Обеспечение своевременного мониторинга состояния лесных участков обладает существенной экономической и экологической значимостью. Такой мониторинг проводится с целью назначения различных мер по защите и оздоровления леса, борьбы с энтомофагами, выбора участков для рубки и др.
Площади, занимаемые лесными участками в Красноярском крае очень обширные, поэтому наземные методы обследования не всегда позволяют получать актуальную информацию о состоянии леса. Кроме того, некоторые лесные участки труднодоступны. Поэтому спутниковые снимки часто являются единственным способом получать данные о состоянии лесных территорий.
Предварительным этапом мониторинга состояния лесного участка является его выделение от фона. На спутниковых снимках лесных территорий Красноярского края, кроме самих лесных участков, присутствуют дороги и водные объекты, различные поселения, а сами лесные участки также имеют различные особенности. Так, на снимках присутствует поврежденный лес, вырубленные лесные участки, вырубленные и восстановленные области, действующие лесные пожары и лесные участки с последствиями от низовых и верховых пожаров.
Леса Красноярского края в основном темнохвойные, преобладающая порода – средневозрастная сосна [1]. Особенностями таких деревьев является высота около 40 метров и средний диаметр кроны около 12 метров. В работе использованы данные Sentinel-2 [2], так как период обновления снимка составляет около пяти дней, данные являются свободно распространяемыми и имеют 12 спектральных каналов, 4 из которых обладают высоким разрешением – 10 метров на пиксель. Таким образом, один пиксель может содержать всего одно дерево.Для анализа снимков использован композит, полученный объединением десятиметровых каналов 2,3 и 4.
Предлагаемый алгоритм сегментации лесного участка содержит два этапа: вычисление индекса NDVI для выделения фотосинтетически активной биомассы и выделение на основе текстурных признаков лесных участков. Текстурные признаки позволяют разделить области леса и области с другой растительностью.
На первом этапе по индексу NDVI отсекаются области, на которых представлены антропогенные объекты, а также такие природные объекты, как вода, снег и лед. Облака и области теней от облаков на Земле на данном этапе сегментированы вручную, в дальнейшей работе предлагается выделять облака на основе индекса NDVI, затем искать объекты той же формы на земной поверхности. Свежие рубки на снимках детектируются благодаря выделению цветовых особенностей, и, как правило, специфической форме. Рубки, которые произведены более года назад имеют форму как у свежих рубок и NDVI, соответствующий разреженной растительности, так как постепенно зарастают травой и подлеском. Пожары на снимках обнаруживаются благодаря видимому шлейфу дыма и (или) видимым границам пламени.
На втором этапе среди областей, которым соответствует индекс густой и разреженной растительности производится вычисление расширенных локальных бинарных шаблонов для отделения текстуры травы от текстуры участков леса. При этом для каждого типа лесов построены свои эталонные гистограммы. Проведены экспериментальны исследования для темнохвойных пород с размерами фрагментов 100, 50, 25, 12 и 6 пикселов. Предложенный подход обладает высокой точностью и одновременно высокой скоростью обработки снимка и не требует значительных ресурсов на создание и разметку набора данных, что является его несомненным достоинством. Экспериментальные исследования подтверждают эффективность предложенного способа сегментации лесного участка по данным спутниковых снимков.