CC BY
73
УДК 574:528.88
ОЦЕНКА СОСТОЯНИЯ РАСТИТЕЛЬНОСТИ И ПОЧВ НА ОСНОВЕ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ
Н.В. Мищенко, Т.А. Трифонова, М.М. Карева
(кафедра географии почв)
В задачи экологического мониторинга объектов окружающей среды входит наблюдение за состоянием растительного и почвенного покрова природно-тер-риториальных комплексов. При этом необходимо учитывать, что состояние объектов наблюдения изменяется постоянно, происходящие изменения носят комплексный характер и зависят от временных и пространственных параметров. Использование данных дистанционного зондирования, которые охватывают большие территории и отражают природные взаимосвязи, позволяет исключать случайные или кратковременные изменения, фиксируя внимание на процессах трансформации экологического состояния наблюдаемой экосистемы.
Ландшафт, отраженный на многозональных космических снимках, представляет совокупность объектов, отличающихся по цвету и яркости, изменяющихся под воздействием природных и антропогенных факторов, что позволяет использовать дистанционные изображения для комплексной оценки состояния растительности и почв [1, 7]. В данной работе для таких целей использованы методы, основанные на анализе спектральных кривых и вегетационных индексов, что обусловлено различиями в спектральной отражательной способности почв и растительности.
Характеристика объектов исследования
Исследование проводилось на примере бассейнов рек Колокша и Пекша — притоков р. Клязмы, расположенных по соседству. Оба бассейна имеют много общего в ландшафтной и почвенной структуре, но вместе с тем каждый из них характеризуется индивидуальными особенностями. Так, бассейн р. Ко-локша отличается большей почвенно-ландшафтной однородностью, в то время как для бассейна Пекши характерно разнообразие почвенных и ландшафтных условий.
Бассейн р. Колокша практически полностью находится на территории природного района Ополье. В геоморфологическом отношении это средневысот-ная равнина, сильно изрезанная густой овражно-ба-лочной сетью, абсолютные высоты от 200—215 до 130—100 м над ур. моря. Наиболее возвышена северо-западная часть, к югу рельеф понижается. Большая часть бассейна занята серыми лесными почвами, а также смытыми и намытыми почвами оврагов и балок (табл. 1). Эти почвы встречаются по всему
бассейну, за исключением небольшой территории в нижней его части; в средней части и на юге формируются дерново-подзолистые почвы преимущественно суглинистого состава. Понижения обычно заняты болотными почвами.
Бассейн р. Пекша немного меньше по площади бассейна Колокши, но более разнороден в ландшафтном отношении. Он расположен в трех природных районах — на Клинско-Дмитровской гряде (около 50%), в Левобережной Мещере (около 30%) и Ополье (около 20%). Наиболее возвышенные участки на севере (200—230 м), к югу отмечается понижение высотных отметок до 100—130 м.
Бассейн Пекши отличается неоднородностью почвенного покрова, через его территорию проходит граница двух почвенных зон Владимирской обл. Северная часть бассейна и участки, граничащие с бассейном Колокши, относятся к зоне серых лесных суглинистых почв, южная же половина принадлежит зоне дерново-подзолистых легких супесчаных и песчаных почв.
Большая часть бассейна представлена дерново-подзолистыми почвами, часто встречаются также серые лесные и смытые почвы оврагов и балок (табл. 1), эти почвы образуют различные почвенные комбинации, поэтому почвенный покров характеризуется контрастностью.
Природные условия в бассейнах определяют структуру землепользования и продуктивность угодий.
Для оценки показателей продукционного потенциала почв использовались разные информационные данные:
космические данные с ИСЗ «Метеор», аппаратура МСУ-Э, пространственное разрешение 45 м, 3 спектральных канала (1-й
Таблица 1 Почвенный покров бассейнов рек Колокша и Пекша
Почвы Площади почв, км2
бассейн р. Колокша бассейн р. Пекша
Аллювиальные 102 81
Дерново-подзолистые и подзолистые 147 647
Серые лесные 775 205
Дерновые 5 9
Торфянисто-подзолистые — 11
Болотные 6 15
Смытые и намытые 439 128
зеленый (0,5—0,6 мкм), 2-й красный (0,6—0,7 мкм), 3-й ближний ИК (0,8—0,9 мкм)), 28 августа 2004 г.;
«Landsat» ЕТМ+, выбраны 4 спектральных канала, пространственное разрешение 30 м (1-й синий (0,45—0,52 мкм), 2-й зеленый (0,52—0,60 мкм), 3-й красный (0,63—0,69мкм), 4-й ближний ИК (0,76—0,90 мкм), 30 июня 2001 г.;
электронные карты на территорию Владимирской обл.: топографическая (1:200 000), почвенная (1:200 000), карта структуры земплепользования (1:50 000);
статистические и литературные данные, характеризующие ландшафтную структуру территории, запасы фитомассы и продуктивность растительного покрова.
Для цифровой обработки космических изображений использована программа Erdas Imagine. Анализ картографического материала и результатов дешифрирования проведен на основе программы Arc View; статистическая обработка и подготовка баз данных осуществлялась программой Excel [5].
Классификация объектов проводилась методом ISODATA (кластерный анализ) без обучения, а дальнейшая идентификация выделенных классов — путем анализа спектральных кривых и анализа преобразований спектральных яркостей с использованием линейных и дробных комбинаций (вегетационные индексы). Данные методики позволили выделить основные природные и антропогенные объекты на изучаемой территории, оценить состояние растительности и почвенного покрова [1, 3, 4].
Для расчета показателей продуктивности экосистем использованы определенные в результате дешифрирования площади различных угодий и справочные данные по удельной продуктивности и запасам фитомассы угодий для данной территории [2, 6]. Суммарная продуктивность экосистемы рассчитывалась как сумма продуктивности угодий, входящих в ее состав:
р = Ts р
А э уд.уг'
где Рэ — суммарная продуктивность экосистемы; Syj. — площадь угодья; Рудуг— удельная продуктивность угодья. Аналогично проводился расчет фитомассы.
Цифровая обработка космических изображений
Исходное изображение бассейнов рек Пекша и Колокша подвергалось предварительной обработке, включающей геометрическую и радиометрическую коррекцию, трансформирование в географическую проекцию.
Классификация объектов осуществлялась методом ISODATA (кластерный анализ) без обучения. При классификации для более точного разделения объектов эмпирически задавалось 40 классов. В результате анализа была сформирована кластерная схема и таблица статистик, в которой представлены средние значения кластеров (классов), используемых для получения спектральных кривых объектов.
Затем осуществлялись идентификация выделенных классов и объединение их в более крупные группировки путем анализа спектральных кривых, а также анализ преобразований спектральных яркостей (СЯ) с использованием линейных и дробных комбинаций (вегетационных индексов).
Спектральные кривые отражения характеризуют отражательную способность объектов в разных зонах спектра и являются одними из важнейших деши-фровочных признаков природных и антропогенных объектов [3] (рис. 1).
Анализ преобразований спектральных яркостей позволяет выделять и оценивать состояние раститель-
140
s 120 н о о
g- 100
>s о
| 80 го о. fe
® 60
о ф
го
" 20 0
зеленый красный ближний ИК
Рис. 1. Типичные кривые спектральных яркостей природных и антропогенных объектов (Ьап&а! ЕТМ): 1-й зеленый (0,52—0,60 мкм), 2-й красный (0,63—0,69 мкм), 3-й ближний ИК (0,76—0,90 мкм).
1 — леса хвойные; 2 — леса смешанные; 3 — травяно-кустарниковая растительность; 4 — открытые почвы; 5 — вода
ного покрова на основе линейных и дробных комбинаций спектральных каналов. Их использование обусловлено различиями в спектральной отражательной способности растительности и почв, а также разным состоянием и плотностью растительного покрова [8]. График, построенный по разностям спектральных яркостей трех каналов (1—2)/(3—2), имеет форму треугольника (рис. 2). В основании расположены кластеры, относящиеся к водным объектам и открытым почвам. По правой стороне треугольника в порядке возрастания плотности растительности располагаются параметры, характеризующие открытые участки и частично покрытые растительностью территории; по левой стороне — кластеры, соответствующие залесенным ландшафтам (от сосновых к смешанным лесам). Внутри треугольника сгруппировались кластеры, соответствующие древесной поросли и травя-но-кустарниковой растительности, к вершине приурочены кластеры с травяной растительностью с плотным покровом и хорошей вегетацией.
Таким образом, метод вегетационных индексов позволяет получать количественные оценки проективного покрытия почвы растительностью.
Кроме анализа растительного покрова вегетационные индексы информативны для характеристики минералогического состава почв и пород [1]. Для анализа нами выбран вегетационный индекс нормализованной разности NDVI как наиболее устойчивый к изменению высоты солнца над горизонтом, состоянию атмосферы и типу датчика [5]. NDVI рассчитывается по формуле:
NDVI = (Ж — R)/(IR + R),
где Ж — среднее значение коэффициента отражения объекта в ближнем ИК-канале; R — среднее значение коэффициента отражения объекта в красном канале.
Рис. 2. Группировка классов по спектральным разностям между каналами: 1-й зеленый (0,52—0,60 мкм), 2-й красный (0,63—0,69 мкм),
3-й ближний ИК (0,76—0,90 мкм).
Типы поверхности: 1 — водные объекты; 2 — хвойный лес; 3 — смешанный и лиственный лес; 4 — древесно-кустарниковая растительность; 5 — отсутствие растительности; 6 — низкое проективное покрытие растительности; 7 — травяная растительность
Рассчитанные значения вегетационного индекса представлены на рис. 3. График показывает хорошее разграничение классов, отличающихся разными типами растительности, а также поверхностей, лишенных растительного покрова. Крайние верхние точки соответствуют изображениям с наиболее плотным растительным покровом.
Анализ указанных характеристик позволил выделить на исследуемой территории основные типы изображений почвенно-растительного покрова, что представлено на рис. 2 и 3.
Оценка запасов фитомассы и состояния растительности и почвенного покрова по результатам цифровой обработки снимков
По результатам дешифрирования космических снимков были составлены карты структуры землепользования речных бассейнов, которые затем использовались для расчетов площадей, занятых разными угодьями, и показателей продуктивности и запасов фитомассы экосистем речных бассейнов. Для построения этих карт требуется дополнительная корректировка автоматизированной обработки информации, поскольку в одни и те же кластеры могут попадать объекты, относящиеся к разным категориям в структуре землепользования (например, открытые
участки почв могли принадлежать городским территориям и сельскохозяйственным угодьям) [9].
Результаты расчетов, выполненных с использованием карт структуры землепользования речных бассейнов, позволяют провести сравнительную характеристику двух речных бассейнов (табл. 2).
Так, оба бассейна подвергаются значительной антропогенной нагрузке (в основном это сельскохозяйственное использование). Пахотные угодья занимают в бассейне Колокши 54% территории, в бассейне Пекши — 28%. В целом бассейн Колокши интенсивно используется в сельскохозяйственном производстве, и на долю естественных экосистем там приходится только 45% территории, тогда как в бассейне Пекши такие экосистемы составляют около 70% территории. Показатели продуктивности и запасов фитомассы естественных угодий речных бассейнов представлены в табл. 2.
Бассейн Пекши характеризуется большим абсолютным запасом фитомассы и большей удельной фитомассой, так как на его территории значительную площадь занимают леса. В то же время суммарные показатели продуктивности естественных экосистем этих бассейнов примерно одинаковы, однако продуктивность на единицу площади больше в бассейне Колокши, так как здесь доминируют травяно-кустарниковая растительность, обладающая высокой
Рис. 3. Вегетационный индекс нормализованной разности NDVI (2-й канал — красный (0,63—0,69 мкм), 3-й канал — ближний ИК
(0,76-0,90 мкм)).
Условные обозначения см. на рис. 2
продуктивностью, и наиболее плодородные в данной зоне серые лесные почвы.
Пересчет анализируемых показателей на единицу общей площади речных бассейнов (с учетом как естественных, так и антропогенных экосистем) показал, что в бассейне Колокши удельные показатели фитомассы и продукции существенно ниже, чем на территории бассейна Пекши, что свидетельствует о высокой антропогенной нагрузке, которую испытывает этот бассейн.
Для оценки состояния растительности и продукционного потенциала был использован индекс N0^, который рассчитан по имеющимся данным дистанционного зондирования. Некоторые его значения для анализируемой территории представлены в табл. 3. Для сравнения состояния растительного покрова на территории двух бассейнов сопоставим данные по значениям N0^, полученным на один момент времени.
Для характеристики растительного покрова нами были отобраны показатели NDVI для кластеров, относящихся к разным видам растительности: хвойные леса, смешанные леса, травяная растительность с максимальной степенью проективного покрытия. Для всех указанных видов растительного покрова индекс больше на территории бассейна Колокши, кроме того, кластеры с максимальными для данной территории значениями вегетационного индекса находятся так-
же на территории бассейна Колокши. Следовательно, здесь лучше состояние растительности, больше содержание хлорофилла, а более продуктивными являются серые лесные почвы, занимающие значительную часть этого бассейна. На дерново-подзолистых и серых лесных почвах бассейна Пекши состояние растительности по показателю N0^ несколько хуже.
Общий вегетационный индекс для бассейна реки Колокша меньше, чем в бассейне Пекши, однако данный показатель не является характеристикой растительного покрова, поскольку при его расчете учитываются все кластеры, в том числе и не занятые растительностью. Данный показатель в бассейне Колокши оказывается меньшим, поскольку здесь значительные площади открытых, не занятых растительностью почв.
Состояние почвенного покрова можно также частично оценить, выделив кластеры, относящиеся к открытым почвам пахотных угодий (рис. 4), при этом необходимо учитывать, что большая часть почвенного покрова занята растительностью и открытые почвы характеризуют лишь локальные участки, а не весь почвенный покров территории.
Очевидно, что низкие значения спектральной яркости могут свидетельствовать о повышенном содержании гумуса или влаги в почве. Поскольку снимки получены в один момент времени, содержание влаги в
Таблица 2
Структура землепользования, запас фитомассы и продуктивность бассейнов рек Колокша и Пекша по данным космической съемки
Объекты Площадь, га Площадь, % Фитомасса, тыс. т Продукция, тыс. т/га в год
КОЛОКША
Леса 32 123,8 22,5 6746,00 337,30
Луга 30 870,2 21,6 453,79 509,36
Пахотные угодья 76 308,0 53,5
Водные объекты 536,3 0,4
Болота 0,0
Населенные пункты, дороги и пр. 2844,3 2,0
Всего 142 682,6 100,0 7199,79 846,66
в том числе естественные экосистемы 63 530,3 44,5
удельная фитомасса естественных экосистем, т/га 113,33
удельная продукция естественных экосистем, т/га в год 13,33
удельная фитомасса бассейна, т/га 50,46
удельная продукция бассейна, т/га в год 5,93
ПЕКША
Леса 52 185 49,0 10958,85 547,94
Луга 18 575 17,4 273,05 306,49
Пахотные угодья 30 130 28,3
Водные объекты 700 0,7
Болота 700 0,7 32,20 2,31
Населенные пункты, дороги и пр. 4210 4,0
Всего 106 500 100,1 11264,10 856,74
в том числе естественные экосистемы 72 160 67,8
удельная фитомасса естественных экосистем, т/га 156,10
удельная продукция естественных экосистем, т/га в год 11,87
удельная фитомасса бассейна, т/га 105,77
удельная продукция бассейна, т/га в год 8,04
Таблица 3
Вегетационные индексы некоторых угодий бассейнов рек Пекша и Колокша
Бассейн Пекши Бассейн Колокши
30 июня 2001 г.
NDVI % площади от всего бассейна NDVI % площади от всего бассейна
В среднем по речному бассейну 0,41 100 0,39 100
NDVI угодий
Леса 0,43 49 0,45 20
в том числе:
хвойные 0,32 8 0,34 5
смешанные и лиственные 0,45 41 0,48 15
Травяная растительность с высокой степенью 0,54 8 0,57 10
проективного покрытия, с/х угодья
Максимальное значение травяной растительности 0,56 3 0,59 3
почве двух бассейнов можно считать одинаковым, сле- Кривые, характеризующие почвенный покров в довательно, различия между кластерами обусловлены обоих речных бассейнах, расположены приблизитель-состоянием почв, в частности гумусированностью. но на одном уровне. Более светлые участки марки-
2
§ 100 ^
о. к
'§ 90
х
л с го
О. 80 ы ш с
0
ф 70 ^
т
ф
1 60
со
50
зеленый красный ближний
ИК
Рис. 4. Спектральные кривые отражения кластеров открытых почв бассейнов рек Колокши и Пекши (кластеры 16, 30, 40 характеризуют эродированные почвы).
1 — Пекша (кл. 22); 2 — Пекша (кл. 25); 3 — Пекша (кл. 27); 4 — Пекша (кл. 30); 5 — Колокша (кл. 15); 6 — Колокша (кл. 16); 7 — Колокша (кл. 18); 8 — Колокша (кл. 21); 9 — Колокша (кл. 40)
руют дерново-подзолистые или смытые почвы (их спектральная отражательная способность выше и кривые проходят выше); более темные (их кривые отражения лежат ниже) — серые лесные почвы, содержащие большее количество гумуса.
Спектральные кривые отражения, имеющие максимум в красной зоне спектра, отнесены к сильно-эродированным, площадь таких участков больше в бассейне Колокши.
Выводы
Выполнена оценка экологического состояния территорий двух бассейнов малых рек — притоков Клязьмы, с использованием автоматизированных методов обработки данных дистанционного зондирования. Для цифровой обработки изображения применялась программа Erdas Imagine.
Показано, что классификация объектов методом ISODATA (кластерный анализ) без обучения, а также дальнейшая идентификация выделенных классов путем анализа спектральных кривых и анализа преобразований спектральных яркостей с использованием линейных и дробных комбинаций (вегетационные индексы) позволяют выделять по снимкам объекты различного землепользования и оценивать состояния растительности и почвенного покрова, что позволяет в дальнейшем рассчитывать запасы фито-массы и продуктивности экосистем.
Установлено, что бассейн реки Колокша характеризуется более высоким продукционным потенциалом, на его территории больше прирост фитомассы на единицу площади и выше значения NDVI растительности по сравнению с бассейном Пекши. В бассейне р. Пекша больший запас фитомассы, которая накапливается лесными массивами, но меньше показатель биологической продуктивности. Территория бассейна Колокши подвергается большей антропогенной нагрузке, и ее почвы более подвержены эрозионным процессам по сравнению с бассейном р. Пекша.
СПИСОК ЛИТЕРАТУРЫ
1. Асмус В.В., Щербенко Е.В. Использование комбинаций спектрофотометрических измерений для оценки растительности и почв. Обнинск, 1989. 60 с.
2. Базилевич Н.И. Биологическая продуктивность экосистем Северной Евразии. М., 1993. 293 с.
3. Королюк Т.В., Щербенко Е.В. Распознавание почвенного покрова лесостепных ландшафтов по материалам разносезонной многозональной съемки // Почвоведение. 2003. № 3. С. 275—288.
4. Рачкулик В.И., Ситникова М.В. Отражательные свойства и состояние растительного покрова. Л., 1981. 287 с.
5. Трифонова Т.А., Мищенко Н.В., Краснощекое А.Н. Геоинформационные системы и дистанционное зондирование в экологических исследованиях. М., 2005. 352 с.
6. Трифонова Т.А., Мищенко Н.В. Сравнительный анализ структуры землепользования различных природно-терри-ториальных комплексов // Почвоведение. 2002. № 12. С. 1479-1487.
7. Шахраманьян М.А. Новые информационные технологии в задачах обеспечения национальной безопасности России. М., 2003. 398 с.
8. TrifonovaT., Mishchenko N., Shcherbenko E. Remote sensing for lnd use structure and natural and antropogenic ecosystems productivity assessment / Second workshop of the EARSel SIGon remote sensing of Land use and Land Cover Bonn, 28-30 September. 2006. P. 125.
9. Xiaojun Yang, Zhi Liu. Using satellite and GIS for land-use and land-cover change mapping in an estuarine watersheds // Int. J. of Remte Sensing. 2005. Vol. 26. N 23. P. 5275-5296.
Поступила в редакцию 30.10.07
VEGETATION AND SOIL CONDITION ASSESSMENT APPLYING DISTANCE DATA
N.V. Mishchenko, T.A. Trifonova, M.M. Kareva
Interpretation data of remote sensing, based on the difference in spectral reflection ability of soil and vegetation, allowed to fully assessing their condition. The spectral curves analysis and vegetation indices methods have been used in the research. NDVI (vegetation index of standardized difference) higher values of various vegetation types in the Kolokksha river basin prove of better vegetation condition and of higher productional potential of the basin. However the Koloksha river basin area experiences higher anthropogenic load and its soils are more exposed to erosion processes.
