Мониторинг лесов с помощью группировки спутников rapideye

      Комментарии к записи Мониторинг лесов с помощью группировки спутников rapideye отключены

Мониторинг лесов с помощью группировки спутников rapideye

А. Маркс

СВОЕВРЕМЕННЫЙ МОНИТОРИНГ ЛЕСОВ ГРУППИРОВКОЙ СПУТНИКОВ RAPIDEYE

Дистанционное зондирование Почвы (ДЗЗ) и мониторинг состояния внешней среды c помощью спутников с оптической бортовой аппаратурой стали вероятными благодаря нескольким десятилетиям технического спутниковых платформ и совершенствования сенсоров. В 1972 г. США вывели на орбиту спутник природно-ресурсного назначения Landsat со съемочной аппаратурой, снабжавшей получение мультиспектральных снимков.

Приблизительно одвременно с этим в СССР началась разработка, а позднее и эксплуатация спутников серии «Ресурс-Ф», снабженных камерами, изготовленными компанией Carl Zeiss Jena (ГДР), предназначавшимися с целью проведения мультиспектрального фотографирования поверхности Почвы в видимом и ближнем инфракрасном диапазоне с высокими геометрическими и фотометрическими черта- ми. Группировка спутников RapidEye была запущена на орбиту русском ракетой «Днепр-1» 29 августа 2008 г. Группировка складывается из 5 однообразных микро- спутников, на каждом из которых установлена мультиспектральная камера большого разрешения JSS56 (Jena Space Borne Scanner 56), изготовленная компанией Jena Optronic GmbH (быв.

Carl Zeiss Jena). Группировка RapidEye разрешает осуществлять мониторинг состояния внешней среды, в частности состояния лесов из космоса (что прежде было нереально). Это достигается благодаря трем неповторимым чертям группировки:

  • высокая повторяемость съемки, благодаря которой вероятно многократное получение данных на интересующую территорию в течении всего вегетационного периода;
  • громадная площадь покрытий при высоком пространственном разрешении;
  • 5-канальная мультиспектральная съемка, включая канал «конечный красный» (Red Edge)

Эта неповторимая группировка спутников ДЗЗ разрешает сравнивать состояние громадных площадей леса в разные периоды времени, применяя снимки большого разрешения. Помимо этого, благодаря высокой повторяемости съемок повысилась возможность получения безоблачных и малооблачных снимков. Наличие 5 спутников разрешает оперативно реагировать на стихийные бедствия, включая большие лесные пожары, снабжая клиентов самой свежей информацией о причиненном ущербе.

Временной анализ гарантирует своевременное получение информации о появлении насекомых-вредителей леса, таких, как шелкопряд-монашенка (Lymantria monacha), непарный шелкопряд (Lymantria dispar), короед-типограф (Ips typographus). Подобным образом высокая повторяемость съемок со спутников RapidEye разрешает проводить и другие наблюдения, к примеру контроль незаконных рубок леса либо мониторинг деградации лесов.

Неприятность незаконных рубок леса особенно остро стоит в Российской Федерации, но нельзя сказать, что в других государствах эта неприятность решена. Обстоятельства этого явления смогут быть разны, но его последствия для экономики и экологии неизменно негативны. Применяя возможности собственной группировки, компания RapidEye создала целый комплекс сервисов, которые связаны с мониторингом лесов, разрешающих не просто накапливать эти, но создавать готовые к применению геоинформационные продукты.

В табл. 1 представлены главные сервисы RapidEye для лесного хозяйства.

Отдельные примеры применения этих сервисов детально рассмотрены в конкретных практических примерах применения, представленных в настоящей работе.

Рис. 1. Спектральные каналы сенсора RapidEye

СПЕКТРАЛЬНЫЕ ХАРАКТЕРИСТИКИ ДАННЫХ RAPIDEYE И ИХ ПРИМЕНЕНИЕ ДЛЯ МОНИТОРИНГА ЛЕСОВ

Дабы использовать космические снимки для ответа задач лесного хозяйства, исследователь обязан знать базисные базы ДЗЗ, и принципы работы съемочной аппаратуры.

