CC BY
124
24
Труды БГТУ, 2016, № 1, с. 24-27
УДК 630*587.2
И. В. Толкач, Ф. К. Саевич
Белорусский государственный технологический университет
СПЕКТРАЛЬНЫЕ И ЯРКОСТНЫЕ ХАРАКТЕРИСТИКИ ОСНОВНЫХ ЛЕСООБРАЗУЮЩИХ ПОРОД НА СНИМКАХ СКАНЕРА LEICA ADS100
До 2014 г. аэрофотосъемка выполнялась с использованием аналоговой камеры Leica RC30. В 2014 г. был приобретен цифровой сканер Leica ADS100, который позволяет получать снимки сверхвысокого пространственного разрешения в четырех диапазонах: синем, зеленом, красном и ближнем инфракрасном. В связи с переходом на новое оборудование возникла необходимость изучения закономерностей изменчивости спектральных яркостных характеристик основных ле-сообразующих пород на получаемых снимках.
Исследованы закономерности изменения спектральных яркостных характеристик затененных и освещенных частей крон основных лесообразующих пород на снимках сверхвысокого разрешения. Выявлены закономерности изменения среднего значения спектральной яркости древесной породы в зависимости от класса возраста. Произведен анализ разделимости классов крон, выполнена классификация снимков контролируемыми и неконтролируемым методами и последующая оценка их точности.
Ключевые слова: аэрофотосъемка, эталонный участок, спектральные характеристики, спектральная яркость, дешифрирование, классификация.
I. V. Tolkach, F. K. Sayevich
Belarusian State Technological University
SPECTRAL AND BRIGHTNESS CHARACTERISTICS OF THE MAIN FOREST-FORMING SPECIES ON IMAGES OF THE SCANNER LEICA ADS100
Until 2014 the aerial photography was carried out using analogue Leica RC30 camera. In 2014 was purchased a digital scanner Leica ADS 100, which provides images of very high spatial resolution in four bands: blue, green, red and near-infrared. In connection with the transition to the new equipment it is necessary to study the variability of spectral luminance characteristics of the main tree species and on the resulting images.
The variability of change of spectral luminance characteristics of a shaded and illuminated parts of crowns of major tree species in images of very high resolution are investigated. Regularities of the change of the average value of the spectral brightness of the tree species depending on age class are described. The analysis of separability of the classes crowns is given, the classification of images of controlled and uncontrolled methods and subsequent evaluation of their accuracy was performed.
Key words: aerial photography, spectral brightness characteristics, regions of interest, spectral brightness, interpretation, classification.
Введение. Аэро- и космические снимки широко используются при лесоустройстве для составления планово-картографических материалов, инвентаризации и оценки состояния лесов и текущих изменений лесного фонда. Работы разных авторов показывают, что материалы дистанционного зондирования лесов могут использоваться для оценки пожарной опасности [1], а изучение закономерности взаимосвязей между дешифровочными признаками и таксационными показателями позволит определить основные таксационные характеристики древостоя и даже проводить оценку товарной и сортиментной структуры [2].
Первый опыт использования снимков, получаемых при аэрофотосъемке на сканер
Leica ADS100 показал, что спектральные сигнатуры древесных пород как на различных снимках, так и в пределах одного из них имеют различия. Это усложняет процесс и приводит к значительным ошибкам при использовании автоматизированных методов дешифрирования. Изучение закономерностей изменчивости спектральных и яркостных показателей основных лесообразующих пород на снимках ADS 100 позволит разработать методы повышения де-шифровочных свойств снимков, выравнивания изображения, что, в свою очередь, повысит качество дешифрирования.
Целью работы является изучение спектральных и яркостных характеристик крон древесных пород различных классов возраста,
а также оценка точности различных методов классификации снимка.
Основная часть. Спектральные отражательные свойства объектов представляют собой основу для их дешифрирования. Коэффициенты спектральной яркости, по которым строятся кривые спектральных яркостей, получают на основе абсолютных или относительных измерений.
Спектральная отражательная способность зеленой растительности с увеличением длины волны сильно изменяется, однако все виды имеют общую форму кривой.
В полосах поглощения хлорофилла, которым соответствуют синяя и красная зоны видимого диапазона, наблюдается низкая отражательная способность. Максимальные значения отражательной способности находятся в зоне с длиной волн приблизительно 0,54 мкм.
Влияние пигментов на отражательную способность растительного покрова сказывается только в видимом диапазоне спектра -0,5-0,7 мкм. В нем наблюдаются значительные различия спектральных яркостных показателей в зависимости от количества и вида пигментов. В ближнем и среднем инфракрасном диапазонах влияние пигментов несущественно.
При переходе из видимой в инфракрасную часть спектра в диапазоне от 0,76 мкм отражательная способность растительности существенно увеличивается.
В среднем инфракрасном диапазоне заметно существенное снижение отражения в зонах поглощения воды. Степень поглощения излучения растительностью в среднем инфракрасном диапазоне зависит от количества влаги, которая содержится в листовой пластине, а также от ее толщины. С уменьшением содержания влаги в листьях их отражательная способность заметно увеличивается в среднем инфракрасном диапазоне длин волн.
Кривые спектральных яркостей объектов позволяют устанавливать закономерности и выполнять их классификацию, определять оптимальные спектральные диапазоны и сроки проведения съемки, получать снимки с высокими дешифровочными свойствами [3].
Объектами исследования являлись территории Ивановского лесничества ГЛХУ «Червен-ский лесхоз» и Ратомского лесничества Боров-лянского спецлесхоза. Для анализа использовались снимки цифрового сканера Leica ADS100 2014 г. Статистические показатели определялись для четырех каналов - синего, зеленого, красного и ближнего инфракрасного. Для лучшего восприятия различий между кронами была использована комбинация каналов 4-2-3 (ближний ИК - зеленый - синий) и выполнена эквализация снимка.
Работа состояла из следующих этапов.
1. Анализ повыдельной базы данных, подбор объектов исследования.
2. Выделение на снимках затененной и освещенной частей крон деревьев по породам и классам возраста.
3. Исследование спектральных и яркостных характеристик основных лесообразующих пород.
4. Оценка разделимости классов.
5. Классификация снимков.
6. Постклассификационная обработка.
7. Оценка результатов классификации.
На снимках территории Червенского лесхоза были отобраны выделы сосны (II-IV классов возраста), ели (II-IV), березы (III-VI), осины (III-VI) и ольхи серой (III-VI) с примесью других пород не более 2-3 единиц в составе.
Средствами географической информационной системы Quantum GIS на снимках в пределах отобранных выделов были созданы векторные слои с затененной и освещенной частями крон по каждой породе и для каждого класса возраста. При помощи программного комплекса ENVI для выделенных участков были определены следующие статистические показатели: минимум и максимум значений, среднее значение яркостей и стандартное отклонение.
Анализ распределения средних значений показал, что хорошо видны различия освещенной и затененной частей крон в пределах одной породы. Изменение спектральной яркости по классам возраста наблюдается в зеленом и ближнем инфракрасном каналах у крон всех анализируемых древесных пород за исключением сосны, у которой варьирование значений выражено слабо.
Дальнейшие исследования показали, что значения спектральной яркости как затененных, так и осветленных (рисунок) частей крон у мягколиственных пород очень близки, что может вызвать затруднения при дешифрировании. Ель и сосна хорошо разделимы между собой в 4-м (ближнем инфракрасном) канале снимка, в видимом диапазоне (1-, 2-, 3-й каналы) кроны хвойных и мягколиственных пород имеют близкие значения.
Для оценки разделимости классов был проведен расчет специальных коэффициентов разделимости: трансформированной дивергенции и Джефриса - Матуситы.
Наименьшая разделимость затененных участков крон характерна для осины и березы (коэффициенты 0,3/0,3), ели и сосны (0,6/0,62), а также ольхи черной и осины (0,69/0,72). Низкие значения коэффициентов говорят о возможном перепутывании классов на этапе классификации снимка.
26 Спектральные и яркостные характеристики основных лесообразуюших пород на снимках сканера
(D
S
и
(D
£ и
оо (D (D
И
ч
(D
а
О
s н
о §
«
о и
Л
II
(D
а
о
22 500 17 500 12 500 7 500 2 500
—Сосна Ель
2 3 4 Канал снимка
Береза Ж Осина ■Ольха
б
Кривые спектральных яркостей затененных (а) и освещенных (б) частей крон
Аналогичная закономерность прослеживается и для освещенных участков крон, однако значения разделимости принимают более высокие значения: береза, осина - 0,86/0,93, ель, сосна - 0,89/0,91, ольха черная, осина -0,91/0,92, свидетельствующие о том, что верхушки деревьев будут классифицироваться с большей точностью. В целом по кронам характерно сильное перепутывание в классах хвойных и мягколиственных пород.
Для классификации на снимке Боровлян-ского спецлесхоза были выделены регионы интересов и контрольные участки для следующих пород: сосна, ель, береза, осина, ольха черная, дуб, клен, липа.
Наименьшую разделимость имеют следующие классы: ольха черная, осина (коэффициенты разделимости 0,45/0,53), береза, сосна (0,56/0,61), дуб, ольха черная (0,36/0,42).
Классификация без обучения методом КОБАТА была реализована в несколько этапов:
1) реализация алгоритма;
2) ручная группировка классов;
3) анализ большинство / меньшинство (Majority / Minority Analysis);
4) автоматизированная группировка классов (Clump Classes);
5) оценка точности классификации.
В результате удалось выделить следующие тематические классы: сосна, ель, мягколист-венные и широколиственные породы. Точность классификации составила 55,8, 77,3, 14,3 и 82,5% соответственно.
Контролируемая классификация была выполнена методами минимальной дистанции, максимального правдоподобия, дистанции Маха-ланобиса, спектрального угла (табл. 1). На этапе постклассификации выполнялся анализ большинство / меньшинство с размером зерна 7^7 пикселей и группировка классов размером 3 строки на 3 столбца.
Таблица 1
Результаты точности классификации различными методами
Общая точность
Метод классификации, %
классификации по породам по группам
пород
Минимальной дистанции 45 70
Максимального правдоподобия 73 94
Дистанции Махаланобиса 76 90
Спектрального угла 54 84
Наибольшую точность при классификации с разделением по породам показал метод дистанции Махаланобиса — точность составила 76% (табл. 1). С разделением по группам пород наилучший результат показал метод максимального правдоподобия, общая точность классификации - 94% (табл. 2).
Таблица 2 Точность классификации методом максимального правдоподобия
Группа пород Хвойные Широколиственные Мягко-лиственные
Хвойные 94,8 0,1 1,5
Широколиственные 0,3 91,1 2,5
Мягколиственные 4,9 8,0 96,0
Всего 100 100 100
Заключение. Исследование спектральных яркостных характеристик на снимках сканера Leica ADS 100 показало, что кривые яркости для всех пород имеют схожую форму, значения спектральной яркости для затененной
1
а
части кроны меньше, чем освещенной. Хвойные породы характеризуются более низкой отражательной способностью, чем лиственные породы.
Кроны мягколиственных пород близки между собой по значениям яркости как в видимом, так и в среднем инфракрасном канале, в то время как разделимость крон хвойных более выражена. По классам возраста наибольшие отличия наблюдаются в ближнем инфракрасном диапазоне, однако какую-либо закономер-
ность обнаружить не удалось, что может быть вызвано особенностями снимка.
Наибольшая точность классификации по породам была достигнута методом дистанции Махаланобиса (76%). После группировки пород по классам методом максимального правдоподобия удалось классифицировать снимок с точностью 94%, что свидетельствует о высоком потенциале цифровых снимков сканера АБ8100 как материалов для автоматизированного дешифрирования.
Литература
1. Пушкин А. А., Сидельник Н. Я., Ковалевский С. В. Использование материалов космической съемки для оценки пожарной опасности в лесах // Труды БГТУ. 2015. № 1: Лесное хоз-во. С. 36-40.
2. Машковский В. П. Товаризация расчетной лесосеки по сортиментным таблицам с использованием рядов распределения деревьев по естественным ступеням толщины // Проблемы лесоведения и лесоводства: сб. науч. тр. Ин-та леса НАН Беларуси. Гомель, 2015. Вып. 75. С. 340-348.
3. Толкач И. В. Аэрокосмические методы в лесном хозяйстве: учеб. пособие. Минск: БГТУ, 2013. 344 с.
References
1. Pushkin A. A., Sidel'nik N. Ya., Kovalevskiy S. V. The using of the satellite imagery for the assessment of the forest fire danger. Trudy BGTU [Proceedings of BSTU], 2015, no. 1: Forestry, pp. 36-40 (In Russian).
2. Mashkovsky V. P. Commodification of the yield logging site according to assortment tables with the use of ranks of tree distribution on natural steps of thickness. Problemy lesovedeniya i lesovodstva: sbornik nauchnykh trudov Instituta lesa NAN Belarusi [Problems of Forest and Forestry: collection of scientific papers of the Institute of Forest of NAS of Belarus]. Gomel, 2015, issue 75, pp. 340-348 (In Russian).
3. Tolkach I. V. Aerokosmicheskiye metody v lesnom khozyaystve: uchebnoye posobie [Aerospace methods in Forestry: tutorial]. Minsk, BGTU Publ., 2013. 344 p.
Информация об авторах
Толкач Игорь Владимирович - кандидат сельскохозяйственных наук, доцент, заведующий кафедрой лесоустройства. Белорусский государственный технологический университет (220006, г. Минск, ул. Свердлова, 13а, Республика Беларусь). E-mail: [email protected]
Саевич Федор Константинович - магистрант кафедры лесоустройства. Белорусский государственный технологический университет (220006, г. Минск, ул. Свердлова, 13а, Республика Беларусь). E-mail: [email protected]
Information about the authors
Tolkach Igor' Vladimirovich - Ph. D (Agriculture), Assistant Professor, Head of the Department of Forest Inventory. Belarusian State Technological University (13a, Sverdlova str., 220006, Minsk, Republic of Belarus). E-mail: [email protected]
Sayevich Fiodor Konstantinovich - Master's degree student, the Department of Forest Inventory. Belarusian State Technological University (13a, Sverdlova str., 220006, Minsk, Republic of Belarus). E-mail: [email protected]
Поступила 22.02.2016
