CC BY
22
1. Л1СОВЕ ТА САДОВО-ПАРКОВЕ ГОСПОДАРСТВО
УДК 630*5:528.871 Доц. С.1. Миклуш, канд. с.-г. наук; асист. С.А. Гаврилюк; доц. О.Г. Часковський, канд. с.-г. наук; доц. М.М. Король, канд. с.-г. наук -
НЛТУ Украти, м. Rbeie
ДОСЛ1ДЖЕННЯ РОСЛИННОСТ1 НА ОСНОВ1 СКАНЕРНИХ
КОСМ1ЧНИХ ЗН1МК1В
Висвгглено питання дослiдження фотосинтетично активно! рослинносп на 6a3i вiдсканованих космiчних зшмюв Landsat. Оцiнено площi вкритих люовою рослин-нiстю лiсових дiлянок, сшьськогосподарських угiдь та водних о6'eктiв на територп Хмельницько! та Тернотльсько! областей, отримаш результати порiвняно з даними облшу.
Assoc. prof. S.I. Myklush; assist. S.A. Havrylyuk; assoc. prof. O.H. Chaskovsky;
assoc. prof. M.M. Korol - NUFWT of Ukraine, L'viv
A research of vegetation on the materials of scanner's satellite images
The research of photosynthesis vegetation on the materials of scanner's satellite images Landsat this article considers. The area of forest cover lands, agricultural significance and water objects on the Hmelnitsk and Ternopil regions were estimated. Received results were compared with accounting data.
Одним з актуальних питань сьогодення е вивчення фотосинтезуючо! частини бюмаси як основи дослщження динамжи вуглецю в атмосфер! [5], оцшки запаЫв бюмаси, просторового розмщення люових масив1в та сшьськогосподарських упдь при ландшафтному проектуванш, створення р1знома-штних геошформацшних систем тощо. Детальну шформащю про рослин-шсть можна отримати наземними та дистанцшними методами. Наземними методами, як правило, отримують дат на обмежену частину земно! поверхш, оскшьки так дослщження е дуже часо- та ресурсозатратними. На основ! да-них дистанцшного зшмання Земл1 (ДЗЗ) з використанням комп'ютерно! тех-шки та вщповщного програмного забезпечення дослщжують значш терито-р1!, причому це можна робити перюдично.
Дослщження присвячеш виявленню можливосп та умов використання сканерних косм1чних зшмюв Landsat - 7 ETM+ для вивчення фотосинтетично активно! рослинносп. Об'ект дослщжень - зображення рослинносп р1в-нинно! частини Заходу Украши та особливосп !х дешифрування.
Дослщження базуються на 4 косм1чних зшмках Landsat - 7 ETM+, як покривають територда Тернопшьсько! та Хмельницько! областей, що зробле-m у вегетацшний перюд 2000-2002 роюв. Геометричну корекщю здшснено на приймальних станщях супутника Landsat. Радюметрична корекщя не про-водилася, оскшьки зшмки покривають р1внинну частину. На зображеннях не-мае ютотних видимих шум1в. Для дешифрування косм1чних зображень вико-ристано програмне забезпечення Erdas Imagine та ArcGIS.
Дослiдження бюмаси доцiльно здiйснювати за адмiнiстративними ре-гiонами, тому важливо на зображенш достовiрно встановити межi областей. Для ix встановлення використано цифровi карти фiрми ESRI. Цi матерiали знаходяться у shape-форматi з визначеними координатами в системi WGS 84. Ефектившсть використання таких цифрових карт зростае при ix представлен-нi у спещашзованому векторному aoi-форматi програмного продукту Erdas Imagine. Використання матерiалiв у такому формат дае змогу виокремити космiчнi зображення необхщно'' конф^ураци.
Першим етапом дешифрування даних ДЗЗ е видшення фотосинтезу-ючо'' рослинностi з-помiж всix об,ектiв земно'' поверxнi, як представленi на космiчному зображеннi. 1снуе кiлька пiдxодiв до дешифрування зшмюв. Так, С. А. Бартальов та ш. [1] використали методи найбшьшо'' правдоподiбностi та мшмально'' вiдстанi для сегментаци знiмкiв на два класи об'еклв: вкритих та невкритих лiсовою рослиншстю лiсовиx дiлянок. С.1. Миклуш та ш. вказу-ють, що перед видшенням "люово'' маски" необxiдно проводити сегментащю космiчного знiмка [3] або використати неконтрольовану класифiкацiю [6]. Для дешифрування зображень рослинност рiвнинноi частини заходу Укра'ни використано контрольовану класифжащю за правилом максимально'' правдо-подiбностi, що рекомендують бiльшiсть дослiдникiв [2, 7, 9-11].
Для проведення дешифрування за методикою контрольовано'' класифь каци потрiбна достатня кiлькiсть польових матерiалiв. P.H. Swain i S.M. Davis [11] рекомендують вщ 10N до 100N (де N - кшьюсть каналiв космiчного зшм-ка) даних для кожного класу. Збiр тако'' кiлькостi польових матерiалiв вимага-ють значних затрат. Тому ми за основу використали цифрову карту рослин-ност^ зроблену у Губмольт-унiверситетi (м. Берлш) i мае перекриття зi зшм-ками, якi ми взяли для проведення дослщжень. Для вибору польових дшянок використано космiчнi зшмки Quick Bird з просторовою роздшьною здатнiстю 0,6 м. Данi з цих зображень переносилися на зшмки Landsat - 7 ETM+ та проводили дешифрування з подальшою перевiркою отриманих результат.
Методика видшення люово'' рослинност на основi космiчниx знiмкiв виглядае так. Цифрова карта люово'' рослинностi, яка перевiрена за космiчни-ми зображеннями Quick Bird, мае поздовжне та поперечне перекриття з сусщ-шми знiмками. Залежно вiд того, котрий iз зшмюв необxiдно дешифрувати, генеруемо точки на площиш перекриття цих знiмкiв. Для цього використано можливост програмного продукту ArcGIS. Для вкритих та не вкритих фотосинтетично активною рослиншстю дшянок випадковим способом вибиралося по 700 точок зпдно з пропозищею P.H. Swain^ i S.M. Davis^ [11], оскiльки для класифшаци бралися 7 каналiв космiчного знiмка. Для використання цих точок при дешифруванш, останш переводилися з shape- у векторний формат Erdas Imagine та накладалися на космiчне зображення.
Для здшснення дешифрування потрiбно визначити класовi сигнату-ри - статистичнi параметри для вщнесення пiкселiв космiчного зображення до певного класу. Для ix формування використано згенероваш точки у аоь форматi з ix спектральними характеристиками з кожного каналу космiчного знiмка. Для видiлениx класiв у сигнатурах не обчислювалася коварiацiйна
8
36Í|)iiiik науково-технiчних праць
матриця, тому правило максимально: правдоподiбностi застосовувати в дано-му випадку неможливо. Класифiкацiю здiйснено за правилом мшмально1 вiдстанi, яке не вимагае обчислення коварiацiйноï матрицi [2]. Для бшьшо1 достовiрностi iнтерпретувалися два види зшмюв: зшмки, складеш 3i всiх ка-налiв, окрiм термальних та з додатково включеним NDVI-каналом [8], який найчастше використовуеться для вирiшення задач, ^ipi вимагають юльюс-ноï ощнки рослинного покриву i обчислюеться за формулою:
NDn = MR - RED .
NIR + RED
де: NIR - спектральнi характеристики каналу космiчного знiмка, знятого у ближнш iнфрачервонiй частинi спектра; RED - спектральш характеристики каналу космiчного знiмка, знятого у червонiй частит спектра.
Для космiчних знiмкiв Landsat -7 ETM+ пiд час обчислення вегета-цiйного iндексу використовують 3 та 4 канали зображення. Здшснено дешифрування двох типiв зображень показало таю результати (табл. 1).
№ зтмка Оригшальний зтмок Зтмок з NDVI-каналом
рослинтсть rnmi категори рослинтсть rnmi категори
p183r25 7t 70,8 62,7 71,1 62,3
p183r26 7t 75,4 65,6 75,7 66,8
p184r25 7t 69,1 69,1 69,5 70,1
p184r26 7t 84,9 86,5 86,7 84,1
Як видно з табл. 1, дешифрування зшмюв Ï3 додатковим NDVI-каналом у вЫх випадках дае вищу точшсть, ашж дешифрування оригшального знiмка. Оцiнку точностi класифiкацiï давали за першою класовою точнiстю (producer's accuracy) [9, 10].
