Помощь студентам в учебе
Анализ состояния древостоев по данным дистанционного зондирования Ресурс-П
|
Введение 3
1 Обзор литературы по тематике работы 5
2 Описание исходных данных 6
2.1 Объект исследования 6
2.2 Прибор Landsat 8 OLI 7
2.3 Прибор Ресурс-П 9
2.4 Программное обеспечение ERDAS Imagine 10
2.5 Методы классификации многоспектральных изображений 11
2.5.1 Построение обучающих выборок 11
2.5.2 Метод классификации максимального правдоподобия 13
2.5.3 Метод классификации расстояния Махаланобиса 14
2.5.4 Метод классификации минимального расстояния 15
2.5.5 Оценка точности классификации 16
2.5.6 Текстурные признаки 18
3 Обработка Landsat 8 OLI 19
3.1 Подготовка данных Landsat 8 OLI 19
3.2 Построение обучающих выборок 20
3.3 Результаты классификации
4.2 Оценка точности классификации 25
4 Обработка Ресурс-П 26
4.1 Подготовка данных Ресурс-П 26
4.2 Построение обучающих выборок 27
4.3 Результаты классификации 29
4.4 Расчет текстурных признаков Ресурс-п 31
Заключение 34
Список использованных источников 35
1 Обзор литературы по тематике работы 5
2 Описание исходных данных 6
2.1 Объект исследования 6
2.2 Прибор Landsat 8 OLI 7
2.3 Прибор Ресурс-П 9
2.4 Программное обеспечение ERDAS Imagine 10
2.5 Методы классификации многоспектральных изображений 11
2.5.1 Построение обучающих выборок 11
2.5.2 Метод классификации максимального правдоподобия 13
2.5.3 Метод классификации расстояния Махаланобиса 14
2.5.4 Метод классификации минимального расстояния 15
2.5.5 Оценка точности классификации 16
2.5.6 Текстурные признаки 18
3 Обработка Landsat 8 OLI 19
3.1 Подготовка данных Landsat 8 OLI 19
3.2 Построение обучающих выборок 20
3.3 Результаты классификации
4.2 Оценка точности классификации 25
4 Обработка Ресурс-П 26
4.1 Подготовка данных Ресурс-П 26
4.2 Построение обучающих выборок 27
4.3 Результаты классификации 29
4.4 Расчет текстурных признаков Ресурс-п 31
Заключение 34
Список использованных источников 35
В формировании современного облика тайги сибирскому шелкопряду принадлежит одна из ключевых ролей. Это насекомое в Сибири является одним из наиболее опасных вредителей хвойных лесов. Периодические подъёмы его численности на значительных площадях приводят к существенным изменениям структуры бореальных лесов, усыханию древостоев, и дают толчок процессу сукцессии. Этим изменяются местообитания промысловых животных [1].
Являясь постоянно действующим фактором в хвойных формациях Сибири, этот вредитель относится к основным причинам наблюдаемых в тайге сукцессий. Насекомое повреждает древостой пихты, сосны, ели и лиственницы. Вспышки массового размножения сибирского шелкопряда индуцируются сочетанием благоприятных погодных условий (оптимальная температура, низкий уровень осадков и влажности). Старые очаги размножения сибирского шелкопряда являются потенциальными очагами крупных лесных пожаров, что обусловлено увеличением запасов лесных горючих материалов [1].
Площади, пройденные шелкопрядом, поражают своими масштабами. Материалы космосъемки могут быть эффективно использованы в обнаружении и мониторинге вспышек массового размножения насекомых- вредителей [1].
Съемка среднего разрешения (Landsat 8 OLI) позволяет детализировать динамику повреждения древостоев. Мониторинг таежных лесов требует сочетание как обзорной съемки, позволяющей контролировать обширные регионы, так и съемки высокого пространственного разрешения на конкретный очаг повреждения древостоев [1].
Цель данной работы: оценить информативность данных из разных спектральных диапазонов для выделения повреждённых лесов по снимкам Landsat 8 OLI и Ресурс-П.
Задачи:
- классификация лесов, поврежденных шелкопрядом, по данным
Landsat;
- классификация лесов, поврежденных шелкопрядом, по данным Ресурс П с использованием текстурных признаков;
- анализ результатов - оценка информативности разных каналов и текстурных признаков.
Являясь постоянно действующим фактором в хвойных формациях Сибири, этот вредитель относится к основным причинам наблюдаемых в тайге сукцессий. Насекомое повреждает древостой пихты, сосны, ели и лиственницы. Вспышки массового размножения сибирского шелкопряда индуцируются сочетанием благоприятных погодных условий (оптимальная температура, низкий уровень осадков и влажности). Старые очаги размножения сибирского шелкопряда являются потенциальными очагами крупных лесных пожаров, что обусловлено увеличением запасов лесных горючих материалов [1].
Площади, пройденные шелкопрядом, поражают своими масштабами. Материалы космосъемки могут быть эффективно использованы в обнаружении и мониторинге вспышек массового размножения насекомых- вредителей [1].
Съемка среднего разрешения (Landsat 8 OLI) позволяет детализировать динамику повреждения древостоев. Мониторинг таежных лесов требует сочетание как обзорной съемки, позволяющей контролировать обширные регионы, так и съемки высокого пространственного разрешения на конкретный очаг повреждения древостоев [1].
Цель данной работы: оценить информативность данных из разных спектральных диапазонов для выделения повреждённых лесов по снимкам Landsat 8 OLI и Ресурс-П.
