Интеграл 1/2018

Лого

УДК 528.88

РАЗРАБОТКА МЕТОДИКИ ЛЕСОТАКСАЦИОННОГО ДЕШИФРИРОВАНИЯ С ИСПОЛЬЗОВАНИЕМ ГИС ТЕХНОЛОГИЙ ПО КОСМИЧЕСКИМ СНИМКАМ

DEVELOPMENT OF THE METHODOLOGY OF LESOTAXATION DEChIFRING WITH THE USE OF GIS TECHNOLOGIES FOR COSMIC IMAGES

Хабарова Ирина Андреевна, старший преподаватель кафедры кадастра и основ земельного права, ФГБОУ ВО «Московский государственный университет геодезии и картографии» (105064 Россия, г. Москва, Гороховский пер., д. 4), irakhabarova@yandex.ru

Хабаров Денис Андреевич, ассистент кафедры космического мониторинга и экологии, ФГБОУ ВО «Московский государственный университет геодезии и картографии» (105064 Россия, г. Москва, Гороховский пер., д. 4), khabarov177@yandex.ru

Чугунов Владимир Алексеевич,  бакалавр по направлению подготовки 21.03.02 «Землеустройство и кадастры», ФГБОУ ВО «Государственный университет по землеустройству» (105064 Россия, г. Москва, ул. Казакова, д.15), chugun-vlad@yandex.ru

I.A. Khabarova, D.A. Khabarov, Chugunov V.A.

   Применена методика дешифрирования с использованием геоинформационных систем и технологий по материалам дистанционного зондирования в исследовании лесной растительности с целью разработки более  эффективной методики дешифрирования таксации лесов и получения карт лесотаксации эталонных участков лесов. Использованы признаки дешифрирования для анализа исходных данных, распределения объектов на группы, изучения особенностей лесотаксационного дешифрирования, классификации групп по лесотаксационным признакам, фиксирования исследований в программной среде и последующего отображения результатов. При помощи навыков дешифрирования был проведен анализ данных, в результате которого была выполнена основная классификация объектов на группы по более общим признакам, а затем и тематическая классификация выделенных групп лесных сообществ. Так как предметом исследования является применение геоинформационных систем и технологий в области  лесотаксационного дешифрирования, выполнение всех задач фиксировалось в программной среде. Авторы определяют, что одним из основных этапов лесотаксационного дешифрирования является определения древесного состава лесов. Для того чтобы определить древесный состав, необходимо выявить определённые характеристики и отличия каждой породы дерева друг от друга. На снимках нам видны только кроны деревьев, поэтому все признаки распознавания определяются по ним. Установлена ключевая цель лесотаксационного дешифрирования космических – распознавание того, какие породы составляют те или иные ареалы леса, а также определение количественных таксационных показателей. В настоящее время возможно получить все необходимые данные дистанционного зондирования Земли в высоком разрешении, которые помогут изучать леса практически до детального уровня.

   A decoding technique was applied using geoinformation systems and technologies based on remote sensing data in a study of forest vegetation with the aim of developing a more efficient method for deciphering forest inventory and obtaining maps of forestation of reference forest areas. The signs of interpretation for the analysis of the initial data, the distribution of objects into groups, the study of the features of forest taxation interpretation, the classification of groups by forest taxation features, the fixation of studies in the software environment and the subsequent display of the results are used. With the help of interpretation skills, data analysis was performed, which resulted in the basic classification of objects into groups according to more general characteristics, and then the thematic classification of the selected groups of forest communities. Since the subject of the study is the application of geoinformation systems and technologies in the field of forest-affected decoding, the fulfillment of all tasks was fixed in the software environment. The authors determine that one of the main stages of forest-affected decoding is the determination of the wood composition of forests. In order to determine the wood composition, it is necessary to identify certain characteristics and differences of each tree species from each other. In the pictures we see only the crowns of trees, so all the signs of recognition are determined by them. The key goal of forest-space decoding of space is established — the recognition of what species make up certain forest areas, as well as the determination of quantitative taxation indicators. At present, it is possible to obtain all the necessary remote sensing data of the Earth in high resolution, which will help to study the forest almost to the detailed level.

Ключевые слова: Лесотаксационные исследования, геоинформационные технологии, космические снимки, распознавание древесных пород.

Keywords: Forest taxation research, geoinformation technologies, space images, recognition of tree species.

   В настоящие время компьютерные технологии имеют широкое распространение. Одним из основных проявлений компьютерных технологий являются географические информационные системы. ГИС – современная компьютерная технология для обработки пространственных данных, имеющих географическую привязку, и  дальнейшего графического отображения этих данных. В географических информационных системах осуществляется картографирование и анализ объектов и процессов, явлений и событий, происходящих на земной поверхности [1].

