Основные проблемы визуального дешифрирования при автоматической кластеризации космических снимков среднего разрешения

В последнее время для изучения пространственно-временной организации ландшафтов и растительного покрова активно используются методы дистанционного зондирования Земли (ДЗЗ).
Объектом исследования является Касмалинский бассейн, протянувшийся с юго-запада на северо-восток Алтайского края. Специфическими чертами являются: а) соседство высококонтрастных природных сред (лесных, степных, болотных и др. ландшафтов); б) значительная хозяйственная освоенность.
Растительность и рельеф – наиболее информативные компоненты ландшафта, отражаемые на космоснимках. Так как прямое дешифрирование растительности только по отражательной способности очень затруднительно, необходима интеграция наземной информации и спутниковых данных в единый комплекс.
В качестве исходного материала были использованы: космический снимок Landsat сенсора ETM (03.09.2001, разрешение 30 м), топографические карты масштабов 1:100 000 и 1:25 000. Исследование выполнено с помощью компьютерных программ ERDAS IMAGINE 8.6 и ArcView 3.2 на основе материалов полевых сезонов 2008–2010 г. Процесс работы над снимком состоял из следующих последовательных этапов:
1.геометрическая и фотометрическая коррекция космического снимка;
2.привязка растрового файла к территории по опорным точкам;
3.распознавание и автоматическая классификация по алгоритму ISODATA с разделением объектов по спектральной яркости на 50 кластеров.
После кластеризации и генерализации распознаванию подверглись различные классы объектов как природного, так и антропогенного происхождения. В результате визуального распознавания они были разделены на 14 типов.
В лесных массивах по настоящему снимку достаточно хорошо определяются участки с различными лесообразующими породами. Наиболее легко визуально дешифрируемым параметром является лесная формула по типу: лиственные – смешанные – хвойные породы. Также на снимке более яркими и однородными по цвету являются леса, имеющие более высокий бонитет. В ряде случаев при дешифрировании приходится учитывать логику сочетания пород деревьев и лесорастительные условия для окончательного разрешения спорных вопросов.
Вырубки отличаются характерным рисунком дорожной сети (волокам), форме (близкой к правильной), и контрастом между восстанавливающейся растительностью и прилегающими лесными участками.
Масштабные гари отчетливо дешифрируются по неправильной форме и тону, похожему на вырубки, только с более неравномерной текстурой и вытянутыми в стороны по направлению ветра «языками».
Большое влияние на характер растительности оказывает рельеф местности, который формирует большинство из тех черт, которые можно наблюдать на космическом снимке. Основными факторами, зависимыми от рельефа и критичными для растительного покрова являются: освещенность, определяемая экспозицией, и степень увлажнения.
В сплошных лесных массивах неоднородность микрорельефа просматривается плохо. Определение типа леса при визуальном дешифрировании на снимках такого разрешения не представляется возможным.
В степных ландшафтах достаточно отчетливо распознаются долины водотоков, по растительности определяется экспозиция склонов, хорошо просматриваются участки, подверженные эрозии.
Алтайский край является одним из наиболее освоенных в сельскохозяйственном отношении регионов. Значительная антропогенная нарушенность затрудняет процесс визуального дешифрирования. Антропогенезированные включения в естественных природных комплексах значительно повышают уровень шума, на некоторых участках он сопоставим с уровнем полезного сигнала. Кроме того некоторые из них являются одинаковыми по спектральным характеристикам, что еще больше усложняет процесс визуального распознавания.
Наиболее информативными с точки зрения визуального дешифрирования для исследуемого бассейна являются гало-гидроморфные ландшафты, включающие обсыхающие поверхности озерных котловин, болота, солончаки, засоленные луга, что связано с их малонарушенностью. Однако ввиду высокой комплексности большинства таких участков, их естественные характеристики при данном разрешении снимка представляются слишком обширными.
На примере снимка Landsat ETM раскрыты возможности визуального дешифрирования различных объектов местности при автоматической кластеризации.
Применительно к рассматриваемым условиям (значительная антропогенная нарушенность, высокая комплексность), визуальное экспертное дешифрирование на снимках данного разрешения остается по-прежнему самым надежным, хотя и самым трудоемким, способом распознавания объектов.

Работа выполнена при поддержке гранта РФФИ № 08-05-00093-а