Использование программного комплекса envi для решения задач лесного хозяйства

      Комментарии к записи Использование программного комплекса envi для решения задач лесного хозяйства отключены

Использование программного комплекса envi для решения задач лесного хозяйства

Н.Б. Ялдыгина

Многие задачи лесного хозяйства смогут действенно решаться на базе данных дистанционного зондирования Почвы (ДЗЗ): мониторинг и инвентаризация лесного фонда, мониторинг лесопользования, охрана, обнаружение незаконных рубок, мониторинг лесных пожаров, лесопатологический мониторинг и др. Для этого нужны специальные методики обработки данных ДЗЗ, и надежное ПО, разрешающее реализовать эти методики. Эксперты компании «Совзонд» для этих целей используют программный комплекс ENVI.

ENVI — это ПО для анализа и обработки данных ДЗЗ. ENVI включает в себя широкий комплект функциональных возможностей: визуализация и ортотрансформирование, атмосферная коррекция, классификация, спектральный анализ и другое.

Ниже рассмотрено пара конкретных задач, решаемых в сфере лесного хозяйства с применением данных ДЗЗ и ПК ENVI, с кратким описание подходов к ответу задач, используемых в компании «Совзонд».

ФОТОГРАММЕТРИЧЕСКАЯ ОБРАБОТКА

Независимо от того, какие конкретно задачи лесопользования планируется решать на базе космических снимков, нужным этапом обработки изображений делается фотограмметрическая обработка.

Исходные снимки, поставляемые операторами спутниковых совокупностей, содержат несистематические искажения, вызванные углом наклона съемочной совокупности, другими факторами и рельефом местности. Как следствие, линейные и площадные измерения, проводимые по таким снимкам, смогут содержать очень большие неточности.

Исходя из этого, перед тем как применять снимок для определения площадей вырубок, уточнения квартальной сети и т. д., требуется проводить фотограмметрическую обработку. Процедурой, снабжающей нужную точность изображений, есть ортотрансформирование.

Ортотрансформирование с RPC-коэффициентами применяет коэффициенты рационального полинома (RPC, Rational Polynomial Coefficients), каковые в большинстве случаев входят в поставку данных ДЗЗ и устанавливают соответствие между координатами точки на местности и ее изображением на снимке.

Строгое ортотрансформирование моделирует процесс съёмки и разрешает вернуть пространственное положение совокупности лучей, организовавших снимок.

Кроме этого при ортотрансформировании употребляется информация о рельефе местности, приобретаемая из открытых источников или формируемая самостоятельно по иным дешёвым исходным данным (стереопарам космических снимков, оцифрованным горизонталям с топографических карт, комплектам точек с высотами).

Результатом ортотрансформирования есть новое изображение, скорректированное с учетом искажений, вызванных положением и рельефом местности съемочной аппаратуры.

Реализация в ENVI:

В ПК ENVI представлены оба способа ортотрансформирования — строгое и с RPC-коэффициентами. Эти способы разрешают устранить два главных типа искажений: вызванных наклоном съемочной совокупности и вызванных рельефом местности. Для увеличения точности результатов возможно кроме этого применять опорные точки, полученные по итогам наземных наблюдений либо забранные с вторых предварительно уточненных векторных данных и снимков. 

ОБНОВЛЕНИЕ КВАРТАЛЬНОЙ СЕТИ

Квартальная сеть — совокупность лесных кварталов, создаваемая в лесном фонде. Она является основой для карт, применяемых в лесном хозяйстве, исходя из этого принципиально важно иметь надежную цифровую квартальную сеть с известной картографической точностью.

Для уточнения пространственного положения квартальной сети возможно применять эти ДЗЗ. То, как прекрасно читаются просеки по космическому снимку, зависит от нескольких факторов: пространственного разрешения снимка, дешёвых спектральных каналов, ширины просек.

Чем выше пространственное разрешение снимка, тем более узкие и заросшие просеки смогут дешифрироваться по такому снимку (рис. 1).

Рис. 1. Снимок Ikonos, разрешение 1 м. С уверенностью дешифрируются чистые просеки шириной 3–4 м, хуже – зарастающие просеки

К примеру, снимки очень высокого разрешения (0,5–1 м) разрешают с уверенностью дешифрировать фактически все разрубленные просеки, визиры, ходовые линии.

Одновременно с этим снимки большого разрешения (2–3 м) уже требуют, дабы минимальный просвет на просеке составлял не меньше 1 м — тогда такая просека будет дешифрирована. направляться кроме этого учитывать, что по мультиспектральным снимкам просеки дешифрируются на порядок лучше, чем по панхроматическим.

Дешифрирование просек достаточно скоро осуществляется оператором вручную.