Задачи:
- классификация лесов, поврежденных шелкопрядом, по данным
Landsat;
- классификация лесов, поврежденных шелкопрядом, по данным Ресурс П с использованием текстурных признаков;
- анализ результатов - оценка информативности разных каналов и текстурных признаков.
В ходе работы были изучены характеристики данных приборов Landsat 8 OLI и Ресурс-П.
Была проведена классификация фрагмента изображения Landsat 8 OLI для выделения лесов, поврежденных шелкопрядом, с помощью методов классификации с обучением. Наиболее информативным стал метод максимального правдоподобия. Обучающие выборки были созданы для классов: поврежденных лесов, здоровых лесов, рек, болот, гор, лугов. С помощью расстояния Джеффриса-Матусита была проверена разделимость обучающих выборок. Оценена информативность спектральных каналов. Наиболее информативными каналами оказывается пара каналов: зеленый и ближний ИК.
Для снимка Ресурс-П была проведена классификация методом с обучением с помощью метода максимального правдоподобия. Обучающие выборки были созданы для классов: поврежденные леса, здоровые леса, реки, болота, кустарники, напочвенный покров, тень деревьев. С помощью расстояния Джеффриса-Матусита была проверена разделимость обучающих выборок. Оценена информативность спектральных каналов. были рассчитаны текстурные характеристики: дисперсия, асимметрия, островершинность функции плотности вероятности, среднее эвклидово расстояние. Текстурные признаки здоровых и поврежденных лесов не различимы.
По снимку Ресурс-П выделяется значительно больше поврежденных деревьев чем по снимку Landsat 8 OLI и визуально на снимке эти деревья действительно отличаются и ближе по цвету к погибшим деревьям. Поскольку отсутствуют наземные данные и фактическое состояние деревьев неизвестно на этих территориях, нет возможности проверить результат классификации.
Была проведена классификация фрагмента изображения Landsat 8 OLI для выделения лесов, поврежденных шелкопрядом, с помощью методов классификации с обучением. Наиболее информативным стал метод максимального правдоподобия. Обучающие выборки были созданы для классов: поврежденных лесов, здоровых лесов, рек, болот, гор, лугов. С помощью расстояния Джеффриса-Матусита была проверена разделимость обучающих выборок. Оценена информативность спектральных каналов. Наиболее информативными каналами оказывается пара каналов: зеленый и ближний ИК.
Для снимка Ресурс-П была проведена классификация методом с обучением с помощью метода максимального правдоподобия. Обучающие выборки были созданы для классов: поврежденные леса, здоровые леса, реки, болота, кустарники, напочвенный покров, тень деревьев. С помощью расстояния Джеффриса-Матусита была проверена разделимость обучающих выборок. Оценена информативность спектральных каналов. были рассчитаны текстурные характеристики: дисперсия, асимметрия, островершинность функции плотности вероятности, среднее эвклидово расстояние. Текстурные признаки здоровых и поврежденных лесов не различимы.
По снимку Ресурс-П выделяется значительно больше поврежденных деревьев чем по снимку Landsat 8 OLI и визуально на снимке эти деревья действительно отличаются и ближе по цвету к погибшим деревьям. Поскольку отсутствуют наземные данные и фактическое состояние деревьев неизвестно на этих территориях, нет возможности проверить результат классификации.
Подобные работы
- Использование данных дистанционного зондирования для картирования усохших насаждений государственного природного заповедника «Столбы»
Бакалаврская работа, информационные системы. Язык работы: Русский. Цена: 5900 р. Год сдачи: 2018 - Анализ усыхания лесов в результате воздействия пожаров по данным
дистанционного зондирования Земли
Бакалаврская работа, география. Язык работы: Русский. Цена: 4700 р. Год сдачи: 2023 - Использование данных дистанционного зондирования для исследования лесов, повреждённых сибирским шелкопрядом
Магистерская диссертация, информатика. Язык работы: Русский. Цена: 4900 р. Год сдачи: 2017 - ОЦЕНКА ДИНАМИКИ ЗЕМЕЛЬ ЛЕСНОГО ФОНДА (1985-2015) ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ
Дипломные работы, ВКР, экология и природопользование. Язык работы: Русский. Цена: 4750 р. Год сдачи: 2017 - Таксация леса с применением беспилотных летательных аппаратов
Бакалаврская работа, картография. Язык работы: Русский. Цена: 4290 р. Год сдачи: 2019 - Применение ГИС-технологий для изучения динамики восстановления темнохвойных древостоев в очагах массового размножения сибирского шелкопряда
Магистерская диссертация, информатика. Язык работы: Русский. Цена: 4900 р. Год сдачи: 2018 - Применение данных дистанционного зондирования среднего разрешения для выделения поврежденных древостоев
Магистерская диссертация, информатика. Язык работы: Русский. Цена: 4900 р. Год сдачи: 2017 - Дистанционное зондирование в анализе динамики усыхания древостоев Средней Сибири
Бакалаврская работа, информационные системы. Язык работы: Русский. Цена: 5600 р. Год сдачи: 2016 - ВОЗМОЖНОСТЬ ИСПОЛЬЗОВАНИЯ ВЕГЕТАЦИОННОГО ИНДЕКСА NDVI ДЛЯ ОПРЕДЕЛЕНИЯ ПОРОДНО-ВОЗРАСТНОГО СОСТАВА ДРЕВЕСНОЙ РАСТИТЕЛЬНОСТИ НА ПРИМЕРЕ ЛЕСОПАРКОВОЙ ЗОНЫ «ЛЕБЯЖЬЕ» ГОРОДА КАЗАНИ
Дипломные работы, ВКР, экология и природопользование. Язык работы: Русский. Цена: 4300 р. Год сдачи: 2017