   В данной статье геоинформационные системы были применены в области дешифрирования таксации лесов.  Данное исследование представляет собой изучение лесного покрова. Основным объектом лесотаксационного исследования является древесная растительность. Древесная растительность является главным элементом лесов, формирующим его ландшафт, и служащим основным  фактором лесного биоценоза.

   Актуальность лесотаксационных исследований обусловлена тем, что в настоящее время отмечается большая значимость лесов нашей страны в развитии всех ветвей экономики государства. В связи с этим, одной из главных задач  сторожил  лесного хозяйства и лесоустройства страны является обеспечение расчётливого лесопользования, внедрения более эффективных способов учёта лесного фонда, организация оперативных систем слежения за изменениями лесного фонда [2].

   Таксация леса-это учёт леса, его всесторонняя материальная оценка и составление технической характеристики (таксационного описания и плана) насаждений, определение запаса древесины, возраста, прироста и объема отдельных деревьев и их частей. Таксацию леса проводят наземными средствами и с использованием авиации. Таксация леса основана на перечёте деревьев, определение их таксационных показателей с помощью аппаратуры или на визуально-глазомерном обследовании лесов. В РФ таксацию проводят при лесоустройстве, отводе лесосек в рубку, инвентаризации леса.

   По способу изучения объекта различают следующие методы лесной таксации:

  • глазомерный;
  • измерительный;
  • перечислительный — проводится перечет деревьев на лесном участке;
  • дешифровочный — определение таксационных показателей по аэрофотоснимкам (АФС).

   Основными целями лесной таксации являются:

  • приведение лесов в известность;
  • получение информации о состоянии лесных ресурсов и их динамике за определенное время;
  • получение необходимых данных для разработки лесохозяйственных регламентов;
  • разработка необходимых нормативов для лесоустроительных работ;
  • выявление и изучение закономерностей роста, строения, товарной структуры древостоя.

   К основным задачам лесной таксации следует отнести:

  • разработка методов измерения и учета отдельных деревьев и древостоев;
  • разработка методов определения объема отдельных деревьев, совокупности деревьев и древостоев;
  • разработка методов инвентаризации лесных насаждений и массивов;
  • разработка способов учета площадей и запасов леса с составлением планово-картографических материалов [3].

   Главной целью лесотаксационного дешифрирования космических снимков является распознавание того, какие породы составляют те или иные ареалы леса, а также определение количественных таксационных показателей. В настоящее время возможно получить все необходимые данные дистанционного зондирования Земли в высоком разрешении, которые помогут нам изучать леса практически до детального уровня, и данные могут быть получены практически на любое время (средняя переодичность получения снимков со спутника менее суток) [4].

   Для получения практических результатов авторами использовались снимки высокого разрешения, полученные со спутника Pleiades. Разрешающая способность данного спутника 1-3 м. Для проводимого исследования был выбран программный пакет QGIS [5].

   В качестве исследуемой территории был выбран национальный парк Бузулукский бор, так как он имеет значительную территорию. В определённых его частях леса имеют схожую структуру, поэтому чтобы не проводить таксацию всей территории,авторами были выбраны эталонные участки лесов самых разных категорий по породному составу для таксации. В Бузулукском бору сформировалась богатая самобытная флора со значительным числом редко встречающихся в степной зоне видов растений, что возможно только при сохранении местообитаний видов со всем комплексом экологических условий. Большую роль в решении этой проблемы может сыграть режим заповедной зоны национального парка.

   На рис.1-4 представлены выбранные эталонные участки таксации лесов:

 

Безымянный

   Так как в проекте используются снимки высокого разрешения, следует произвести более детальное дешифрирование. Необходимо установить, по каким критериям будет оцениваться оценивать каждый ареал леса. Были выбраны наиболее важные критерии оценки лесов, такие как: формула леса, высота деревьев, проективное покрытие, расстояние между деревьями, преобладающая порода. Все выбранные критерии необходимо внести в программный комплекс QGIS.Это делается следующим образом. В самом начале для работы необходимо создать рабочий слой,  в котором будут производиться все операции. Непосредственно в самой программе необходимо выбрать меню «Слой», далее в контекстном меню выбрать «Создать слой», далее выбрать «Создать shape-файл» (он создает векторный слой которым нам нужен) (рис.5).

Безымянный

   Далее в меню создания слоя создается необходимый слой. На рис.6 видно, какие параметры задаются при создании слоя.