Вiзуальна ощнка точностi дешифрування космiчних знiмкiв показала, що клас рослинност охоплюе лiсовi насадження, сiльськогосподарськi упд-дя, на яких на час зшмання зростала зелена рослиннiсть, луки, зарослi зеленою рослиншстю болота тощо, тобто фотосинтетично активна частина рос-линность О^м названих категорiй, до видшеного класу вiднесли воднi об'екти через подiбнiсть ïx спектральних характеристик з рослиншстю. Тому наступним етапом класифжаци е деталiзацiя рiзниx категорiй у межах видшеного класу рослинность
З використанням спецiалiзованого алгоритму mask.gmd створено новi зображення, якi покривають територiю у межах Тернопiльськоï та Хмель-ницькоï областей i мютять тiльки тi дiлянки, якi класифжоваш як клас рос-линностi. Як i в попередньому випадку, створеш 2 типи зображень - орип-нальш та iз додатковим NDVI-каналом. Натурними даними для створення класових сигнатур слугували фотоштерпретоваш зi зшмка дiлянки, вiднесенi до певного класу, причому кшьюсть вщнесених пiкселiв до окремого класу мае бути приблизно однакова. Це потрiбно для того, щоби в процес класифь каци за правилом максимальноï достовiрностi вс три класи мали однакову iмовiрнiсть: вкритi лiсовою рослиннiстю лiсовi дшянки, сiльськогосподарськi угiддя та воднi об'екти. Ощнку точностi класифiкацiï наведено у табл. 2.
Табл. 2. Оцтка точностi класифпкаци рослинного вкриття
Область Оригшальний зтмок Зтмок з КБУТ-каналом
клас 1* клас 2 клас 3 клас 1 клас 2 клас 3
Хмельницька 98,7 97,8 96,8 98,2 97,5 97,0
Тернопшьська 97,4 92,4 97,4 97,3 92,5 97,7
Примтка: клас 1 - вкрит люовою рослиншстю дiлянки; клас 2 - сшьськогос-
подарськi угiддя; клас 3 - водш об'екти.
Даш табл. 2 засвщчують, що чггко! р1знищ м1ж класифжащею оригь нального зображення чи з додатковим КОУ1-каналом немае. Проте слщ заз-начити, що точшсть класифжаци у вЫх випадках перевищуе 92 %.
Окр1м оцшки точносп, отримаш цифров1 карти дають змогу оцшити кшьюсш параметри окремих клаЫв (табл. 3).
Табл. 3. Плсищ рiзних категорШ земель за матер'шлами космiчного зшмання, га
Класи дешифрування Хмельницька область Тернопшьська область
оригшальне зображення зображення з КБУ1-каналом оригшальне зображення зображення з КБУ1-каналом
Вкрип лшовою рослиншстю л1сов1 д1лянки 268413 263921 194670 191218
Сшьськогосподарськ1 угвддя 773040 765287 193922 198036
Водт об'екти 33065 35096 9040 8998
Фотосинтетично активна рослинтсть* 1041453 1029208 388592 389254
Примтка: Клас фотосинтетично активно! рослинносп - це сума класу вкри-тих люовою рослиншстю люових дшянок та сшьськогосподарських упдь.
За даними облжу лшв [4], станом на 2002 р. площа вкритих люовою рослиншстю дшянок Хмельницько! област становила 258,7 тис. га, Терно-тльсько! област - 181,1 тис. га. Як видно з табл. 3, отримаш даш за матерь алами косм1чного зшмання класу вкритих люовою рослиншстю дшянок ви-щд, шж за даними облжу. Так, для Хмельницько! област перевищення пор1в-няно з даними облжу становить при дешифруванш оригшального зображення 3,7 %, зображення з КОУ[-каналом - 2,0 %; для Тернопшьсько! обласл -7,5 та 5,6 % вщповщно. Проте тд час дешифрування зображення з КОУ1-ка-налом дае меншу похибку в обох випадках. Перевищення плошд вкритих ль совою рослиншстю дшянок за матер1алами косм1чного зшмання можна пояс-нити тим, що тд час дешифрування до даного класу вщносять насадження в межах населених пунклв, смуги вздовж дор1г, поодинок дерева в пол1, ча-гарников1 зарост тощо.
Запропоновану методику дешифрування рослинносп за сканерними кос-м1чними зшмками можна буде використати для оцшки люистосп окремих тери-торш, здшснення швентаризаци люових насаджень, досшдження сшьськогоспо-дарських упдь, водних об'екпв тощо. Значною перевагою використання даних ДЗЗ е !х перюдичшсть, тому можна використати отримаш дат та методику тд час перманентних дослщжень для потреб сшьського, люового та водного госпо-дарств, еколопчних завдань та контролю за станом { змшами середовища.
10
Збiрник науково-технiчних праць
Лггература
1. Барталёв С.А. Сравнительный анализ данных спутниковых систем "Космос - 1939", SPOT и "Landsat - TM" при изучении бореальных лесов/ С. А. Барталёв, В.М. Жирин, Д.В. Ершов// Исследование Земли из космоса. - 1995, № 1. - С. 101-114.
2. Гаврилюк С.А. Класифшащя земель люового фонду Захщного Люостепу Украши за матерiалами дистанцшного знiмання/ С.А. Гаврилюк, С.1. Миклуш// Наук. вiсник НЛТУ Украши: Зб. наук.-техн. праць. - Львiв: НЛТУ Украши. - 2007, вип. 17.3. - С. 26-35.
3. Горошко М.П. Дистанцшш спостереження за прськими територiями басейну Верхньо'1 Тиси/ М.П. Горошко, С.1. Миклуш, О.Г. Часковський// Наук. вюник УкрДЛТУ: Зб. наук.-техн. праць. - Львiв: УкрДЛТУ. - 2003, вип. 13.1. - С. 58-61.
4. Короткий довщник за матерiалами обл^ лiсiв 2002 року. - 1рпшь. - 2003.
5. Лакида П.1. Фiтомаса лiсiв Украши: Монографiя/ П.1. Лакида - Тернопiль: Збруч, 2002. - 256 с.
6. Миклуш С.1. Видшення "люово'1 маски" для Захщного Люостепу Украши/ С.1. Миклуш, С.А. Гаврилюк// Лiсiвництво i агролiсомелiорацiя. - Харюв: С.А.М. - 2006, вип. 110. -С. 60-66.
7. Classification Techniques. - 1996. [Електрон. ресурс]. - Доступний з: http://www.profc. udec.cl/~/tutoriales/rsnote/cp11/11-1.htm.
8. NDVI - [теория] и практика. [Електрон. ресурс]. - Доступний з: http://www.gis-lab.in-fo/qa/ndvi.html.
9. Nonparametric Assessment of Forest Attributes by Combination of Field Data of the Austrian Forest Inventory and Remote Sensing Data. Dissertation zur Erlangung des Doctorgrades an der Universität für Bodenkultur Wien/ T. Koukal. [Електрон. ресурс]. - Доступний з: http://www.rali.boku.ac.at/fileadmin/_/H85/H857/diss/Koukal_Dissertation.pdf.
10. Potential of Remote Sensing and GIS as Landscape Structure and Biodiversity Indicators. Inaugural-Dissertation zur Erlangung der Doctorwurde der Facultat fur Forst-und Umweltwissenschaften der Albert-Ludwigs-Universitat Freiburg i. Brsg./ Ivits-Wasser E. [Електрон. ресурс]. -Доступний з: http://www.portal.uni-freiburg.de/felis/data/evapub/thesis.
11. Richards J.A. Remote sensing digital image analysis: an introduction/ J.A. Richards, J. Xiuping. - Berlin; Heidelberg; New York; Barcelona; Hong Kong; London; Milan; Paris; Singapore; Tokyo: Springer, 1999. - 36 p.
УДК 630*187 Доц. Ю.1. Черневий, канд. с.-г. наук; проф. П.Р. Третяк,
д-р бюл. наук; викл. В. С. Данилiв; викл. А.1. Савчин - Прикарпатський
лкогосподарський коледж, м. Болехiв
Х1Д РОСТУ В1КОВИХ ДЕРЕВ БУКА НА ВИСОЧИН1
ПЕРЕДКАРПАТТЯ
З'ясовано, що найбшьший прирют бука у висоту спостер^аеться у вщ 25-50 та 75-100 роюв, за дiаметром - у вщ понад 50 роюв, а за об'емом - пюля 80 роюв. Се-реднш рiчний прирют обсягу стовбурно'1 деревини букового деревостану у вщ 100 роюв може сягати величини 12 м3/га.
Assoc. prof. Yu.I. Tchernevyj; prof. P.R. Tretyak; teacher V.St. Danyliv; teacher A.I. Savshyn - Prekarpathian Forestry College, Bolehiv
Motion of growth of age-old beech trees on pre-carpathians height
The most increase of beech in a height is observed in age 25-50 and 75-100, after a diameter - after 50 years, and on volume - after 80. The average annual increase of volume of barrel wood of beech forest stands in age 100 is possible at the size of 12 m3/he.
Люи Передкарпатсько! височини вщносяться за геоботашчним райо-нуванням до округи букових карпатських лшв та тдокруги ялицево-букових
