СПОСОБ ОЦЕНКИ БИОМАССЫ РАСТИТЕЛЬНОСТИ Российский патент 2000 года по МПК A01G23/00 

Предлагаемое изобретение относится к лесному хозяйству, в частности к оперативной оценке биомассы подстилающей поверхности на обширных площадях.

В связи с ожидаемым введением международных квот на пулы потребления кислорода каждым государством особую актуальность приобретают методы оперативной, документальной оценки кислородопроизводящей биомассы бореальных лесов планеты. Современные методы картографического обеспечения, инвентаризации и учета лесов основываются на материалах космической съемки различного уровня генерализации (см. , например, А.С. Исаев и др. Аэрокосмический мониторинг лесов. М.: Наука, 1991, стр. 36-41).

Известен метод оценки фитомассы растительного покрова по спектрометрическим измерениям подстилающей поверхности на основе расчета текущих значений вегетационного индекса и сравнения его значений с эталонными значениями для различных типов растительности (см., например, В.М.Жирин. Оценка фитомассы лесного покрова. - В Научном сборнике "Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве", Из-во МГУЛ, М., 1998, стр. 119-120 - аналог).

Недостатками известного аналога являются:
- малая разрешающая способность спектрометрических средств (десятки и сотни метров);
- невысокая точность и достоверность оценок по одному расчетному параметру - вегетационному индексу.

Ближайшим аналогом по технической сущности к заявляемому способу является "Способ определения запаса насаждений" (см. патент РФ N 2080051, A 01 G, 1997 - ближайший аналог).

В способе ближайшего аналога получают изображение лесного массива, разбивают площадь лесного массива на мозаику участков, формируют матрицы дискретных отсчетов зависимости яркости I (x,y) от пространственных координат каждого участка, вычисляют числовые характеристики матриц, а запас насаждения рассчитывают по статистическим зависимостям между элементами леса и числовыми характеристиками матриц.

Недостатками ближайшего аналога являются:
- не все числовые характеристики матриц и их собственные значения, связанные с характеристиками биомассы, учитываются при результирующих оценках;
- способ основывается на измерении лишь внешних спектральных характеристик древесного полога, в то время как внутренняя структура растительности, скрытая под пологом (ветки, ствол, подрост...) остается вне измерений, что снижает точность и достоверность результата.

Задача, решаемая данным изобретением, заключается в повышении точности и достоверности оценок путем совмещения изображений внешнего полога и внутренней структуры растительного сообщества, формирования результирующих матриц изображения и вычисления их собственных, дополнительных характеристик, связанных с биомассой.

Поставленная задача решается тем, что в способе оценки биомассы растительности, при котором получают спектрозональное изображение подстилающей поверхности, последовательно преобразуют участки изображения в цифровые матрицы зависимости яркости I (x,y) от пространственных координат, вычисляют числовые характеристики матриц, дополнительно осуществляют попиксельное совмещение матриц, элементы которых составлены из зональных отношений яркости r_λ = 550/ r_λ 610 спектрозонального изображения и матриц радиолокационного изображения тех же участков, осуществляют векторизацию элементов и получают результирующие матрицы, вычисляют автокорреляционные функции B (ρ) результирующих матриц, а запас биомассы участков рассчитывают по регрессионной зависимости

где V - объем биомассы (тонн/га);
B(0) - текущее значение в нуле автокорреляционной функции электрического сигнала результирующей матрицы;
B_к(0) - значение в нуле автокорреляционной функции результирующей матрицы контрольного участка;
α,β - коэффициенты регрессионной зависимости. Для Московской географической зоны α = 100, β = 2,2; B_к(0) = 90.

Сопоставительный анализ заявляемого технического решения с ближайшим аналогом показывает, что заявляемый способ отличается от известного введением новых технологических операций, обеспечивающих достижение новых качественных свойств, таких как:
- контрастирование селективных признаков за счет синтезирования двух, физически различающихся, изображений;
- повышение точности и достоверности измерений за счет использования нескольких независимых признаков растительных образований: индекса жизненности и пространственной структуры;
- статистическая устойчивость результатов за счет обработки больших (репрезентативных) объемов информации.

Наличие новых существенных признаков в виде вновь введенных операций и достижение новых качественных результатов позволяют сделать вывод о соответствии заявляемого технического решения критерию "изобретательский уровень".

Техническая сущность изобретения заключается в следующем.

