автоматическая векторизация. Полученные дистанционно-ориентированные выделы изображены на Фиг.4

Параметры, характеризующие состояние леса, определяются в рамках тех признаков, на основе которых формировались дистанционно-ориентированные выделы. Сегодня взаимосвязь дистанционно оцениваемых признаков с экологическими и таксационными параметрами леса в основном выражается эмпирическими регрессионными моделями, которые имеют область довольно узкого применения, распространяемую на конкретный объект исследования.

Радиолокационный признак УЭПР на НН поляризации может характеризовать средний запас древостоя. Среднее значение УЭПР выделенных участков составило -7.131 dB, что соответствует значению среднего запаса древостоя приблизительно 225 м³, исходя из эмпирической регрессионной зависимости (Фиг.5), сформулированной на основе эталонных участков с известными натурными измерениями (Отчет по НИР: «Определение роли лесных экосистем в климатических изменениях на основе данных дистанционного зондирования и ГИМС технологий», промежуточный, этап №2, 2011, ФИРЭ РАН).

Вегетационный индекс NDII - нормализованный инфракрасный индекс, который используется для оценки содержания воды в растительности (Equivalent Water Thickness EWT, мм), измеряется по 4 и 5 каналам спутниковых данных Landsat 7 ЕТМ+. EWT в свою очередь равно отношению содержания воды в листве (кг/м²) к плотности воды (1000 кг/м³). Оценка параметра EWT по индексу NDII может быть выполнена по регрессионной модели (Фиг.6), по формуле: EWT=0.224+1.09 NDII (E. Raymond Hunt, Jr. and M. Tugrul Yilmaz, "Remote sensing of vegetation water content using shortwave infrared reflectances", Proc. SPIE 6679, 667902 (2007)). Значение индекса искажается в случае мониторинга редкой растительности, т.к. увеличивается влияние почвы. Сформированные ДОВ имеют довольно высокие показатели степени сомкнутости полога, это следует из значений среднего запаса насаждений, поэтому регрессионную модель оценки EWT можно считать корректной. Среднее значение NDII по дистанционно-ориентированным выделам составило 0.368533, что соответствует значению EWT=0.6257 мм. Параметр важен для выявления начальных этапов усыхания, когда снижение содержания влаги в листьях еще не критично (стресс из-за обезвоживания), часто применяется как входной параметр в моделях влагооборота растительности. Сам факт усыхания хорошо выявляется с помощью индекса NDVI.

Вегетационный индекс NDVI - нормализованный разностный индекс растительности. Один из самых распространенных индексов для решения задач с количественной оценкой растительного покрова.

По индексу NDVI осуществляют оценку биомассы растительности, индекс листовой поверхности, степень дефолиации листвы и ряд других важных экологических параметров. В нашем исследовании мы ограничились оценкой экологического параметра LAI (индекса листовой поверхности, м³/м²), который в свою очередь входит в ряд важных моделей углеродного баланса. Эмпирическая зависимость значений индекса NDVI и LAI отражена на Фиг.7 (Wu, Chaoyang; Niu, Zheng; Tang, Quan; Huang, Wenjiang Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation. Agricultural and Forest Meteorology, Volume 148 (8), 2008). Среднее значение NDVI составило 0.8719, что соответствует значению параметра LAI около 3.5 м²/м².

Полученные экологические параметры для корректности их многолетнего исследования требуют наземной валидации. Для формирования постоянной системы мониторинга лесов полезно объединить принципы заявленного способа с наземными измерениями площадей постоянных наблюдений в рамках государственной инвентаризации лесов. В настоящий момент не прекращаются работы по поиску новых методов оценки дистанционных признаков и повышению точности уже существующих. Этот фактор способствует росту значимости заявленного способа мониторинга в исследовании лесов.

Таким образом, изобретение позволяет определять важнейшие параметры леса, учитывая известные дистанционные признаки на основе оптических и радиолокационных данных, одновременно реализуя возможность многолетнего слежения за их изменениями в рамках сформированных дистанционно-ориентированных выделов.

Claims

Способ мониторинга лесов, включающий дистанционную регистрацию полей яркости лесной растительности аэрокосмическими средствами путем зондирования много- или гиперспектральным датчиком с получением цифровых изображений, на основе которых формируют поля значений вегетационных индексов, отличающийся тем, что дополнительно определяют значения удельных энергетических поверхностей рассеивания на основе зондирования леса радиолокационными средствами, поля значений вегетационных индексов и удельной энергетической поверхности рассеивания подвергают кластеризации с выделением относительно однородных групп, в пределах которых общая изменчивость значений меньше, чем в генеральной совокупности, определяют пересечения полученных кластеров в пространстве географических координат изображения, формируют векторные слои участков пересечений для последующего многолетнего мониторинга с определением искомых параметров леса в границах полученных пересечений кластеров.