Распознавание типов лесной растительности по гиперспектральным самолетным и многоканальным спутниковым данным высокого пространственного разрешения. Оригинальный подход и некоторые стандартные методы: сравнение результатов и оценка их точности

При нахождении количественных характеристик подстилающей поверхности по дистанционным самолетным и спутниковым данным (Козодеров, Косолапов), в том числе при определении объема зеленой фитомассы, что важно, например, при изучении цикла природного углерода, одним из существенных составляющих решения этой задачи является распознавание типов подстилающей поверхности, в том числе типов лесной поверхности по дистанционным данным. Авторами настоящего изучения (Козодеров, Егоров), которое проводилось в последние годы, разработан оригинальный подход к распознаванию типов лесной растительности по гиперспектральным самолетным данным в видимой и ближней ИК области спектра (400 – 1000 нм) применительно к 290 канальной гиперспектральной камере (ГСК), разработанной в ПО “Лептон” г. Зеленоград. Пробные съемки с использованием разных вариантов этой камеры осуществлялись над территорией Савватьевского лесничества Тверской области в 2007-2011 гг. В качестве одного из основных критериев распознавания в описываемом подходе является среднее по некоторому ансамблю смещение спектров в области перехода от максимального поглощения растительностью солнечного излучения к максимуму отражательной способности растительности: 670 – 780 нм или Red Edge область спектра. Созданный подход, примененный первоначально к самолетным гиперспектральным данным с пространственным разрешением 1-2 м на пиксел изображения в последствии был адаптирован к спутниковым многоканальным данным WorldView 2 сверхвысокого пространственного разрешения 2 м на пиксел.
С использованием карт лесотаксации было выработано несколько десятков эталонных участков территории с разными типами и возрастами лесной растительности (в основном ель, береза, сосна, а также разные типы травяной поверхности и вырубок, грунтовые поверхности и поверхности с твердым покрытием и т.д.) для обучения системы распознавания. Позднее все эти участки пересчитаны на спутниковую систему координат WorldView 2.
В настоящей работе проведено сопоставление результатов расчетов распознавания типов лесной растительности по гиперспектральным самолетным данным оригинальным подходом с результатами, полученными для тех же фрагментов тестовой территории в том числе несколькими стандартными статистическими подходами (линейный и квадратичный дискриминантный анализ и некоторые другие) по спутниковым данным WorldView 2. Проведена оценка точности распознавания типов лесной растительности по гиперспектральным самолетным и многоканальным спутниковым данным перечисленными методами. Иллюстрируются возможности автоматизации процесса распознавания типов лесной растительности разработанными методами.

Работа выполнена при финансовой поддержке РФФИ,
проект № 19–01–00215.