По всем вопросам звоните:

+7 495 274-22-22

УДК: 528.88

Дешифрирование породного состава лесной растительности с использованием спектрально-временных признаков

Хабарова И.А. Московский государственный университет геодезии и картографии, Москва, Россия
Непоклонов В.Б. Московский государственный университет геодезии и картографии, Москва, Россия

Изучены возможности дешифрирования лесных массивов по породному составу автоматизированными методами, с использованием разновременных многозональных снимков высокого разрешения. Проведено экспериментальное дешифрирование нескольких одиночных снимков на одну территорию, полученных в течение одного года. Проведено экспериментальное совместное дешифрирование композиции данных изображений. Произведена оценка результатов дешифрирования лесных массивов по одиночным снимкам и по композиции разновременных изображений.

Литература:

1. Пермитина Л.И. Оперативный спутниковый мониторинг состояния окружающей среды и землепользования // ARCREVIEW. — 2005. — № 3 (34). — С. 18–24.

2. Крылов А.М., Соболев А.А., Владимирова Н.А. Выявление очагов короеда-типографа в Московской области с использованием снимков Landsat // Вестник Московского государственного университета леса. — Лесной вестник. — 2011. — № 4. — С. 54–60.

3. Лимонов А.Н., Гаврилова Л.А. Фотограмметрия и дистанционное зондирование. — М.: Академический проект, 2016. — 296 с.

5. Шайтура С.В. Информационные ресурсы геоинформационных технологий // Славянский форум. — 2016. — № 2 (12). — С. 282–288.

6. Савиных В.П., Цветков В.Я., Шайтура С.В. Основные положения в области геоинформационных технологий// Славянский форум. — 2015. — № 2 (8). — С. 293–301.

7. Лабутина И.А. Дешифрирование аэрокосмических снимков. — М.: Аспект пресс, 2004. — 184 с.

Дистанционное зондирование Земли — процесс, который позволяет получать информацию о характеристиках изучаемой местности, используя данные, полученные из космического пространства. Данные дистанционного зондирования — космические снимки, полученные со спутника, — широко используются в различных областях науки [1].

Изучение лесной растительности является одной из самых важных областей, где активно применяются данные дистанционного зондирования, так как получение данных о широких площадях лесной растительности наземными методами представляет собой очень трудоемкую задачу. Лесные массивы имеют различный вид в разные времена года, однако, в то же время практически не изменяются с течением времени (за исключением зон вырубок). Такая особенность лесной растительности позволяет использовать разновременные снимки для получения более полной информации [2].

В данной статье исследуется возможность проведения дешифрирования лесных пород по спектральновременным признакам. Использование временных признаков предполагает проведение дешифрирования по композиции разновременных снимков на одну и ту же территорию.

Для исследования были использованы многозональные снимки высокого разрешения с космического аппарата Landsat-7 (сканер ETM+). Из бесплатного открытого архива USGS (US GeologicalSurvey) (электронный адрес: http://glovis.usgs.gov/) получены снимки на 3 даты: 30.05.2002, 18.08.2002, 14.03.2003 года. Снимки подбирались так, чтобы территория, которую они покрывают, была безоблачной. Номер снимка в собственной системе Landsat-179_22 (path_row). Каждый из 3‑х снимков содержит 7 спектральных каналов.

В процессе работы был использован план лесонасаждений Каменского лесничества, входящего в Козельское лесничество (Калужская область РФ), за 2011 год. Использование более старых снимков обусловлено поломкой сканера ETM+, которая произошла в 2003 году и создала дефекты в изображении на интересующую территорию. Учитывая, что лесонасаждения имеют постоянный породный состав, использование снимков на более старую дату является обоснованным в рамках данного исследования.

Для Цитирования:
Хабарова И.А., Непоклонов В.Б., Дешифрирование породного состава лесной растительности с использованием спектрально-временных признаков. Конструкторское Бюро. 2017;4.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: