Анализ спектральных признаков и формы гарей и вырубок на мультиспектральных снимках
|
Введение 3
1 Исходные данные. Используемое программное обеспечение 7
1.1 Описание территории. Приангарье 7
1.2 Описание мультиспектральных снимков Landsat 8, 9 уровня 2 9
1.3 Комбинированный продукт MCD64A1 Version 6 Burned Area 13
1.4 Данные проекта Hansen Global Forest Change 2000-2022 Data 14
1.5 Используемое программное обеспечение 15
1.5.1 Геоинформационная система QGIS 15
1.5.2 Облачная платформа Earth Map 18
2 Описание спектральных признаков и форм объектов на многоспектральных
снимках 19
2.1 Спектральные признаки 19
2.2 Вегетационные индексы 20
2.3 Признаки формы 21
3 Определение спектральных и геометрических признаков гарей и вырубок ... 23
3.1 Выделение гарей и вырубок на снимках Landsat 8 OLI 23
3.2 Спектральные признаки гарей и вырубок 25
3.3 Признаки формы гарей и вырубок 43
Заключение 45
Список использованных источников 46
Приложение А Таблицы характеристик разделимости сигнатур на снимке
Landsat 8 за 03.06.2021 49
Приложение Б Таблицы признаков формы на снимке Landsat 8 за 03.06.2021 .. 54
Приложение В Таблицы характеристик разделимости сигнатур на снимке
Landsat 8 за 28.07.2021 56
Приложение Г Таблицы признаков формы на снимке Landsat 8 за 03.06.2021 .. 61
1 Исходные данные. Используемое программное обеспечение 7
1.1 Описание территории. Приангарье 7
1.2 Описание мультиспектральных снимков Landsat 8, 9 уровня 2 9
1.3 Комбинированный продукт MCD64A1 Version 6 Burned Area 13
1.4 Данные проекта Hansen Global Forest Change 2000-2022 Data 14
1.5 Используемое программное обеспечение 15
1.5.1 Геоинформационная система QGIS 15
1.5.2 Облачная платформа Earth Map 18
2 Описание спектральных признаков и форм объектов на многоспектральных
снимках 19
2.1 Спектральные признаки 19
2.2 Вегетационные индексы 20
2.3 Признаки формы 21
3 Определение спектральных и геометрических признаков гарей и вырубок ... 23
3.1 Выделение гарей и вырубок на снимках Landsat 8 OLI 23
3.2 Спектральные признаки гарей и вырубок 25
3.3 Признаки формы гарей и вырубок 43
Заключение 45
Список использованных источников 46
Приложение А Таблицы характеристик разделимости сигнатур на снимке
Landsat 8 за 03.06.2021 49
Приложение Б Таблицы признаков формы на снимке Landsat 8 за 03.06.2021 .. 54
Приложение В Таблицы характеристик разделимости сигнатур на снимке
Landsat 8 за 28.07.2021 56
Приложение Г Таблицы признаков формы на снимке Landsat 8 за 03.06.2021 .. 61
В последние годы проблема сохранения лесов стала особенно актуальной в связи с увеличением количества природных катастроф, таких как лесные пожары, а также связанных с активностью человеческой деятельности, такой как вырубка лесов. Для эффективного контроля за состоянием лесных массивов необходимы инструменты и методы, позволяющие выявлять и анализировать участки повреждения лесов. Метод дистанционного зондирования Земли основывается на использовании информации, получаемой с помощью оптической космической съемки, позволяет выявлять участки повреждения лесов с высокой точностью. Выделение участков поврежденных или погибших лесов основывается на трех типах признаков:
- спектральных отражательных;
- текстурных признаков поврежденных участков;
- признаков формы поврежденных участков.
Разделение участков свежих гарей и свежих вырубок является важной практической задачей. Одним из перспективных методов для решения этой задачи является анализ спектральных признаков и формы гарей и вырубок на мультиспектральных снимках.
Обзор литературы по выделению участков повреждения лесов от гарей, вырубок и вредителей на мультиспектральных снимках показал, что методика исследования спутниковых снимков по спектральным признакам и признакам формы широко применяется для оценки состояния лесов.
Так, в своей статье [1] В.А. Хамедов сравнил методы обнаружения лесных гарей по нормализированному разностному индексу растительности NDVI, нормализированному индексу гарей NBR и индексу техногенных объектов NMOI и сделал вывод, что использование данных методов позволяет получить относительно достоверные результаты.
Рядом авторов [2] была проведена оценка состояния растительности, повреждённой сибирским шелкопрядом, с использованием индексов NDVI, коротковолнового индекса SWVI и нормализированного индекса влажности NDMI, и сделан вывод, что оценка состояния растительности по космическим снимкам даёт общее представление о динамике процесса естественного лесовозобновления на территории бывшего очага шелкопряда и обеспечивает пространственную основу для оптимизации планирования наземных обследований растительности, а также о возможности более детальной оценки при использовании снимков со сверхвысоким пространственным разрешением.
В статье [3] Е.Г. Швецова и Е.И. Пономарёва был предложен способ мониторинга сплошных вырубок с использованием спутникового продукта глобального изменения лесного покрова на основе данных Landsat в сопряжении с дополнительными информационными ГИС-слоями (растительность, пожары). Валидация, выполненная на примере данных на Приангарский лесной район для периода 2001-2019 гг., показала удовлетворительный результат сравнения с экспертной выборкой.
Статьёй С.В. Князевой сотоварищи [4] был представлен обзор около 60 научных публикаций, посвященных основным методам и алгоритмам автоматизированной обработки космических снимков сверхвысокого пространственного разрешения (VHR), полученных в оптическом диапазоне, для определения характеристик лесов. На примерах конкретных исследований продемонстрирована возможность дистанционной оценки основных характеристик древесной растительности (биометрических и морфоструктурных параметров, породного и видового разнообразия, нарушений лесного полога, состояния и динамики лесов, фитомассы и запаса углерода), выделены наиболее перспективные методические подходы и алгоритмы с учетом показателей точности определения целевых параметров.
В своей статье [5] И.А. Пестунов и П.В. Мельников исследовали информативность систем текстурных признаков, которые построены с использованием четырех популярных методов, основанных на статистиках гистограммы абсолютных разностей и матрицы смежности уровней серого тона, а также авторегрессионной модели SAR и гауссовской марковской модели 4
случайных полей GMRF. В результате экспериментальных исследований было обнаружено, что при наличии большого числа текстурных классов точность классификации можно повысить путем комбинирования рассмотренных в работе методов. Кроме того, по их результатам можно также сделать следующие выводы: при классификации спутниковых изображений наилучшее качество обеспечивает статистический метод GLCM, использование модельных методов GMRF и SAR нецелесообразно ввиду их вычислительной трудоемкости.
В данной работе будут рассмотрены спектральные признаки и форма гарей и вырубок, которые используются в анализе мультиспектральных снимков.
Целью работы является изучить разделение полигональных объектов, выделяемых при классификации снимков, как результатов обезлесивания территории из-за пожаров и рубки леса.
Задачи данной работы:
- для снимков Landsat 8, 9 OLI выделить повреждения лесов на гарях и вырубках;
- выделить спектральные признаки лесных гарей и вырубок - по отражательным данным в спектральных каналах, по вегетационным индексам;
- выделить признаки формы: соотношение площади к периметру, изрезанность границ, прямоугольность формы и др.;
- оценить возможность выделения типов повреждений по спектральным и по геометрическим признакам.
Предметом данной работы являются спектральные признаки и признаки формы гарей и вырубок на мультиспектральных снимках. Методом исследования является анализ научной литературы и экспериментальное исследование с использованием мультиспектральных снимков. Объектом исследования являются лесные массивы, повреждения которых будут выявляться с помощью разработанного метода. Выбрана территория Приангарья, так как на этой территории ведется активная заготовка леса, много вырубок разного возраста, и много гарей. На территории, которая попадает в одну сцену съемки Landsat, находятся достаточно много как гарей, так и вырубок. В рамках темы «Анализ спектральных признаков и формы гарей и вырубок на мультиспектральных снимках» Приангарье представляет собой интересную территорию для исследований в связи с наличием значительного лесного массива.
- спектральных отражательных;
- текстурных признаков поврежденных участков;
- признаков формы поврежденных участков.
Разделение участков свежих гарей и свежих вырубок является важной практической задачей. Одним из перспективных методов для решения этой задачи является анализ спектральных признаков и формы гарей и вырубок на мультиспектральных снимках.
Обзор литературы по выделению участков повреждения лесов от гарей, вырубок и вредителей на мультиспектральных снимках показал, что методика исследования спутниковых снимков по спектральным признакам и признакам формы широко применяется для оценки состояния лесов.
Так, в своей статье [1] В.А. Хамедов сравнил методы обнаружения лесных гарей по нормализированному разностному индексу растительности NDVI, нормализированному индексу гарей NBR и индексу техногенных объектов NMOI и сделал вывод, что использование данных методов позволяет получить относительно достоверные результаты.
Рядом авторов [2] была проведена оценка состояния растительности, повреждённой сибирским шелкопрядом, с использованием индексов NDVI, коротковолнового индекса SWVI и нормализированного индекса влажности NDMI, и сделан вывод, что оценка состояния растительности по космическим снимкам даёт общее представление о динамике процесса естественного лесовозобновления на территории бывшего очага шелкопряда и обеспечивает пространственную основу для оптимизации планирования наземных обследований растительности, а также о возможности более детальной оценки при использовании снимков со сверхвысоким пространственным разрешением.
В статье [3] Е.Г. Швецова и Е.И. Пономарёва был предложен способ мониторинга сплошных вырубок с использованием спутникового продукта глобального изменения лесного покрова на основе данных Landsat в сопряжении с дополнительными информационными ГИС-слоями (растительность, пожары). Валидация, выполненная на примере данных на Приангарский лесной район для периода 2001-2019 гг., показала удовлетворительный результат сравнения с экспертной выборкой.
Статьёй С.В. Князевой сотоварищи [4] был представлен обзор около 60 научных публикаций, посвященных основным методам и алгоритмам автоматизированной обработки космических снимков сверхвысокого пространственного разрешения (VHR), полученных в оптическом диапазоне, для определения характеристик лесов. На примерах конкретных исследований продемонстрирована возможность дистанционной оценки основных характеристик древесной растительности (биометрических и морфоструктурных параметров, породного и видового разнообразия, нарушений лесного полога, состояния и динамики лесов, фитомассы и запаса углерода), выделены наиболее перспективные методические подходы и алгоритмы с учетом показателей точности определения целевых параметров.
В своей статье [5] И.А. Пестунов и П.В. Мельников исследовали информативность систем текстурных признаков, которые построены с использованием четырех популярных методов, основанных на статистиках гистограммы абсолютных разностей и матрицы смежности уровней серого тона, а также авторегрессионной модели SAR и гауссовской марковской модели 4
случайных полей GMRF. В результате экспериментальных исследований было обнаружено, что при наличии большого числа текстурных классов точность классификации можно повысить путем комбинирования рассмотренных в работе методов. Кроме того, по их результатам можно также сделать следующие выводы: при классификации спутниковых изображений наилучшее качество обеспечивает статистический метод GLCM, использование модельных методов GMRF и SAR нецелесообразно ввиду их вычислительной трудоемкости.
В данной работе будут рассмотрены спектральные признаки и форма гарей и вырубок, которые используются в анализе мультиспектральных снимков.
Целью работы является изучить разделение полигональных объектов, выделяемых при классификации снимков, как результатов обезлесивания территории из-за пожаров и рубки леса.
Задачи данной работы:
- для снимков Landsat 8, 9 OLI выделить повреждения лесов на гарях и вырубках;
- выделить спектральные признаки лесных гарей и вырубок - по отражательным данным в спектральных каналах, по вегетационным индексам;
- выделить признаки формы: соотношение площади к периметру, изрезанность границ, прямоугольность формы и др.;
- оценить возможность выделения типов повреждений по спектральным и по геометрическим признакам.
Предметом данной работы являются спектральные признаки и признаки формы гарей и вырубок на мультиспектральных снимках. Методом исследования является анализ научной литературы и экспериментальное исследование с использованием мультиспектральных снимков. Объектом исследования являются лесные массивы, повреждения которых будут выявляться с помощью разработанного метода. Выбрана территория Приангарья, так как на этой территории ведется активная заготовка леса, много вырубок разного возраста, и много гарей. На территории, которая попадает в одну сцену съемки Landsat, находятся достаточно много как гарей, так и вырубок. В рамках темы «Анализ спектральных признаков и формы гарей и вырубок на мультиспектральных снимках» Приангарье представляет собой интересную территорию для исследований в связи с наличием значительного лесного массива.
Поставленные в работе цели и задачи были полностью выполнены.
Исходные данные в виде мультиспектральных спутниковых изображений со спутника Landsat 8 OLI были скачаны и обработаны для дальнейшей работы с ними в ГИС QGIS.
Для снимков Landsat 8 OLI был проведен анализ выделения и расчета признаков поврежденных лесов на лесной территории - на гарях, вырубках - по спектральным признакам и по форме объектов.
Спектральные признаки были рассчитаны по каналам в виде спектральных кривых, а также по вегетационным индексам NDVI и NBR. Признаки формы были рассчитаны с помощью инструментария SAGA в QGIS.
Проведен анализ возможности выделения типов повреждений по спектральным и по геометрическим признакам. У вырубок и гарей одного и того же года хорошая разделимость по значениям расстояния Джеффриса-Матусита, что говорит о том, что гари и вырубки одного года отличаются друг от друга по спектральным признакам для проведения классификации методами, аналогичными максимальному правдоподобию. Вегетационные индексы NDVI и NBR для отделения гарей от вырубок невозможно использовать в виду отсутствия закономерности различия значений. В ходе анализа признаков формы было выявлено, что у всех гарей выше значения P/sqrt(A), Shape Index, значения Deqpc и Dmax/sqrt(A) преимущественно выше. У вырубок выше значение Sphericity. Также были получены пороговые значения, позволяющие отделить гари от вырубок, и которые можно использовать для автоматизации процесса разделения. На основании этого можно сказать, что гари и вырубки различаются по признакам формы.
Таким образом, составлен ряд спектральных признаков в виде спектральных кривых, вегетационных индексов и признаков формы, которые позволяют однозначно разделять векторные полигоны гарей и вырубок на лесных территориях.
Исходные данные в виде мультиспектральных спутниковых изображений со спутника Landsat 8 OLI были скачаны и обработаны для дальнейшей работы с ними в ГИС QGIS.
Для снимков Landsat 8 OLI был проведен анализ выделения и расчета признаков поврежденных лесов на лесной территории - на гарях, вырубках - по спектральным признакам и по форме объектов.
Спектральные признаки были рассчитаны по каналам в виде спектральных кривых, а также по вегетационным индексам NDVI и NBR. Признаки формы были рассчитаны с помощью инструментария SAGA в QGIS.
Проведен анализ возможности выделения типов повреждений по спектральным и по геометрическим признакам. У вырубок и гарей одного и того же года хорошая разделимость по значениям расстояния Джеффриса-Матусита, что говорит о том, что гари и вырубки одного года отличаются друг от друга по спектральным признакам для проведения классификации методами, аналогичными максимальному правдоподобию. Вегетационные индексы NDVI и NBR для отделения гарей от вырубок невозможно использовать в виду отсутствия закономерности различия значений. В ходе анализа признаков формы было выявлено, что у всех гарей выше значения P/sqrt(A), Shape Index, значения Deqpc и Dmax/sqrt(A) преимущественно выше. У вырубок выше значение Sphericity. Также были получены пороговые значения, позволяющие отделить гари от вырубок, и которые можно использовать для автоматизации процесса разделения. На основании этого можно сказать, что гари и вырубки различаются по признакам формы.
Таким образом, составлен ряд спектральных признаков в виде спектральных кривых, вегетационных индексов и признаков формы, которые позволяют однозначно разделять векторные полигоны гарей и вырубок на лесных территориях.