где: Dp – оптическая плотность пиксела; D0 – плотность эталона;

В качестве эталонов используется плотность объекта, имитирующего «абсолютно черное тело» (последняя (256-я) ступень оптической плотности) или «абсолютный отражатель» - первая ступенька матрицы. Величина элемента изображения (пиксела) в каждом случае может быть различной в зависимости от условий решаемой задачи.

При дешифрировании насаждений, максимальный размер пиксела должен приблизительно соответствовать среднему диаметру кроны преобладающего элемента леса. При использовании выборочных методов дешифрирования шаг измерений может быть кратным среднему диаметру крон.

Для решения задач, связанных с ландшафтными исследованиями, в качестве эталона можно использовать среднюю плотность ПТК высшего ранга. При анализе дешифровочного качества материалов ДЗЗ из космоса можно рекомендовать эталонную плотность отдельных сцен или снимков в целом.

Коэффициенты оптической плотности являются более доступными показателями, определить которые не составляет сложностей для любого изображения, сохраненного в растровом формате.

Не покрытые лесом земли являются наиболее контрастными на общем монотонном фоне насаждений. Вырубки, гари, заболоченные участки и дороги – все эти объекты уверенно опознаются на фоне насаждений.

Анализ материалов по КСП напочвенных покровов и почв показал, что они удовлетворительно согласуются с результатами измерений КСЯ однотипных объектов, полученными для этих же объектов по АКФС. Эти материалы могут быть использованы при дешифрировании земель лесного фонда.

Величины КСП крон отдельных деревьев (сосны, ели, березы и осины), измеренные по КФС, представлены на рис. 1.

Степень сомкнутости полога заметно влияет на КСП насаждений.

Интегральные величины КСП растительных сообществ определяются отражательными свойствами не только растений, но и почв. Поэтому величина проективного покрытия территории кронами деревьев является одним из важнейших факторов, учитываемых в оптике ландшафта.

Согласно результатам данного исследования, значения КСП лесных культур и естественного возобновления на сплошных вырубках убывают по мере роста растений, увеличения их крон и проективного покрытия.

Рис. 1. КСП крон преобладающих пород Ленинградской области За счет увеличения сомкнутости полога молодняков с 0.1 до 0.3, происходит возрастание КСП делянок в два-три раза в эффективном видимом и БИК диапазонах ЭМС. Дальнейшее увеличение Рs не приводит к изменениям величин КСП объектов исследования.

КСП всех объектов, формирующих нижние ярусы, являются почти на порядок меньше хвойных пород, заметно меньше КСП полога березняков и сопоставимы с плотностью осинников.

Важнейшим преимуществом современных методов ДЗЗ является их доступность и всесезонный аспект сбора данных о лесах. Использование материалов зимних съемок предоставляет возможность повысить точность определения характеристик хвойных, которые на летних снимках маскируются более широкими кронами деревьев лиственных пород. Рисунки 2 и 3 иллюстрируют сезонную разницу в изображениях смешанных насаждений, отчетливо воспринимаемую визуально. Необходимо иметь в виду, что глаз человека распознает 7 – 9 ступеней оптической плотности, а оптический сканер – 256 и различия между землями лесного фонда при автоматизированном распознавания будут еще более достоверными.

Особенности зимней съемки насаждений требуют использования только тех снимков, которые были получены в отсутствие на ветвях снега и измороси. Современный уровень развития дистанционных съемок обеспечивает получение оптимальных изображений для идентификации объектов, маскируемых деревьями лиственных пород на летних снимках.

На летних снимках лиственные деревья сильно искажают состав смешанных насаждений, маскируя до 70% деревьев ели первого яруса и практически все деревья ели, входящие во второй ярус.

a – Зимний снимок ельника b – Ранневесенний снимок ельника Рисунок 2. Различия в яркости смешанных еловых насаждений, вызванные маскирующими свойствами измороси и снега.

Рис. 3. Зимний снимок части Рис. 4. Летний панхроматический Машинской дачи АК полигона. снимок той же части полигона.

Необходима однократная среднемасштабная бестеневая зимняя съемка территории объекта для выявления границ хвойных, произрастающих под пологом маскирующих преобладающих или сопутствующих лиственных пород. Нужно создать совокупность масок с границами хвойных и использовать их в соответствующих справочниках БД создаваемой ГИС.

Использование карт вегетационных индексов, полученных по космическим снимкам. Яркость растительного покрова в красной и ближней инфракрасной областях электромагнитного спектра тесно связана с его зеленой фитомассой. Для оценки рекомендуется индекс NDVI. Он характеризует также плотность растительности и продуктивность угодий.

Значения NDVI меняются в диапазоне от –1 до +1 (рис. 5).

растительного покрова.

Расчет индекса для каждого пиксела космического снимка по красной и ближней инфракрасной спектральным зонам позволяет получить производное изображение — карту NDVI.

Схема мониторинга лесного фонда с использованием карт индексов:

Октябрь–март:

1. Изучение динамики снежного покрова. 2. Оценка паводковой ситуации.

3. Оценка количественных показателей хвойных в чистых и смешанных насаждениях.

Апрель–май:

1. Определение успешности естественного возобновления хвойными породами на вырубках разных лет; 2. Оценка таксационных показателей хвойных ярусов сложных и смешанных насаждений; 3. Определение площади земель, на которых проведены гидротехнические мелиоративные мероприятия. Оценка качества проведения осушительной мелиорации. 4. Определение площади земель, занятых лесными культурами.

Июнь–июль:

1. Оценка состояния земель лесного фонда традиционными методами.

2. Оценка состояния лесных культур и естественного возобновления.

3. Выявление очагов развития вредителей и болезней. 4. Определение площади старых невозобновившихся вырубок и гарей. 5. Оперативная Август–сентябрь:

1. Мониторинг состояния лесной растительности. 2. Инвентаризация лиственных и хвойных насаждений.

Главным преимуществом вегетационных индексов является легкость их получения и широкий диапазон решаемых с их помощью задач.

Составление тематических электронных карт по материалам дистанционного зондирования высокого и сверхвысокого разрешения.

Предлагаемые подходы к формированию системы признаков для улучшения качества дешифрирования базируются на интеграции данных, использовании баз знаний и контекстной классификации. В известных системах обработки и дешифрирования данных ДЗЗ, таких как ER Mapper (Earth Resource Mapping), Idrisi ХХ (Clark University), ERDAS Imagine (ERDAS), TNT MIPS (Micro Images), представлены обучаемые классификаторы по критериям наименьшего расстояния в различных метриках (Евклида, Махаланобиса, Фишера), максимального подобия (Байеса) и параллелепипеда.

В качестве основы дешифрирования АКФС можно рекомендовать алгоритм итеграционной классификации образа с использованием РСП (расширенной структуры признаков), основанный на двухэтапном методе анализа [Markov, Napryushkin, 2001].

Программный комплекс для создания тематических электронных карт. Рекомендуемая структура программного комплекса для дешифрирования и тематического картографирования АКФС приведена на рисунке 6.

Программные средства системы представляют совокупность взаимосвязанных подсистем и программных модулей, объединенных в рамках растровой (РК) и векторной (ВК) компонент. Оригинальной частью системы в составе РК являются подсистемы визуализации, предварительной и тематической обработки (дешифрирования) изображений, в составе ВК – подсистема векторизации растровых тематических карт. Подсистемы пространственного анализа, визуализации и редактирования векторных данных реализуются средствами ГИС MapInfo Professional 7.9 – 9.5.

Полученная в результате тематической обработки растровая ландшафтно-экологическая карта части Лисинского АК полигона была векторизована в автоматическом режиме и оформлена в виде векторной тематической карты средствами подсистемы векторизации растровых тематических карт.

Глава 4. Гeоинформационные технологии создания и использования интегральных лесных и эколого - географических карт для оценки состояния природной среды, включая леса Рекомендуемая технология базируется на стандартном оборудовании, используемом для создания тематических растрово – векторных карт.

В качестве классификатора можно рекомендовать суммарный показатель загрязнения, представляющий собой аддитивную сумму превышений коэффициентов концентраций над единичным (фоновым) уровнем.

Коэффициент корреляции характеризуется высокими значениями (от 0,60 до 0,98), что указывает на высокую степень корреляции между элементными составами рассматриваемых сред. Содержание элементов в почве найдет свое отражение и в составе листвы. Почва определяет условия жизнедеятельности произрастающего на данном участке растения.

Расчет отношения концентрации компонента в листве к концентрации в почве показал, что такие элементы как Mn, Fe, Ni, Cu, Zn, Sr имеют тенденцию к накоплению в почвенном покрове (являются литофильными), и только P проявляет четко выраженную склонность к накоплению в растительности (биофильный элемент).

Рисунок 6. Укрупненная структура программного обеспечения системы Для определения зависимости элементного состава листвы, отобранной в летний период, от элементного состава листьев, отобранных осенью, рассчитывались коэффициент корреляции и отношение концентрации в листве к концентрации в почве.

Расчет отношения концентрации компонента в листве, отобранной летом, к концентрации в осенних листьях показал, что такие элементы как Al, Si, Cl, Ca, Ti, Ba, Fe, Br и Sr имеют тенденцию к повышенной концентрации в осенней листве. P, S, K и Rb проявляют четко выраженную склонность к накоплению в летней листве. Такие элементы, как Mn, Ni, Cu и Zn не характеризуются какой-либо закономерностью накопления в зависимости от времени отбора листвы. Разделение элементов на группы в зависимости от концентрации в листве, отобранной в разное время года, обусловлено миграцией элементов в растительных тканях в зависимости от погодных условий.

Оценка и визуализация интегрального загрязнения компонентов природной среды включает картографическое моделирование экологического состояния ландшафтов с их природными и техногенными составляющими.

Суть способа состоит в построении синтетических карт, совмещающих контурную сетку ландшафтов с оценкой их эколого-ресурсного потенциала и поверхностей суммарного загрязнения каждого аккумулирующего компонента ландшафта (почвенного, снегового покровов, растительности, поверхностных вод и т.д.). Наложение «масок» или палеток на анализируемые изображения позволяет скорректировать площади и запасы подпологовых (хвойных) древостоев, исключить ошибки при вычислении расстояния от дешифрируемого объекта до ближайшего водотока, установить сомкнутость полога насаждений и т.д. Геоинформационные технологии и GPS обеспечивают абсолютную точность взаимной регистрации информационных и служебных картографических слоев. Для их привязки используются координаты одноименных опорных точек на всех изображениях.

Развитие ГИС «Дистанционный мониторинг лесов Ленинградской области», включая ее геоэкологическую компоненту. В результате исследовательских и проектных мероприятий была создана основа единой многоцелевой базы данных объектов лесоустройства и зонирования территории по уровням содержания веществ – загрязнителей.

Подключение созданной ГИС к информационным системам Правительства субъекта федерации и других заинтересованных организаций повысит уровень обоснованности принимаемых управленческих решений. В связи с тем, что система является новой, количественные оценки ее эффективности будут уточнены в процессе эксплуатации.

Важным приложением разработанной базы данных является электронный атлас карт содержания химических элементов в различных средах характеризующих прямо или опосредовано состояние насаждений.

Для наглядного представления и пространственного анализа получаемых данных был использован пакет программ ArcGIS. В качестве топоосновы использовалась цифровая карта Ленинградской области в проекции Gauss_Kruger и системе координат GCS_Krasovsky_1940, а атрибутивная база состоит из таблиц формата dBASE. Для построения поверхностей распределения содержаний в пределах исследуемой территории используется дополнительный модуль ArcGIS Geostatistical Analyst.

В данной работе построены поверхности распределения свинца в почвах и напочвенном покрове, и поверхности, отображающие области превышения концентраций свинца относительно фона (Рис. 7 и 8). Для классификации использован метод «квантиль» с 10-ю классами. При использовании «равных интервалов» участки с высокими содержаниями элементов не отображаются.

Приведенные ниже картосхемы распределения элементов в почвах Машинской дачи носят предварительный характер. Они будут уточняться и войдут в электронный атлас интерактивной ГИС АК полигона.

Запасы фосфора, доступные растениям, полностью сосредоточены в литосфере. В наземных системах круговорот фосфора проходит в оптимальных естественных условиях с минимумом потерь.

Биогеохимический цикл фосфора зарегулирован значительно хуже, чем циклы углерода и азота, потому что у фосфора отсутствует обменный фонд в атмосфере. Фосфор — один из элементов, контролирующих продуктивность растительных сообществ.

свинца в почве и напочвенных распределения цинка в почве и покровах Машинской относительно фона Содержание цинка на территории полигона незначительно. Эти территории приурочены к железным и автомобильным дорогам с присущими транспорту выбросами, населенным пунктам и сельскохозяйственным угодьям, где на протяжении многих лет накапливались продукты жизнедеятельности и отходы производства, вносились органические и минеральные удобрения. Выявленные концентрации элементов незначительны географических, лесных и других тематических карт для оценки состояния ПТК разных рангов. При построении интегральных компьютерных эколого - географических и других тематических карт необходимо учитывать специфику решаемых задач экологического и иного содержания. Нужно учесть научную или прикладную направленность и практическую значимость; вид и характер источников информации, включая географические и тематические карты, аэрокосмические материалы, данные стационарных, маршрутных, площадных наземных наблюдений, сетей экологического мониторинга и кадастра.

Возможности оценки экологического состояния природной среды путем создания отдельных карт ограничены. Только согласованные серии интегральных карт могут наиболее полно и наглядно решить эту проблему.

Любая моделируемая поверхность, в том числе и загрязнение, может быть представлена в качестве «рельефа»: абстрактного геополя (рис. 9а и 9.б).

Рисунок 9а,б. «Поверхности» распределения суммарных индексов концентрации элементов на анализируемой части полигона показывает снижение концентрации с удалением от линейного и точечного источников.

Выводы и рекомендации по совершенствованию непрерывной лесоинвентаризации и дистанционного экологического мониторинга В процессе выполнения диссертационной работы были получены следующие основные научные и практические результаты:

1. Рассмотрены возможности использования закономерностей ПТК для распознавания объектов лесного фонда, определения их таксационной характеристики и тематического картирования с использованием МДЗЗ. В оболочке MapInfo, созданы векторные ландшафтные маски Ленинградской области в оригинальном масштабе 1:200000. На электронных векторных картах приведены границы основных ПТК ранга «ландшафт» (для отдельных частей полигона – урочище и фация) на основе классификаций, предложенных А. Г. Исаченко [1998], Д. М. Киреевым [2005] и А. В.

Грязькиным [2005]. Главной характеристикой всех созданных изображений является их взаимная регистрация в единой системе координат, что обеспечивает возможность их использования с электронными картами всего масштабного ряда.

2. Предложена методика калибровки материалов ДЗЗ для решения всего спектра задач, связанных с дистанционным мониторингом и хозяйственной инвентаризацией лесов Ленинградской области.

3. Необходимость обработки большого количества растровых изображений заставляет использовать растрово - векторные ГИС. Для организации дистанционного мониторинга и непрерывной хозяйственной инвентаризации лесов необходим комплект из любой растровой ГИС («IDRISI», GeoGraph) и векторно – растровой ГИС «MapInfo», ArcView или «ArcGIS».

4. Разработка методики и техники автоматизированного дешифрирования показателей насаждений по АКФС базировалась на использовании формализованных признаков объектов дешифрирования и таких показателей, как коэффициенты спектральной яркости и оптической плотности, отдельных вегетационных индексов и их производных.

5. Использование объективных, формализованных признаков и показателей для определения характеристик насаждений по МДЗЗ снижает субъективизм метода визуального дешифрирования и повышает точность автоматизированного распознавания. Доступность обновления МДЗЗ с 15 – дневной повторностью (минимум) предоставляет возможность выбора наиболее информативных сезонов для определения таксационных показателей отдельных древесных пород. Наиболее информативным сезоном для определения таксационных показателей хвойных является период с устойчивым снежным покровом и отсутствием маскирующего снега на ветвях. Зарегистрированные в единой системе географических координат внемасштабные маски чистых, смешанных и «подпологовых» хвойных древостоев позволяют с высокой точностью определять их площади и основные таксационные показатели.

6. Оптимальным сезоном для дешифрирования березняков является период распускания листьев, когда различия в спектральной яркости березы и остальных лесообразующих пород Северо-Запада является максимальными. Для древостоев осины оптимальным периодом их распознавания является середина вегетации, когда все объективные (вычисляемые) показатели достигают экстремальных значений.

7. Для совершенствования методики непрерывной инвентаризации лесов предлагается субтрактивный способ определения таксационной характеристики древесных пород, последовательно исключая их из состава видимого на снимке полога. Цикл непрерывной инвентаризации занимает весь год с использованием наиболее информативных периодов для дешифрирования насаждений в зависимости от погодных условий и фенологического состояния основных лесообразующих пород и состояния «подложки».

8. Доказана перспективность разработки способов классификации объектов и дешифрирования изображений с использованием принципов непараметрической статистики и текстурного анализа.

9. Предложен поэтапный метод классификации объектов и дешифрирования изображений с расширенной системой формализованных признаков, учитывающий спектральные и пространственные свойства объектов.

10. Создана геохимическая основа комплексного дистанционно – наземного многофункционального мониторинга состояния основных компонентов ПТК: почвы, напочвенного покрова, древостоев и полога. По результатам обработки проб почв, напочвенного и снежного покрова, хвои и листьев создана основа базы картографических и атрибутивных данных содержания тяжелых металлов и других веществ – загрязнителей для оценки их последующих изменений, а также использования в качестве «эталонных»

или «фоновых» значений при сравнении с содержанием анализируемых веществ в образца, собранных в экологически проблемных районах.

11. В основу дистанционного мониторинга положены принципы фитоиндикации – нетипичное изменение цвета хвои (листвы) и дефолиации крон, приводящее к изменению плотности полога и, следовательно, признаков дешифрирования насаждений. Из полной схемы фитоиндикации для дистанционного мониторинга используются только те процессы и реакции фитоценоза, которые приводят к регистрируемым изменениям образов насаждений. Оценка долгосрочных воздействий на насаждения производится наложением теоретических и реальных траекторий развития.

12. Разработанные для дистанционного мониторинга структуры баз картографических и атрибутивных данных обеспечивают комплексную оценку изменений цветности и плотности изображений полога древостоев на материалах ДЗЗ с помощью КСЯ, КОП и вегетационных индексов.

Результаты оценки являются основанием для детальных обследований проблемных участков наземными методами лесотаксационной и геохимической оценки.

13. Проведена апробация разработанной системы на примере дистанционного мониторинга территории Лисинского АК полигона по архивным и современным материалам ДЗЗ. Приведены результаты оценки численных характеристик ландшафтных объектов.

14. Показатели состояния растений более пригодны для определения суммарных уровней загрязнения атмосферы. Эти же показатели можно использовать для оценки суммарного загрязнения почв.

Таким образом, использование данных дистанционного зондирования в совокупности со специальными программными комплексами (например, ArcGIS, MapInfo, IDRISI “Taiga”) позволяет оценить степень техногенной и антропогенной нагрузки на ландшафты исследуемой территории.

В изданиях по перечню ВАК:

Ердяков С.В., Голованов И., Котов Н., Максимова О.

Особенности определения характеристик лесов по цветным спектрозональным аэрофотоснимкам // Вестник МАНЭБ, научнотехнический журнал, том 14, вып. 4, СПб, 2010. С. 30-36.

Ердяков С.В., Крючков А., Голованов И., Максимова О.

Геоинформационные системы, как инструмент для исследования ландшафтной оболочки Земли // Вестник МАНЭБ, научно-технический журнал, том 14, вып. 4, СПб, 2010. С. 44-50.

Ердяков С. В., Голованов И., Лыонг Нгуен Нгок Нга., Крючков А. Геоботанические карты и планы для ГИС- технологий изучения лесного растительного покрова // Вестник МАНЭБ, научно- технический журнал, том 14, вып. 4, СПб, 2010. С. 57-60.

4 Неволин О.А., Третьяков С.В., Ердяков С.В., Торхов С.В.

Лесоустройство. – Архангельск: Изд-во "Правда Севера". - 2003. - 582 с.

5 Ердяков С.В., Неволин О.А., Трубин Д.В., Торхов С.В. История Архангельского лесоустройства. – Архангельск: Изд-во "Соломбальская типография". - 2000. - 170 с.