.

Разработка методики региональной экологической оценки состояния лесов по данным спутниковых наблюдений

Язык: русский
Формат: реферат
Тип документа: Word Doc
0 1640
Скачать документ

РАЗРАБОТКА МЕТОДИКИ

Региональной экологической оценки
состояния лесов по данным спутниковых наблюдений

АВТОРЕФЕРАТ

диссертации на соискание ученой степени
кандидата технических наук

ПЛАН

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ 3
ГЛАВА 1. АНАЛИЗ ВОЗМОЖНОСТЕЙ ИСПОЛЬЗОВАНИЯ МЕТОДОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ РЕГИОНАЛЬНОЙ ОЦЕНКИ ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ЛЕСОВ 7
ГЛАВА 2. КАРТОГРАФИРОВАНИЕ ЛЕСОВ ПО МНОГОСПЕКТРАЛЬНЫМ СПУТНИКОВЫМ ДАННЫМ ВЫСОКОГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ 12
ГЛАВА 3. РЕГИОНАЛЬНАЯ ЭКОЛОГИЧЕСКАЯ ОЦЕНКА ХАРАКТЕРИСТИК СОСТОЯНИЯ ЛЕСОВ ПО МНОГОСПЕКТРАЛЬНЫМ СПУТНИКОВЫМ ДАННЫМ MODIS 19
ГЛАВА 4. ГИС-АНАЛИЗ ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ЛЕСОВ МОСКОВСКОЙ ОБЛАСТИ 20
ЗАКЛЮЧЕНИЕ 27
СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ 29

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Леса России имеют важное социально-экономическое и экологическое значение. Они представляют собой источ-ник ценных ресурсов, обеспечивают сохранение в связанном состоянии значительной части мирового запаса углерода, выступают в качестве эко-логического каркаса для сохранения биоразнообразия экосистем, а также выполняют множество других биосферных функций.
Необходимость осуществления регулярного мониторинга состояния лесов обусловлена их непрерывной динамикой вследствие влияния при-родных и антропогенных факторов (таких как пожары, вырубки, техно-генные загрязнения и некоторых других), масштабы, проявления которых существенно варьируют в зависимости от региона. В частности, леса Мос-ковской области испытывают на себе сильное антропогенное влияние, обу-словленное близостью к мегаполису с более чем десяти миллионным насе-лением. Это выражается в высоком уровне загрязнения атмосферы и поч-венного покрова, изменениях гидрологического режима при строительстве дорог и прокладке коммуникаций, вырубке лесов в целях последующей застройки территории, повышенной рекреационной нагрузке, часто при-водящей к пожарам.
Современный этап развития методологии мониторинга лесов с целью выработки стратегий рационального лесопользования и защиты окружа-ющей среды предполагает в качестве обязательной компоненты использо-вание методов дистанционного зондирования и геоинформационных си-стем (ГИС). Согласно современной концепции спутникового мониторинга лесов, выделяются глобальный, континентальный, региональный и ло-кальный уровни наблюдения, различающиеся функциональными задача-ми, территориальным охватом, а также требованиями к пространственной и тематической детальности получаемой информации. В настоящее время для осуществления мониторинга лесов на глобальном и континентальном уровнях преимущественно используются данные низкого и среднего про-странственного разрешения в диапазоне 250м – 1км (NOAA-AVHRR, SPOT-Vegetation, Terra/Aqua-MODIS и др.). В то же время при решении задач локального уровня (например, на уровне лесохозяйственных пред-приятий или административных районов) наиболее эффективно использо-вание спутниковых данных высокого разрешения (20-40 м), к числу кото-рых в частности относятся данные Landsat-TM/ETM+, SPOT-HRV/HRVIR и МСУ-Э/Метеор-3М. К особенностям регионального мониторинга лесов, охватывающего крупные административные (субъект РФ или администра-тивный округ) или природные (водосборный бассейн) территориальные образования, относится необходимость комбинированного использования спутниковых данных различного пространственного разрешения. Целью такого рода сочетания спутниковых данных различного разрешения явля-ется обеспечение полного территориального охвата региона спутниковым мониторингом при условии достаточного уровня тематической детально-сти и достоверности получаемых результатов.
При этом задача экологической оценки лесов региона требует обос-нования соответствующих индикаторов, доступных для определения с ис-пользованием данных спутниковых наблюдений, и позволяющих оцени-вать структуру и состояние лесов с точки зрения эффективности выполне-ния ими средозащитных и биосферных функций в условиях возрастающе-го влияния антропогенной нагрузки.
Цель и задачи исследования. Основной целью диссертационной ра-боты являлась разработка методики региональной оценки экологического состояния лесов по данным спутниковых наблюдений и ее эксперимен-тальная апробация на примере Московской области. Достижение указан-ной цели потребовало решения следующих научных задач:
Проведение анализа возможностей современных спутниковых систем дистанционного зондирования в интересах решения задач экологического мониторинга лесов;
Обоснование системы индикаторов экологического состояния лесов и разработка методики их оценки с использованием данных дистанционного зондирования различного пространственного разрешения и ГИС-технологий;
Разработка методов предварительной и тематической обработки многоспектральных данных спутниковых наблюдений с целью оценки ин-дикаторов экологического состояния лесов;
Экспериментальная апробация разработанной методики оценки эко-логического состояния лесов по данным спутниковых наблюдений на при-мере Московской области.
Научная новизна и основные результаты диссертационной работы.
Проведенные в рамках диссертационной работы исследования и разработки позволили получить следующие, обладающие научной новиз-ной, основные результаты:
Предложена система индикаторов экологического состояния лесов и разработана методика их региональной оценки с использованием данных дистанционного зондирования со спутников и ГИС;
Разработан метод взаимной радиометрической нормализации раз-нородных по условиям съемки спутниковых изображений высокого про-странственного разрешения в интересах регионального картографирова-ния лесов;
Разработан метод региональной оценки лесистости территории на основе сочетания данных спутниковых наблюдений среднего (MODIS) и высокого (Landsat-ETM+) пространственного разрешения;
Разработан и апробирован по спутниковым данным MODIS метод использования спектральных вегетационных индексов для оценки состоя-ния хвойных лесов в условиях повышенной антропогенной нагрузки;
На основе разработанной методики сформирована база данных об индикаторах экологического состояния лесов Московской области по ре-зультатам обработки данных спутниковых наблюдений.
Практическая значимость. Проведенные в рамках диссертационной работы исследования позволили разработать методику региональной эко-логической оценки состояния лесов в интересах регионального планирова-ния и охраны окружающей среды. Комплексное использование данных дистанционного зондирования различного пространственного разрешения и ГИС-технологий открывают возможность проведения регионального мониторинга экологического состояния лесов на регулярной основе. Раз-работанные методические подходы апробированы на примере Московской области и могут быть использованы региональными органами управления лесами и природоохранных организациях.
Апробация. Основные положения диссертационной работы доложе-ны на четырех научных конференциях МИИГАиК и ИКИ РАН по вопро-сам развития и использования методов дистанционного зондирования окружающей среды.
Публикации. По результатам исследований и разработок опублико-вано шесть печатных работ по теме диссертации в российских научных из-даниях и сборниках докладов конференций.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, и списка литературы. Объем диссертации со-ставляет 130 страниц, включая 29 рисунков и 16 таблиц.
Выражение признательности. Большую помощь и поддержку на всех этапах работы оказали научный руководитель, профессор д. т. н. В.А. Малинников и заведующий лабораторией ИКИ РАН к. т. н. С.А. Барталев. Автор выражает большую благодарность М.Ю. Дубинину, А.М. Костико-вой, а так же всем коллегам, помогавшим в данной работе.
Содержание работы. Ведение содержит обоснование необходимости развития методов спутникового мониторинга в интересах региональной оценки экологического состояния лесов, описание целей и задач исследо-ваний, а также основных научных результатов, полученных автором при подготовке диссертационной работы.