Характеристики сенсора RapidEye:

  • Спектральные каналы:
  • светло синий (Blue; B) — 440-510 нм
  • зеленый (Green; G) — 520-590 нм
  • красный (Red; R) — 630-690 нм
  • конечный красный (Red Edge; RE) — 690-730 нм
  • Ближний ИК (Near IR; NIR) — 760-850 нм
  • Пространственное разрешение:
  • 5 м Ширина полосы съемки: 75 км
  • Радиометрическое разрешение: 12 бит

    • На рис. 1 приведена шкала электромагнитного спектра с размещением на ней спектральных каналов RapidEye.

    Таблица 1

    Сервисы RapidEye для лесного хозяйства

    Опись лесных ресурсов Мониторинг состояния леса Мониторинг антропогенного действия и помощь интернациональных программ по защите леса Природоохрана
    Картографирование лесных угодий Картографирование ущерба, причиненного ураганными ветрами Мониторинг незаконных рубок и лесозаготовок леса Картографирование фрагментации лесов
    Картографирование породного состава лесов Картографирование ущерба от лесных пожаров Помощь интернациональной программы защиты от деградации лесов REDD (Reducing Emissions from Deforestation and Forest Degradation) Картографирование лесополос
    Оценка запаса древесины Картографирование ущерба от насекомых- вредителей Мониторинг защищаемых лесов

    светло синий территория спектрального излучения деятельно поглощается хлорофиллом (по большей части хлорофиллом b). Эта территория весьма чувствительна к атмосферным условиям, таким, как туман либо дымка. Если сравнивать с красным либо крайним красным каналами светло синий — менее чувствителен к трансформациям в содержании хлорофилла и, как следствие, употребляется лишь в особых целях, таких, как, к примеру, мониторинг вод.

    Для решения задач лесного хозяйства оптимальнее применять композиты зеленого и красного каналов для получения отличных цветных изображений, служащих в качестве базы в геоинформационных совокупностях. светло синий канал облегчает распознавание лесных пожаров на безоблачных снимках.

    Здоровая растительность поглощает больше излучения в синей и красной территории, отражая наряду с этим большую часть зеленого цвета. Зеленый канал помогает не только для создания композитного RGB- изображения, но и разрешает классифицировать растительность при применении в сочетании с другими спектральными каналами. Он кроме этого незаменим при оценке неспециализированного состояния леса.

    Красный канал крайне важен для анализа состояния растительности (в основном лесов) и весьма широко применяется. Поглощение света хлорофилломa фотосинтезирующих растений имеет пик в красной части видимого электромагнитного спектра. Протяженность волны красного канала больше, чем светло синий, по данной причине состояние воздуха воздействует на него намного меньше.

    Красный канал играется решающую роль при проведении анализа трансформации лесного покрова, к примеру при картографировании ущерба от стихийных бедствий, классификации видов растительности, мониторинге состояния лесного покрова, оценке запаса древостоя, жизнеспособности леса, определении местонахождения дорог и просек.

    Наличие крайнего красного канала — неповторимая изюминка съемочной аппаратуры спутников RapidEye. Он употребляется в сочетании с ближним инфракрасным каналом для расчета индекса NDVIRE [(NIR-RE)/ (NIR+RE)]. Данный индекс очень чувствителен к трансформациям содержания растительного хлорофилла [1].

    До недавнего времени NDVIRE употреблялся в основном для оценки N-статуса сельскохозяйственных посевов. Недавние изучения продемонстрировали, что при помощи индекса NDVIRE возможно определить понижение содержания хлорофилла в листве лесного полога на самых ранних стадиях, к примеру при нашествиях лубоеда-стригуна, вызывающих преждевременное старение, а часто и смерть деревьев.

    Здоровая растительность в значительной мере отражает инфракрасное излучение, невидимое людской глазу. Отражение является следствием громадной площади поверхности листьев. В случае если лес страдает от нашествия насекомых, вредящих листве, понижение излучения в данной территории спектра показывает утрату листвы.

    Отражающая свойство листвы деревьев очень сильно различается у различных видов. Отражающая свойство листьев хвойных пород значительно ниже, чем лиственных. Значения NIR молодого хвойного древостоя выше, чем ветхого.

    Исходя из этого канал NIR есть крайне важным для классификации лесов, определения породного состава, и для мониторинга заражения лесов насекомыми-вредителями.

    Канал NIR кроме этого играется важную роль при картографировании последствий ураганного ветра, а на данный момент делается серьёзной составляющей при расчете некоторых показателей, определяющих биофизические параметры растительности.

    ПРИМЕНЕНИЕ RAPIDEYE ДЛЯ МОНИТОРИНГА ЛЕСОВ: ПРИМЕРЫ Использования на практике

    Повторные, регулярные либо нерегулярные съемки разрешают приобретать комплекс разнообразных продуктов и снабжать разные сервисы. Возможно привести следующие примеры: опись лесных угодий, мониторинг трансформаций, воображающих интерес, мониторинг неспециализированного состояния лесного покрова для национальных потребностей либо для частных компаний, контроль незаконных рубок.

    Помимо этого, возможно осуществлять контроль состояния внешней среды в заповедниках и национальных парках, вести наблюдения в рамках интернациональных программ по защите лесов, таких, как REDD (Reducing Emissions from Deforestation and Forest Degradation), и оперативно собирать данные о последствиях природных либо антропогенных (бури, лесные пожары) катаклизмов. Широкий спектр адаптационных возможностей разрешает подобрать своеобразный комплект функций наблюдения для той либо другой задачи.

    Мониторинг трансформаций производится на базе повторных либо многократных съемок. Ниже мы приведем конкретные примеры применения ответов RapidEye для мониторинга лесов. Все представленные ответы на данный момент будут в рабочем состоянии.

    Мониторинг состояния лесов (Компания «Немлес»; Республика Коми, Российская Федерация) На рис. 2–3 представлен снимок лесного массива в Республике Коми, сделанный RapidEye. На рис. 2а (естественная цветопередача, без повышения) видны зеленая растительность (лес), дороги и просеки (1-я дата: 26 июля 2010 г.).

    Спустя 19 дней в том же лесном массиве заметно понижение жизнеспособности леса (рис. 2б, 2-я дата: 14 августа 2010 г.). Красновато- коричневые тона говорят о том, что растительность испытывает важный стресс, потому, что отражает довольно много красного света. Быть может, что это поменявшие цвет кроны хвойные деревья, засохшие в следствии низового пожара.

    Вредители не смогут позвать столь стремительного трансформации окраски. Потому, что эти наземного наблюдения отсутствуют, вероятны только предположения.

    Рис. 2.
    Снимки RapidEye (естественные цвета)
    а. 26 июля 2010 г.
    б. 14 августа 2010 г.
    в. Выделенный сектор со сторонами 420 м

    Для своевременного анализа выделяется сектор со сторонами 420 м, с захватом пораженной и обычной (рис. 2в) частей. На рис.

    3 представлены те же снимки, лишь в инфракрасном канале.

    Рис. 3. Снимки RapidEye (инфракрасный канал) а. 26 июля 2010 г. б. 14 августа 2010 г. в. Выделенный сектор со сторонами 420 м

    Для определения признаков поражения употребляются параметры растительного покрова. RapidEye применяет параметр NDVIRE (рис. 4а) для анализа состояния лесной и сельскохозяйственной растительности, NRGDVI (R-G)/(R + G) (рис.