Безымянный

   После создания слою присваивается название  «Лесотаксация». Данный слой необходимо подготовить к работе, произвести некоторые настройки слоя и выбранные критерии дешифрирования  таксации лесов. Все эти операции проводятся в контекстном меню «Свойства слоя». Первоначально необходимо поменять значение слоя и сделать его уникальным (рис.7).

Безымянный

   После чего необходимо внести соответствующие критерии в разделе «Поля». После проделанных операций необходимо приступать к дешифрированию лесов. Для этого следует разделить лес на отдельные ареалы по составу, выделить отдельно каждый ареал. Сделать это возможно следующим образом. Выбираем слой «Лесотаксация» и включаем режим «Редактирования» слоя, поле чего выбираем операция «Добавить объект» и приступаем к выделению.

Безымянный

   После того, как объект будет выделен, программа предлагает ввести критерии, которые были выбраны и внесены в базу данных. Для того, чтобы ввести все показатели, необходимо произвести лесотаксационное дешифрирование. Одним из основных этапов лесотаксационного дешифрирования является определения древесного состава лесов. Для того, чтобы определить древесный состав, необходимо выявить определённые характеристики и отличия каждой породы дерева друг от друга. На снимках видны только кроны деревьев, поэтому все признаки распознавания определяются по ним [7].

   Авторами были определены несколько признаков распознавания крон древесных пород, и  результаты внесены в табл.1.

Безымянный

   На основании полученных результатов возможно перейти к распознаванию древесных пород на снимке (рис.9).

Безымянный

   После того, как были заданы критерии для каждого типа деревьев, возможно приступить непосредственно к дешифрированию лесотаксации каждого из ареалов леса. Для примера дешифрирования лесотаксационных характеристик был взят один из выбранных лесных эталонов. Первой определяемой характеристикой любого ареала леса является состав древостоя. Основные признаки дешифрирования древостоя:1) цвет изображения крон; 2) форма и размеры проекций крон и различия между ними; 3) тени; 4) различие в длине крон (для каждого вида древостоя были определены ранее). В выбранном эталоне выделяем один из ареалов леса. Внутри ареала выделяем небольшой участок. В зависимости от масштаба изображения, в нем должно разместиться не менее 30 видимых крон деревьев, которые разделяются по породам. В выделенном участке выделяем имеющиеся породы деревьев, для каждой породы выберем свой цвет: сосна — красный, липа — коричневый, береза — желтый. Подсчитав количество крон деревьев (всего 66) каждой породы — это 49 сосен,14 лип, 3 березы, по пропорции процентного соотношения составляем формулу леса. Сосна 74 %, липа 21 %, береза 5%. В конечном итоге получаем формулу 7СО2ЛП1Б. Такая операция проводится на нескольких участках  ареала для получения средних показателей состава древостоя на выделе. Для определения расстояния между деревьями используется инструмент «Измерить линию». Измерения проводятся от центра крон до крон ближайших деревьев. Количество измерений должно быть не меньше 10, и после считается средний показатель, который принимается за «расстояние между деревьями». Остальные характеристики определяются визуально на снимке с использованием данных уже проведенной  лесотаксации Бузулукского бора  в 2017 году лабораторией тематического анализа компанией «Инотер». В результате, после проделанной работы, разным ареалам лесов, самых разных категорий по породному составу  присваивается свой цвет, и мы получаем карты таксации лесов на выбранные эталонные участки [8].

   Бузулукский бор является уникальным природным образованием, ценящимся, прежде всего, за свои уникальные ландшафтные сообщества, которые отличаются богатством лесных ресурсов. Самой важной причиной развития столь неповторимого природного богатства заключатся, главным образом, в сложном геоморфологическом строении и при участии природных экзогенных процессов. Сложность пространственного и гипсометрического строения рельефа предопределяет многообразие и мозаичность в развитии растительного покрова, сложном сочетании лесных фитоценозов. По результатам проделанной работы по дешифрированию таксации лесов бора,  мы можем рассмотреть эту взаимосвязь. Рельеф является основным фактором распределения вещества и энергии по поверхности Земли. Изменения в рельефе, подчас даже небольшие, влекут за собой дифференциацию условий увлажнения, способствуют схождению или расхождению в пространстве потоков вещества и энергии. Каждый лесной ареал  обладает своим уникальным составом древостоя, который является основным фактором разделения лесных массивов. Для более понятного представления представляем, на какие типы были разделены ареалы лесов по составу древостоя из проделанной лесотаксации (рис.10).