ГЛАВА 1. АНАЛИЗ ВОЗМОЖНОСТЕЙ ИСПОЛЬЗОВАНИЯ МЕТОДОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ РЕГИОНАЛЬНОЙ ОЦЕНКИ ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ЛЕСОВ

Московская область относится к регионам с высокой плотностью населения и развитым промышленным потенциалом, что создает значи-тельную антропогенную и рекреационную нагрузку на лесные экосистемы. Лес, как открытая экологическая система, находится в непрерывном взаи-модействии с факторами окружающей среды, действие которых может от-рицательно сказаться на жизнедеятельности лесного биогеоценоза. По не-которым данным в регионе выявлено 37 зон загрязнения, охватывающих 165 тыс. га земель, покрытых лесами. В этих зонах насчитывается около 23,5 тыс. источников загрязнения, выбрасывающих в атмосферу свыше 300 тыс. т. вредных примесей в год. Поллютанты приводят к видимому ухудшению состояния деревьев, а также могут привести к существенной трансформации продуктивности и биоразнообразия лесных сообществ.
Технологии дистанционного зондирования открывают возможность создания систем мониторинга лесов, включая определение структуры насаждений, выявление крупномасштабных изменений в лесах в результа-те воздействия пожаров, вырубок и других возмущающих факторов, оценку индикаторов состояния лесной растительности. Как комплексная задача разработка методики региональной оценки экологического состоя-ния лесов требует проведения многодисциплинарных исследований в об-ласти физических аспектов дистанционного зондирования, алгоритмов анализа спутниковых данных, методов пространственного моделирования и ГИС-технологий. При этом выбор объектов и режимов мониторинга ле-сов, а также набора измеряемых параметров, должен обеспечивать воз-можность их прямого или опосредованного использования для оценки ин-дикаторов состояния лесных экосистем и их реакций на факторы негатив-ного воздействия.
В ряде случаев проведение региональной экологической оценки со-стояния лесов, требует высокой детальности наблюдений при обеспечении их регулярности, что обуславливает целесообразность комбинированного использования материалов зондирования с различных спутниковых при-боров. При этом, комбинация данных среднего (например, Terra/Aqua-MODIS) и высокого (например, Landsat-ETM+ или SPOT-HRV) простран-ственного разрешения является одним из путей оперативного получения сведений о количественных и качественных показателях состояния лесов с высоким уровнем точности по отдельным территориальным образованиям или региону в целом.
Для экологической оценки лесов по спутниковым данным целесооб-разно использовать индикаторы, отражающие степень покрытия террито-рии лесами, породный состав насаждений и их физиологическое состояние.
Лесистость, как отношение покрытой лесами площади к площади ре-гиона, относится к числу основных характеристик, а ее оценка по спутни-ковым изображениям высокого пространственного разрешения, как пра-вило, обеспечивается с высоким уровнем надежности. При использовании данных низкого или среднего разрешения такого рода оценка сопряжена со значительными погрешностями, в особенности для территорий с фраг-ментированным лесным покровом.
Одним из возможных подходов для оценки лесистости на больших территориях при обеспечении высокого уровня точности является комби-нированное использование спутниковых изображений MODIS и Landsat-ETM+. При этом оптимально сочетание полного покрытия региона дан-ными MODIS с репрезентативной выборкой изображений высокого раз-решения. Получаемые при этом по изображениям Landsat-ETM+ опорные значения лесистости могут использоваться для коррекции результатов об-работки данных среднего пространственного разрешения.
Интенсивная хозяйственная деятельность или воздействие других возмущающих факторов часто приводит к смене породного состава лесов, и, в частности, к сокращению участия хвойных насаждений в лесном по-крове. Во многих случаях формирующиеся после вырубок и пожаров вто-ричные леса характеризуются преобладанием лиственных и смешанных насаждений в течение достаточно продолжительного периода. В этой связи доля участия чистых хвойных насаждений в лесном покрове может слу-жить одной из характеристик экологического состояния лесов в условиях долгосрочной антропогенной нагрузки. Физиологическое состояние лесов в значительной степени определяется содержанием хлорофилла и уровнем влагообеспеченности зеленых фракций древесной растительности. Непо-средственное определение абсолютных значений этих показателей по дан-ным дистанционного зондирования в настоящее затруднено и требует до-полнительных наземных измерений. В этой связи целесообразно использо-вать относительные показатели, получаемые на основе спектральных ин-дексов, коррелирующих с уровнем обеспеченности растений хлорофиллом и влагой, в качестве которых могут использоваться нормализованный раз-ностный индекс растительности NDVI и индекс влагообеспеченности NDWI, определяемые по спектральному отражению в видимом, ближнем и среднем ИК диапазонах спектра.