    4б) – для анализа жизнеспособности леса (CSI — показатель поражения полога).

    Рис. 4.
    Снимок RapidEye, 14 августа 2010 г.
    а. NDVIRE (лес). Видны узкие различия степеней повреждения растительности; интерпретация цветовой гаммы:
    зеленый — здоровая, переходы от желтого к красному — понижение жизнеспособности
    б. NRGDVI (лес). Возможно разграничить очень сильно пораженную растительность и жизнеспособную; интерпретация цве-
    товой гаммы: зеленый — здоровая, переходы от желтого к красному — понижение жизнеспособности

    График на рис. 5а показывает значения пикселей для определения индекса NDVIRE, определенного в обозначенном секторе. Низкие значения показывают на то, что растительность испытывает нагрузки.

    NRGDVI (показатель поражения полога; рис. 5б) показывает на то, что нагрузки на растительность возрастают, потому, что значения пикселей растут. На примере обоих параметров заметна отличие между жизнеспособностью растительности в первоначальный и второй дни августа (26 и съёмки 14 июля).

    График на рис. 5в говорит о том, что оба параметра смогут употребляться для определения жизнеспособности леса. На этом примере видно, что разброс NRGDVI посильнее при более здоровой растительности и что он значительно уменьшается, в то время, когда жизнеспособность понижается.

    NDVIRE употребляется для определения динамики повреждений, но в этом примере его разброс меньше при большей жизнеспособности.

    Рис. 5.
    а. Индекс NDVIRE, двукратная съемка
    б. Индекс NRGDVI, двукратная съемка
    в. Сравнение индексов NDVIRE и NRGDVI

    Мониторинг вырубки лесов в Чили

    Мониторинг вырубки (либо контроль лесозаготовок) основывается на сравнении снимков со спутников за две разные даты (рис. 6). Посредством этих снимков рассчитываются негативные трансформации лесного покрова (вырубки леса). В зависимости от требований клиента производится полигональный или растровый мониторинг трансформаций.

    При благоприятных условиях достижима точность от 80 до 95% при минимальном выделе в 0,2 га, в зависимости от структуры леса и характера местности. Ограничения: облака, тени туч, затененные области предгорий – смогут давать неточность. Метод расчета динамики основывается на способе MAD (Multivariate Alteration Detection) [2]; метод встроен в совокупность предварительной и окончательной обработки данных RapidEye.

    Рис. 6.
    Снимки RapidEye
    а. 27 февраля 2010 г.
    б. 9 мая 2011 г.
    в. Трансформации лесного покрова

    Мониторинг вырубки лесов в РФ

    В данном примере разглядим обстановку в Республике Коми. Как и в прошлых случаях, для мониторинга вырубок тут использованы снимки, полученные за две различные даты. С целью проведения анализа сравнивались снимки с индийского спутника IRS/LISS III и эти, полученные с RapidEye (рис.

    7). Напомним, что из этого примера видно, что эти прошлых периодов с вторых спутников возможно сравнивать со снимками RapidEye. Использовалась обработка данных на базе метода MAD; употреблялась полигональная съемка при точности 95% с минимальным выделом 0,2 га.

    По полигонам легко вычисляются масштабы вырубки, каковые в этом случае составили 935,45 га.

    Рис. 7.
    а. Снимок IRS/LISS III, 2007 г., приведенное разрешение 5 м
    б. Снимок RapidEye, 2010 г., разрешение 5 м
    в. Машинально полученные полигоны трансформаций

    Картографирование породного состава в РФ

    Наземная опись отдаленных и широких лесных районов и контроль вырубки в них требуют громадных временных и трудовых затрат. Дистанционное зондирование не имеет возможности всецело заменить наземного сбора данных, но может оказать помощь в описи громадных районов, потому, что разрешает обрисовать распределение преобладающих пород древесной растительности при помощи геостатистических моделей и взять точные инвентаризационные карты.

