Оценка возможностей использования гиперспектральной спутниковой съемки с аппарата "Ресурс-П" для решения задач лесной таксации

История применения гиперспектральной съемки в области природопользования – это путь от узкоспециализированного инструмента для решения задач геофизики и геологии до технологии будущего, которая способна изменить представление о возможностях дешифрирования растительного покрова различных ландшафтов нашей планеты. Применение гиперспектральной технологии позволяет точно определить вид растений и их состояние, что значительно превосходит аналогичные методы дешифрирования мультиспектральной съемки.
Зарождением методов дешифрирования растительности по гиперспектральной съемке можно считать начало 1970-х годов (Самойлович, 1967), когда в лабораториях спектроскопии стали активно развиваться методы определения различных видов растительности, отработка методов полевой спектрометрии, а также технологии сбора полевого материала. Значительная работа в этом направлении проводится и в лесах: отрабатываются технологии закладки таксационно-дешифровочных участков для решения задач лесотаксационного дешифрирования различных видов аэрофото- и спутниковой съемки. С запуском в 1987 году первого полнофункционального гиперспектрального сканера AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) появляются большие объемы гиперспектральных данных, возникает необходимость в разработке алгоритмов их обработки. Создание методов обработки данных съемки по спектральным кривым Spectral Angle Mapper (SAM) позволяет создавать спектральные библиотеки объектов, в том числе с учетом их описания в полевых исследованиях.
Применение гиперспектральной съемки для дешифрирования лесов на территории России пока находится в экспериментальном режиме. Многие существующие технологии определения различных лесных насаждений связаны с российским космическим аппаратом Ресурс-П, разработанным АО «РКЦ Прогресс». Основной целью создания спутника являлось исследование природных ресурсов, экологический контроль, различные задачи мониторинга. Гиперспектральная съемочная аппаратура характеризуется длиной волны 0,4-1,0 мкм с не менее 96 спектральными каналами. Пространственное разрешение съемки составляет 30 метров
Для целей выполнения эксперимента от НЦ ОМЗ АО РКС получены данные гиперспектральной аппаратуры (ГСА) космического аппарат (КА) Ресурс-П №5 уровня обработки 2В. Анализ данных проводился в программном комплексе ENVI. Построение картографии проводилось в программном продукте QGIS.
Проведенные исследования в отделе лесоводства и лесоустройства ФБУ ВНИИЛМ показали перспективность использования данных гиперспектральной съемки для решения задач лесной таксации. В качестве участка, где проводился эксперимент, выбрана горная часть территории Саяно-Шушенского заповедника со сложным пересечённым рельефом и высоким разнообразием природно-растительных комплексов и лесных насаждений. В районе исследований институтом на протяжении трех экспедиций был собран уникальный материал: заложено более 60 таксационно-дешифровочных участков в различных видах лесных насаждений и различных лесорастительных условиях от зоны лесостепей до таежных лесов предгорий и гор. Согласно методике, разработанной ФБУ ВНИИЛМ, для каждого таксационно-дешифровочного участка получена гиперспектральная библиотека.
Первичная обработка данных гиперспектральной съемки сводилась к анализу связи различных каналов с таксационными показателями лесных насаждений. В практическом плане применяемый метод является аналогом технологии лесотаксационного дешифрирования мультиспектральной спутниковой съемки (Барталев и др., 2016, Сидоренков и др., 2022).
Проведенный анализ показал, что значительная часть каналов имеет высокий коэффициент кросс-корреляции – таким образом, практически не имеет смысла в математической модели использовать все каналы. Исходя из этого были выбраны каналы с коэффициентом кросс-корреляции ниже 0,8. Применение модели полиноминальной множественной регрессии позволило получить высокий коэффициент корреляции между прогнозом и данными полевых исследований по запасу, возрасту, высоте насаждений (более 0,7). Менее значительны коэффициенты корреляции по породному составу и полноте насаждения. Отчасти это вызвано ранжированным характером данных показателей и недостаточным разрешением съемки. При проведении исследований применена также технология анализа данных на основе гиперспектральных библиотек лесов. В результате удалось получить карту растительности территории Саяно-Шушенского заповедника.
Результаты исследований показывают возможность применения гиперспектральных спутниковых данных при выполнении различных задач лесотаксационного дешифрирования, основными из которых являются: получение таксационных характеристик лесных насаждений, верификация данных лесоустройства, картирование растительности, оценка среды обитания животных. Применение метода гиперспектральных библиотек для определения количественных и качественных характеристик лесов требует сбор достаточно большого массива информации о лесах. Решение этого вопроса возможно с использованием данных лесоустройства, а также интеграцией технологий на основе нейросетей глубокого обучения с целью моделирования гиперспектральных библиотек по объектам, не имеющим полевых данных.