Автоматизированное картографирование характеристик древостоев в зоне экотона лесотундры по снимкам сверхвысокого пространственного
разрешения

Текстурные особенности и пространственные взаимоотношения между объектами являются важным дешифровочным признаком для объектов, распознаваемых по изображениям сверхвысокого пространственного разрешения. Использование объектно-ориентированных методов для обработки изображений направлено на узнавание текстурных образов на изображении, получаемых при помощи моделей освещенности объектов или других текстурных закономерностей, которые могут быть формализованы для автоматизированной обработки.
Наш объектно-ориентированный метод является совокупностью локальных и фокальных алгоритмов анализа изображений, позволяющих учесть как спектральные характеристики, так и текстурные особенности объектов. В основу обработки была положена яркостно-текстурная методика «тень-растительность» для автоматизированной обработки снимков сверхвысокого пространственного разрешения, ранее предложенная Гринбергом и др. (2009). Ключевыми моментами методики являются классификация исходного изображения и его последующий фокальный анализ. Мы усовершенствовали методику Гринберга и др. на всех этапах обработки, от первоначальной классификации снимка, проводимой нами с использованием текстурных индексов и IHS-преобразованного изображения, до разработки алгоритма оценки высот объектов и последующего ГИС-анализа. В совокупности перечисленные модификации позволили повысить достоверность автоматизированного дешифрирования с 70 до 80%.
Методика состоит из следующих основных этапов:
1. Классификация объединенного снимка QuickBird на классы: «растительность»(V)/ «тень растительности»(S)/«прочие объекты» по методу
параллелепипеда с использованием определенных авторами пороговых значений. Результатом является изображение «тень-растительность», или SV-
изображение.
2. Фокальный анализ SV-изображения с использованием матриц-шаблонов освещенности деревьев, полученных с применением метаданных снимка о параметрах освещения в момент съемки.
3. Фокальная фильтрация промежуточных изображений для удаления слишком перекрывающихся и дублирующихся деревьев.
4. Векторизация схемы дешифрирования для дальнейшей обработки в ГИС-пакете.
5. Расчет высоты объектов на основе измерений длины тени, выполненных на этапе 2.
6. Заключительная фильтрация, в которой деревья и кустарники, находящиеся внутри окружности размером до 80% радиуса от такого же, либо более крупного объекта, удаляются.
7. Оценка достоверности дешифрирования на тестовых участках (в нашем случае 16 участков, занимавших в целом 3% от площади снимка).

Разработанная методика обеспечивает дешифрирование отдельно стоящих деревьев и редколесья в экотоне лесотундры с достоверностью выше 80%, что подтверждено визуальным дешифрированием.

Результаты дешифрирования снимка, позволяют создать карты расположения древостоев, с указанием высоты деревьев, проективного покрытия крон, расстояний между деревьями, плотности произрастания деревьев, расположения границы распространения леса и отдельно стоящих деревьев. Эти карты используются для детальных исследований экотона лесотундры и могут также применяться для оценки достоверности определений границы леса по снимкам более низкого пространственного разрешения.

Работа поддержана программой Международного полярного года BENEFITS ("Международное и междисциплинарное научное сотрудничество в области социальных и естественных наук на севере России и в Норвегии для взаимного блага") и грантом географического факультета МГУ для молодых сотрудников (2007-2009 гг.)
Литература

Greenberg J.A., Dobrowski S.Z., Vanderbilt V.C., Limitations on maximum tree density using hyperspatial remote sensing and environmental gradient
analysis, Remote Sensing of Environment 113 (2009) 94–101.