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
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. 2018. Т. 15. № 1. С. 147-156

Дешифрирование растительности северо-западного Приладожья по космической съёмке высокого разрешения с использованием ординации по комплексу морфолого-физиологических показателей

А.Н. Афонин 1 , Ю.В. Соколова 1 , Н.Н. Бардаков 1 , И.О. Сахаров 1 
1 Санкт-Петербургский Государственный университет, Санкт-Петербург, Россия
Одобрена к печати: 20.11.2017
DOI: 10.21046/2070-7401-2018-15-1-147-156
Проведено дешифрирование растительности по снимкам высокого разрешения QuickBird-2 (2,4 и 0,6 м), GeoEye-1 (2 и 0,5 м) и WorldView-2 (2 и 0,5 м). В качестве дешифровочных признаков использованы выявляемые на снимках морфолого-физиологические свойства объектов: морфометрические характеристики проекции растительного покрова (крон деревьев) на снеговой покров, которые количественно оценивали по отражению растительности на ранневесеннем снимке, и интегральный показатель фотосинтетической активности растительности, которую оценивали по индексу NDVI, рассчитываемому по летнему снимку. Рассмотрены концептуальные и методические аспекты прямого экспертного дешифрирования растительности по снимкам высокого разрешения методами классификации с использованием инструментов растровой алгебры. Валидация результатов дешифрирования материалами наземного обследования показала 78–100%-ю точность дешифрирования при картировании разных типов растительности, классифицированной на 6 классов уровня формаций и групп формаций. Учёт большего количества морфолого-физиологических параметров позволяет повысить точность дешифрирования. Вместе с тем следует отметить некоторые проблемы использования снимков субметрового разрешения. Например, при дешифрировании растительности по снимкам высокого разрешения возникают проблемы недостаточно точной геометрической коррекции предоставляемых снимков и неодинаковости угла наклона камеры при проведении съёмки. Это не позволяет проводить прецизионное сравнение разновременных снимков и использовать в полной мере возможности дешифрирования по разновременной динамике (change detection) и текстурным особенностям поверхности растительного покрова на пиксельном уровне. В связи с этим необходимым этапом дешифрирования снимков высокого разрешения методами классификации с использованием инструментов растровой алгебры является их генерализация.
Ключевые слова: дешифрирование, растительность, данные дистанционного зондирования, снимки высокого разрешения, методика, дешифровочные признаки, морфолого-физиологические показатели, ГИС, классификация, растровая алгебра, генерализация
Полный текст

Список литературы:

  1. Кашкин В. Б., Сухинин А. И. Распознавание образов // Дистанционное зондирование Земли из космоса. Цифровая обработка изображений. М.: Логос, 2001. С. 145–164.
  2. Лурье И. К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков. М.: КДУ, 2008. 424 с.
  3. Малышева Н. В. Автоматизированное дешифрирование аэрокосмических изображений лесных насаждений. М.: Изд-во МГУЛ, 2012. 154 с.
  4. Пузаченко М. Ю., Котлов И. П., Черненькова Т. В. Технологическая схема мониторинга природных объектов с использованием ДДЗ и ГИС-технологий // Мониторинг биологического разнообразия лесов России. М.: Наука, 2008. С. 347–359.
  5. Шовенгердт Р. А. Коррекция и калибровка // Дистанционное зондирование. Методы и модели обработки изображений. М.: Техносфера, 2010. С. 370–380.
  6. Фарбер С. К., Кузьмик Н. С., Брюханов Н. В. Погрешности дешифрирования лесов приангарья методом классификации пикселей спутникового снимка // Сибирский лесной журн. 2016. № 4. С. 56–67.
  7. Kuester M. A. Absolute Radiometric Calibration: 2016v0. DigitalGlobe, 2017. URL: https://dg-cms-uploads-production.s3.amazonaws.com/uploads/document/file/209/ABSRADCAL_FLEET_2016v0_Rel20170606.pdf (Accessed 15.11.2017).
  8. Eastman J. R. IDRISI Selva Tutorial: Manual Version 17.0. Clark University, 2012. 354 p.