Разработка методики региональной экологической оценки состояния лесов по данным спутниковых наблюдений

ряде случаев проведение региональной экологической оценки состояния лесов, требует высокой детальности наблюдений при обеспечении их регулярности, что обуславливает целесообразность комбинированного использования материалов зондирования с различных спутниковых приборов. При этом, комбинация данных среднего (например, Terra/Aqua-MODIS) и высокого (например, Landsat-ETM+ или SPOT-HRV) пространственного разрешения является одним из путей оперативного получения сведений о количественных и качественных показателях состояния лесов с высоким уровнем точности по отдельным территориальным образованиям или региону в целом.

Для экологической оценки лесов по спутниковым данным целесообразно использовать индикаторы, отражающие степень покрытия территории лесами, породный состав насаждений и их физиологическое состояние.

Лесистость, как отношение покрытой лесами площади к площади региона, относится к числу основных характеристик, а ее оценка по спутниковым изображениям высокого пространственного разрешения, как правило, обеспечивается с высоким уровнем надежности. При использовании данных низкого или среднего разрешения такого рода оценка сопряжена со значительными погрешностями, в особенности для территорий с фрагментированным лесным покровом.

Одним из возможных подходов для оценки лесистости на больших территориях при обеспечении высокого уровня точности является комбинированное использование спутниковых изображений MODIS и Landsat-ETM+. При этом оптимально сочетание полного покрытия региона данными MODIS с репрезентативной выборкой изображений высокого разрешения. Получаемые при этом по изображениям Landsat-ETM+ опорные значения лесистости могут использоваться для коррекции результатов обработки данных среднего пространственного разрешения.

Интенсивная хозяйственная деятельность или воздействие других возмущающих факторов часто приводит к смене породного состава лесов, и, в частности, к сокращению участия хвойных насаждений в лесном покрове. Во многих случаях формирующиеся после вырубок и пожаров вторичные леса характеризуются преобладанием лиственных и смешанных насаждений в течение достаточно продолжительного периода. В этой связи доля участия чистых хвойных насаждений в лесном покрове может служить одной из характеристик экологического состояния лесов в условиях долгосрочной антропогенной нагрузки. Физиологическое состояние лесов в значительной степени определяется содержанием хлорофилла и уровнем влагообеспеченности зеленых фракций древесной растительности. Непосредственное определение абсолютных значений этих показателей по данным дистанционного зондирования в настоящее затруднено и требует дополнительных наземных измерений. В этой связи целесообразно использовать относительные показатели, получаемые на основе спектральных индексов, коррелирующих с уровнем обеспеченности растений хлорофиллом и влагой, в качестве которых могут использоваться нормализованный разностный индекс растительности NDVI и индекс влагообеспеченности NDWI, определяемые по спектральному отражению в видимом, ближнем и среднем ИК диапазонах спектра.

К особенностям предложенного в настоящее работе подхода относится оценка значений указанных спектральных индексов отдельно для хвойных и лиственных насаждений, что продиктовано их различной чувствительностью к воздействию негативных факторов среды. При этом, в отличие от лиственных лесов, значения спектральных индексов для хвойной растительности могут выступать в качестве чувствительного индикатора их состояния. Это объясняется тем, что, не будучи подверженным сезонной дефолиации, хвойные насаждения в условиях повышенного уровня загрязнения окружающей среды аккумулируют в вегетативных органах значительно более высокий уровень вредных веществ, что проявляется в снижении уровня хлорофилла и влагосодержания, и как следствие в более высоком уровне угнетения хвойных деревьев. Данное положение нашло подтверждение в результатах экспериментальных исследований, выполненных в рамках диссертационной работы.

С целью обеспечения сопоставимости и возможностей совместного анализа индикаторов состояния лесов, получаемых по спутниковым данным различного пространственного разрешения, снижения влияния случайных факторов, а также удобства пространственного моделирования в среде ГИС предложенная методика предполагает осреднение характеристик состояния лесов в ячейках покрывающей территорию регулярной сети. Исходя из необходимости обеспечения репрезентативности получаемых оценок и пространственного разрешения изображений MODIS, используемых в качестве одного из основных источников спутниковых данных для исследований, было признано целесообразным использовать ячейки сети с размером 10х10 км.

Представленная на рисунке 1 логическая схема отражает основные этапы предложенной методики региональной оценки экологического состояния лесов по спутниковым данным. Как следует из схемы, для апробации методики на примере Московской области используются приборы MODIS (250 м) и Landsat-ETM+ (28,5 м) в качестве основных источников спутниковых данных. При этом данные MODIS обеспечивают полное покрытие региона и используются в сочетании с репрезентативной выборкой изображений высокого разрешения.

Предварительная обработка спутниковых данных призвана обеспечить их более эффективный тематический анализ за счет снижения влияния мешающих факторов. Так предварительная обработка ежедневных данных наблюдений прибором MODIS направлена на формирование очищенных от влияния облачного покрова композитных изображений региона путем селекции данных за некоторый период наблюдений на основе набора заданных критериев. Предварительная обработка данных Landsat-ETM+ включает в себя их географическую привязку и взаимную радиометрическую нормализацию, и направлена на обеспечение возможности совместной классификации совокупности спутниковых изображений на регион исследований с целью снижения временных затрат на этапе тематической обработки.

На первом этапе тематического анализа изображений предусматривается построение карт лесов по результатам независимой классификации обоих видов спутниковых данных. Набор классов, выделяемых в ходе анализа спутниковых данных, должен обеспечивать отделение покрытых лесом от непокрытых лесом участков, а также подразделение покрытых лесом территорий на хвойные, лиственные и смешанные насаждения. Целесообразно также выделять хвойные насаждения с преобладанием светлохвойных (сосна) и темнохвойных (ель, пихта) пород. В качестве источника вспомогательных данных для классификации изображений могут использоваться лесоустроительные и другие тематические карты, отражающие территориальное распределение лесов региона и их породный состав. Интеграция полученных по результатам классификации изображений MODIS данных о характеристиках лесов в базу данных ГИС предваряется выполнением калибровки с использованием результатов анализа изображений высокого разрешения. Предложенной методикой предлагается восстановление вида и параметров калибровочных функций путем регрессионного анализа, в качестве входных переменных для которых используются значения лесистости для ячеек сети, полученные по спутниковым изображениям среднего и высокого разрешения.

Полученные в результате классификации изображений MODIS маски хвойных и лиственных лесов используются на дальнейших этапах для вычисления в ячейках сети средних значений индексов NDVI и NDWI, отражающих физиологическое состояние насаждений в части обеспеченности их хлорофиллом и водой.

12

При этом целесообразно установить связь значений спектральных индексов с независимыми данными об антропогенной нагрузке на экосистемы, которая, в частности, может выражаться в уровне загрязнения атмосферы и почв вредными веществами.

Получаемые данные об индикаторах экологического состояния лесов позволяют формировать постоянно обновляемую базу данных в составе ГИС по лесам региона. Банк данных ГИС должен также включать в состав информационного обеспечения ряд дополнительных баз данных и цифровых карт.

Глава 2. Картографирование лесов по многоспектральным спутниковым данным высокого пространственного разрешения

Предложенная методика региональной экологической оценки лесов предусматривает использование репрезентативной выборки данных спутниковых наблюдений высокого пространственного разрешения для классификации лесного покрова и оценки таких ключевых индикаторов как лесистость и доля чистых хвойных насаждений в составе покрытой лесом площади. Одним из широко используемых в настоящее время источников спутниковых данных высокого разрешения является портал программы Global Land Cover Facility (GLCF http: // glcf. umiacs. umd. edu). Отобранный из архива набор изображений Landsat ETM+ включал в себя пять спутниковых сцен с незначительным влиянием облачности и максимально возможно приближенных по фазе фенологического развития растительности. Схема покрытия области изображениями Landsat ETM+ представлена на рисунке 2.

Рис.2 Схема покрытия Московской области данными Landsat-ETM+

Используемые в работе изображения были приведены в проекцию UTM на эллипсоиде WGS84, а уточнение их взаимной пространственной привязки производилось методом аффинных преобразований по опорным точкам в зоне перекрытия изображений с уровнем погрешности, не превышающей размера одного пикселя.

При построении карт лесов регионального уровня с использованием данных высокого пространственного разрешения, как правило, для обеспечения полного покрытия территории приходится использовать совокупность неоднородных по времени и условиям спутниковой съемки изображений. При этом возникает задача разработки методов использования разнородных изображений с целью минимизации временных затрат и объема необходимых опорных данных при условии обеспечения достаточной тематической точности и информационной детальности получаемых карт.

Один из возможных подходов к решению этой задачи предполагает первоначальное проведение взаимной яркостной нормализации изображений с целью их последующей совместной классификации. В основу метода яркостной нормализации изображений, полученных одним и тем же прибором дистанционного зондирования, положено предположение о том, что, при отсутствии качественных изменений лесов в период между двумя датами наблюдений, различия регистрируемой яркости, прежде всего, связаны с изменениями характеристик пропускания и рассеяния излучения атмосферой, а также фенологической динамикой растительности. При этом была принята линейная модель аппроксимации связи между значениями яркости на уровне прибора дистанционного зондирования Ra и на нижней границе атмосферы R, согласно следующему выражению:

Страницы: 1, 2, 3, 4