В работе представлены исследования по разработке методов и алгоритмов, предназначенных для автоматизированной обработки детальных аэрокосмических снимков. Проведено исследование предметной области – лесных ресурсов, рассмотрены основные параметры лесных насаждений. В статье осуществлен выбор наиболее информативных дешифровочных признаков лесных насаждений по детальным спутниковым снимкам. В статье приведены структурные схемы связей параметров лесных ресурсов и свойств снимков, разработаны продукционные правила определения параметров лесов.
Ключевые слова:автоматизация дешифрирования, данные дистанционного зондирования, методы, алгоритмы.
В связи с увеличением объемов данных аэрокосмической съемки, а также вычислительной мощности технических средств все чаще возникает потребность в автоматизации обработки значительного объема полученной информации. Анализ существующих методик и алгоритмов автоматизированного дешифрирования лесных территорий показал, что, несмотря на значительные результаты исследований в данной области, применение методик автоматизированной тематической обработки данных дистанционного зондирования в лесопромышленном комплексе весьма ограничено. Это, как правило, связано с недостаточно развитым математическим аппаратом в данной области и сложностью формализации процесса дешифрирования лесов. В частности, существующие методики дешифрирования не обеспечивают достаточного уровня достоверности получаемых данных. Поэтому актуальной является работа, направленная на теоретическое обобщение подходов к тематической обработке спутниковых снимков лесных территорий и решение научно-технической задачи, связанной с созданием методик и алгоритмов тематической обработки спутниковых снимков лесных территорий.
Определим задачу исследования. Пусть даны детальные спутниковые снимки, данные наземного обследования территории, набор характеристик таежных лесных насаждений, набор характеристик спутниковых снимков. Спутниковая съемка проводилась в середине летнего периода времени, полученные снимки прошли необходимую радиометрическую, геометрическую коррекцию, была выполнена привязка снимков к географическим координатам.
Требуется найти наиболее информативные дешифровочные признаки лесных территорий; состав таксационных показателей лесных насаждений, определяемых по снимку; взаимосвязи свойств объектов спутникового снимка и свойств объектов лесных насаждений; разработать методику тематической обработки спутниковых снимков таёжных лесов.
Современная практика лесоустройства основывается на количественной и качественной характеристике древостоя, которая включает следующие таксационные показатели (свойства): преобладающая порода, форма, состав, возраст, класс возраста, средняя высота, средний диаметр, класс бонитета, тип леса, полнота, запас на 1 га, класс товарности. При общей характеристике насаждения определяют его основные параметры: преобладающая порода, класс возраста, класс бонитета, тип леса.
Определим задачу исследования в формальном виде:
Пусть дана модель открытой системы:
S = {Q, F(Q), P, F(P), R}, где Q – множество объектов лесных насаждений, F(Q) – множество свойств объектов лесных насаждений, P – множество объектов съемочных данных, F(P) – множество свойств объектов съемочных данных, R – множество связей свойств лесных насаждений и данных спутниковой съемки.
Множество объектов лесных насаждений и их свойств представлено следующими элементами:
Q = {Q0, Q1,..., Qn},
F(Q) = {F(Q0), F(Q1),..., F(Qn)},
F(Qi) = {FiЛ1, FiЛ2,..., FiЛm}.
Множество объектов съемочных данных и их свойств представлено следующими элементами:
P = {P0, P1,..., Pk},
F(P) = {F(P0), F(P1),..., F(Pk)},
F(Pi) = {FiC1, FiC2,..., FiCl}.
Множество взаимосвязей свойств объектов съемочных данных и свойств объектов лесных насаждений представим следующим образом:
R={R1,R2,...,Rp}, где p = l × m
R⊂F(Q)×F(P)
Требуется найти:
1) F’(Pi) ⊂ F(Pi)
F’(Pi) = {FiC1, FiC2,..., FiCr}, где F’(Pi) – множество наиболее информативных свойств спутникового снимка.
2) F’(Qi) ⊂ F(Qi)
F’(Qi) = {FiЛ1, FiЛ2,..., FiЛt}, где F’(Qi) – набор определяемых по снимку параметров лесных насаждений.
3) R’⊂ R
R’= {R’1,R’2,...,R’u},
R’⊂ F’(Qi)×F’(Pi), где R’ – множество взаимосвязей наиболее информативных дешифровочных признаков и определяемых параметров лесных насаждений, u = r × t.
Представим дешифровочные признаки детальных снимков в виде множества. Состав свойств объектов детального снимка характеризуется совокупностью признаков рисунка изображения и формами ландшафта. На примере объекта снимка рассмотрим подмножество характеристик свойства F(P0):
F(P)0= (F0С1, F0С2, F0С3, F0С4, F0С5, F0С6, F0С7, F0С8, F0С9, F0С10 ),
где F0С1 – яркость крон; F0С2 – тон крон; F0С3 – протяженность крон; F0С4 – варьирование; F0С5 – вид крон в пологе; F0С6 – Форма крон; F0С7 – форма проекций крон; F0С8 – собственная тень на кроне; F0С9 – ландшафтные признаки; F0С10 – обособленность крон (свойства, связанные со снимком имеют подстрочные индексы вида Сn, где n – порядковый номер свойства).
Построим булеву матрицу [F(Q0)×F(P0)] для детальных спутниковых снимков, в которой укажем, какие элементы множества снимка являются главными для определения свойств лесотаксационного выдела (Таб. 1).
|
Таб. 1 – Булева матрица [F(Q0) ×F(P0)] для детальных снимков
|
Рис. 1. Структурные связи свойств «преобладающая порода» и «собственная тень» |
С использованием представленной выше таблицы соответствий дешифровочных признаков и таксационных показателей построим структурные схемы. На рис. 1 изображен вариант схемы для таксационного показателя «Преобладающая порода» и дешифровочного признака «Собственная тень».
Аналогичным образом есть возможность построить структурные схемы для выделенных ранее основных таксационных показателей и всех дешифровочных признаков. Затем разработанные схемы можно представить в виде продукционных правил. Введем следующие обозначения для определяемых дешифровочных признаков: яркость крон – CB, тон крон – CH, протяженность крон – CL; варьирование - VAR, вид крон в пологе – CV, форма крон – CF, форма проекций крон – CFP; собственная тень – OS.
Для таксационного параметра «Преобладающая порода» = «сосна» (FS) правило на основе продукционной модели будут выглядеть следующим образом:
IF
OS = «полумесяц»(0,2) & CFP = «округлая»(0,125) & CF = «параболоид»(0,1) &
CV = «выпуклые»(0,083) & VAR = «1:3»(0,25) & CL = «1/3-1/5»(0,2) &
CH = «зеленый»(0,2) & CB = «светло-серые»(0,083)
THEN FS = «сосна».
В выборе состава дешифровочных признаков при тематической обработке спутниковых снимков лесных территорий важным фактором являются характеристики исходного съемочного материала. В частности, наибольшее значение имеют спектральное и пространственное разрешения снимков.
Таким образом, в исследовании получены следующие научные результаты:
- На основе анализа структурных характеристик спутниковых снимков определен состав дешифровочных признаков отдельных таксационных параметров лесных насаждений и детальных спутниковых снимков.
- Установлены взаимосвязи основных дешифровочных признаков и таксационных показателей лесных территорий. Разработаны продукционные правила и структурные модели процесса тематической обработки спутниковых снимков лесных территорий, позволяющие автоматизировать процесс дешифрирования таежных лесов.
- На базе проведенных исследований были разработаны методика и алгоритм автоматизированного дешифрирования спутниковых снимков лесных территорий для решения практических задач лесного хозяйства.
Исследование проводится при поддержке грантов Российского фонда фундаментальных исследований, проекты № 14-07-31076, 14-07-98801.
Литература:
1. Абрамова Л.В., Алешко Р.А., Батраков Н.М., Гурьев А.Т., Шошина К.В., Щеников В.С. Разработка методов и алгоритмов тематической обработки спутниковых снимков на основе структурного моделирования // Международный студенческий научный вестник. – 2014. – № 4; URL: www.eduherald.ru/121-11929 (дата обращения: 19.12.2014).
2. Алешко Р.А., Гурьев А.Т. Структурное моделирование взаимосвязей дешифровочных признаков спутниковых снимков и таксационных параметров лесных насаждений // Труды СПИИРАН. Вып. 29 (2013). С. 180–189.
3. Алешко Р.А., Гурьев А.Т. Методика тематического дешифрирования спутниковых снимков лесных территорий на основе структурных моделей // Известия Вузов. Приборостроение. 2013. Т.56. №7. С. 76–77.
4. Алешко Р.А. Система мониторинга и управления пространственными гетерогенными объектами (на примере Соловецкого архипелага) / Бекмешев А.Ю., Васендина И.С., Гурьев А.Т., Карлова Т.В., Шошина К.В., Щеников В.С. // Вестник БГТУ. - 2014. - №3(43). - С.104-108.
5. Гурьев А.Т. Разработка геоинформационной системы на базе программного обеспечения с открытым исходным кодом / Алешко Р.А., Васендина И.С., Шошина К.В., Щеников В.С. // Вестник БГТУ. - 2014. - №3(43). - С.114-118.
6. Абрамова Л.В., Алешко Р.А., Батраков Н.М., Гурьев А.Т., Шошина К.В., Щеников В.С. Разработка геопортала как сервиса публикации картографических данных // Международный студенческий научный вестник. – 2014. – № 4; URL: www.eduherald.ru/121-11930 (дата обращения: 19.12.2014).
7. Варфоломеев Ю.А., Гурьев А.Т., Алешко Р.А. Методические и технические аспекты космического мониторинга биоповреждения и усыхания еловых лесов // Лесн. журн.-2010. -№5. -С. 149-156. - (Изв. высш. учеб.заведений).
8. Варфоломеев Ю.А., Гурьев А.Т., Плехов О.Г., Алешко Р.А. Высокотехнологичное проектирование строительства и реконструкции дорог с непрерывным жизненным циклом в лесах с биоповреждениями // Лесн. журн. - 2011. -№ 2. - С. 145-152. - (Изв. высш. учеб.заведений).