К особенностям предложенного в настоящее работе подхода отно-сится оценка значений указанных спектральных индексов отдельно для хвойных и лиственных насаждений, что продиктовано их различной чув-ствительностью к воздействию негативных факторов среды. При этом, в отличие от лиственных лесов, значения спектральных индексов для хвой-ной растительности могут выступать в качестве чувствительного индика-тора их состояния. Это объясняется тем, что, не будучи подверженным се-зонной дефолиации, хвойные насаждения в условиях повышенного уровня загрязнения окружающей среды аккумулируют в вегетативных органах значительно более высокий уровень вредных веществ, что проявляется в снижении уровня хлорофилла и влагосодержания, и как следствие в более высоком уровне угнетения хвойных деревьев. Данное положение нашло подтверждение в результатах экспериментальных исследований, выпол-ненных в рамках диссертационной работы.
С целью обеспечения сопоставимости и возможностей совместного анализа индикаторов состояния лесов, получаемых по спутниковым дан-ным различного пространственного разрешения, снижения влияния слу-чайных факторов, а также удобства пространственного моделирования в среде ГИС предложенная методика предполагает осреднение характери-стик состояния лесов в ячейках покрывающей территорию регулярной се-ти. Исходя из необходимости обеспечения репрезентативности получае-мых оценок и пространственного разрешения изображений MODIS, ис-пользуемых в качестве одного из основных источников спутниковых дан-ных для исследований, было признано целесообразным использовать ячейки сети с размером 10х10 км.
Представленная на рисунке 1 логическая схема отражает основные этапы предложенной методики региональной оценки экологического со-стояния лесов по спутниковым данным. Как следует из схемы, для апроба-ции методики на примере Московской области используются приборы MODIS (250 м) и Landsat-ETM+ (28,5 м) в качестве основных источников спутниковых данных. При этом данные MODIS обеспечивают полное по-крытие региона и используются в сочетании с репрезентативной выборкой изображений высокого разрешения.
Предварительная обработка спутниковых данных призвана обеспе-чить их более эффективный тематический анализ за счет снижения влияния мешающих факторов. Так предварительная обработка ежедневных данных наблюдений прибором MODIS направлена на формирование очищенных от влияния облачного покрова композитных изображений региона путем селекции данных за некоторый период наблюдений на основе набора за-данных критериев. Предварительная обработка данных Landsat-ETM+ включает в себя их географическую привязку и взаимную радиометриче-скую нормализацию, и направлена на обеспечение возможности совмест-ной классификации совокупности спутниковых изображений на регион ис-следований с целью снижения временных затрат на этапе тематической об-работки.
На первом этапе тематического анализа изображений предусматри-вается построение карт лесов по результатам независимой классификации обоих видов спутниковых данных. Набор классов, выделяемых в ходе анализа спутниковых данных, должен обеспечивать отделение покрытых лесом от непокрытых лесом участков, а также подразделение покрытых лесом территорий на хвойные, лиственные и смешанные насаждения. Це-лесообразно также выделять хвойные насаждения с преобладанием свет-лохвойных (сосна) и темнохвойных (ель, пихта) пород. В качестве источ-ника вспомогательных данных для классификации изображений могут ис-пользоваться лесоустроительные и другие тематические карты, отражаю-щие территориальное распределение лесов региона и их породный состав. Интеграция полученных по результатам классификации изображений MODIS данных о характеристиках лесов в базу данных ГИС предваряется выполнением калибровки с использованием результатов анализа изобра-жений высокого разрешения. Предложенной методикой предлагается вос-становление вида и параметров калибровочных функций путем регресси-онного анализа, в качестве входных переменных для которых используют-ся значения лесистости для ячеек сети, полученные по спутниковым изоб-ражениям среднего и высокого разрешения.
Полученные в результате классификации изображений MODIS маски хвойных и лиственных лесов используются на дальнейших этапах для вы-числения в ячейках сети средних значений индексов NDVI и NDWI, отра-жающих физиологическое состояние насаждений в части обеспеченности их хлорофиллом и водой.

При этом целесообразно установить связь значений спектральных индексов с независимыми данными об антропогенной нагрузке на экоси-стемы, которая, в частности, может выражаться в уровне загрязнения ат-мосферы и почв вредными веществами.
Получаемые данные об индикаторах экологического состояния лесов позволяют формировать постоянно обновляемую базу данных в составе ГИС по лесам региона. Банк данных ГИС должен также включать в состав информационного обеспечения ряд дополнительных баз данных и цифро-вых карт.

Глава 2. КАРТОГРАФИРОВАНИЕ ЛЕСОВ ПО МНОГОСПЕКТРАЛЬНЫМ СПУТНИКОВЫМ ДАННЫМ ВЫСОКОГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ

Предложенная методика региональной экологической оценки лесов предусматривает использование репрезентативной выборки данных спут-никовых наблюдений высокого пространственного разрешения для клас-сификации лесного покрова и оценки таких ключевых индикаторов как ле-систость и доля чистых хвойных насаждений в составе покрытой лесом площади. Одним из широко используемых в настоящее время источников спутниковых данных высокого разрешения является портал программы Global Land Cover Facility (GLCF http: // glcf. umiacs. umd. edu). Отобран-ный из архива набор изображений Landsat ETM+ включал в себя пять спутниковых сцен с незначительным влиянием облачности и максимально возможно приближенных по фазе фенологического развития растительно-сти. Схема покрытия области изображениями Landsat ETM+ представлена на рисунке 2.
Рис.2 Схема покрытия Московской области данными Landsat-ETM+
Используемые в работе изображения были приведены в проекцию UTM на эллипсоиде WGS84, а уточнение их взаимной пространственной привязки производилось методом аффинных преобразований по опорным точкам в зоне перекрытия изображений с уровнем погрешности, не пре-вышающей размера одного пикселя.
При построении карт лесов регионального уровня с использованием данных высокого пространственного разрешения, как правило, для обес-печения полного покрытия территории приходится использовать совокуп-ность неоднородных по времени и условиям спутниковой съемки изобра-жений. При этом возникает задача разработки методов использования разнородных изображений с целью минимизации временных затрат и объ-ема необходимых опорных данных при условии обеспечения достаточной тематической точности и информационной детальности получаемых карт.
Один из возможных подходов к решению этой задачи предполагает первоначальное проведение взаимной яркостной нормализации изображе-ний с целью их последующей совместной классификации. В основу метода яркостной нормализации изображений, полученных одним и тем же при-бором дистанционного зондирования, положено предположение о том, что, при отсутствии качественных изменений лесов в период между двумя датами наблюдений, различия регистрируемой яркости, прежде всего, свя-заны с изменениями характеристик пропускания и рассеяния излучения атмосферой, а также фенологической динамикой растительности. При этом была принята линейная модель аппроксимации связи между значениями яркости на уровне прибора дистанционного зондирования Ra и на нижней границе атмосферы R, согласно следующему выражению:
Ra = g(Ratm + kR) (1),
где:
Ra – яркость подстилающей поверхности на верхней границе атмо-сферы;
Ratm – яркость отраженного атмосферой излучения;
R – яркость подстилающей поверхности на нижней границе атмо-сферы;
g – коэффициент пропускания атмосферы;
k – коэффициент, зависящий от функции пропускания атмосферы и геометрических условий наблюдения.
Использование линейной модели (1) позволяет выразить следующим образом связь значений яркости для одного и того же участка на двух различающихся временем получения изображениях:
CN1 = aCN2 + b (2),
где: CN1 и CN2 – уровни яркости участка поверхности в различные моменты наблюдений; a и b – коэффициенты уравнения.
Использование выражения (2) позволяет предложить простой метод взаимной яркостной нормализации спутниковых изображений, предпола-гающий реализацию описанных ниже последовательных этапов.
На первом этапе производится выбор базового изображения, макси-мально возможно отвечающего следующей группе условий:
• наличие областей взаимного перекрытия базового изображения с максимально большим числом спутниковых изображений для региона наблюдения;
• наличие в зонах перекрытия изображений участков, соответствующих различным, характерным для региона наблюдения, типам лесов;
• соответствие даты наблюдения базового изображения наиболее благоприятной для картографирования лесов фазе фенологического развития растительности.
Следующий этап метода взаимной яркостной нормализации направ-лен на формирование сети опорных участков в зонах перекрытия спутни-ковых изображений для оценки значений коэффициентов уравнения (2). Опорные участки в зонах перекрытия соответствующих пар изображений выбираются визуально на покрытых лесом территориях исходя из следу-ющих условий:
• количество опорных участков должно удовлетворять критериям статистической репрезентативности для линейного регрессионного анализа получаемых данных;
• выбранные опорные участки должны обеспечивать максимально широкий охват типов лесных насаждений, различающихся уровнем спектральной яркости;
• опорные участки должны быть свободны от влияния облачности;
• изображения опорных участков не должны содержать признаков качественных изменений лесов в период между датами получения спутниковых изображений.
При этом площадь каждого опорного участка на изображении должна превышать площадь пикселя в несколько раз, что позволяет при последующей оценке средних значений яркости внутри участков скомпен-сировать влияние случайных факторов.
Измеренные пары значений средней спектральной яркости для опорных участков в зонах перекрытия изображений используются для оценки методом линейного регрессионного анализа значений коэффициен-тов уравнения (2) независимо для каждого канала. Получаемые при этом значения линейной корреляции R2 могут служить критерием достоверно-сти оценок коэффициентов уравнения и, следовательно, потенциальной эффективности взаимной яркостной нормализации пары изображений.
Завершающим этапом процедуры нормализации является по ка-нальное преобразование спутникового изображения с использованием ко-эффициентов линейного уравнения с целью компенсации яркостных раз-личий на покрытых лесом территориях.
В соответствии с указанными выше критериями в зонах перекрытия изображений было выбрано по 30 опорных участков размером 3х3 пиксе-ля. Полученные значения коэффициентов уравнения регрессии и корреля-ции для пары спутниковых изображений представленные в качестве при-мера в таблице 1. Как видно из приведенных данных, наиболее высокие значения R2 характерны для спектральных каналов TM4 и TM5, в то вре-мя как значение коэффициента корреляции для TM3 может свидетельство-вать об относительно невысокой эффективности нормализации изображе-ний в данном канале.
Таблица 1
Пример значений коэффициентов уравнения регрессии и корреляции при яркостной нормализации изображений (на примере сцен №2 и №5)
Канал Коэффициенты уравнения R2
a b
TM3 0.45 18.4 0.50
TM4 0.70 18.6 0.90
TM5 0.95 4.3 0.94
TM7 0.84 3.7 0.80

Оценка эффективности нормализации выполнялась с учетом ее влия-ния на возможности распознавания типов лесов, а ее основой служило сравнение значений критериев внутриклассовой изменчивости (стандарт-ное отклонение уровней яркости внутри класса) и межклассовой раздели-мости (трансформированная дивергенция) до и после нормализации (таб-лицы 2 и 3). Влияние яркостной нормализации на гистограммы яркости лесного покрова демонстрируется приведенными на рисунке 3 графиками.
Таблица 2
Оценка влияния взаимной нормализации изображений на величину стандартного отклонения спектральной яркости классов лесного покрова
Класс лесных насаждений
Темнохвойные Светлохвойные Лиственные
TM3 TM4 TM5 TM3 TM4 TM5 TM3 TM4 TM5
До нормализации 3.8 7.1 5.5 4.7 12.0 9.1 8.3 10.3 7.4
После нормализации 2.3 4.7 5.1 3.9 7.4 7.7 4.8 6.5 6.7

Табликца 3
Влияние взаимной нормализации изображений на значения транс-формированной дивергенции между классами лесного покрова (до норма-лизации / после нормализации)
Тип леса Темнохвойные Светлохвойные Лиственные
Темнохвойные 0.00 1265.68 / 1686.26 1334.06 / 1897.91
Светлохвойные 1265.68 / 1686.26 0.00 686.23 / 967.74
Лиственные 1334.06 / 1897.91 686.23 / 967.74 0.00

Рис.3 Влияние яркостной нормализации изображений Landsat-ETM на гистограмму яркости леса в спектральных каналах TM3 (слева) и TM4 (справа). Гистограммы яркостей до и после нормализации показаны соот-ветственно сплошной и пунктирной линиями.
Для классификации совокупности радиометрически нормализован-ных изображений Landsat-ETM+ были использованы спектральные кана-лы TM3, TM4, TM5 и ТМ7, как наиболее информативные для изучения растительности. Предварительная оценка возможностей классификации ле-сов по данным Landsat-ETM+ продемонстрировала достаточно высокую точность распознавания классов темнохвойных, светлохвойных, листвен-ных и смешанных насаждений. Использование алгоритма неконтролируе-мой классификации ERDAS ISODATA позволило выделить на первом эта-пе 200 спектральных кластеров, последующая визуальная интерпретация которых была проведена с привлечением карты растительности Москов-ской области и анализа сигнатур кластеров в пространстве яркостей в ка-налах TM3 и TM4.
Необходимость повышения точности распознавания темнохвойных лесов, частично перепутываемых с тенями от облаков и участками водной поверхности в прибрежных зонах, потребовала дополнительной тематиче-ской обработки спутниковых изображений. Повторная классификация изображений была выполнена только для пикселей отнесенных на преды-дущем этапе к указанной совокупности классов с использованием текстур-ного признака, характеризуемого значениями дисперсии яростей в сколь-зящем окне размером 5х5 пикселей. При этом для участков водной по-верхности, как пространственно более однородных, характерны относи-тельно низкие значения признака, что позволило улучшить точность клас-сификации темнохвойных лесов. Дальнейшее улучшение точности выделе-ния темнохвойных лесов было направлено на исключение ошибочно клас-сифицированных участков теней от облаков. Это обеспечивалось процеду-рой пространственного анализа изображений в окрестности предвари-тельно выявленных участков облачного покрова, детектированных по вы-соким значениям спектральной яркости во всех используемых спектраль-ных каналах.
Результатом классификации спутниковых изображений Landsat-ETM+ стала карта лесов для части территории Московской области. Сравнительные данные о лесистости ряда лесохозяйственных предприятий области, полученные с использованием полученной карты и материалов Государственного учета лесов (ГУЛ) РФ по состоянию на 1998 год, пред-ставлены на рисунке 4.

Рис.4 Связь данных о лесистости для лесхозов Московской области по результатам классификации Landsat ETM+ и материалам ГУЛ (1998 г)

ГЛАВА 3. РЕГИОНАЛЬНАЯ ЭКОЛОГИЧЕСКАЯ ОЦЕНКА ХАРАКТЕРИСТИК СОСТОЯНИЯ ЛЕСОВ ПО МНОГОСПЕКТРАЛЬНЫМ СПУТНИКОВЫМ ДАННЫМ MODIS

Для проведения экспериментальных работ был использован набор очищенных от влияния облачного покрова сезонных композитных изоб-ражений, полученных по данным прибора Modis со спутника Terra. Полу-ченные данные обеспечивают полное покрытие территории области и включают композитные изображения для летнего (июнь-август) и зимнего (декабрь-февраль) периодов 2002 года. При этом использовались данные наблюдений с пространственным разрешением 250 м в красном (620-670 нм) и ближнем инфракрасном (841-876 нм) спектральных диапазонах и разрешением 500 м в среднем инфракрасном (1628-1652 нм) диапазоне.
На первом этапе была выполнена классификация изображений MODIS для построения карты лесов области с выделением темнохвойных, светлохвойных, лиственных и смешанных лесов. Классификация выполня-лась в два последовательных этапа с применением алгоритма кластерного анализа ERDAS ISODATA на основе совместного использования изобра-жений летнего и зимнего периода спутниковых наблюдений. На первом этапе был выполнен кластерный анализ зимнего изображения с последу-ющей тематической интерпретацией спектральных кластеров, позволившей построить бинарную маску покрытия территории области лесами. После-дующая более детальная классификация типов лесов проводилась по дан-ным MODIS, полученным в летний период. При этом в рассмотрение при-нимались только пиксели, включенные в бинарную маску лесов на преды-дущем этапе. Такая последовательность использования разносезонных спутниковых изображений позволяет достаточно просто исключить ошиб-ки, связанные с перепутыванием классов, относящихся к покрытым и непо-крытым лесом территориям.
Оценка по данным MODIS значений спектральных индексов, отра-жающих относительное содержание хлорофилла и влагообеспеченность лесной растительности, проводилась согласно следующим выражениям:
NDVI = (NIR – RED) / (NIR + RED) (3)
NDWI = (NIR – SWIR) /(NIR + SWIR) (4)
где NDVI – нормализованный разностный индекс растительности; NDWI – нормализованный разностный индекс влагосодержания; RED, NIR и SWIR – соответственно значения спектральной яркости в каналах 620-670 нм, 841-876 нм и 1628-1652 нм.