Реализация в ENVI:

Дешифрирование просек комфортно осуществлять в ENVI Zoom – одном из интерфейсов программы ENVI. Тут имеются инструменты для и редактирования векторных объектов (а также линейных), с возможностью сохранения в шейп-файлы.

АВТОМАТИЗИРОВАННЫЙ МОНИТОРИНГ РУБОК

Серьёзной задачей лесопользования есть мониторинг рубок разных типов – целых и выборочных, под строительство и инфраструктуру.

Один из подходов к ответу данной задачи содержится в сравнении снимков, отражающих первичное состояние лесного фонда и обстановку на данный момент, методом создания цветных разновременных композитов.

Разработка включает в себя пара последовательно делаемых шагов.

Обоюдное трансформирование снимков

На первом шаге снимки взаимно трансформируются — приводятся к единой совокупности координат. Точность геокодирования разбираемых снимков крайне важна, т. к. кроме того маленькие погрешности в ориентировании снимков (более 1–2 пикселов изображения) может привести к эффекту «сдвигов» на изображении и значительно ухудшить дешифровочные свойства синтезированного изображения.

Создание мультивременного композита

Потом из пары снимков формируется мультивременной композит. Для этого создается новый файл на область перекрытия двух снимков, включающий в себя спектральные каналы обоих снимков.

По окончании создания композита его нужно визуализировать, открыв на экране цветное (RGB) изображение. Такое изображение получается синтезом трех спектральных каналов. При выборе каналов для синтеза придерживаются следующего правила: каналы позднего (нового) снимка занимают первую (Red) и третью (Blue) компоненты, канал раннего (ветхого) снимка занимает вторую (Green) компоненту.

К примеру, в случае если новый снимок есть мультиспектральным, а ветхий — панхроматическим, то в качестве красного употребляется красный канал более нового (мультиспектрального) снимка, зеленого — канал панхроматического, а светло синий – ближний инфракрасный или красный канал нового снимка.

На изображении, синтезированном указанным образом, поменянные участки отображаются броскими цветами (рис. 2). В розовый цвет окрашиваются пикселы, в которых случилось повышение яркости. Таковой цвет будут иметь вырубки, вскрытые грунты,  показавшиеся на новом снимке. В зеленый цвет окрашиваются пикселы, в которых случилось уменьшение яркости пикселов.

К примеру, таковой цвет будут иметь тени от туч.

Рис. 2. Итог создания мультивременного композита: розовым цветом отображена показавшаяся вырубка

Создание маски туч

Облачность, присутствующая на снимках, часто затрудняет дешифрирование вырубок. Исходя из этого для упрощения работы возможно предварительно создать маску туч для исключения облачных участков из композита.

Выделить облака для построения маски возможно методом выбора пикселов по пороговому значению, основываясь на том факте, что тучи имеют высокие коэффициенты отражения во всех территориях видимого спектра.

Рис. 3. фрагмент и Маска облаков исходного снимка

Подстройка гистограммы отображения

По окончании визуализации композита для обеспечения лучшей читаемости трансформаций часто требуется подстройка гистограммы отображения. Подстройка возможно выполнена вручную (настройка каждого канала в отдельности) или с применением стандартных преобразований, используемых сходу ко всем каналам. В случае если a priori известна хотя бы одна новая вырубка, то целесообразно отыскать ее на снимке и подстраивать гистограмму под нее (рис.

4).

Рис. 4. Исходные снимки (ALOS/AVNIR, SPOT) и разновременной композит с подстроенной гистограммой

Классификация и векторизация вырубок

Выделение вырубок может осуществляться как ручным, так и автоматизированным методом.

Первый вариант предполагает, что оператор вручную векторизует вырубки на разновременном композите и в итоге приобретает новый векторный слой вырубок. Это самый точный вариант; векторные объекты, созданные вручную по композиту снимков, не будут владеть недочётами машинально созданных программой — избыточной дискретностью либо, наоборот, сглаженностью (, если производилась процедура генерализации).

Второй вариант предполагает автоматическую классификацию изображения с последующей автоматической векторизацией. Дабы этот способ корректно трудился, нужно, дабы оба снимка были летними и сделанными в однообразных погодных условиях; дымка и облачность должны быть минимальны (или исключены из классификации посредством маски).

самые подходящими для автоматической классификации являются мультиспектральные снимки, имеющие, а также, не через чур высокое разрешение (к примеру, RapidEye, ALOS/AVNIR). На таких снимках понижение полноты древостоя отмечается пропорциональным трансформацией яркостей пикселов, частично попадающих на вырубленные участки. За счет этого в яркостных чертях таких пикселов смешиваются яркости открытых почво-грунтов и крон (при не сплошной вырубки или сплошной на начальной стадии), что дает необычный «полу-лесной» спектральный образ пикселов.

Вероятно использование разных методов классификации, но для примера остановимся на следующих двух.

Метод параллелепипедов. Один из самые простых вариантов классификации по эталонам.

Предварительно оператор формирует эталоны — выбирает группы пикселов, относящиеся к вырубкам. Потом в пространстве спектральных показателей создаются прямоугольники с центрами в точках среднего значения для эталонов. Размеры прямоугольников зависят от выбранных значений стандартного отклонения от среднего.

В случае если пиксел по своим значениям попадает в один из выделенных прямоугольников, то он относится к классу «вырубка».

Дерево ответов. Более сложный способ, действенный кроме того для случаев анализа снимков с значительно различающимися сезонами съемки. Одним из преимуществ данного способа есть независимость от эталонов. Оператор применяет эталоны только на начальной стадии, при формировании правил ответов — к примеру, находит диапазон пересечения значений яркости пикселей с различных эталонов и применяет данный диапазон в качестве правила для определения нового класса объектов (рис.

5). В будущем созданные правила смогут употребляться при классификации вторых изображений, без необходимости комплекта эталонов с этих изображений.

Рис. 5. Гистограмма (ближний ИК 5 канал RapidEye), определение смешанного леса

Предварительно нужно изучить спектральные характеристики вырубок и сформулировать условия, разрешающие отнести пикселы к классу вырубок. Каждое условие возможно сформулировано примерно следующим образом: «значение яркости пиксела во втором канале больше чем 22 и меньше чем 50», «значение яркости пиксела в первом канале больше чем 215 и меньше чем 254» и т. д. Проверкой первого условия все пикселы разбиваются на два класса; после этого тот класс, для которого условие выполняется, разбивается еще на два класса проверкой следующего условия и т. д. Те пикселы, для которых будут выполнены все условия, относятся к классу вырубок (рис. 6).

Рис. 6. Классификация способом «дерево ответов»

Для получения результатов выделения вырубок в форме, пригодной для предстоящего применения, нужно выполнить векторизацию результатов классификации (в большинстве случаев осуществляется машинально). Может кроме этого потребоваться генерализация результатов, включающая в себя удаление единичных пикселей, объединение пикселей в заливку и группы «окон».

Реализация в ENVI:

Для создания мультивременного композита употребляется функция Layer Stacking, разрешающая создать новый файл по пересечению снимков, задав желаемое пространственное разрешение выходного файла.

Маска туч формируется посредством инструментов Build Mask и ROI Tool; второй инструмент, например, разрешает задать пороговое значение и выделить все пикселы на изображении, значения яркости в которых превышают данное значение.

подстройка и Визуализация гистограммы отображения композита осуществляется с применением хорошего трехоконного интерфейса ENVI. Данный же интерфейс разрешает выполнить подстройку гистограммы отображения – вручную или воспользовавшись одним из стандартных улучшающих преобразований (Linear 2% и др.)

Ручная векторизация вырубок возможно выполнена в интерфейсе ENVI Zoom, с сохранением результата в шейп-файл.

Для классификации возможно применять один из более десятка методов, представленных в ENVI, включая дерево решений и метод параллелепипедов.

Анализ яркости пикселей эталонов выполняется инструментом получения статистики Stats,  и посредством разных диаграмм построения и функций графиков.

Обнаружение ГАРЕЙ, ВЕТРОВАЛОВ, ГОРНОПРОМЫШЛЕННОГО Действия НА ЛЕСНЫЕ МАССИВЫ

Сходная разработка — предполагающая создание мультивременных композитов — может употребляться и для обнаружения гарей, ветровалов, и разных действий на лесные массивы, которые связаны с функционированием горнопромышленных фирм. Как показывает опыт экспертов компании «Совзонд», эта задача всецело решаема с применением прежде всего оптических космических высокого разрешения и снимков среднего, и радиолокационных данных в качестве дополнительного источника информации.

Обнаружение МЕДЛЕННЫХ ТРАНСФОРМАЦИЙ В ЛЕСАХ

Еще одной задачей, действенно решаемой посредством способов дистанционного зондирования, есть обнаружение медленных трансформаций в лесах. Примером может служить вымокание лесов, которое особенно довольно часто появляется в равнинных, слабо дренированных районах, с поверхностным залеганием грунтовых вод и достаточным увлажнением. В таких местах часто прокладка дорог , магистральных нефте- и газопроводов требует возведения высоких насыпей и в итоге ведет к нарушению гидрологического режима, к деградации и вымоканию лесных массивов.

На базе спутниковой съемки и с применением так называемых спектральных индексов процессы вымокания лесов смогут быть найдены кроме того н

Сборник Задач Преферанс


Подобранные по важим запросам, статьи по теме: