Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
Ваш e-mail:
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 87-99

Разработка методики актуализация информации о лесном участке с использованием снимков со спутников и малых БПЛА

Р.А. Алешко 1 , А.А. Алексеева 1 , К.В. Шошина 1 , А.П. Богданов 2 , А.Т. Гурьев 1 
1 Северный (Арктический) федеральный университет им. М.В. Ломоносова, Архангельск, Россия
2 Северный научно-исследовательский институт лесного хозяйства, Архангельск, Россия
Одобрена к печати: 29.08.2017
DOI: 10.21046/2070-7401-2017-14-5-87-99
В статье приведены наиболее значимые моменты научно-практического исследования по применению спутниковых и аэроснимков для актуализации информации о лесном участке. В работе представлены беспилотные летательные аппараты, применяемые для выполнения аэросъемки, а также их тактико-технические характеристики. Показано, каким образом, используя методы обработки спутниковых снимков для фиксирования крупных изменений в растительном покрове и методов обработки детальных аэроснимков, актуализировать данные о лесном участке. На примере пробной площади описана методика автоматизированного выделения контуров крон, расчета диаметра ствола и запаса древесины на лесном участке. В рамках методики использованы морфологические методы обработки цифровых изображений, геоинформационные средства представления и обработки пространственной информации, а также результаты статистических наблюдений ведущих ученых в сфере лесного хозяйства. Полученные результаты были проверены на нескольких пробных площадях в полевых условиях инструментальными и глазомерными средствами. Рассчитанный процент погрешности является допустимым при выполнении таксационного обследования. Методика применима для автоматизации процесса тематической интерпретации ортотрансформированных аэроснимков с пространственным разрешением 5–10 см на пиксель. Эксперименты, представленные в статье, проводились на снимках сомкнутых лесов севера европейской части России. Результаты исследования используются для актуализации устаревших лесотаксационных планов и таксационных описаний лесных участков.
Ключевые слова: цифровая обработка изображений, аэроснимки, космические снимки, БПЛА, лесной участок, актуализация информации
Полный текст

Список литературы:

  1. Алешко Р.А., Гурьев А.Т. (2013а) Методика тематического дешифрирования спутниковых снимков лесных территорий на основе структурных моделей // Известия ВУЗов. Приборостроение. 2013. Т. 56. № 7. С. 76–77.
  2. Алешко Р.А., Гурьев А.Т. (2013б) Структурное моделирование взаимосвязей дешифровочных признаков спутниковых снимков и таксационных параметров лесных насаждений // Труды СПИИРАН. 2013. Вып. 29. С. 180–189.
  3. Богданов А.П., Алешко Р.А., Шошина К.В., Демиденко С.А. Использование материалов детальной спутниковой съемки для таксации лиственницы сибирской в Архангельской области // Известия высших учебных заведений. Лесной журнал. 2016. № 1 (349). С. 74–82. DOI: 10.17238/issn0536-1036.2016.1.74.
  4. Гусев И.И. Таксация древесного ствола срубленного и растущего дерева: учеб. пособие. Архангельск: Изд-во АЛТИ. 1992. 80 с.
  5. Кузьмичев В.В. Закономерности роста древостоев. Новосибирск: Наука, 1977. 160 с.
  6. Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве. Йошкар-Ола: МарГТУ, 2005. 392 c.
  7. Aleshko R.A., Guriev A.T., Shoshina K.V., Schenikov V.S. Development of methodology for visualization and processing of geospatial data // Scientific Visualization. 2015. Vol. 7. Issue 1. P. 20–29.
  8. Arslan S., Ozyurek E., Gunduz-Demir C. A color and shape based algorithm for segmentation of white blood cells in peripheral blood and bone marrow images // Cytometry. Part A. 2014. Vol. 85. Issue 6. P. 480–490.
  9. Bater C., Wulder M.A., Coops N.C., Nelson R.F., Hilker T., Næsset E. Stability of sample-based scanning LiDAR-derived vegetation metrics for forest monitoring // IEEE Trans. Geoscience and Remote Sensing. 2011. Vol. 49 (6). P. 2385–2392.
  10. Dougherty E.R., Lotufo R.A. Hands-on Morphological Image Processing. Series: Tutorial Texts in Optical Engineering. Vol. TT59. SPIE Press, 2003. 272 p.
  11. Franklin S.E. Remote Sensing for Sustainable Forest Management. Lewis Publishers, 2001. 424 p.
  12. Gao H., Xue P., Lin W. A new marker-based watershed algorithm // Circuits and Systems. 2004. ISCAS’04. Proc. 2004 Intern. Symp. 2004. Vol. 2. 2004. P. 81–84.
  13. Guriev A.T., Aleshko R.A. Adapting the combined database of cartographic and attribute information of forest plantations by automating remote sensing data interpretation // Earth From Space — The most effective solutions / Research and development center ScanEx. Transparent world. BKL Publishers, 2009. P. 233–234.
  14. Karvelis P.S., Tzallas A.T., Fotiadis D.I., Georgiou I. A Multichannel Watershed-Based Segmentation Method for Multispectral Chromosome Classification // Medical Imaging. IEEE Trans. 2008. Vol. 27. Issue 5. P. 697–708.
  15. Letteboera M.M.J., Olsenb O.F., Damb E.B., Willemsc P.W.A., Viergevera M.A., Niessena W.J. Segmentation of tumors in magnetic resonance brain images using an interactive multiscale watershed algorithm // Academic Radiology. 2004. Vol. 11. Issue 10. P. 1125–1138.
  16. Ng H.P., Ong S.H., Foong K.W.C., Goh P.S., Nowinski W.L. Medical Image Segmentation Using K-Means Clustering and Improved Watershed Algorithm // Image Analysis and Interpretation. 2006 IEEE Southwest Symp. 26–28 March 2006. P. 61–65.
  17. Nguyen H.T., Worring M., Boomgaard R. Watersnakes: Energy-Driven Watershed Segmentation // IEEE Trans. Pattern Analysis and Machine Intelligence. 2003. Vol. 25. No. 3. P. 330–342.
  18. Parvati K., Prakasa Rao B.S., Mariya Das M. Image Segmentation Using Gray-Scale Morphology and Marker-Controlled Watershed Transformation // Discrete Dynamics in Nature and Society. 2008. Vol. 2008. 8 p. Article ID 384346. DOI: 10.1155/2008/384346.
  19. Understanding Forest Disturbance and Spatial Pattern: Remote Sensing and GIS Approaches / eds. Wulder M.A., Franklin S.E. CRC Press (Taylor and Francis), 2006. 246 p.
  20. Wulder M.A., Coops N.C., Hudak A.T., Morsdorf F., Nelson R., Newnham G., Vastarantag M. Status and prospects for LiDAR remote sensing of forested ecosystems // Canadian J. Remote Sensing. 2013. Vol. 39. No. S1. P. S1–S5.