ГЛАВА 4. ГИС-АНАЛИЗ ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ЛЕСОВ МОСКОВСКОЙ ОБЛАСТИ

Возможность комплексной экологической оценки состояния лесов Московской области на основе результатов обработки данных спутнико-вых наблюдений и информации из других источников может быть обеспе-чена интеграцией имеющихся данных в среду ГИС, обладающей эффек-тивными средствами анализа и представления разнородной простран-ственной информации. Решение этой задачи потребовало формирования банка данных, являющегося информационным ядром региональной ГИС и включающим в себя ряд взаимосвязанных цифровых картографических слоев и атрибутивных таблиц, характеризующих различные аспекты со-стояния лесов региона и организации территории.
Согласно принятой методологии ГИС-анализа предусматривается интеграция результатов обработки спутниковых изображений на уровне ячеек, покрывающей территорию области, регулярной сети. Размер ячеек (10х10 км) сети выбран исходя из условий обеспечения статистической ре-презентативности интегральных оценок, получаемых по спутниковым дан-ным MODIS, а также уровня пространственной детальности необходимых для проведения анализа вспомогательных данных об антропогенной нагрузке на территорию области. Регулярная сеть на территорию области, сформированная в проекции UTM на эллипсоиде WGS84, включает в себя 553 ячейки.
Основу банка данных региональной ГИС составляет база данных об индикаторах экологического состояния лесов по данным спутниковых наблюдений. В атрибутивной таблице базы данных для каждой ячейки се-ти содержатся значения таких показателей как: лесистость, доля хвойных насаждений в покрытой лесом площади, а также значения NDVI и NDWI отдельно для хвойных и лиственных лесов.
Наряду с базой данных об индикаторах экологического состояния лесов, информационное обеспечение ГИС включает базу данных по антро-погенной нагрузке, базу данных ГУЛ для лесохозяйственных предприя-тий, а также вспомогательные векторные слои границ ячеек регулярной се-ти, границ административных районов и лесохозяйственных предприятий, покрытия с информацией о дорожной сети и населенных пунктах. Все пе-речисленные базы данных были сформированы в среде ArcView GIS 3.2. в виде согласованных картографических слоев и атрибутивных таблиц.
Относительная близость времени получения обоих видов спутнико-вых данных (Landsat-ETM+ и Terra-MODIS) обеспечивает возможность их совместного использования без учета изменений в лесах в период между наблюдениями. Регрессионный анализ данных о лесистости, полученных по обоим видам спутниковых данных, проводился для совокупности ячеек регулярной сети в зоне покрытия территории области изображениями Landsat-ETM+ (рис.5).

Рис.5 Связь между значениями лесистости в ячейках регулярной сети (10х10 км) для территории Московской области по данным MODIS и Landsat ETM+
При этом полином второго порядка принят в качестве модели ап-проксимация связи между значениями лесистости по данным Landsat ETM+ и MODIS, при значении коэффициента корреляции R2=0,94. Поли-номиальный характер связи объясняется различием величины простран-ственного разрешения спутниковых данных и свидетельствует о том, что использование данных MODIS приводит к недооценке лесистости для ма-лолесных территорий за счет пропуска мелких массивов лесов. Одновре-менно при значительном уровне лесистости использование данных MODIS приводит к завышению значений этого показателя за счет большого числа смешанных пикселей, классифицируемых как лесной покров.
Использование представленного на рисунке 5 уравнения позволило уточнить полученные по данным MODIS оценки лесистости для всей тер-ритории области. При этом, после проведения процедуры коррекции зна-чение лесистости для области (41,8%) практически не отличается от дан-ных официальной статистики (41%), что может служить свидетельством эффективности предложенного методического подхода.
Последующий анализ показал наличие статистически значимой по-ложительной корреляции между значениями NDWI и NDVI для хвойной растительности (Рис.6) и отсутствие таковой для лиственных лесов. Этот факт видимо является следствием более высокой чувствительности хвой-ных лесов к уровню антропогенной нагрузки, а также взаимосвязи между усыханием и снижением концентрации хлорофилла в лесной растительно-сти. Одним из объяснений этому может являться то, что лиственные леса менее подвержены антропогенному влиянию в силу характерной для них сезонной дефолиации и, следовательно, частичному выводу вредных ве-ществ из органов древесных растений.
При анализе рисунка 6, отображающем связь спектральных индек-сов для хвойных лесов видно, логично предположить, что соответствую-щая области низких значений обоих спектральных индексов раститель-ность находится в более угнетённом состоянии по сравнению с другими хвойными насаждениями области.

Рис.6 Связь между значениями спектральных индексов NDWI и NDVI для хвойных лесов Московской области по данным MODIS
Подтверждением этому предположению могут служить результаты анализа взаимосвязи значений спектральных индексов для хвойных лесов с независимо полученными данными об уровне антропогенной нагрузки на территорию области, сравнение которых в ячейках регулярной сети по-казало пространственную корреляцию.
Дальнейший анализ также продемонстрировал очевидную тенден-цию к снижению средних значений обоих спектральных индексов для хвойных лесов по мере роста уровня антропогенной нагрузки на террито-рию (рис.7).
а)
б)
Рис.7 Средние значения и диапазоны изменений индексов NDVI (а) и NDWI (б) в зависимости от уровня антропогенной нагрузки на террито-рию
При этом можно наблюдать, что для индекса NDWI характерно бо-лее устойчивое снижение значений после достижения некоторых критиче-ских значений уровня антропогенной нагрузки, что может служить его ха-рактеристикой, как более чувствительного, по сравнению с NDVI, индика-тора экологического состояния лесов. Из сравнения динамики обоих спек-тральных индексов можно также предположить, что реакция лесов на воз-растание антропогенной нагрузки, проявляющаяся в снижении концентра-ции хлорофилла происходит с некоторой задержкой после начала процес-сов обезвоживания древесной растительности.
Объяснением вариабельности значений спектральных индексов в пределах однородных по условиям антропогенной нагрузки территорий могут служить различия в устойчивости древесных пород, возрастных ка-тегорий и, наконец, индивидуальных особенностей отдельных деревьев. В анализе также нуждаются ландшафтные особенности территории, а также дополнительные неучтенные факторы негативного воздействия на окру-жающую среду.
Анализ сформированной базы данных ГИС об индикаторах эколо-гического состояния лесов области позволяет выявить территории с наиболее высоким уровнем угнетения лесной растительности. В частности, для хвойных насаждений Ленинского, Люберецкого, Каширского, Хим-кинского, Красногорского и Домодедовского районов, расположенных в непосредственной близости к городу Москва, характерны относительно низкие значения спектральных индексов NDVI и NDWI, что может свиде-тельствовать о высоком уровне угнетения лесов вследствие антропогенной нагрузки на окружающую среду.

ЗАКЛЮЧЕНИЕ

Диссертационная работа содержит результаты исследований и науч-ных разработок автора, которые можно рассматривать как решение важ-ной научной задачи по развитию методов мониторинга экологического со-стояния лесов по данным спутниковых наблюдений. По результатам дис-сертационной работы можно сделать следующие основные выводы:
Современное состояние развития методов дистанционного зондиро-вания обеспечивает возможность оценки характеристик состояния лесного покрова и создания системы регионального мониторинга лесов на основе комбинированного использования данных различного пространственного разрешения;
Методика региональной оценки экологического состояния лесов, предполагает использование спутниковых данных среднего и высокого пространственного разрешения (в частности, Terra/Aqua-MODIS и Landsat-ETM+) и направлена на определение индикаторов, отражающих покрытие территории лесами, породный состав насаждений и их физиоло-гическое состояние, характеризуемое относительным уровнем концентра-ции хлорофилла и влагообеспеченности;
Разработанный метод взаимной радиометрической нормализации различающихся по условиям съемки изображений Landsat-ETM+ повыша-ет эффективность использования данных спутниковых наблюдений для ре-гиональной оценки состояния лесов;
Эксперименты по классификации лесов по многоспектральным спут-никовым изображениям показали возможность выделения темнохвойных, светлохвойных, лиственных и смешанных лесов с достаточным уровнем достоверности;
Комплексное использование результатов классификации лесов по данным MODIS и Landsat-ETM+ обеспечивает эффективную возможность оценки лесистости, как одного из важнейших индикаторов экологического состояния лесов региона;
Анализ взаимосвязей между значениями вегетационных индексов NDVI и NDWI по данным MODIS и уровнем антропогенной нагрузки по-казал возможность их использования в качестве индикаторов состояния хвойных лесов;
Анализ сформированной по результатам обработки спутниковых изображений базы данных ГИС об индикаторах экологического состояния лесов Московской области позволяет выявить территории с высоким уровнем угнетения лесной растительности.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Барталев С.С., Оценка индикаторов состояния лесов Московской области по данным спутниковых наблюдений. // Электронный многопредметный научный журнал “Исследовано в России” том 9 стр.948-958
2. Барталев С.С., Исследование возможностей классификации лесов Московской области по данным Landsat-ETM+. // Сборник трудов Х межвузовского научно-практического семинара студентов, аспирантов и молодых ученых Московского региона по актуальным проблемам экологии и природопользования стр.114-120
3. Мельник Н.Н., Барталев С.С., Применение информационных систем в целях оптимизации деятельности агропромышленного и рыбохозяйственного комплексов // Вестник, электротехнологии, электрификации и автоматизации сельского хозяйства. Научный журнал под редакцией Т.Б. Лещинской. Выпуск №3 (13). Раздел информационные технологии. стр.151-154
4. Барталёв С.С., Малинников В.А., Взаимная яркостная нормализация спутниковых изображений при региональном картографировании лесов. // Известия высших учебных заведений специальный выпуск 2006 г. стр.83-92
5. Барталёв С.С., Малинников В.А., Возможности региональной экологической оценки лесов по данным спутниковых наблюдений. // Известия высших учебных заведений. Геодезия и аэрофотосъёмка. №6 2006 г. стр.3-18
6. Барталёв С. C., Малинников В.А., Эксперименты по региональной оценке характеристик экологического состояния лесов с использованием данных спутниковых наблюдений и ГИС-технологий. Четвёртая всероссийская открытая конференция “Современные проблемы дистанционного зондирования Земли из космоса” Москва, ИКИ РАН, 13-17 ноября 2006 г. Сборник тезисов конференции стр. 202

Нашли опечатку? Выделите и нажмите CTRL+Enter

Похожие документы
Обсуждение

Оставить комментарий

avatar
  Подписаться  
Уведомление о
Заказать реферат!
UkrReferat.com. Всі права захищені. 2000-2019