Безымянный

   Первый выбранный  эталонный участок находится на северной окраине бора. В этой части бора наблюдается наличие черноземов и темно-серых лесных почв. В этой части заповедника по результатам проделанной работы, наблюдается широкое развитие мозаичных лесов с большим разнообразием видового состава. Здесь мы можем увидеть (рис.11) преобладание лиственных лесов, состоящие из дуба, липы, осины и березы различного сочетания. Это, так называемые, окраинные мозаичные леса. Их развитие обусловлено разнообразием почв и  лесоразведением. Эти леса отличаются многообразием не только видового состава, но и возраста. В северной окраине бора преобладает  денудационная и денудационно-эрозионная сыртовая поверхность. Этот ярус отличается широким развитием эрозионных форм рельефа.

Безымянный

   На втором эталонном участке (юго-восток бора) расположилась низкая аллювиально-озерная дельтовая поверхность. Она представляет собой разнообразный, но слабо дифференцированный рельеф — волнистый, с небольшими высотными перепадами, изобилующий большим количеством небольших проток, заболоченных низин дефляционного происхождения, которые чередуются с пологими вытянутыми возвышениями со следами эоловой переработки. Местами встречаются небольшие дюны и гряды. Поэтому контуры лесных сообществ во многом повторяют геоморфологическое строение, что видно на снимке (рис.12). На возвышенных пологих увалах формируются чистые сосняки, более пониженные участки занимают осинники с березой, чистые березняки имеют вид небольших вкраплений внутри сосновых боров. В блюдцеобразных понижениях, возникших на месте котловин выдувания, произрастают преимущественно березняки, сменяющиеся осинниками, часто порослевого происхождения. Более крупные по площади котловины в центральной части заболочены, а по периферии покрыты молодой порослью березы [9].

Безымянный

   Третий эталонный участок расположен непосредственно вблизи русла реки Самары, юго-восточной части бора. Здесь расположена пойменная терасса. Это наиболее дифференцированная поверхность с большим перепадом высот до 10 метров и более. Эта территория долинной системы является наиболее динамичной частью поймы. Здесь развивается наиболее разнообразная часть лесного сообщества. Лесные ареалы  большей частью имеют вытянутые формы, соответствуя очертаниям рельефа.  Быстрая смена одних лесов другими, частое их чередование и небольшие по площади контуры – характерная особенность пойменных лесов. Наряду с многообразием и сложным строением эти леса подвержены и наибольшему изменению во времени (порой в течение короткого промежутка), замещение одних лесов другими. Этим обусловлено большое число участков, где много высохших и поваленных деревьев одного вида, на месте которых появляются деревья другого вида. Первая и вторая надпойменные террасы характеризуются значительно более плавной субгоризонтальной поверхностью. Здесь наблюдается пологая широкая волнистость с превышениями до 1-3 метров. На первой надпойменной террасе волнистость выражена более отчетливо, нежели на второй, которая выглядит более пологой. В этой связи леса здесь менее разнообразны. Преобладают большие по площади ареалы (особенно на второй террасе) с преобладанием сосны и сосны с березой, осложненных изометричными небольшими участками лиственных пород – березы и осины (рис.13). Последние приурочены к пологим блюдцеобразным понижениям.

Безымянный

   Четвертый эталонный участок (рис.14) расположен в центрально- восточной части бора в долине реки Боровка. По долинам рек и ручьев вклиниваются в виде небольших полос лиственные леса, состоящие из черной ольхи, вяза, осины. Вблизи реки наблюдается пологая широкая волнистость с превышениями до 1-3 метров, что характеризует более плавную субгоризонтальную поверхность. В этой части эталона леса менее разнообразны. Преобладают большие по площади ареалы с преобладанием сосны и сосны с берёзой, небольшие участки лиственных пород- березы и осины. Из этого следует, что вдоль реки Самара располагается первая и вторая надпойменные террасы, На первой надпойменной террасе волнистость выражена более отчётливо, чем на второй, которая более пологая. Восточнее от реки Самара преобладают такие растительные сообщества как коренная сосна, занимающая значительную по площади участки. Сами сосняки весьма не однородны, что вызвано неоднородностью эолового рельефа. Участки хорошо сомкнутых лесов чередуются с редкостойными сосняками на боровых песчаных почвах.  В небольших понижениях к сосне могут примешиваться и лиственные породы – осина, береза, реже дуб и липа.  В периферийной части  яруса мозаичность лесов увеличивается. Здесь могут встречаться как дубовые, так и липовые сообщества с примесью осины и березы.  Вдоль реки Самары располагаются первая и вторая надпойменные террасы, а восточнее – аллювиальная и аллювиально-озерная дельтовая равнина [10].

Безымянный

   Таким образом, были созданы среднемасштабные карты эталонных участков лесотаксации национального парка Бузулукский Бор и разработана методика дешифрирования.  При помощи полученных карт в дальнейшем возможно производить оценку различных  природных и антропогенных показателей. Результаты исследований найдут применение в области экологии, природопользования, лесного хозяйства.

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. Назаров В.Г., Хабаров Д.А., Азаров Д.А. Использование материалов космической съемки при оценке природно-ресурсного потенциала урбанизированных территорий // Московский экономический журнал. 2017. №2. 4 С.
  4. Хабарова И.А., Гилюк А.В., Дручинин С.С. Геолого-географическое изучение лесопарковых территорий с использованием космических изображений // Московский экономический журнал. 2017. №2. 13С.
  5. Хабарова И.А., Воробьева С.Н., Дручинин С.С. Использование материалов дистанционного зондирования для целей мониторинга земель // Московский экономический журнал. №2. 2 С.
  6. Jacobson R.A., Lainey V. Martian satellite orbits and ephemerides // Planetary and space science. V.102. No. C. Pp. 35-44.
  7. Учаев Дм.В., Учаев Д.В., Прутов И.С. Многомасштабное представление гравитационных полей малых небесных тел// Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2013. №4. C. 3-8.
  8. Uchaev D.V., Malinnikov V.A. Chebyshev-based technique for automated restoration of digital copies of faded photographic prints // Journal of electronic imaging. V.26. No.1. Pp. 011024.
  9. Воронин А.В. Алгоритм технического зрения для беспилотного летательного аппарата сельскохозяйственного назначения // Политехнический молодежный журнал. 2017. №8(13). С. 1.
  10. Чабан Л.Н., Малинников В.А., Учаев Д.В., Учаев Дм. В. Методы отбора информативных каналов при тематической обработке гиперспектральных изображений // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2014. №4. C. 63-74.

References

  1. Permitina L.I. Operational satellite monitoring of the state of the environment and land use // ARCREVIEW. 2005. 3(34). Pp. 18‒24.
  2. Krylov A.M., Sobolev A. A., Vladimirova N. A. Identification of foci of bark beetle in Moscow region using Landsat images// Vestnik Moskovskogo gosudarstvennogo universiteta lesa Lesnoj vestnik = Bulletin of the Moscow State Forest University. 2011. No.4. Pp. 54–60.
  3. Nazarov V.G., Khabarov D.A., Azarov D.A. Use of space imagery materials in assessing the natural resource potential of urbanized territories // Moskovskij ehkonomicheskij zhurnal = Moscow Economic Journal. 2017. No.2. 4 Pp.
  4. Khabarova I.A., Gilyuk A.V., Druchinin S.S. Geological and geographical study of forest park territories using space images // Moskovskij ehkonomicheskij zhurnal = Moscow Economic Journal. 2017. No. 2. 13Pp.
  5. Khabarova I.A., Vorob’eva S.N., Druchinin S.S. Use of remote sensing materials for land monitoring purposes // Moskovskij ehkonomicheskij zhurnal = Moscow Economic Journal. 2017. No. 2. 2 Pp.
  6. Jacobson R.A., Lainey V. Martian satellite orbits and ephemerides // Planetary and space science. 2014. V.102. No. C. Pp. 35-44.
  7. Uchaev Dm.V., Uchaev D.V., Prutov I.S. Multi-scale representation of gravitational fields of small celestial bodies // Izvestiya vysshih uchebnyh zavedenij. Geodeziya i aehrofotos»emka = Izvestia vuzov. Geodesy and aerophotography. 2013. No. 4. Pp. 3-8.
  8. Uchaev D.V., Malinnikov V.A. Chebyshev-based technique for automated restoration of digital copies of faded photographic prints // Journal of electronic imaging. 2017. V.26. No.1. Pp. 011024.
  9. Voronin A.V. The algorithm of technical vision for an unmanned aerial vehicle for agricultural purposes // Politekhnicheskij molodezhnyj zhurnal = Politechnical student journal. 2017. No. 8(13). Pp. 1.
  10. Chaban L.N., Malinnikov V.A., Uchaev D.V., Uchaev Dm. V. Methods of selecting informative channels for thematic processing of hyperspectral images // Izvestiya vysshih uchebnyh zavedenij. Geodeziya i aehrofotos»emka = Izvestia vuzov. Geodesy and aerophotography. 2014. No.4. Pp. 63-74.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *