Сейчас у нас леса занимают значительные территории (приблизительно 70%), соответственно задача контроля их является достаточно актуальной, и для решения ее можно успешно использовать космические снимки [1,3]. Как известно, космические снимки среднего разрешения спутника Ресурс (МСУ-СК), используются для выявления крупных, наиболее нарушенных хозяйственной деятельностью, территорий. Они дают возможность достоверно выявлять по спектрозональным снимкам среднего (около 150 м/пиксель) разрешения.
Космические снимки высокого разрешения (15–35 м/пиксель – LandsatETM+, Ресурс МСУ – Э, SPOTHRV) используются для детального выявления изучаемых территорий на нарушение лесных площадей.
Исследования показали, что главным препятствием в решении задачи получения достоверных данных о степени нарушения природных ландшафтов на основании картографических материалов являются следующие утверждения.
1. На данный момент отсутствуют общегеографические и топографические карты, которые верно отражали бы состояние исследуемых территорий.
2. Отсутствуют достоверные картографические материалы на некоторые категории лесов, раз в 10 лет составляются лесные карты, причем не всюду, велика доля ошибок при составлении лесных карт. Исходя из сказанного, можно прийти к выводу, что оперативная карта составления лесов по стране достаточно детального масштаба по материалам лесоустройства и государственного учета лесного фонда не может быть составлена.
3. Зачастую хозяйственные карты не объективны из-за приписок, например, не существующих дорог или хозяйственных объектов.
Итак, если использовать только общегеографические карты или только космические снимки среднего разрешения, то невозможно получить достоверные и детальные данные при изучении лесов. А использование космических снимков высокого разрешения невозможно по причине высокой стоимости и отсутствия безоблачных снимков летнего периода на отдельных участках.Более того, на данные аэрокосмических исследований воздействуют следующие факторы: сезонность, атмосфера, освещенность и т.д. Это, в первую очередь, воздействует на значения спектральных яркостей элементов изображения. По определению, спектральные яркости элементов изображения – это главный признак, который необходимо использовать при распознавании и выявлении изменений на исследуемых территориях. Чтобы избежать подобных ситуаций, можно воспользоваться способами подобными атмосферной коррекции, нормирования, создания индексных изображений и эти процедуры, как правило, осуществляются во время съемки [3].
Контроль рубки лесов методом ДЗЗ
Исследовательская часть
Исследуем спектральную отражательную способность лесных насаждений и кустарников. Кривые отражения их классифицируются следующим образом. Все кривые отражения лесных насаждений и кустарников разделены на четыре типа [3].
1. Отражательная способность незначительно возрастает от фиолетового к красному концу спектра, оставаясь почти без изменений на всем протяжении области ИК – спектра, сохраняя тот уровень, который был достигнут на красном участке.Это означает, что кривые данного типа соответствуют нейтрально серому фону с чуть заметным желтоватым или буроватым оттенком. Этот тип характерен для лиственных пород леса в зимний период времени. Более темные оттенки характеризуют березу и лиственницу молодых древостоев. Более светлые – характеризуют дуб молодого древостоя, далее рассматривается липа спелого древостоя и осина молодого древостоя. Наиболее светлый оттенок в этот период соответствует березе спелого древостоя.
2. Около длины волны 550 нм виден слабый максимум, что означает довольно низкий уровень отражательной способности во всей видимой области спектра.В ближней области ИК-спектра отражательная способность повышенная, но является невысокой для растительных образований. Кривые второго типа соответствуют темно-зеленому малонасыщенному фону. В этот период это характерно для хвойной породы лесов в зимний период. Самой темной является сосна спелого древостоя, коэффициент яркости которой равен даже в максимуме (550 нм) лишь 0,21. Поэтому сосну относят к самым темным природным образованиям.
3. Отражательная способность в видимой области спектра заметно выше, чем в предыдущем типе. Она остается в общем невысокой. Максимум в желто-зеленых лучах (550 нм), обусловленный насыщенной зеленой окраской растительности, выражен значительно резче.
Отражательная способность в ближней области ИК – спектра, начиная с 700 нм, резко возрастает и остается высокой на всем протяжении этой области. К этому типу относятся древостои лиственных пород в период вегетации с молодой листвой и хвойные породы – с молодой хвоей. По мере развития молодой листвы и хвои (фаза «полный лист») насаждения несколько темнеют, хотя ход по спектру остается более или менее одинаковым.
В фазе «поздняя зелень» отражательная способность лиственных пород снова становится высокой и притом более высокой, чес в фазе «молодой лист». То есть до наступления осенней раскраски лиственные леса светлеют, а хвойные породы, наоборот, становятся более темными, приближаясь к зимнему виду.
Отражательная способность лесов в ближней области ИК – спектра, начиная с 700 нм, оказывается различной у разных пород. Самыми темными являются сосна и ель, более светлые – береза и осина.
4. Отражательная способность остается в диапазоне 400–500 нм такой же, как и в предыдущем типе, однако возрастает в красном и ближнем участках ИК – спектра. Кривые четвертого типа соответствуют оранжево-красному фону и осенней раскраске всех лиственных лесов.
На рис.1 изображены типичные спектральные кривые отражения лесных насаждений.
Практическая часть
Рассмотрим возможности анализа космических снимков применительно к лесу.
Для определения экономического ущерба необходимо выбрать систему показателей, с помощью которых можно проводить временной сравнительный анализ [3]. Это:
- Площадь леса.
- Площадь вырубленного леса.
- Площадь сгоревшего леса.
- Тип леса.
- Объем сгоревшего леса.
- Площадь новых гарей и площадь ранее образовавшихся гарей.
- Площадь новых вырубок и площадь ранее образовавшихся вырубок.
Для примера рассмотрим состояние лесных угодий Домодедовского района Московской области по показателю «вырубленный лес» (рис. 2). Алгоритм исследования заключается в следующем. На растровую карту района 1980 г. наносятся различные виды растительности, выделенные с космического снимка с помощью специализированного программного обеспечения и дешифровки по спектральным кривым. Различные типы лесной растительности нанесены на карту разными цветами.
После сравнения с картой видна часть местности, на которой по сравнениюс1980 г. лесная растительность отсутствует. Площадь лесной растительности различного типа, площадь участка с вырубленной по сравнению с 1980 г. растительности можно определить как в площадных единицах, так и в процентном отношении.
Рис. 2. Состояние лесных угодий в северной части Домодедовского района по сравнению с данными за 1980 г.
На рис. 3представлен дешифрованный снимок территории Коми-Пермяцкого АО, полученный с КА «TERRA». С помощью специального программного обеспечения и метода кластерного анализа произведено разделение растительности по различным типам, которые обозначены на снимке разными цветами. Итак, определена площадь различных типов растительности. Таким образом, можно определить и качество использования земель.
Рис. 3. Карта – схема состояний лесной растительности на территории Коми-Пермяцкого АО по данным КА «TERRA»
На рис. 4 приведен пример контроля рубки лесов методом дистанционного зондирования Земли; с помощью специального программного обеспечения и методов дешифровки по спектральным кривым выявлены вырубки различной степени давности и совмещены с растровой картой. Вырубки разделены на – свежие и старые. Очевидно, что часть свежих вырубок уже заросла травой и кустарником, другая часть – подлеском. В правом верхнем углу рисунка представлена часть снимка, обработанного с использованием метода кластерного анализа.
Рис. 4. Контроль рубки леса на территории Коми-Пермяцкого АО (в районе г. Шугрем) по данным КА «Ресурс - О»
Это позволило определить площадь вырубок различной давности, а также, используя более ранние снимки, определить типы растительности, росшей на этих местах и их площадь, как в площадных единицах, так и в процентах.
Рис. 6 наглядно иллюстрирует эффективность контроля вырубки лесов описываемым методом. На левой части рисунка дано исходное космическое изображение части территории Архангельской области, на правой – дешифрованный снимок, на котором разными цветами обозначены различные природные объекты. Выделены прошлогодние и свежие вырубки, а также более старые вырубки, заросшие вторичными лесами.
Анализ снимков позволяет определить площадь территории, на которой вырублены леса в различные промежутки времени, а также, используя более ранние снимки, определить типы растительности, росшей на этих местах и их площадь.
Рис. 6. Контроль рубки леса (Архангельская область)
Рецензенты:
Заалишвили В.Б.,д.ф.-м.н., профессор, директор ФГБУН Центра геофизических исследований, г. Владикавказ;
КусраевА.Г.,д.ф.-м.н.,профессор, директор Института прикладной математики и информатики, г. Владикавказ.