Физические механизмы формирования оптического и синтезированного радиолокационного изображения различны, поэтому и информация, содержащаяся в них, также различна.

В оптическом диапазоне падающий световой поток отражается и рассеивается, в основном, верхним слоем растительности, кронами деревьев, внешним древесным пологом. Рассеяние и поглощение энергии видимого диапазона растительностью связано с наличием и концентрацией пигментов в хвое, листьях - хлорофилла, каратиноидов, а также содержанием влаги. У зеленых растений в результате селективного поглощения хлорофилла формируется спектральная область отражения с двумя минимами в синем (B), красном (R) и максимумом в зеленом (G) участках спектра. В стрессовых ситуациях (при поглощении поллютантов, отмирании) у растений происходит разрушение хлорофилла, а листья, хвоя приобретают желтоватую окраску. И наоборот, с большей продуктивностью (жизненностью) связано максимальное содержание хлорофилла, а растения приобретают сочную, темно-зеленую окраску (см. , например, Виноградов Б.Ф. "Аэрокосмический мониторинг лесов". Наука, М., 1984, стр. 161-170).

На фиг. 1 представлены функции изменения спектральных коэффициентов отражения листьев (хвои) различных фенофаз, начиная от молодой зелени до заключительной стадии, когда происходит разрушение хлорофилла, и листья приобретают желтую окраску: 1 - зелено-фиолетовые, 2 - темно-зеленые, 3 - светло-зеленые, 4 - зелено-желтые, 5 - желто-зеленые, 6 - желтые.

На фиг.2 представлены изменения спектральных коэффициентов отражения почвенных обнажений: 1 - чернозем типичный, пахотный слой; 2 - дерново-подзолистая почва, пахотный слой, 3 - типичный серозем.

Межвидовая изменчивость коэффициентов спектральной яркости (КСЯ) различных видов растительности невелика (единицы процентов), что затрудняет их идентификацию на спектрозональных снимках. В гораздо больших пределах и широких интервалах изменяются комбинации отношений КСЯ растительности в различных зонах спектра . Наибольшей информативностью (по критерию жизненной продуктивности) обладает зональное отношение КСЯ зеленой части спектра r_λ = 550 нм к красной части спектра r_λ = 610 нм (см., например, Выгодская Н. И. и др. Теория и эксперимент в дистанционных исследованиях растительности. Гидрометеоиздат, Ленинград, 1987, стр. 135-141). Для зеленой растительности индекс отношений r_λ = 550/ r_λ = 610 всегда больше 1, для отмирающей растительности, почв и обнажений < 1. Данное отношение реагирует как на уменьшение концентрации хлорофилла, так и на уменьшение общей фитомассы. Таким образом, изображение, составленное из попиксельного отношения r_λ = 550/ r_λ = 610 будет иметь большую амплитуду для густой, жизненно-продуктивной растительности по сравнению с редкой и тем более по сравнению с обнаженной почвой (см. , например, Чапурский Л.И. Отражательные свойства природных объектов в диапазоне 400 - 2500 нм, часть 1, Мин. Обороны СССР, 1986, стр. 21, 45-51).

При радиолокационном зондировании уровень отраженного эхо-сигнала зависит от удельной эффективной площади рассеивания (S_уд) подстилающей поверхности. В L-диапазоне основной вклад в S_уд вносят элементы, определяющие структуру древостоя, находящиеся под пологом: высота, толщина, количество стволов, густота веток, т.е. то, что в перпендикулярном лучу зондирования сечении формирует отражающую поверхность. Удельная эффективная площадь рассеивания поверхностно-распределенных целей зависит, в основном, от их "шероховатости" и слабо зависит от угла визирования и поляризации (см., например, Дулевич В. Е. и др. Теоретические основы радиолокации. М.: Сов. Радио, 1964, стр. 136). Результаты радиолокационной съемки территории "Щелковского лесхоза" РСА космического комплекса "Шаттл" (1995) подтвердили, что изображение с вертикальной и горизонтальной поляризацией зондирующего сигнала практически идентичны. Для территории Щелковского лесхоза по результатам наземной таксации известен запас всех выделов. Обработка результатов по оценке зависимости S_уд от запаса показала, что S_уд растет пропорционально объему биомассы до значений порядка 50...80 тонн/га (от -12 до -8 дб), а затем наблюдается насыщение, из-за взаимного перекрытия стволов, веток, сучьев.

В качестве совместной обработки спектрозональных и радиолокационных изображений предлагается помножать каждый пиксел радиолокационного изображения на пиксел, составленный из зонального отношения ( r_λ = 550/ r_λ = 610) спектрозонального фотоснимка. Тогда результирующая матрица синтезированного изображения будет содержать информацию как о пространственной структуре растительности, так и о зеленой, продуктивной биомассе. Следует ожидать (см. пример реализации), что числовые характеристики результирующих матриц древесной растительности, кустарниковой, болотной, луговой и почвенных обнажений будут существенно отличаться.

Числовой характеристикой, определяющей мощность какого-либо процесса, является его функция автокорреляции. По определению (см., например, Заездный А. М. Основы расчетов по статистической радиотехнике. М.: Связьиздат, 1963, стр. 93) автокорреляционная функция процесса B (ρ) связана с его энергетическим спектром G (Ω) обратным преобразованием Фурье

Энергетический спектр сигнала G (Ω) связан с его амплитудным спектром A (jΩ) соотношением

где А, Б - интервал определения функции A (jΩ).

Следовательно, по амплитудно-частотным характеристикам матриц могут быть рассчитаны их автокорреляционные функции. Процедура расчета состоит в следующем. После попиксельного совмещения изображений проводится векторизация элементов матриц, т.е. попиксельное перемножение квантованных уровней цифровых изображений. Данная операция является стандартной для программного расчета на ПЭВМ и входит в комплект специализированного программного обеспечения (см., например, МАТН САД, 6.0 PLVS, издание 2^е, стереотипное, информизд. дом "Филинь", 1997, стр.211, "Векторизация элементов матрицы").

Затем вычисляют двумерный пространственный спектр электрического сигнала результирующих матриц, как

Двумерный Фурье спектр цифровой матрицы вычисляется алгоритмами быстрого Фурье-преобразования (БПФ), входящих в пакет специализированных программ ER MAPPEP 5.0 (см. Пакет программ для обработки изображений в науках о Земле, GENASYS Inc, San Diego, USA, p. 283...294). В соответствии с функциональной зависимостью длины полярного радиуса от декартовых координат: по двумерному спектру A (F_x, F_y) программным методом вычисляется одномерный пространственный спектр результирующих матриц в функции полярного радиуса A(j¹/ρ). По амплитудному спектру рассчитывают энергетический спектр G (Ω) и уже по энергетическому спектру, программным методом обратного Фурье-преобразования вычисляют автокорреляционные функции процессов B (ρ). Значение автокорреляционной функции в нуле есть средняя мощность процесса: B(ρ = 0) = (m₁+σ).
По физическому смыслу относительно рассматриваемого процесса, чем больше биомассы приходится на единицу площади анализируемого участка подстилающей поверхности, тем больше должны быть числовые характеристики результирующих матриц, т.е. m₁, σ. По известным объемам биомассы эталонных участков (данные наземной таксации пробных площадок) устанавливают регрессионную зависимость между объемом биомассы и "мощностью" электрического сигнала результирующих матриц B (ρ = 0). В соответствии с рекомендациями математического института им. Стеклова в качестве регрессионных зависимостей следует выбирать гладкие, монотонные степенные функции. Чтобы ошибки расчетов были минимальны, контрольные (пробные) участки следует выбирать на середине интервала аппроксимации. Тогда общее аналитическое выражение представляется в виде

Пример реализации способа.

Космические снимки различных географических районов, полученные средствами отечественных систем наблюдения и контроля подстилающих поверхностей, заказываются по каталогу в Госцентре "Природа". Обработка изображений осуществляется на станции CUN в комплекте со специализированным программным обеспечением (см. , например, ER MAPPEP 5.0. "Пакет программ для обработки изображений в науках о Земле", GENASYS Inc, San Diego, USA, 1995)/ Функциональная схема устройства, реализующего способ, представлена на фиг.3. Устройство фиг. 3 содержит Государственный архив 1 космических снимков 2, устройство ввода 3 снимков в ПЭВМ 4 в комплекте процессора-вычислителя 5, винчестера 6, оперативного ЗУ 7, клавиатуры 8, дисплея 9, принтера 10.

При экспериментальной обработке использованы:
- спектрозональный снимок Щелковского лесхоза Московской области. Снимок заказан в Госцентре "Природа",
- радиолокационный снимок Щелковского лесхоза Московской области, осуществленный РСА КК "Шаттл". Снимок получен ИРЭ РАН от США по протоколу взаимного обмена информацией по лесам;
- данные наземной таксации выделов, периодически осуществляемой студентами Московского государственного Университета Леса на своей учебно-опытной базе - Щелковском лесхозе. Привязка снимков к географическим координатам на местности проведена по реперным точкам, а также по характерным визуальным признакам изображений: трассам высоковольтных линий; перекресткам дорог, излучинам рек. Спектрозональный фотоснимок предварительно сканировался сканером высокого разрешения (1000 точек на дюйм) в G и R диапазонах, для формирования матрицы отношений r_λ = 550/ r_λ = 610. Поскольку разрешение радиолокационного изображения составляло порядка 12 м на пиксел, а разрешение спектрозонального снимка ≈ 3 м на пиксел, для попиксельного совмещения матриц использовался алгоритм медианной фильтрации, т.е. каждый пиксел радиолокационного изображения трижды перемножался на соответствующие ему пикселы отношений (см. , например. Дуда Р. Харт П. Распознавание образов и анализ сцен. Перевод с англ., М., 1976. Алгоритмы пространственного сглаживания, стр. 242). Полученные в результате обработки автокорреляционные функции результирующих матриц характерных типов растительности: 1 -хвойный лес, 2 - смешанный лес, 3 - кустарник на болоте,- иллюстрируются графиками фиг.4 в шкале квантованных уровней 0...256.

В таблице представлены сводные данные результатов обработки матриц известных участков растительности.

Цветовая гамма отраженного светового потока растительности для различных географических зон (условий произрастания) при равной биомассе может существенно отличаться. Поэтому регрессионные коэффициенты для различных географических зон следует определять отдельно. Для Московской географической зоны по данным таблицы расчетные значения коэффициентов составили α = 100, β = 2,2, B_к(0) = 90, а аналитическое выражение функции регрессии, соответственно, график фиг. 5:

Эффективность заявляемого способа характеризуется такими показателями, как точность, достоверность, устойчивость результатов оценок. Поскольку способ основан на использовании двух физически разнородных изображений, а результирующие оценки основаны на вычислении "мощности" процесса, т.е. интегральной характеристики, рекомендуемый способ превосходит по эффективности известные аналоги.

Использование: лесное хозяйство, при оперативной оценке биомассы подстилающей поверхности на обширных площадях. Сущность изобретения: осуществляют обработку изображений космических снимков различных географических районов. Последовательно преобразуют участки изображения в цифровые матрицы зависимости яркости от пространственных координат. Вычисляют числовые характеристики матриц. Осуществляют попиксельное совмещение матриц, элементы которых составлены из зональных отношений яркости спектрозонального изображения и матриц радиолокационного изображения тех же участков. Осуществляют векторизацию элементов и получают результирующие матрицы. Дополнительно вычисляют автокорреляционные функции результирующих матриц. Запас биомассы участков рассчитывают по регрессионной зависимости. Способ позволит повысить точность и достоверность оценок биомассы растительности путем совмещения изображения внешнего полога и внутренней структуры растительного сообщества, формирования результирующих матриц изображения и вычисления их собственных, дополнительных характеристик, связанных с биомассой. 5 ил., 1 табл.

Способ оценки биомассы растительности, при котором получают спектрозональное изображение подстилающей поверхности, последовательно преобразуют участки изображения в цифровые матрицы (mxn) зависимости яркости I(x,y) от пространственных координат, вычисляют числовые характеристики матриц, отличающийся тем, что осуществляют попиксельное совмещение матриц, элементы которых составлены из зональных отношений яркости r_λ = 550/r_λ = 610 спектрозонального изображения и матриц радиолокационного изображения тех же участков, осуществляют векторизацию элементов и получают результирующие матрицы, дополнительно вычисляют автокорреляционные функции В (ρ) результирующих матриц, а запас биомассы участков рассчитывают по регрессионной зависимости

где V - объем биомассы, т/га;
В(0) - текущее значение в нуле автокорреляционной функции электрического сигнала результирующей матрицы участка;
α,β - коэффициенты регрессионной зависимости (α=100, β=2,2);
Вк(0) - значение в нуле автокорреляционной функции результирующей матрицы контрольного участка, Вк(0) = 90.