    В основном употребляются три способа оценки параметров леса: логистическая регрессия, способ kNN (ближайших соседей), вероятностный способ. В RapidEye употребляется способ оценки параметров леса [3]; расчет производится способом на базе данных возможностей классов выборки [4, 5]. Для применения способа нужно собрать как минимум 250 образцов, разбросанных по выбранной территории и воображающих широкий спектр вероятных значений.

    При наличии правильных не устаревших данных наземной съемки и при отсутствии дымки на космических снимках достижима точность до 80% при определении процентного распределения пород деревьев. На рис. 8 продемонстрированы примеры из тестового района в Республике Коми. Картографирование последствий ураганного ветра в Германии Ураганные ветры случаются частенько.

    При помощи картографирования повреждений, причиненных ветром, в реальном времени возможно оперативно оценить ущерб. По картам возможно легко оценить ущерб на единицу площади либо количества. Картографирование штормового ущерба есть одним из сервисов RapidEye, что уже с успехом употреблялся на нескольких тестовых участках.

    Работа сервиса основана на анализе мониторинга трансформаций при двукратной съемке. Точность варьируется от 65 до 95% при минимальном 0,2 га, что зависит от характера леса и фактически повреждений.

    Рис. 8.
    Снимки RapidEye, 2009 г.
    а. ель
    б. сосна
    в. осина/береза

    24 мая 2010 г. через Саксонию в юго-западном направлении пронесся ураган, покинув по окончании себя бурелом, объем которого был оценен в 108 тыс. куб. м. Кое-какие частные лесные владения были полностью разрушены. Большие участки леса, стёртого с лица земли трагедией, пришлись на национальные леса. Были взяты два снимка: от 25 августа 2009 г. и от 6 июня 2010 г. По первому снимку была выделена маска леса; для обоих снимков рассчитывались главные компоненты по всем каналам по данной маске.

    Итог анализа представлен на рис. 9 и 10.

    Рис. 9.
    а. снимок RapidEye, 25 августа 2009 г.
    б. маска леса
    в. снимок RapidEye, 5 июня 2010 г.

    Было обнаружено, что при минимальном выделе 0,2 га итог получается достаточно правильным. Это видно графика, приведенного на рис. 11.

    При сопоставлении данных наземного контроля (аэрофотоснимки с разрешением 20 см) с результатами классификации сравнивались минимальные выделы от 0,01 до 1 га по стандартным отклонениям от общей точности в данном классе площадей. Начиная с определенного класса площадей эти размеры начинают очень сильно разниться, стандартное отклонение делается маленьким, точность возрастает. В точке, где расхождение снова значительно уменьшается, находится оптимальный выдел.

    Рис. 10.
    а. выделение главного компонента по двум снимкам RapidEye
    б. итог обработки
    в. совмещение выделенных полигонов со вторым снимком

    ЗАКЛЮЧЕНИЕ

    Описание конкретных случаев практики светло говорит о том, что спутниковая группировка RapidEye может использоваться для своевременного мониторинга лесов. Высокое разрешение (размер пикселя 5 м) снимков совокупности RapidEye разрешает применять минимальный картографируемый выдел 0,2 га при высокой точности. Спектральные возможности группировки разрешают проводить анализ состояния растительности по самым разным параметрам.

    К примеру, возможно вычислить индексы NDVIRE и NRGDVI, каковые разрешают оценить жизнеспособность лесного массива, обычно отражающуюся на содержании хлорофилла в растениях. Потому, что группировка RapidEye складывается из 5 аналогичных спутников, возможно создавать повторную съемку на громадных площадях. Это разрешает создавать анализ многих параметров лесов, для оценки которых требуется вторичная либо многократная съемка, к примеру мониторинг лесозаготовок, незаконной рубки, жизнеспособности леса, бурелома.

    Лесной Дозор — система мониторинга леса


    Подобранные по важим запросам, статьи по теме: