GIS-Lab - Вклад [ru]

Создание инфографики в QGIS с использованием JavaScript

2015-11-27T04:30:13Z

Gimran:

{{Статья|Черновик}}

==Введение==
Базовые инструменты по созданию диаграмм и графиков в '''QGIS''' очень примитивны и не дают возможность создать красивую инфографику.

Целью данной статьи является описание того, как создать динамически обновляемую инфографику средствами '''QGIS'''. В данной статье рассматривается создание инфографики в операционной системе Windows средствами открытых и бесплатных сервисов и ПО.

Для этого будут использованы:
* пакет '''Denwer''' (для создания локального сервера, сайт [http://www.denwer.ru/ http://www.denwer.ru/])
* онлайн-редактор '''Online Chart Maker''' (сайт [http://live.amcharts.com/ http://live.amcharts.com/]])
* офисный пакет '''LibreOffice''' (для редактирования таблиц, сайт [https://ru.libreoffice.org/ https://ru.libreoffice.org/])
* ГИС приложение '''QGIS''' в сборке '''NextGIS QGIS''' (для создания картографического материала и визуализации диаграмм и графиков, сайт [http://nextgis.ru/nextgis-qgis/ http://nextgis.ru/nextgis-qgis/])
* текстовый редактор '''Notepad++''' (в том числе подсвечивает синтаксис html-файлов, сайт [https://notepad-plus-plus.org/ https://notepad-plus-plus.org/])
* Python (сайт [https://www.python.org/ https://www.python.org/])

С незначительными изменениями, связанными с настройкой локального сервера, она может быть использована пользователями Linux.

==Создание макета диаграммы==
онлайн-редактор '''Online Chart Maker''' позволяет создавать различные диаграммы и графики (сайт [http://live.amcharts.com/ http://live.amcharts.com/]).

[[Файл:qgischart1.png|800px]]

После создания нужной диаграммы сохраним ее на жесткий диск кнопкой Save HTML [[Файл:qgischart2.png]] и сохраним файл как ''amcharts.editor.html''

==Редактирование HTML-файла==
Откроем файл в текстовом редакторе '''Notepad++''' и после тега <html> допишем отдельной строчкой:
<meta charset="windows-1251">
- для поддержки кириллицы в кодировке '''Windows-1251'''.

После тегов ''<script>'' добавим следующую строку:
<script src="http://cclb.epac.to/amcharts/plugins/dataloader/dataloader.min.js" type="text/javascript"></script>

Эта строка отвечает за чтение сторонних файлов (в нашем случае мы будем читать 'csv''-файл).

Код, заключенный между ''"dataProvider": [ … ]'' заменим на:
"dataLoader": {
"url": "amcharts.csv",
"format": "csv",
"delimiter": ",",
"useColumnNames": true
}
где в '''url''' - ссылка на файл ''amcharts.csv'' с таблицей данных,

в '''format''' - расширение файла csv,

в '''delimiter''' – разделитель запятая,

в '''useColumnNames''' – true означает, что мы используем наименования колонок.

В нашем случае, в файле должно быть две колонки, упомянутых в нашем шаблоне : для '''titleField''' колонка с названием ''country'' и для '''valueField''' – колонка с названием ''labs''.

Создадим файл ''amcharts.csv'' (в кодировке '''UTF-8''' и с разделителем запятая) в приложении '''LibreOffice Calc''' из офисного пакета '''LibreOffice''' эти колонки и заполним таблицу:

[[Файл:qgischart3.png|800px]]

==Локальный сервер==
Устанавливаем Python (сайт [https://www.python.org/ https://www.python.org/]) и пропишем (в Windows) его в PATH в настройках системы (см. про настройку [http://dimmdev.blogspot.ru/2012/01/path-windows-7-python-2x.html http://dimmdev.blogspot.ru/2012/01/path-windows-7-python-2x.html]) и перезагрузим компьютер.

Теперь переместим файлы amcharts.editor.html и amcharts.csv на виртуальный сервер (в моем случае это папка, размещенная по адресу ''С:\localhost\'' ).

В командной строке (cmd) перейдем в папку (пусть в нашем случае это будет ''С:\localhost\'') командой:

cd С:\localhost\

Теперь включим локальный сервер. В зависимости от версии ''Python'' надо выполнить команду

python -m SimpleHTTPServer 8000

или команду

python -m http.server 8000

После успешного выполнения команды, для проверки вызовем файл ''amcharts.editor.html'' в браузере (в примере это ''http://localhost/amcharts.editor.html''):

[[Файл:qgischart4.png|800px]]

==Подготовка макета в NextGIS QGIS==
Теперь откроем проект в '''NextGIS QGIS''' и создадим макет для печати.

В макете нажмем кнопку «'''Добавить html-документ'''» и пропишем адрес нашего файла на локальном сервере:

[[Файл:qgischart5.png|800px]]]]

==Заключение==
Убрав в html-файле background-color, получим прозрачность диаграммы:

[[Файл:qgischart6.png|800px]]]]

Также можно создать множество других html-файлов и меняя содержимое таблиц в ''csv''-файле получать динамически меняющиеся диаграммы и графики:

[[Файл:qgischart7.jpg|800px]]]]

Результат редактирования html-файла [[Файл:qgischarts.zip|qgischarts.zip]].

Создание инфографики в QGIS с использованием JavaScript

2015-11-26T12:00:28Z

Gimran:

{{Статья|Черновик}}

==Введение==
Базовые инструменты по созданию диаграмм и графиков в '''QGIS''' очень примитивны и не дают возможность создать красивую инфографику.

Целью данной статьи является описание того, как создать динамически обновляемую инфографику средствами '''QGIS'''. В данной статье рассматривается создание инфографики в операционной системе Windows средствами открытых и бесплатных сервисов и ПО.

Для этого будут использованы:
* пакет '''Denwer''' (для создания локального сервера, сайт [http://www.denwer.ru/ http://www.denwer.ru/] )
* онлайн-редактор '''Online Chart Maker''' (сайт [http://live.amcharts.com/ http://live.amcharts.com/]] )
* офисный пакет '''LibreOffice''' (для редактирования таблиц, сайт [https://ru.libreoffice.org/ https://ru.libreoffice.org/] )
* ГИС приложение '''QGIS''' в сборке '''NextGIS QGIS''' (для создания картографического материала и визуализации диаграмм и графиков, сайт [http://nextgis.ru/nextgis-qgis/ http://nextgis.ru/nextgis-qgis/] )
* текстовый редактор '''Notepad++''' (в том числе подсвечивает синтаксис html-файлов, сайт [https://notepad-plus-plus.org/ https://notepad-plus-plus.org/] )

С незначительными изменениями, связанными с настройкой локального сервера, она может быть использована пользователями Linux.

==Локальный сервер==

==Создание макета диаграммы==
онлайн-редактор '''Online Chart Maker''' позволяет создавать различные диаграммы и графики (сайт [http://live.amcharts.com/ http://live.amcharts.com/]).

[[Файл:qgischart1.png|800px]]

После создания нужной диаграммы сохраним ее на жесткий диск кнопкой Save HTML [[Файл:qgischart2.png]] и сохраним файл как ''amcharts.editor.html''

==Редактирование HTML-файла==
Откроем файл в текстовом редакторе '''Notepad++''' и после тега <html> допишем отдельной строчкой:
<meta charset="windows-1251">
- для поддержки кириллицы в кодировке '''Windows-1251'''.

После тегов ''<script>'' добавим следующую строку:
<script src="http://cclb.epac.to/amcharts/plugins/dataloader/dataloader.min.js" type="text/javascript"></script>

Эта строка отвечает за чтение сторонних файлов (в нашем случае мы будем читать 'csv''-файл).

Код, заключенный между ''"dataProvider": [ … ]'' заменим на:
"dataLoader": {
"url": "amcharts.csv",
"format": "csv",
"delimiter": ",",
"useColumnNames": true
}
где в '''url''' - ссылка на файл ''amcharts.csv'' с таблицей данных,

в '''format''' - расширение файла csv,

в '''delimiter''' – разделитель запятая,

в '''useColumnNames''' – true означает, что мы используем наименования колонок.

В нашем случае, в файле должно быть две колонки, упомянутых в нашем шаблоне : для '''titleField''' колонка с названием ''country'' и для '''valueField''' – колонка с названием ''labs''.

Создадим файл ''amcharts.csv'' (в кодировке '''UTF-8''' и с разделителем запятая) в приложении '''LibreOffice Calc''' из офисного пакета '''LibreOffice''' эти колонки и заполним таблицу:

[[Файл:qgischart3.png|800px]]

Теперь переместим файлы amcharts.editor.html и amcharts.csv на виртуальный сервер (в моем случае это папка, размещенная по адресу ''Z:\home\localhost\www'' ) и для проверки вызовем файл ''amcharts.editor.html'' в браузере (в примере это ''http://localhost/amcharts.editor.html''):

[[Файл:qgischart4.png|800px]]

==Подготовка макета в NextGIS QGIS==
Теперь откроем проект в '''NextGIS QGIS''' и создадим макет для печати.

В макете нажмем кнопку «'''Добавить html-документ'''» и пропишем адрес нашего файла на локальном сервере:

[[Файл:qgischart5.png|800px]]]]

==Заключение==
Убрав в html-файле background-color, получим прозрачность диаграммы:

[[Файл:qgischart6.png|800px]]]]

Также можно создать множество других html-файлов и меняя содержимое таблиц в ''csv''-файле получать динамически меняющиеся диаграммы и графики:

[[Файл:qgischart7.jpg|800px]]]]

Результат редактирования html-файла [[Файл:qgischarts.zip|qgischarts.zip]].

Создание инфографики в QGIS с использованием JavaScript

2015-11-26T11:55:05Z

Gimran: Новая страница: «{{Статья|Черновик}} ==Введение== Базовые инструменты по созданию диаграмм и графиков в '''QGI…»

{{Статья|Черновик}}

==Введение==
Базовые инструменты по созданию диаграмм и графиков в '''QGIS''' очень примитивны и не дают возможность создать красивую инфографику.

Целью данной статьи является описание того, как создать динамически обновляемую инфографику средствами '''QGIS'''. В данной статье рассматривается создание инфографики в операционной системе Windows средствами открытых и бесплатных сервисов и ПО.

Для этого будут использованы:
* пакет '''Denwer''' (для создания локального сервера, сайт [http://www.denwer.ru/ http://www.denwer.ru/] )
* библиотека '''D3.js''' (для визуализации диаграмм и графиков, сайт [http://d3js.org/ http://d3js.org/] )
* онлайн-редактор '''Online Chart Maker''', использующий библиотеку D3.js (сайт [http://live.amcharts.com/ http://live.amcharts.com/]] )
* офисный пакет '''LibreOffice''' (для редактирования таблиц, сайт [https://ru.libreoffice.org/ https://ru.libreoffice.org/] )
* ГИС приложение '''QGIS''' в сборке '''NextGIS QGIS''' (для создания картографического материала и визуализации диаграмм и графиков, сайт [http://nextgis.ru/nextgis-qgis/ http://nextgis.ru/nextgis-qgis/] )
* текстовый редактор '''Notepad++''' (в том числе подсвечивает синтаксис html-файлов, сайт [https://notepad-plus-plus.org/ https://notepad-plus-plus.org/] )

С незначительными изменениями, связанными с настройкой локального сервера, она может быть использована пользователями Linux.

==Локальный сервер==
Здесь я использовал пакет '''Denwer'''. Вы можете использовать любой локальный сервер или разместить html-файлы на удаленном сервере.

Скачиваем и настраиваем '''Denwer''' с сайта [http://www.denwer.ru/ http://www.denwer.ru/]

Установка и настройка локального сервера в Denwer описана на сайте в разделе документации и здесь не будем его рассматривать.

По окончании установки и настройки запускаем локальный сервер.

==Создание макета диаграммы==
Библиотека '''D3.js''' прозволяет создавать различные диаграммы и графики, но требует знаний '''javascript''', поэтому создадим диаграмму в онлайн-редакторе '''Online Chart Maker''' (сайт [http://live.amcharts.com/ http://live.amcharts.com/]).

[[Файл:qgischart1.png|800px]]

После создания нужной диаграммы сохраним ее на жесткий диск кнопкой Save HTML [[Файл:qgischart2.png]] и сохраним файл как ''amcharts.editor.html''

==Редактирование HTML-файла==
Откроем файл в текстовом редакторе '''Notepad++''' и после тега <html> допишем отдельной строчкой:
<meta charset="windows-1251">
- для поддержки кириллицы в кодировке '''Windows-1251'''.

После тегов ''<script>'' добавим следующую строку:
<script src="http://cclb.epac.to/amcharts/plugins/dataloader/dataloader.min.js" type="text/javascript"></script>

Эта строка отвечает за чтение сторонних файлов (в нашем случае мы будем читать 'csv''-файл).

Код, заключенный между ''"dataProvider": [ … ]'' заменим на:
"dataLoader": {
"url": "amcharts.csv",
"format": "csv",
"delimiter": ",",
"useColumnNames": true
}
где в '''url''' - ссылка на файл ''amcharts.csv'' с таблицей данных,

в '''format''' - расширение файла csv,

в '''delimiter''' – разделитель запятая,

в '''useColumnNames''' – true означает, что мы используем наименования колонок.

В нашем случае, в файле должно быть две колонки, упомянутых в нашем шаблоне : для '''titleField''' колонка с названием ''country'' и для '''valueField''' – колонка с названием ''labs''.

Создадим файл ''amcharts.csv'' (в кодировке '''UTF-8''' и с разделителем запятая) в приложении '''LibreOffice Calc''' из офисного пакета '''LibreOffice''' эти колонки и заполним таблицу:

[[Файл:qgischart3.png|800px]]

Теперь переместим файлы amcharts.editor.html и amcharts.csv на виртуальный сервер (в моем случае это папка, размещенная по адресу ''Z:\home\localhost\www'' ) и для проверки вызовем файл ''amcharts.editor.html'' в браузере (в примере это ''http://localhost/amcharts.editor.html''):

[[Файл:qgischart4.png|800px]]

==Подготовка макета в NextGIS QGIS==
Теперь откроем проект в '''NextGIS QGIS''' и создадим макет для печати.

В макете нажмем кнопку «'''Добавить html-документ'''» и пропишем адрес нашего файла на локальном сервере:

[[Файл:qgischart5.png|800px]]]]

==Заключение==
Убрав в html-файле background-color, получим прозрачность диаграммы:

[[Файл:qgischart6.png|800px]]]]

Также можно создать множество других html-файлов и меняя содержимое таблиц в ''csv''-файле получать динамически меняющиеся диаграммы и графики:

[[Файл:qgischart7.jpg|800px]]]]

Результат редактирования html-файла [[Файл:qgischarts.zip|qgischarts.zip]].

Файл:Qgischarts.zip

2015-11-25T06:05:34Z

Gimran:

Файл:Qgischart7.jpg

2015-11-25T06:01:40Z

Gimran:

Файл:Qgischart6.png

2015-11-25T06:01:26Z

Gimran:

Файл:Qgischart5.png

2015-11-25T06:01:15Z

Gimran:

Файл:Qgischart4.png

2015-11-25T06:01:06Z

Gimran:

Файл:Qgischart3.png

2015-11-25T06:00:58Z

Gimran:

Файл:Qgischart2.png

2015-11-25T06:00:45Z

Gimran:

Файл:Qgischart1.png

2015-11-25T06:00:32Z

Gimran:

Открытое лесоустройство

2014-03-15T14:08:25Z

Gimran: /* Доступные данные */

{{Статья|Черновик}}
{{Аннотация|Источники данных по лесоустройству официально доступные в интернете}}

Данные собраны в рамках проекта [http://nextgis.ru NextGIS] и [http://biodiversity.ru Центром охраны дикой природы].

==Законодательство==

Лесохозяйственные регламенты разработаны в соответствии с частью 7 статьи 87 Лесного кодекса Российской Федерации от 4.12.06 г. № 200-ФЗ по программе, утвержденной Министерством природных ресурсов России от 19.04.2007 г. № 106 «Об утверждении состава лесохозяйственных регламентов, порядка их разработки, сроков действия и порядка внесения в них изменений».

II. Состав лесохозяйственного регламента
5. Глава 1 лесохозяйственного регламента состоит из двух разделов и содержит следующую информацию: 
5.1.4. Схематическую карту субъекта Российской Федерации (формата не более A3) с выделением территории лесничества; 
5.1.5. Распределение лесов лесничества по лесорастительным зонам и лесным районам (таблица 2 приложения к настоящему документу) с приложением схематической карты территории лесничества (формата не более A3) с распределением территории лесничества и участковых лесничеств по лесорастительным зонам и лесным районам; 
5.1.10. Поквартальную карту-схему подразделения лесов по целевому назначению с нанесением местоположения существующих и проектируемых особо охраняемых природных территорий и объектов, объектов лесной, лесоперерабатывающей инфраструктуры, объектов, не связанных с созданием лесной инфраструктуры;

III. Порядок разработки лесохозяйственных регламентов, сроки их действия и порядок внесения в них изменений 
11. Информация лесохозяйственного регламента лесничества (лесопарка) приводится в виде текстовых, табличных и графических материалов (в том числе картографических). 
12. Органы государственной власти и органы местного самоуправления организуют ознакомление заинтересованных лиц с проектом лесохозяйственного регламента, в том числе размещают его на своем официальном сайте в сети Интернет на срок не менее 30 дней с момента разработки.

Внятное описание http://www.lawposit.ru/practice/index.php?ELEMENT_ID=17

Пример интерпретации законодательства от Алексея Ярошенко

"Сами утвержденные регламенты лесничеств Алтайского края до сих пор в открытом доступе не размещены, и по сути являются внутренними документами Управления лесами Алтайского края. Это само по себе противоречит действующему законодальству, в частности, пункту 1 статьи 15 Федерального закона от 26 июля 2006 г. № 135-ФЗ "О защите конкуренции" (ограничение доступа к лесохозяйственным регламентам, являющимся основой для хозяйственной деятельности в пределах лесничеств, представляет собой необоснованное препятствование осуществлению деятельности хозяйствующими субъектами)." (http://www.forestforum.ru/viewtopic.php?t=5582)

На этой странице собраны источники и некоторое описание по свободно доступным данным лесоустройства по субъектам РФ.
Основные документы: приложения к лесным планам (далее ЛП) и лесохозяйственным регламентам (далее ЛСХР). В графе источники также есть ссылки на локальную версию данных (на случай когда они пропадают с официальных сайтов)э

Рабочая версия. В основном внесенная в таблицу информация сейчас полугодовой давности, с исключениями. 

При обновлении обязательно указывайте дату проверки.

[http://www.aviales.ru/files/documents/2011/01/%D1%81%D0%BB%D0%BE%D0%B2%D0%B0%D1%80%D1%8C%20%D1%83%D1%87%D0%B0%D1%81%D1%82%D0%BA%D0%BE%D0%B2%D1%8B%D1%85%20%D0%BB%D0%B5%D1%81%D0%BD%D0%B8%D1%87%D0%B5%D1%81%D1%82%D0%B2%20-%20(2010-11-15).zip Список] лесничеств/участковых лесничеств по субъектам РФ (актуальность 2010-11-15)

==Доступные данные==

{| class="wikitable sortable" style="width:75%"
|-
! | Субъект
! | Источники и описание данных
! | Список лесничеств (зеленым проверенные)
! | Дополнительная информация
! | Контакты
! | Проверено
|-
|Алтайский край
||
http://altairegion22.ru/gov/administration/stuct/forest/ 
ЛП (документы Word, из карт только схемы лесничеств) 
http://altairegion22.ru/gov/administration/stuct/forest/reglament/ 
ЛСХР, карты плохие, для оцифровки (кварталки) практически непригодны. 
http://www.altailes.ru/doc/index.html 
Разные доки, включая ЛП и ЛСХ регламент. 
В документации на аукционы попадаются кусочки разного качества л/у. 
http://www.altailes.ru/actual/lesplan/ 
ЛП, утвержденный вариант, 2011 год. Содержит некоторые карты, в том числе 1:500000 с границами лесничеств и квартальной сетью. 
http://www.altailes.ru/leshozi/regl/ 
ЛСХР, утвержденные в 2010 году, в doc, без карт.
 [http://gis-lab.info/data/lu/_tmp/altayskiy.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Алтайское 
Баевское 
Барнаульское 
Белокурихинское 
Бийское 
Бобровское 
Боровлянское 
Волчихинское 
Горно-Колыванское 
Залесовское 
Знаменское 
Каменское 
Ключевское 
Кулундинское 
Ларичихинское 
Лебяжинское 
Новичихинское 
Озеро-Кузнецовское 
Озерское 
Павловское 
Панкрушихинское 
Петровское 
Ракитовское 
Ребрихинское 
Солтонское 
Степно-Михайловское 
Тогульское 
Тягунское 
Фрунзенское 
Чарышское 
Шипуновское 
||
Обсуждение http://www.forestforum.ru/viewtopic.php?t=5582
||
Управление лесами Алтайского края:

656056, г. Барнаул, ул. Пролетарская, 61. Факс: (3852) 63-67-09. 
http://www.altailes.ru/, e-mail: mail@altailes.imex.ru 
Начальник управления: Ключников Михаил Васильевич, тел. (3852) 35-37-12 
Специалист, ответственный за организацию приема граждан и обеспечение рассмотрений их обращений: Аржанникова Ольга Дмитриевна, тел. (3852) 35-47-09
||
2012-01-08
|-
|Амурская область
||
http://amurleshoz.ru/index.php?page=lesnoy_plane 
ЛП. Карты есть, но в ворде, паршивые, даже границы лесничеств. 
http://amurleshoz.ru/index.php?page=/admin_regl/regl_lesnichestv/regl_lesnichestv_2011
ЛСХ регламенты (карт нет).

Старые ссылки: [http://amurleshoz.ru/lesnoy_plan.html 1],[http://amurleshoz.ru/auction.html 2]
 [http://gis-lab.info/data/lu/_tmp/amur.7z Зеркало всех доступных данных по субъекту]
||
Архаринское 
Белогорское 
Благовещенское 
Бурейское 
Верхнезейское 
Джелтулакское 
Дипкунское 
Дугдинское 
Завитинское 
Зейское 
Магдагачинское 
Мазановское 
Норское 
Свободненское 
Тындинское 
Урушинское 
Шимановское 
Экимчанское 
||
http://amurleshoz.ru/index.php?page=auction 
Выкопировки белков.
||
675000, Амурская область, г.Благовещенск, ул.Зейская, 211. Тел. (4162) 22-16-51, Факс: (4162) 22-16-54, e-mail: deples@yandex.ru
||
2012-01-25
|-
|Архангельская область
||
http://www.dvinaland.ru/economy/timber/plan/ 
http://www.dvinaland.ru/power/departments/deples/acts/actlh.html 
ЛСХР и ЛП. Карт в регламентах нет вовсе, в ЛП плохие. 
http://www.dvinaland.ru/power/departments/deples/acts/actlh.html 
Обновленные регламенты частично выложены здесь. Карты с хорошей кварталкой есть на 3 лесничества.
 [http://gis-lab.info/data/lu/_tmp/arkhan.rar Зеркало всех доступных данных по субъекту]
||
Архангельское 
Березниковское 
Вельское 
Верхнетоемское 
Вилегодское 
Выйское 
Емецкое 
Каргопольское 
Карпогорское 
Коношское 
Котласское 
Красноборское 
Лешуконское 
Мезенское 
Няндомское 
Обозерское 
Онежское 
Пинежское 
Плесецкое 
Приозерное 
Пуксоозерское 
Северодвинское 
Сийский лесопарк 
Соловецкое 
Сурское 
Устьянское 
Холмогорское 
Шенкурское 
Яренское 
||
||
г. Архангельск 163000, ул. Выучейского, 18. deples@atnet.ru, тел. 20-65-95, Трубин Дмитрий Владимирович.
||
|-
|
Астраханская область
||
http://nature.astrobl.ru/Default.aspx?id=107 
ЛП, карт нет. 
http://nature.astrobl.ru/Default.aspx?id=65 
Карты-схемы, очень мелкомасштабные. 
http://nature.astrobl.ru/Default.aspx?id=84 
Регламенты. На части можно разобрать границы и номера кварталов! Только карты, текста нет. 
http://nature.astrobl.ru/Default.aspx?id=104 
Проекты регламентов. Наоборот, только текст.
 [http://gis-lab.info/data/lu/_tmp/astrakhan.rar Зеркало всех доступных данных по субъекту]
||
Восточно-дельтовое 
Западно-дельтовое 
Левобережное 
Правобережное 
||
||
||
|-
|
Белгородская область
||
http://www.belregion.ru/materials256/ 
ЛП (только мелкие карты) + ЛСХ регламент на 1 лесничество (есть кварталка). Возможно, остальное не нашел.
 [http://gis-lab.info/data/lu/_tmp/belgorod.rar Зеркало всех доступных данных по субъекту]
||
Алексеевское 
Белгородское 
Борисовское 
Валуйское 
Вейделевское 
Волоконовское 
Грайворонское 
Губкинское 
Ивнянское 
Корочанское 
Красненское 
Красногвардейское 
Краснояружское 
Новооскольское 
Прохоровское 
Ракитянское 
Ровеньское 
Старооскольское 
Чернянское 
Шебекинское 
Яковлевское 
||
||
||
|-
|Брянская область
||
http://www.bryanskleshoz.ru/ 
ЛП и регламенты. В регламентах есть карты среднего качества, оцифровать можно легко, но карты очень схематичны, границы будут не слишком точны или придется повозиться.
 [http://gis-lab.info/data/lu/_tmp/bryansk.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Брасовское 
Брянское 
Выгоничское 
Дубровское 
Дятьковское 
Жуковское 
Злынковское 
Карачевское 
Клетнянское 
Клинцовское 
Мглинское 
Навлинское 
Почепское 
Севское 
Суземское 
Трубчевское 
Унечское 
Учебно-опытное 
||
||
||
|-
|Владимирская область
||
http://dlh.avo.ru/index.php?option=com_content&view=article&id=19&Itemid=21 
ЛП. На картах только границы лесничеств, номеров кварталов нет. 
http://dlh.avo.ru/documents/15-1/157-2011-09-23-09-45-21 
ЛСХР В PDF, карт нет.

Старые ссылки: [http://dlh.avo.ru/index.php?option=com_content&view=article&id=22:2010-06-10-10-59-44&catid=15:2010-06-10-10-49-36&Itemid=2 1]
 [http://gis-lab.info/data/lu/_tmp/vladimir.7z Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Александровское 
Андреевское 
Владимирское 
Вязниковское 
Гороховецкое 
Гусевское 
Заречное 
Камешковское 
Киржачское 
Ковровское 
Кольчугинское 
Курловское 
Меленковское 
Селивановское 
Собинское 
Суздальское 
Юрьев-Польское 
||
||
Судогодское шоссе, д.11-б, г. Владимир, 600023, тел.: (4922) 32-45-71, Факс: (4922) 32-62-58; 32-95-45, E-mail: post@dlh.vinfo.ru 
http://dlh.avo.ru/index.php?option=com_content&view=article&id=45:2010-08-23-06-23-33&catid=25:2010-08-23-05-47-36&Itemid=29 
Форма запроса в департамент.
||
2012-01-25
|-
|Волгоградская область
||
http://www.volganet.ru/irj/avo.html?NavigationTarget=navurl://7ef6923b9bc5a4ca83e6456b8a421854 
Регламенты в PDF, без карт. 
ЛП тоже выложен, в DOC, без карт. Свежие проекты выложены, и похоже, приняты (уточнить).
 [http://gis-lab.info/data/lu/_tmp/volgograd.rar Зеркало всех доступных данных по субъекту]
||
Алексеевское 
Арчединское 
Быковское 
Волгоградское 
Даниловское 
Жирновское 
Иловлинское 
Калачёвское 
Камышинское 
Котовское 
Лещёвское 
Михайловское 
Нижнечирское 
Новоаннинское 
Ольховское 
Подтёлковское 
Руднянское 
Светлоярское 
Серафимовичское 
Среднеахтубинское 
Старополтавское 
Урюпинское 
||
||
||
|-
|
Вологодская область
||
http://www.forestvologda.ru/page/wood_plan 
ЛП, карты в .jpeg, номера кварталов читаются хорошо. 
http://www.forestvologda.ru/page/regulations_of_forest_areas 
ЛСХР. В pdf, карты в .jpeg, номера кварталов читаются хорошо. 
 [http://gis-lab.info/data/lu/_tmp/vologda.7z Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Бабаевское 
Бабушкинское 
Белозерское 
Вашкинское 
Великоустюгское 
Верховажское 
Вожегодское 
Вологодское 
Вытегорское 
Грязовецкое 
Кадуйское 
Кирилловское 
Кичменгско-Городецкое 
Междуреченское 
Никольское 
Нюксенское 
Сокольское 
Сямженское 
Тарногское 
Тотемское 
Усть-Кубинское 
Устюженское 
Харовское 
Чагодощенское 
Череповецкое 
Шекснинское 
||
http://vologda-oblast.ru/map.asp?N=60&LNG=RUS 
Кварталки низкого качества, проверить позже, ссылка не работает!
||
Адрес: 160000 г.Вологда, ул. Герцена, д.2, тел. (8172) 720303, факс: (8172) 728727, e-mail: les.dep@bk.ru, dlk35@mail.ru, dlk.vologda@mail.ru (приемная). 
Ответственный за работу с обращениями граждан: Красикова Марина Олеговна. 
Отдел государственного лесного реестра и информационных технологий 54-56-00. 
Антонова Елена Алексеевна, нач. отдела 54-56-00.
||
2012-02-01
|-
| Воронежская область
||
http://www.govvrn.ru/wps/portal/AVO/Main/Fields_of_activity/Fields_of_activity15 
ЛП и регламенты. В ЛП карты без кварталки, но в jpg. Регламенты в DOC, с очень плохими картами внутри, не годными для оцифровки. В каждом регламенте написано «Поквартальная карта-схема деления лесов по целевому назначению прилагается к данному регламенту».
 [http://gis-lab.info/data/lu/_tmp/voronezh.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Аннинское 
Бобровское 
Богучарское 
Бутурлиновское 
Воронежское 
Воронцовское 
Давыдовское 
Донское 
Калачеевское 
Кантемировское 
Новоусманское 
Новохоперское 
Острогожское 
Павловское 
Песковское 
Пригородное 
Россошанское 
Савальское 
Семилукское 
Сомовское 
Теллермановское 
Хреновское 
Эртильское 
||
||
||
|-
| Еврейская автономная область
||
http://www.eao.ru/?p=1856&parent= 
Жалкие фрагменты. Несколько регламентов в doc. ЛП нет, ссылки на него битые.
 [http://gis-lab.info/data/lu/_tmp/evrey.rar Зеркало всех доступных данных по субъекту]
||
Биробиджанское 
Бирское 
Кульдурское 
Ленинское 
Облученское 
Октябрьское 
||
||
||
|-
| Ивановская область
||
http://ivleshoz.ru/forestry-administration/forestry-map 
ЛП + карты (отличные, с кварталкой, но привязывать сложно — кроме границ районов, ориентиров нет) и регламенты (в pdf, без карт).
 [http://gis-lab.info/data/lu/_tmp/ivanov.rar Зеркало всех доступных данных по субъекту]
||
Вичугское 
Заволжское 
Ивановское 
Ильинское 
Кинешемское 
Пучежское 
Тейковское 
Фурмановское 
Шуйское 
Южское 
||
||
||
|-
| Кабардино-Балкарская республика
||
Похоже, в инете нет ничего.
||
Баксанское 
Зольское 
Лескенское 
Майское 
Нальчикское 
Терское 
Чегемское 
Черекское 
Эльбрусское 
||
||
||
|-
|Калининградская область
||
http://www.gov39.ru/index.php?option=com_content&view=article&id=10558&Itemid=434 
ЛП и регламенты. Кварталки в регламентах есть, в jpg, для оцифровки подходят. Отличные карты с кварталкой и в ЛП, в tif.
 [http://gis-lab.info/data/lu/_tmp/kalinin.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Багратионовское 
Гвардейское 
Железнодорожное 
Калининградское 
Краснознаменское 
Нестеровское 
Полесское 
Славское 
Черняховское 
||
||
||
|-
|Калужская область
||
http://www.admoblkaluga.ru/sub/priroda/prirodopolzovanie/Docum_lesn_plan.php 
ЛП и регламенты. Все в doc, карты для оцифровки не пригодны.
 [http://gis-lab.info/data/lu/_tmp/kaluzh.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Боровское 
Дзержинское 
Думиничское 
Еленское 
Жиздринское 
Жуковское 
Износковское 
Калужское 
Козельское 
Куйбышевское 
Людиновское 
Малоярославецкое 
Медынское 
Мещовское 
Спас-Деменское 
Ульяновское 
Ферзиковское 
Юхновское 
||
||
||
|-
|Карачаево-Черкесская республика
||
http://les09.ru/load/1 
ЛП и регламенты. Регламенты в doc, карты очень поганые, с кварталкой, но номера разглядеть нельзя и к оцифровке непригодна. ЛП в doc.
 [http://gis-lab.info/data/lu/_tmp/karach.rar Зеркало всех доступных данных по субъекту]
||
Бескесское 
Зеленчукское 
Карачаевское 
Кубанское 
Урупское 
||
||
||
|-
|Кемеровская область
||
http://kemles.ru/docs/plan/ 
ЛП. В ppt. 
http://www.ako.ru/PRESS/MESS/TEXT/les_reg.asp 
Регламенты, в doc.
 [http://gis-lab.info/data/lu/_tmp/kemerovo.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Беловское 
Гурьевское 
Ижморское 
Кемеровское 
Крапивинское 
Кузедеевское 
Мариинское 
Междуреченское 
Мысковское 
Новокузнецкое 
Прокопьевское 
Промышленновское 
Таштагольское 
Тисульское 
Тяжинское 
Чебулинское 
Юргинское 
Яйское 
Яшкинское 
||
||
||
|-
|Кировская область
||
http://gov-vyatka.ru/econom/forest/reg/index.php 
Проекты ЛСХ регламентов в pdf, годные к оцифровке кварталки.
 [http://gis-lab.info/data/lu/_tmp/kirov.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Афанасьевское 
Белохолуницкое 
Верхошижемское 
Вятско-Полянское 
Даровское 
Дубровское 
Зуевское 
Кайское 
Кикнурское 
Кильмезское 
Кирово-Чепецкое 
Кирсинское 
Котельничское 
Куменское 
Лузское 
Малмыжское 
Мурашинское 
Нагорское 
Немское 
Нолинское 
Омутнинское 
Опаринское 
Оричевское 
Орловское 
Парковое 
Пинюгское 
Рудниковское 
Санчурское 
Свечинское 
Синегорское 
Слободское 
Сорвижское 
Суводское 
Унинское 
Уржумское 
Фаленское 
Шабалинское 
Юрьянское 
Яранское 
||
||
||
|-
|Костромская область
||
http://www.kostroma-depleshoz.ru/legislation/ 
Только ЛП, без карт. 
http://slapsh.region.kostroma.net/infodept.php?date=1230757200 
Регламенты, без карт, в doc.
 [http://gis-lab.info/data/lu/_tmp/kostrom.rar Зеркало всех доступных данных по субъекту]
||
Антроповское 
Буйское 
Вохомское 
Галичское 
Кадыйское 
Кологривское 
Костромское 
Макарьевское 
Мантуровское 
Межевское 
Нейское 
Октябрьское 
Островское 
Павинское 
Парфеньевское 
Поназыревское 
Пыщугское 
Солигаличское 
Судиславское 
Сусанинское 
Чухломское 
Шарьинское 
||
||
||
|-
|Краснодарский край
||
http://www.dlhkk.ru/nacts 
Регламенты в doc. ЛП нет.
 [http://gis-lab.info/data/lu/_tmp/krasnodar.rar Зеркало всех доступных данных по субъекту]
||
Абинское 
Апшеронское 
Афипское 
Белореченское 
Геленджикское 
Горячеключевское 
Джубгское 
Кавказское 
Краснодарское 
Крымское 
Лабинское 
Мостовское 
Новороссийское 
Пшишское 
Туапсинское 
||
||
||
|-
|Курганская область
||
http://www.priroda.kurganobl.ru/3567.html 
Регламенты, в doc. 
http://www.priroda.kurganobl.ru/3547.html 
ЛП, без карт.
 [http://gis-lab.info/data/lu/_tmp/kurgan.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Белозерское 
Варгашинское 
Глядянское 
Далматовское 
Каргапольское 
Курганское 
Куртамышское 
Петуховское 
Шадринское 
Шатровское 
Шумихинское 
Юргамышское 
||
||
||
|-
|Курская область
||
http://adm.rkursk.ru/index.php?id=138 
ЛП и регламенты, а также проекты и того, и другого. Все в doc.
 [http://gis-lab.info/data/lu/_tmp/kursk.rar Зеркало всех доступных данных по субъекту]
||
Горшенченское 
Дмитриевское 
Железногорское 
Золотухинское 
Курское 
Льговское 
Обоянское 
Рыльское 
Советское 
Солнцевское 
Суджанское 
Хомутовское 
Щигровское 
||
||
||
|-
|Ленинградская область
||
http://www.lenobl.ru/economics/ecology/nature/dop_info_les_plan 
ЛП. Есть хреновые карты с кварталкой, для оцифровки вряд ли пригодны. 
Регламенты с сайта только что убрали! Приняли их 2011-01-11, но вроде они опять с нарушениями (http://pomoyka.org/index.php?part=news&id=5129). Спросить материалы на forestforum.ru 
http://lenobl.ru/economics/ecology/nature/les_reglament 
Выложили 17 февраля регламенты, карты к ним в jpg, но большая часть очень плохого качества, хотя и с кварталкой - явно издеваются. К оцифровке пригодны с натяжкой. К проектам карты были нормальные.
 [http://gis-lab.info/data/lu/_tmp/leningrad.rar Зеркало всех доступных данных по субъекту]
||
Бокситогорское 
Волосовское 
Волховское 
Гатчинское 
Кингисеппское 
Киришское 
Кировское 
Лодейнопольское 
Ломоносовское 
Лужское 
Любанское 
Подпорожское 
Приозерское 
Рощинское 
Северо-Западное 
Сланцевское 
Тихвинское 
Учебно-опытное 
||
||
||
|-
|Липецкая область
||
http://www.admlr.lipetsk.ru/rus/adm/dep_les.php 
ЛП и регламенты. Карты из ЛП в ppt с векторной (!?) кварталкой. Ссылки на регламенты битые.
 [http://gis-lab.info/data/lu/_tmp/lipetsk.rar Зеркало всех доступных данных по субъекту]
||
Грязинское 
Данковское 
Добровское 
Донское 
Елецкое 
Задонское 
Тербунское 
Усманское 
Чаплыгинское 
||
2011-03-14 выставлены на конкурс работы по внесению изменений в ЛП и регламенты.
||
||
|-
|Магаданская область
||
http://www.magadanles.org/index.php?do=cat&category=reglament 
Регламенты и ЛП. Все в doc. В регламентах кварталка есть, в jpg, пригодна к оцифровке! 
http://magadanles.org/index.php?newsid=99 
Ссылки на ЛП и регламенты 2010 года в Google Docs!
 [http://gis-lab.info/data/lu/_tmp/magadan.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Берелехское 
Магаданское 
Омсукчанское 
Оротуканское 
Палаткинское 
Сеймчанское 
Тенькинское 
||
||
||
|-
|Московская область
||
||
Бородинское 
Виноградовское 
Волоколамское 
Дмитровское 
Егорьевское 
Звенигородское 
Истринское 
Клинское 
Луховицкое 
Московское учебно-опытное 
Наро-Фоминское 
Ногинское 
Орехово-Зуевское 
Подольское 
Русский лес 
Сергиево-Посадское 
Ступинское 
Талдомское 
Шатурское 
||
||
||
|-
|Мурманская область
||
http://www.gov-murman.ru/power/comit/forestry/reglaments/ 
Все тут, но сайт почти не дышит.
|style="background-color:lightgreen"|
Зашейковское 
Кандалакшское 
Кировское 
Ковдозерское 
Кольское 
Ловозерское 
Мончегорское 
Мурманское 
Печенгское 
Терское 
||
||
||
|-
|Ненецкий автономный округ
||
||
Ненецкое 
||
||
||
|-
|Нижегородская область
||
Ничего не нашел.
||
Арзамасское межрайонное 
Балахнинское районное 
Богородское районное 
Борское районное 
Бутурлинское межрайонное 
Варнавинское районное 
Вачское районное 
Ветлужское районное 
Вознесенское межрайонное 
Воскресенское районное 
Выксунское районное 
Городецкое межрайонное 
Дальнеконстантиновское районное 
Дзержинское межрайонное 
Ковернинское районное 
Краснобаковское районное 
Кулебакское районное 
Лысковское межрайонное 
Михайловское районное 
Мухтоловское межрайонное 
Навашинское районное 
Нижегородское межрайонное 
Павловское районное 
Первомайское районное 
Пижемское районное 
Починковское межрайонное 
Разинское районное 
Семеновское районное 
Сергачское межрайонное 
Сокольское районное 
Сосновское районное 
Тонкинское районное 
Уренское районное 
Шарангское районное 
Шатковское районное 
Шахунское районное 
||
Возможно, про него писал Ярошенко, что после 30 дней все убрали.
||
Адрес: 603950, ГПС 64, г. Нижний Новгород, ул. Костина, д. 2
Телефон: +7 (831) 433−79−35
Э.почта: official@les.kreml.nnov.ru
||
|-
|Новгородская область
||
http://leskom.nov.ru/index.php?option=com_content&view=section&id=5&Itemid=55 
Практически ничего нет (только изменения в ЛП).
 [http://gis-lab.info/data/lu/_tmp/novgorod.rar Зеркало всех доступных данных по субъекту]
||
Батецкое 
Боровичское 
Валдайское 
Волотовское 
Демянское 
Крестецкое 
Любытинское 
Маловишерское 
Маревское 
Мошенское 
Неболчское 
Новгородское 
Новоселицкое 
Окуловское 
Парфинское 
Пестовское 
Поддорское 
Солецкое 
Старорусское 
Хвойнинское 
Холмское 
Чудовское 
Шимское 
||
||
||
|-
|Новосибирская область
||
http://dlhnso.ru/regulatory/forest_management_regulations/ 
ЛП и регламенты, все в doc. Проекты регламентов свежие, без карт.
 [http://gis-lab.info/data/lu/_tmp/novosib.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Барабинское 
Болотнинское 
Венгеровское 
Доволенское 
Здвинское 
Искитимское 
Карасукское 
Каргатское 
Колыванское 
Коченевское 
Краснозерское 
Куйбышевское 
Купинское 
Кыштовское 
Маслянинское 
Мирновское 
Мошковское 
Новосибирское 
Ордынское 
Северное 
Сузунское 
Татарское 
Убинское 
Чановское 
Черепановское 
Чулымское 
||
||
||
|-
|Омская область
||
http://www.gulh.omskportal.ru/ru/RegionalPublicAuthorities/executivelist/GULH/lesregl.html 
Регламенты в doc, к трем лесничествам есть кварталки, пригодные для оцифровки (в jpg).
 [http://gis-lab.info/data/lu/_tmp/omsk.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Большереченское 
Большеуковское 
Васисское 
Знаменское 
Исилькульское 
Калачинское 
Крутинское 
Любинское 
Муромцевское 
Называевское 
Омское 
Саргатское 
Седельниковское 
Степное 
Тарское 
Тевризское 
Тюкалинское 
Усть-Ишимское 
Черлакское 
||
||
||
|-
|Оренбургская область
||
http://mcx.orb.ru/content/view/685/58/ 
Регламенты в doc. Карты в doc есть, с кварталкой, но для оцифровки не пригодны. ЛП нет.
 [http://gis-lab.info/data/lu/_tmp/orenburg.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Абдулинское 
Адамовское 
Акбулакское 
Асекеевское 
Беляевское 
Бугурусланское 
Бузулукское 
Грачевское 
Домбаровское 
Илекское 
Кваркенское 
Краснохолмское 
Кувандыкское 
Новосергиевское 
Новотроицкое 
Оренбургское 
Орское 
Первомайское 
Пономаревское 
Сакмарское 
Саракташское 
Северное 
Соль-Илецкое 
Сорочинское 
Ташлинское 
Тюльганское 
Чернореченское 
Шарлыкское 
||
||
||
|-
|Орловская область
||
http://orel-region.ru/index.php?head=6&part=73&unit=12&op=10 
ЛП и регламенты. В doc и pdf, карт нет или плохие.
 [http://gis-lab.info/data/lu/_tmp/orlovsk.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Болховское 
Глазуновское 
Дмитровское 
Ливенское 
Ломецкое 
Мценское 
Новосильское 
Орловское 
Шаблыкинское 
||
||
||
|-
|Пензенская область
||
http://www.lespnz.ru/index.php?option=com_content&view=category&id=10&Itemid=9 
Регламенты на 2 лесничества. 
http://www.penza.ru/auction/forest_auction/reglaments3 
Проект ЛП. 
И регламенты, и ЛП в doc, без карт.
 [http://gis-lab.info/data/lu/_tmp/penz.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Ахунское 
Белинское 
Большевьясское 
Кададинское 
Камешкирское 
Кузнецкое 
Ленинское 
Ломовское 
Лопатинское 
Лунинское 
Мокшанское 
Никольское 
Сердобское 
Чаадаевское 
Шемышейское 
Юрсовское 
||
Четверг, 27 Январь 2011. Кроме того, размещен заказ на выполнение работ по внесению изменений в Лесной план Пензенской области и лесохозяйственные регламенты подведомственных Управлению лесами Пензенской области лесничеств.
||
||
|-
|Приморский край
||
http://www.primorsky.ru/content/?s=2704 
ЛП, в pdf, карты есть, но хреновые и без кварталки. 
http://www.primorsky.ru/content/?s=1901 
Регламент на одно (Арсеньевское) лесничество, в doc, без карт.
 [http://gis-lab.info/data/lu/_tmp/prim.rar Зеркало всех доступных данных по субъекту]
||
Арсеньевское 
Верхне-Перевальнинское 
Владивостокское 
Дальнереченское 
Кавалеровское 
Рощинское 
Сергеевское 
Спасское 
Тернейское 
Уссурийское 
Чугуевское 
||
||
||
|-
|Псковская область
||
http://www.licensing.pskov.ru/activity/forests/plan 
Проекты регламентов были ранее размещены по этому адресу, сейчас пусто. ЛП не нашел. 
http://priroda.pskov.ru/lesokhozyaistvennye-reglamenty-po-11-ku-lesnichestvam-pskovskoi-oblasti ([http://gis-lab.info/data/lu/pskov/pskov-regl-2010.rar Зеркало]) 
ЛСХР, в DOC, без карт (список прилагаемых, но не выложенных картосхем приведен в конце каждого регламента). Утвержденные, год указан 2010. 
[http://priroda.pskov.ru/lesnichestva Здесь] полный список Л/УЛ на 2011-01-01.
|style="background-color:lightgreen"|
Бежаницкое 
Великолукское 
Гдовское 
Невельское 
Опочецкое 
Печорское 
Плюсское 
Порховское 
Псковское 
Себежское 
Стругокрасненское 
||
||
Государственный комитет Псковской области по природопользованию и охране окружающей среды. [http://priroda.pskov.ru/struktura Контакты] 
Лесной отдел: 
Начальник отдела Шукало Геннадий Станиславович 1 этаж, 1 (8112) 68-66-45 les@priroda.pskov.ru 
Заместитель начальника отдела Гребенщиков Виктор Васильевич 1 этаж, 3 (8112) 68-65-15 les@priroda.pskov.ru
||
2012-01-14
|-
|Адыгея республика
||
http://www.adygheya.ru/government/commit/les/index.shtml 
ЛП и регламенты, все в doc. 
http://www.adygheya.ru/cgi-bin/kernel.cgi?module=media&act=show&binary=1&mediaid=1627 
http://www.adygheya.ru/cgi-bin/kernel.cgi?module=media&act=show&binary=1&mediaid=1629 
ЛП скачать не получается, обрывается, без докачки.
 [http://gis-lab.info/data/lu/_tmp/adygeya.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Гузерипльское 
Красногвардейское 
Майкопское 
Первомайское 
||
||
||
|-
|Алтай республика
||
http://altai-republic.ru/modules.php?op=modload&name=News&file=article&sid=6118 
Проекты регламентов 2008 года, ссылки не работают, регламенты были в pdf. 
2010-12-14 рассматривали изменения в ЛП и ЛСХР, утверждается (в протоколе), что они были вывешены на http://altai-republic.ru/. Действительно, вывесили на 30 дней и убрали. ЛП то же нет.

'''Update 2012-01-08'''

http://mlh-ra.ru/index.php?option=com_content&view=category&layout=blog&id=16&Itemid=107 
Документы по лесному планированию. Есть и ЛП, и ЛСХР. 
ЛП 2008 года, в doc, с приложениями и картами. Карты заявлены как 200 000 и 500 000 масштаба, в jpg, с кварталкой, но очень мелкие, к оцифровки почти не пригодны. Вносились ли изменения с 2008 года в ЛП непонятно. 
[http://gis-lab.info/data/lu/altay/altay-lp-2008.rar Зеркало] 
ЛСХР на все лесничества, в doc, с картами в jpg, качества выше среднего, с кварталками, годны для оцифровки. 
[http://gis-lab.info/data/lu/altay/altay-regl-2011.rar Зеркало]
|style="background-color:lightgreen"|
Байгольское 
Кош-Агачское 
Майминское 
Онгудайское 
Телецкое 
Турочакское 
Улаганское 
Усть-Канское 
Усть-Коксинское 
Чемальское 
Чойское 
Шебалинское
||
||
Министерство лесного хозяйство Республики Алтай 
http://mlh-ra/

Контакты (номера телефонов сотрудников): 
http://mlh-ra.ru/index.php?option=com_content&view=article&id=18&Itemid=31

Форма обращения и адреса (email и почтовый), куда посылать запросы: 
http://mlh-ra.ru/index.php?option=com_content&view=article&id=61&Itemid=90
||
2012-01-08
|-
|Башкортостан республика
||
Представлены карты-схемы лесничеств (кварталы) по целевому назначению и по участковым лесничествам: http://mlhrb.ru/documents/%D0%9A%D0%B0%D1%80%D1%82%D1%8B-%D1%81%D1%85%D0%B5%D0%BC%D1%8B%20%D0%BB%D0%B5%D1%81%D0%BD%D0%B8%D1%87%D0%B5%D1%81%D1%82%D0%B2/ 
http://mlhrb.ru/index.php?mid=1&id=6 
ЛП и регламенты. Все в doc, без карт. Регламенты в двух вариантах — старом и новом (с датой).
 [http://gis-lab.info/data/lu/_tmp/bashkir.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Абзелиловское 
Авзянское 
Альшеевское 
Архангельское 
Аскинское 
Баймакское 
Белебеевское 
Белокатайское 
Белорецкое 
Бирское 
Бурзянское 
Гафурийское 
Дуванское 
Дюртюлинское 
Зианчуринское 
Зилаирское 
Иглинское 
Инзерское 
Кананикольское 
Караидельское 
Кугарчинское 
Макаровское 
Нуримановское 
Салаватское 
Стерлитамакское 
Тирлянское 
Туймазинское 
Уфимское 
Учалинское 
Хайбуллинское 
Янаульское 
||
||
||
|-
|Бурятия республика
||
http://www.alh-rb.ru/agentstvo_leshoz/wood_plan.php 
ЛП (только карты лесничеств) и регламенты (текстовые). 
http://www.alh-rb.ru/agentstvo_leshoz/activity_index.php 
Здесь есть картосхемы почти по всем лес-вам, с кварталкой (кроме Прибайкальского) и много другой полезной информации.
 [http://gis-lab.info/data/lu/_tmp/buryat.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Ангоянское 
Бабушкинское 
Байкальское 
Баргузинское 
Бичурское 
Буйское 
Верхне-Баргузинское 
Верхне-Талецкое 
Витимское 
Гусиноозёрское 
Джидинское 
Еравнинское 
Заиграевское 
Закаменское 
Заудинское 
Иволгинское 
Кабанское 
Кижингинское 
Кикинское 
Кондинское 
Кудунское 
Куйтунское 
Курбинское 
Курумканское 
Кяхтинское 
Муйское 
Мухоршибирское 
Окинское 
Прибайкальское 
Романовское 
Северо-Байкальское 
Селенгинское 
Улан-Удэнское 
Уоянское 
Усть-Баргузинское 
Хандагатайское 
Хоринское 
||
||
||
|-
|Дагестан республика
||
http://dagles.ru/news.php?year=2010&month=11 
ЛП и регламенты (не на все лесничества). Карты в doc.
 [http://gis-lab.info/data/lu/_tmp/dagestan.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Бежтинское 
Ботлихское 
Буйнакское 
Гунибское 
Дахадаевское 
Дербентское 
Казбековское 
Кайтагское 
Карабудахкентское 
Касумкентское 
Каякентское 
Кизлярское 
Магарамкентское 
Махачкалинское 
Ногайское 
Пригородное 
Самурский лесопарк 
Сергокалинское 
Советское 
Табасаранское 
Тляратинское 
Хасавюртовское 
Хивское 
Цумадинское 
Цунтинское 
||
||
||
|-
|Ингушетия республика
||
Ничего не нашел.
||
Джейрахское 
Малгобекское 
Назрановское 
Сунженское 
||
||
Комитет Республики Ингушетия по лесному хозяйству

Адрес:386202, Республика Ингушетия, Сунженский р-н, ст. Орждоникидзевская, ул. Сейнароева, д. 122. E-mail: lesingush@mail.ru. Председатель
Калиматов Магомед Макшарипович

Приемная: Телефон/Факс: (8734) 72-18-66
||
|-
|Калмыкия республика
||
http://www.kalmpriroda.ru/25.html 
Ничего на сайте нет.
|style="background-color:lightgreen"|
Башантинское 
Ергенинское 
Каспийское 
Октябрьское 
Элистинское 
||
||
||
|-
|Карелия республика
||
http://www.gov.karelia.ru/gov/Power/Committee/Forest/index.html 
ЛП 
http://www.gov.karelia.ru/gov/Power/Committee/Forest/lh_regl19.html 
Регламенты центральных лесничеств Карелии на 2010 - 2019 годы, карты отдельно, отличные!
 [http://gis-lab.info/data/lu/_tmp/karel.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Беломорское 
Калевальское 
Кемское 
Кондопожское 
Костомукшское 
Лахденпохское 
Лоухское 
Медвежьегорское 
Муезерское 
Олонецкое 
Питкярантское 
Прионежское 
Пряжинское 
Пудожское 
Сегежское 
Сортавальское 
Суоярвское 
||
||
||
|-
|Коми республика
||
http://komles.rkomi.ru/page/4225/ 
Лесной план, ЛСХ регламент, аукционы. Карты плохие, в ворде, кварталка практически не видна, к оцифровке не годны? Проверить. 
http://komles.rkomi.ru/page/4174/ 
ЛСХР, есть Карты-схемы с кварталками! Разного качества, почти все для привязки-оцифровки, а некоторые — очень хороши. 
http://komles.rkomi.ru/page/5882/ 
Проекты регламентов 2010
 [http://gis-lab.info/data/lu/_tmp/komi.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Айкинское 
Вуктыльское 
Ёртомское 
Железнодорожное 
Ижемское 
Каджеромское 
Кажимское 
Койгородское 
Комсомольское 
Корткеросское 
Летское 
Локчимское 
Междуреченское 
Мещурское 
Печоро-Илычское 
Печорское 
Помоздинское 
Прилузское 
Пруптское 
Сосногорское 
Сторожевское 
Сыктывдинское 
Сыктывкарское 
Сысольское 
Троицко-Печорское 
Удорское 
Усинское 
Усть-Куломское 
Усть-Немское 
Усть-Цилемское 
Ухтинское 
Чернамское 
||
||
Контакты: 167982, Республика Коми, г. Сыктывкар, ул. Первомайская 78, тел./факс 8(8212) 24-43-27, komitet_lesov@rkomi.ru
||
|-
|Марий-Эл (Марийская) республика
||
http://www.gov.mari.ru/minles/information.html 
Регламенты и ЛП. К 7 лесничествам из 20 приложены кварталки в jpg, годные для оцифровки. В лесном плане много карт, есть и кварталка на всю республику, границы видны отлично, но не все номера кварталов.
 [http://gis-lab.info/data/lu/_tmp/mariyel.rar Зеркало всех доступных данных по субъекту]
||
Алексеевское 
Волжское 
Звениговское 
Килемарское 
Кокшайское 
Куженерское 
Кужерское 
Куярское 
Мари-Турекское 
Моркинское 
Новоторъяльское 
Оршанское 
Параньгинское 
Пригородное 
Руткинское 
Сернурское 
Советское 
Учебно-опытное 
Юринское 
||
||
||
|-
|Мордовия республика
||
Ничего не нашел. На e-mordovia.ru указано про выписки из лесного реестра, в том числе информация про кварталы и др, похоже, они хотят делать это за деньги.
||
Ардатовское 
Березниковское 
Виндрейское 
Вышинское 
Зубовское 
Ковылкинское 
Краснослободское 
Саранское 
Темниковское 
||
||
||
|-
|Саха (Якутия) республика
||
http://www.sakha.gov.ru/node/15107 
ЛП. Все в doc. Очень медленный сайт. 
http://www.sakha.gov.ru/node/15654 
Регламенты, в doc.
 [http://gis-lab.info/data/lu/_tmp/yakut.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Алданское 
Амгинское 
Верхневилюйское 
Вилюйское 
Горное 
Жиганское 
Индигирское 
Ленское 
Мегино-Кангаласское 
Мирнинское 
Нерюнгринское 
Нюрбинское 
Олекминское 
Сунтарское 
Томпонское 
Усть-Алданское 
Усть-Майское 
Хангаласское 
Якутское 
||
||
||
|-
|Северная Осетия - Алания республика
||
http://rso-a.ru/vlast/lescom/head/detail.php?ID=3359 
Похоже, тут были выложены регламенты, сейчас ничего нет. 
http://rso-a.ru/vlast/lescom/documents/ 
ЛП и регламенты (не уверен, что все), все в doc.
 [http://gis-lab.info/data/lu/_tmp/osetiya.rar Зеркало всех доступных данных по субъекту]
||
Алагирское 
Владикавказское 
Дигорское 
Ирафское 
Кировское 
Моздокское 
Пригородное 
||
||
||
|-
|Татарстан республика
||
http://minleshoz.tatar.ru/rus/info.php?id=86901 
Здесь были регламенты, похоже убрали после принятия. 
http://minleshoz.tatar.ru/rus/info.php?id=95792&pub_id=28798 
ЛП + карты, кварталок нет.
 [http://gis-lab.info/data/lu/_tmp/tatar.rar Зеркало всех доступных данных по субъекту]
||
Агрызское 
Азнакаевское 
Аксубаевское 
Алькеевское 
Альметьевское 
Арское 
Бавлинское 
Билярское 
Болгарское 
Бугульминское 
Буинское 
Елабужское 
Заинское 
Зеленодольское 
Ислейтарское 
Кайбицкое 
Калейкинское 
Камское 
Кзыл-Юлдузское 
Лаишевское 
Лениногорское 
Мамадышское 
Мензелинское 
Нижнекамское 
Нурлатское 
Приволжское 
Пригородное 
Сабинское 
Тетюшское 
Черемшанское 
||
В документах к аукционам есть выкопировки из планшетов.
||
Интернет-приемная http://minleshoz.tatar.ru/rus/priemn.htm 
Других контактов (кроме физического адреса) на сайте нет.
||
|-
|Тыва (Тува) республика
||
Цитата из гугля, набираю «тыва лесной план», гугль подсказывает «Возможно, вы имели в виду: тыква лесной план». 
Цитата из гугль «Не найдено ни одного документа, соответствующего запросу лесной план site:les.tuva.ru».
||
Балгазынское 
Барун-Хемчикское 
Каа-Хемское 
Кызылское 
Тандынское 
Тес-Хемское 
Тоджинское 
Туранское 
Чаданское 
Шагонарское 
||
||
||
|-
|Хакасия республика
||
http://r-19.ru/mainpage/authority/comitets/forest/documents/reglaments/leshoz_reglamenty.html 
Регламенты, в doc. 
http://r-19.ru/mainpage/authority/comitets/forest/documents/reglaments/lesnoj_plan.html 
ЛП, в doc.
 [http://gis-lab.info/data/lu/_tmp/khakas.rar Зеркало всех доступных данных по субъекту]
||
Абазинское 
Абаканское 
Балыксинское 
Бейское 
Бирикчульское 
Боградское 
Горячегорское 
Копьевское 
Саралинское 
Саяногорское 
Таштыпское 
Туимское 
Усть-Бюрское 
||
||
||
|-
|Ростовская область
||
http://rostles.donland.ru/Default.aspx?pageid=52004 
ЛП, в doc. Регламентов не нашел. 
http://rostles.donland.ru/лесной-план-и-лесохозяйственные-регламенты.aspx 
Здесь регламенты, видимо, были выложены ранее.
 [http://gis-lab.info/data/lu/_tmp/rostov.rar Зеркало всех доступных данных по субъекту]
||
Боковское 
Верхнедонское 
Донецкое 
Зимовниковское 
Каменское 
Кашарское 
Мартыновское 
Обливское 
Ремонтненское 
Романовское 
Сальское 
Селивановское 
Семикаракорское 
Тарасовское 
Усть-Донецкое 
Чертковское 
Шахтинское 
Шолоховское 
||
||
||
|-
|Рязанская область
||
http://www.les-rzn.ru/zakonyi,-normativnyie-aktyi-ryazanskoj-oblasti-v-sfere-lesnyix-otnoshenij/lesnoj-plan-i-reglamentyi-lesnichestv 
ЛП и регламенты, все в pdf, карт нет. Все доки свежие, ноябрь 2010 года. В разработчиках значится Пузаченко и Росгипролес.
 [http://gis-lab.info/data/lu/_tmp/ryazan.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Бельковское 
Ерахтурское 
Ермишинское 
Касимовское 
Клепиковское 
Кораблинское 
Криушинское 
Можарское 
Нижне-Окское 
Первомайское 
Ряжское 
Рязанское 
Сасовское 
Солотчинское 
Спасское 
Тумское 
Шацкое 
Шелуховское 
Шиловское 
||
||
||
|-
|Самарская область
||
http://www.adm.samara.ru/organs_vlast/organi_pravitelstvo/Dep_les/ 
ЛП и регламенты. ЛП в pdf, к нему прилагаются схемы, они так себе. Одна из них с кварталкой, но привязать-оцифровать невозможно, уж больно она схематична, и без номеров кварталов. Регламенты в doc, без карт.
 [http://gis-lab.info/data/lu/_tmp/samar.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Безенчукское 
Большеглушицкое 
Волжское 
Кинельское 
Кинель-Черкасское 
Клявлинское 
Кошкинское 
Красноярское 
Нефтегорское 
Ново-Буянское 
Похвистневское 
Рачейское 
Самарское 
Сергиевское 
Ставропольское 
Тольяттинское 
Шенталинское 
Шигонское 
||
||
||
|-
|Саратовская область
||
http://www.saratov.gov.ru/government/structure/minlesa/index.php?PAGEN_2=1#nav_start_2 
ЛП, в doc и xls. Регламентов не нашел.
 [http://gis-lab.info/data/lu/_tmp/saratov.rar Зеркало всех доступных данных по субъекту]
||
Аркадакское 
Аткарское 
Базарно-Карабулакское 
Балаковское 
Балашовское 
Балтайское 
Вольское 
Вязовское 
Дьяковское 
Екатериновское 
Ершовское 
Калининское 
Красноармейское 
Лысогорское 
Макаровское 
Марксовское 
Новобурасское 
Петровское 
Пугачевское 
Романовское 
Саратовское 
Усовское 
Черкасское 
Ширококарамышское 
Энгельсское 
||
||
||
|-
|Сахалинская область
||
http://www.sakhles.ru/?div=108 
http://www.sakhles.ru/?div=79 
Регламенты и ЛП. На все лесничества, кроме Макаровского, есть отличные карты с кварталками, пожалуй лучшие из всех. ЛП в doc.
 [http://gis-lab.info/data/lu/_tmp/sakhalin.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Александровское 
Анивское 
Долинское 
Корсаковское 
Красногорское 
Курильское 
Макаровское 
Невельское 
Ногликское 
Охинское 
Поронайское 
Смирныховское 
Тымовское 
Углегорское 
Холмское 
Южно-Курильское 
Южно-Сахалинское 
||
||
||
|-
|Свердловская область
||
http://www.mprso.ru/les_resource.htm 
Проект ЛП, в doc, без карт. Проекты регламентов, без карт.
 [http://gis-lab.info/data/lu/_tmp/sverdl.rar Зеркало всех доступных данных по субъекту]
||
Алапаевское 
Байкаловское 
Березовское 
Билимбаевское 
Верх-Исетское 
Верхотурское 
Гаринское 
Егоршинское 
Ивдельское 
Ирбитское 
Камышловское 
Карпинское 
Красноуфимское 
Кушвинское 
Невьянское 
Нижне-Сергинское 
Нижне-Тагильское 
Ново-Лялинское 
Режевское 
Свердловское 
Серовское 
Синячихинское 
Сотринское 
Сухоложское 
Сысертское 
Таборинское 
Тавдинское 
Талицкое 
Тугулымское 
Туринское 
Шалинское 
||
Про схемы написано «(с картами-схемами лесничеств можно ознакомиться в Департаменте леса Министерства природных ресурсов Свердловской области по адресу: г. Екатеринбург, ул. Малышева, д.101, ком. 435, ответственное лицо - Решетняк Сергей Юрьевич или по месту нахождения соответствующего лесничества». 
Там же некоторые полезные схемы с фрагментами кварталок есть, скачал.
||
||
|-
|Смоленская область
||
http://admin-smolensk.ru/~les/index.php?option=com_content&view=article&id=55%3Ainye-dokumenty&catid=5&Itemid=5 
ЛП и регламенты, проекты регламентов. Все запаковано в 2 больших архива. 
Проекты регламентов со схемами, довольно схематичными, но с кварталками, оцифровать можно. Остальное без карт или с погаными картами.
 [http://gis-lab.info/data/lu/_tmp/smol.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Велижское 
Вяземское 
Гагаринское 
Глинковское 
Демидовское 
Дорогобужское 
Духовщинское 
Ельнинское 
Ершичское 
Кардымовское 
Кармановское 
Краснинское 
Монастырщинское 
Новодугинское 
Починковское 
Рославльское 
Руднянское 
Сафоновское 
Смоленское 
Сычевское 
Темкинское 
Угранское 
Хиславичское 
Холм-Жирковское 
Шумячское 
Ярцевское 
||
||
||
|-
|Ставропольский край
||
На сайте МПР края (mpr.stavkray.ru) ничего нет. 
На stavregion.ru был раздел документы, но сейчас он 404. 
Итого: ничего не нашел.
|style="background-color:lightgreen"|
Бештаугорское 
Георгиевское 
Дивенское 
Ессентукское 
Изобильненское 
Калаусское 
Кисловодское 
Курское 
Левокумское 
Невинномысское 
Нижне-Кумское 
Ставропольское 
||
||
||
|-
|Тамбовская область
||
http://www2.tambov.gov.ru/site/www2/175/Reglament/ 
ЛП и регламенты, все в doc. Ссылок ни на ЛП, ни на регламенты на сайте нет, нашел случайно. В ЛП в doc карты, вроде, в векторе — уточнить.
 [http://gis-lab.info/data/lu/_tmp/tambov.rar Зеркало всех доступных данных по субъекту]
||
Бондарское 
Вернадское 
Горельское 
Кирсановское 
Мичуринское 
Моршанское 
Серповское 
Степное 
Тамбовское 
Уваровское 
Хоботовское 
Цнинское 
Челнавское 
||
||
||
|-
|Тверская область
||
http://www.region.tver.ru/normative/39.html 
ЛП в doc. 
http://www.region.tver.ru/power/dep_les.html 
Регламенты в doc. 
http://deplescom.tver.ru/index.php?option=com_content&view=article&id=86&Itemid=59 
Регламенты, те же что и выше. 
http://region.tver.ru/economics/forest/ 
Регламенты, в doc.
 [http://gis-lab.info/data/lu/_tmp/tver.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Бежецкое 
Западнодвинское 
Кашинское 
Краснохолмское 
Осташковское 
Старицкое 
Тверское 
Торжокское 
Торопецкое 
Удомельское 
Фировское 
||
||
||
|-
|Томская область
||
http://tomsk.gov.ru/ru/economy_finances/forest-complex/forest_policy/reglaments/ 
Ссылки на регламенты, но раздел пуст. 
http://tomsk.gov.ru/ru/economy_finances/forest-complex/forest_policy/forest_plan/ 
Ссылка на ЛП, но раздел пуст. 
http://www.biznesdep.tomsk.gov.ru/lesnojj_plan.html 
ЛП, приложена кварталка на всю область в jpg, для оцифровки пригодна. 
http://www.biznesdep.tomsk.gov.ru/lesokhozjajjstvennye_reglamenty.html 
Регламенты в rtf. 
Там же в документации к аукционам есть фрагменты кварталки-повыделенки, отличные.
 [http://gis-lab.info/data/lu/_tmp/tomsk.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Александровское 
Асиновское 
Бакчарское 
Васюганское 
Верхнекетское 
Зырянское 
Каргасокское 
Кедровское 
Кожевниковское 
Колпашевское 
Корниловское 
Кривошеинское 
Молчановское 
Парабельское 
Первомайское 
Тегульдетское 
Тимирязевское 
Томское 
Улу-Юльское 
Чаинское 
Шегарское 
||
||
||
|-
|Тульская область
||
http://alh.h15.ru/html/html1.htm 
Агентство лесного хозяйства по области. Ни ЛП, ни регламентов.

Ничего не нашел.
||
Алексинское 
Белевское 
Богородицкое 
Веневское 
Ефремовское 
Заокское 
Одоевское 
Плавское 
Суворовское 
Тульское 
Чернское 
Ясногорское 
||
||
Контакты alh@tula.net
||
|-
|Тюменская область
||
http://admtyumen.ru/ogv_ru/finance/lk/plan.htm 
ЛП. Кварталка выше среднего качества, в pdf, в векторном виде. 
http://admtyumen.ru/ogv_ru/finance/lk/more.htm?id=10439471@cmsArticle 
ЛСХР. Карты похуже, но кварталка тоже читаема.
 [http://gis-lab.info/data/lu/_tmp/tumen.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Абатское 
Армизонское 
Аромашевское 
Бердюжское 
Вагайское 
Викуловское 
Голышмановское 
Заводоуковское 
Исетское 
Ишимское 
Казанское 
Нижнетавдинское 
Омутинское 
Сладковское 
Сорокинское 
Тобольское 
Тюменское 
Уватское 
Упоровское 
Юргинское 
Ялуторовское 
Ярковское 
||
||
Департамент лесного комплекса Тюменской области по адресу: г. Тюмень, ул. Первомайская, 34/1 (телефоны для справок 690-543, 690-544) или по адресу электронной почты DLK_TO@72to.ru.
||
|-
|Удмуртская республика
||
http://www.minlesudm.ru/norm_dok.htm 
ЛП и регламенты. Карты, прилагаемые к регламентам — паршивые схемы, без кварталки. К ЛП приложены кварталки по лесничествам в pdf, пригодные для оцифровки. 
Все доки лежат на ftp://92.55.24.186/
 [http://gis-lab.info/data/lu/_tmp/udmurt.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Алнашское 
Балезинское 
Вавожское 
Воткинское 
Глазовское 
Граховское 
Дебесское 
Завьяловское 
Игринское 
Камбарское 
Каракулинское 
Кезское 
Кизнерское 
Киясовское 
Красногорское 
Можгинское 
Сарапульское 
Селтинское 
Сюмсинское 
Увинское 
Шарканское 
Юкаменское 
Яганское 
Якшур-Бодьинское 
Ярское 
||
||
||
|-
|Ульяновская область
||
http://mpr73.ru/legislation/region/ 
ЛП и регламенты. Все в doc, без карт.
 [http://gis-lab.info/data/lu/_tmp/ulyan.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Базарносызганское 
Барышское 
Вешкаймское 
Инзенское 
Карсунское 
Кузоватовское 
Майнское 
Мелекесское 
Николаевское 
Новоспасское 
Новочеремшанское 
Павловское 
Радищевское 
Сенгилеевское 
Старокулаткинское 
Старомайнское 
Сурское 
Тереньгульское 
Ульяновское 
||
||
||
|-
|Хабаровский край
||
http://gov.khabkrai.ru/invest2.nsf/General_ru/C80D21F988A92363CA2577A10011B58E/$file/_LesPlan_project.zip 
Проект изменений в ЛП. Только карта лесничеств, и та в ворде. Регламентов ни одного. 
http://gov.khabkrai.ru/invest2.nsf/pages/ru/geninfo/uprav_les.htm?OpenDocument&Start=1&Count=10000&Expand=1 
В аукционах есть выкопировки из планшетов.
 [http://gis-lab.info/data/lu/_tmp/khabar.rar Зеркало всех доступных данных по субъекту]
||
Аванское 
Амгуньское 
Аянское 
Баджальское 
Бикинское 
Болоньское 
Быстринское 
Высокогорное 
Горинское 
Гурское 
Де-Кастринское 
Иннокентьевское 
Кербинское 
Кизинское 
Комсомольское 
Кур-Урмийское 
Лазаревское 
Литовское 
Мухенское 
Нанайское 
Нижнетамбовское 
Николаевское 
Оборское 
Охотское 
Падалинское 
Северное 
Советское 
Солнечное 
Сукпайское 
Тумнинское 
Тырминское 
Уктурское 
Уликанское 
Ульчское 
Ургальское 
Хабаровское 
Хехцирское 
Хорское 
Чумиканское 
Эворонское 
||
||
||
|-
|Ханты-Мансийский автономный округ
||
http://www.ugrales.ru/?q=node/139 
Регламенты и проекты регламентов. Проекты не на все лесничества, но в них (внутри doc) карты с кварталками, с некоторой натяжкой можно использовать для оцифровки. Утвержденные регламенты в doc, но два из них в pdf с так себе кварталкой. 
http://www.ugrales.ru/?q=node/138 
ЛП, есть карта с кварталкой, но очень мелкая, к оцифровке непригодна.
 [http://gis-lab.info/data/lu/_tmp/khanty.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Аганское 
Белоярское 
Берёзовское 
Кондинское 
Мегионское 
Нефтеюганское 
Нижневартовское 
Няксимвольское 
Октябрьское 
Самаровское 
Советское 
Сургутское 
Урайское 
Юганское 
||
||
||
|-
|Челябинская область
||
http://www.priroda.chel.ru/forest/news/1185.html 
Регламенты. 
http://priroda.chel.ru/forest/35.html 
ЛП.
 [http://gis-lab.info/data/lu/_tmp/chel.rar Зеркало всех доступных данных по субъекту]
||
Аргаяшское 
Ашинское 
Брединское 
Верхнеуральское 
Златоустовское 
Карталинское 
Каслинское 
Катав-Ивановское 
Красноармейское 
Кунашакское 
Кусинское 
Кыштымское 
Миасское 
Нязепетровское 
Октябрьское 
Пластовское 
Саткинское 
Увельское 
Усть-Катавское 
Уфалейское 
Чебаркульское 
Шершневское 
||
||
||
|-
|Чеченская республика
||
http://mlhchr.ru/index.php?option=com_content&task=blogsection&id=4&Itemid=34 
Регламенты, в doc. 
http://mlhchr.ru/index.php?option=com_content&task=view&id=20&Itemid=5 
ЛП.
 [http://gis-lab.info/data/lu/_tmp/chechen.rar Зеркало всех доступных данных по субъекту]
||
Ассиновское 
Ачхой-Мартановское 
Веденское 
Грозненское 
Гудермесское 
Итум-Калинское 
Курчалойское 
Наурское 
Ножай-Юртовское 
Предгорное 
Урус-Мартановское 
Шалинское 
Шаройское 
Шатойское 
Шелковское 
||
||
||
|-
|Чувашская республика
||
http://gov.cap.ru/hierarhy.asp?page=./13/73421/73435 
ЛП и регламенты, все в doc.
 [http://gis-lab.info/data/lu/_tmp/chuvash.rar Зеркало всех доступных данных по субъекту]
||
Алатырское 
Вурнарское 
Ибресинское 
Канашское 
Кирское 
Мариинско-Посадское 
Опытное 
Чебоксарское 
Шемуршинское 
Шумерлинское 
Ядринское 
||
Сами они уверены, что кварталки — за деньги, и пишут про это на сайте в вопросах-ответах http://gov.cap.ru/list2/view/02SV_QUESTIONS_OV/form.asp?id=34288&pos=1&GOV_ID=4
||
||
|-
|Чукотский автономный округ
||
http://www.chukotka.org/ru/region/nature/flora_fauna/ 
ЛП и регламенты, все в doc.
 [http://gis-lab.info/data/lu/_tmp/chukot.rar Зеркало всех доступных данных по субъекту]
||
Чукотское 
||
||
||
|-
|Ямало-Ненецкий автономный округ
||
http://old.yanao.ru/176/ 
ЛП в doc, без карт. Регламентов нет.
 [http://gis-lab.info/data/lu/_tmp/yamal.rar Зеркало всех доступных данных по субъекту]
||
Красноселькупское 
Таркосалинское 
Ямальское 
Надымское 
Ноябрьское 
||
Недавно был конкурс (2010-10-26) на внесение изменений в ЛП и регламенты.
||
||
|-
|Ярославская область
||
http://www.yarregion.ru/depts/dlh/tmpPages/docs.aspx 
ЛП (только границы лесничеств) и регламенты (карт нет вовсе).
 [http://gis-lab.info/data/lu/_tmp/yarosl.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Большесельское 
Борисоглебское 
Брейтовское 
Гаврилов-Ямское 
Даниловское 
Любимское 
Некоузское 
Переславское 
Пошехонское 
Пречистенское 
Ростовское 
Рыбинское 
Тутаевское 
Угличское 
Ярославское 
||
||
Контакты: 
http://www.yarregion.ru/depts/dlh/tmpPages/structure.aspx
||
|-
|Забайкальский край
||
http://gosles.e-zab.ru/information/?mid=1833 
ЛП и проект свежего ЛП. Карт нет или они плохие. 
http://gosles.e-zab.ru/information/?mid=938 
Регламенты, с картами в jpg, пригодными для оцифровки!
 [http://gis-lab.info/data/lu/_tmp/zabaikal.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Агинское 
Акшинское 
Александровско-Заводское 
Аргунское 
Бадинское 
Балейское 
Беклемишевское 
Верхне-Читинское 
Газимуро-Заводское 
Дульдургинское 
Ингодинское 
Карымское 
Красночикойское 
Кыринское 
Могочинское 
Нерчинское 
Оленгуйское 
Ононское 
Петровск-Забайкальское 
Сретенское 
Тунгокоченское 
Хилокское 
Чарское 
Чернышевское 
Читинское 
Шилкинское 
||
||
||
|-
|Иркутская область
||
http://irkobl.ru/sites/les/agency/law/ ([http://gis-lab.info/data/lu/irkutsk/irkutsk-regl-2008_2010-01-13.rar Зеркало]) 
ЛСХР, часть в PDF, часть в DOC. Карт нет никаких. В самих регламентах есть упоминания о «прилагаемых картах-схемах». Дата опубликования указана 2010-01-13, похоже, утвержденные. В самих документах указан 2008 год. 
http://irkobl.ru/sites/les/documents/ ([http://gis-lab.info/data/lu/irkutsk/irkutsk-lp-2008_2009-02-09.rar Зеркало]) 
Здесь ссылка на ЛП (год стоит 2008, а утвержден 2009-02-09) и должна быть — на карты-схемы к нему, но ссылку на карты заныкали. План неполный, нет книг 5 (часть приложений) и 6 (карты). 
http://irkobl.ru/sites/alh/documents/lesplan/Lesplan.pdf ([http://gis-lab.info/data/lu/irkutsk/irkutsk-lp-2008.rar Зеркало]) 
Лесной план. Карты очень плохие. Похоже, еще не утвержденный вариант того, что выше. 
Раньше [http://irkobl.ru/sites/alh/documents/reglament/ здесь] ([http://gis-lab.info/data/lu/irkutsk/irkutsk-regl-2008.rar Зеркало]) лежала еще версия регламентов, в PDF. Год в регламентах указан 2008, возможно, проекты. На начало 2012 по этому адресу регламенты 2010 года. 
http://irkobl.ru/sites/alh/documents/reglament/ ([http://gis-lab.info/data/lu/irkutsk/irkutsk-regl-2010_2011-04-15.rar Зеркало]) ЛСХР, в PDF, год указан 2010, выложены 2011-04-15. Карт нет. 

11.01.2011 «Губернатор утвердил состав рабочей группы по разработке предложений в Лесной план Иркутской области» 
Обновленных версий ЛП не выложено.
|style="background-color:lightgreen"|
Аларское 
Ангарское 
Балаганское 
Баяндаевское 
Бирюсинское 
Бодайбинское 
Братское 
Голоустненское 
Жигаловское 
Заларинское 
Зиминское 
Илимское 
Иркутское 
Казачинско-Ленское 
Катангское 
Качугское 
Киренское 
Кировское 
Куйтунское 
Мамское 
Нижнеилимское 
Нижнеудинское 
Нукутское 
Ольхонское 
Осинское 
Падунское 
Северное 
Слюдянское 
Тайшетское 
Тулунское 
Усольское 
Усть-Кутское 
Усть-Ордынское 
Усть-Удинское 
Черемховское 
Чунское 
Шелеховское 
||
||
Агентство лесного хозяйства Иркутской области 
http://www.irkobl.ru/sites/alh/

Временно замещающий должность руководителя - Акбердин Виталий Викторович, телефон: (3952)33-59-81 
Заместитель руководителя - Кузьма Владимир Федорович,телефон: (3952)33-59-81 
Заместитель руководителя - Недоспелова Лидия Сергеевна, телефон: (3952)24-28-42

Приемная: 664003, Россия, г. Иркутск,ул. Горького, 31, телефон: (3952)33-59-81, эл. почта: baikal@lesirk.ru 
Единая диспетчерская служба по лесам Иркутской области 8(3952) 22-99-68
||
2012-01-14
|-
|Камчатский край
||
http://www.kamchatka.gov.ru/?cont=oiv_din&mcont=278&menu=4&menu2=0&id=182 
Регламенты от 2010-11-18. Карты в jpg, отличная кварталка, как и на Сахалин. 
http://www.kamchatka.gov.ru/?cont=oiv_din&mcont=307&menu=4&menu2=0&id=182 
ЛП.
 [http://gis-lab.info/data/lu/_tmp/kamch.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Атласовское 
Быстринское 
Елизовское 
Ключевское 
Корякское 
Мильковское 
Усть-Большерецкое 
||
||
||
|-
|Красноярский край
||
http://www.krskstate.ru/nature/wood/lespaln 
ЛП. Карты средней паршивости, кварталок нет. 
http://www.krskstate.ru/nature/wood/lecreg 
регламенты. Приложены карты-кварталки качеством так себе, с большим трудом, но разобраться можно, на грани.
 [http://gis-lab.info/data/lu/_tmp/krasnoyarsk.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Абанское 
Ачинское 
Байкитское 
Балахтинское 
Боготольское 
Богучанское 
Большемуртинское 
Большеулуйское 
Борское 
Верхнеманское 
Гремучинское 
Даурское 
Дзержинское 
Долгомостовское 
Емельяновское 
Енисейское 
Ермаковское 
Идринское 
Иланское 
Ирбейское 
Казачинское 
Канское 
Каратузское 
Кизирское 
Кодинское 
Козульское 
Краснотуранское 
Красноярское 
Курагинское 
Маганское 
Манзенское 
Манское 
Мининское 
Минусинское 
Мотыгинское 
Назаровское 
Невонское 
Нижне-Енисейское 
Новоселовское 
Пировское 
Пойменское 
Рыбинское 
Саянское 
Северо-Енисейское 
Сухобузимское 
Таежинское 
Таймырское 
Терянское 
Тинское 
Тунгусско-Чунское 
Туруханское 
Тюхтетское 
Ужурское 
Усинское 
Усольское 
Уярское 
Хребтовское 
Чунское 
Шарыповское 
Шушенское 
Эвенкийское 
||
||
||
|-
|Пермский край
||
http://priroda.permkrai.ru/timberraw/les_plan/ 
ЛП + карта. На карте кварталка, но очень паршивая, для оцифровки не пригодна. 
http://priroda.permkrai.ru/timberraw/les_regl/ 
ЛСХР, без карт. 1 лесничества не хватает. 
http://priroda.permkrai.ru/timberraw/les_regl/projekt/ 
Еще вариант ЛСХ регламентов.
 [http://gis-lab.info/data/lu/_tmp/perm.rar Зеркало всех доступных данных по субъекту]
|style="background-color:lightgreen"|
Березниковское 
Вайское 
Веслянское 
Гайнское 
Горнозаводское 
Добрянское 
Закамское 
Ильинское 
Кизеловское 
Кишертское 
Колвинское 
Комарихинское 
Косинское 
Кочевское 
Красновишерское 
Кудымкарское 
Куединское 
Кунгурское 
Лысьвенское 
Октябрьское 
Осинское 
Очерское 
Пермское 
Сивинское 
Соликамское 
Уинское 
Чайковское 
Частинское 
Чердынское 
Чусовское 
Юрлинское 
Юсьвинское 
Яйвинское 
||
||
МПР Пермского края, контакты: 
в письменной форме: 614006, г. Пермь, ул. Ленина, д. 51, к. 505, 
по телефаксу: (342) 235-14-51
||
|}

Дистанционное зондирование в защите здоровья леса

2013-12-15T10:08:20Z

Gimran:

Перевод удален переводчиком, в соответствии с решением администратора:
{{цитата|автор=[[http://gis-lab.info/forum/viewtopic.php?f=4&t=15584 Максим Дубинин]]|Мало того, что вы НИ-ХЕ-РА не хотите делать для сообщества, так вы еще и решили превратить его в какое-то УГ.}}

Дистанционное зондирование в защите здоровья леса

2013-12-15T10:08:07Z

Gimran:

Перевод удален переводчиком, в соответствии с решением администратора:
{{цитата|автор=[[http://gis-lab.info/forum/viewtopic.php?f=4&t=15584|Максим Дубинин]]|Мало того, что вы НИ-ХЕ-РА не хотите делать для сообщества, так вы еще и решили превратить его в какое-то УГ.}}

Шаблон:Цитата

2013-12-15T10:05:39Z

Gimran: Новая страница: «{| style="margin:auto; border-collapse:collapse; background-color:transparent; border-style:none;" | style="width:30px; vertical-align:top; padding-right:10px;" |…»

{| style="margin:auto; border-collapse:collapse; background-color:transparent; border-style:none;"
| style="width:30px; vertical-align:top; padding-right:10px;" | [[Файл:Aquote1.png|30px|«|link=]]
| <cite>{{{1|А что цитируем-то?}}}{{#if:{{{2|}}}| {{{2|}}} }}{{#if:{{{3|}}}| {{{3|}}} }}{{#if:{{{4|}}}| {{{4|}}} }}{{#if:{{{5|}}}| {{{5|}}} }}{{#if:{{{6|}}}| {{{6|}}} }}{{#if:{{{7|}}}| {{{7|}}} }}{{#if:{{{8|}}}| {{{8|}}} }}{{#if:{{{9|}}}| {{{9|}}} }}{{#if:{{{10|}}}| {{{10|}}} }}{{#if:{{{11|}}}| {{{11|}}} }}{{#if:{{{12|}}}| {{{12|}}} }}{{#if:{{{13|}}}| {{{13|}}} }}{{#if:{{{14|}}}| {{{14|}}} }}{{#if:{{{15|}}}| {{{15|}}} }}{{#if:{{{16|}}}| {{{16|}}} }}</cite>{{#if:{{{автор|}}}|<div style="clear:both;"></div><div style="float:right">{{{автор|}}}</div> }}
| style="width:30px; vertical-align:bottom; padding-left:10px;" | [[Файл:Aquote2.png|30px|»|link=]]
|}<noinclude>
{{doc}}
</noinclude>

Дистанционное зондирование в защите здоровья леса

2013-12-15T10:04:35Z

Gimran: Содержимое страницы заменено на «Перевод удален переводчиком, в соответствии с решением администратора:…»

Перевод удален переводчиком, в соответствии с решением администратора:
{{цитата|автор=[[Максим Дубинин|http://gis-lab.info/forum/viewtopic.php?f=4&t=15584]]|Мало того, что вы НИ-ХЕ-РА не хотите делать для сообщества, так вы еще и решили превратить его в какое-то УГ.}}

Дистанционное зондирование в защите здоровья леса

2013-11-28T15:29:23Z

Gimran: /* Средства навигации */

{{Врезка
| Выравнивание = center
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение объектов, опознаваемых в охране здоровья леса, по сигнатурам. Здесь также описаны характерные сигнатуры растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет;
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS);
* форма;
* яркость;
* текстура;
* пространственное положение.

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''



=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-26T06:03:55Z

Gimran: /* Что такое сигнатуры? */

{{Врезка
| Выравнивание = center
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение объектов, опознаваемых в охране здоровья леса, по сигнатурам. Здесь также описаны характерные сигнатуры растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет;
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS);
* форма;
* яркость;
* текстура;
* пространственное положение.

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''



=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-26T05:57:11Z

Gimran: /* Дешифровочные признаки и сигнатуры */

{{Врезка
| Выравнивание = center
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение объектов, опознаваемых в охране здоровья леса, по сигнатурам. Здесь также описаны характерные сигнатуры растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''



=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:50:32Z

Gimran: /* Категории состояния */

{{Врезка
| Выравнивание = center
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''



=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:50:11Z

Gimran:

{{Врезка
| Выравнивание = center
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''



=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES

<--
вставить пример советских палеток в сравнении с американскими
-->
<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:30:00Z

Gimran:

{{Врезка
| Выравнивание = center
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''


<references>
=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES

<--
вставить пример советских палеток в сравнении с американскими
-->

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:29:10Z

Gimran:

{{Врезка
| Выравнивание = center
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''


<references>
=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES

<--
вставить пример советских палеток в сравнении с американскими
-->

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:28:10Z

Gimran: /* Типы растительности и породы деревьев */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'''Для переводчика:'''

''Crown Apex — форма вершины

''Crown Margin - форма кроны

''Branch Pattern - тип ветвления

''Foliage Texture - структура листа''

''вставить изображения и примечания''
''Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу) ''

''Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)''

''Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008''


<references>
=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES

<--
вставить пример советских палеток в сравнении с американскими
-->

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:27:20Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

'' '''Для переводчика:'''
Crown Apex — форма вершины

Crown Margin - форма кроны

Branch Pattern - тип ветвления

Foliage Texture - структура листа

вставить изображения и примечания
Классификация форм крон деревьев (А) и их проекций (Б) (по Г. Г. Самойловичу)

Классификация форм крон деревьев (А) и их проекций (Б) при анализе признаков дешифрирования отдельных деревьев
(Загреев и соавт. Справочник "Общесоюзные нормативы для таксации лесов" 1992)

Рис. 2. Типы ветвления древесных растений и Рис. 4. Лист из А.Н. Мартынов и др. из Основы лесного хозяйства и таксации леса из Санкт-Петербург, 2008
''


<references>
=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES

<--
вставить пример советских палеток в сравнении с американскими
-->

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:23:52Z

Gimran: /* Типы крон */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

''Для переводчика:
Crown Apex — форма вершины

Crown Margin - форма кроны

Branch Pattern - тип ветвления

Foliage Texture - структура листа
''

=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T20:11:07Z

Gimran: /* Типы растительности и породы деревьев */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
Определение лесных или вегетационных типов является основным требованием использования дистанционного зондирования в охране здоровья лесов. Несомненно важно знать какие породы деревьев или какой состав древостоя оценивается или поврежден. Для опытного дешифровщика идентификация пород деревьев это его вторая натура. Состав и породы деревьев также можно разделить на визуальную и компьютерную интерпретацию. Есть несколько руководств, которые помогают опознавать породы (Avery 1966, Sayn- Wittgenstein 1978). Превосходным справочником по идентификации типов лесного покрова для штата Новая Англия на снимках CIR по различию цветов и текстур является книга Hershey и Befort (1995). Также есть руководства по идентификации пород деревьев на аэрофотоснимках на территории Канады (Sayn-Wittgenstein 1978), на несколько лесных регионов США, включая хвойные на северо-востоке (Ciesla 1984), север Айдахо (Croft и др. 1982), север Великих Озер (Heller и др. 1964), север Калифорнии и южную часть штата Орегон (Ciesla и Hoppus 1990).

=== Типы крон ===

=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T19:58:35Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

= Дешифровочные признаки и сигнатуры =
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

== Что такое сигнатуры? ==
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

== Типы растительности и породы деревьев ==
=== Типы крон ===
=== Косвенные признаки ===
=== Источники ошибок ===
=== Категории состояния ===

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T19:51:12Z

Gimran: /* Дешифровочные признаки (сигнатуры) */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки и сигнатуры ==
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

=== Что такое сигнатуры? ===
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T19:46:33Z

Gimran: /* Что такое сигнатуры? */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки (сигнатуры) ==
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

=== Что такое сигнатуры? ===
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом, достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T19:46:08Z

Gimran: /* Что такое сигнатуры? */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки (сигнатуры) ==
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

=== Что такое сигнатуры? ===
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. '''Слева:''' горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. '''Справа:''' "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Файл:Дистанционное-зондирование-в-защите-здоровья-леса Повреждения короеда.jpg

2013-11-25T19:45:43Z

Gimran:

Дистанционное зондирование в защите здоровья леса

2013-11-25T19:45:19Z

Gimran: /* Что такое сигнатуры? */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки (сигнатуры) ==
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

=== Что такое сигнатуры? ===
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. Слева: горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. Справа: "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T19:45:06Z

Gimran: /* Дешифровочные признаки */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки (сигнатуры) ==
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

=== Что такое сигнатуры? ===
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

In remote sensing, signatures are the characteristics or combinations of characteristics that allow an aerial observer, image interpreter or computer aided image analysis system to identify certain objects of interest from a distance. Some characteristics that contribute to the signature of an object observed from a distance and allow it to be identified include:
Color
Spectral reflectance (visible light and other regions of the EMS)
Shape
Brightness
Texture
Spatial position
В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. Слева: горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. Справа: "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T19:44:47Z

Gimran: /* Что такое признаки? */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

=== Что такое сигнатуры? ===
В предыдущей главе мы уже обсуждали спектральные диапазоны, разрешения и их значение в выявлении интересующих нас визуальных деталей. Интересующие нас детали это биологические признаки, или сигнатуры, «подписи». Сигнатура это одна или несколько черт, используемых для идентификации какого-либо объекта, субъекта и т.д., например, классической сигнатурой может служить собственноручная подпись. Почерк каждого человека уникален: то ли он разборчив, то ли нет, но человек может быть идентифицированы по своей подписи в соглашении или договоре, что юридически обязательно. Другим примером сигнатуры является музыкальная тема (джингл), используемая в начале радио- или телепередаче. Темп и мелодия джингла часто уникальна для этой передачи, что позволяет слушателю ее опознать. В контексте охраны здоровья лесов, энтомологи часто опознают короедов по «рисунку» его ходов под корой (рис. 3.1). Эти рисунки достаточно более уникальны и надежны для идентификации вредителя, нежели его внешний вид.

In remote sensing, signatures are the characteristics or combinations of characteristics that allow an aerial observer, image interpreter or computer aided image analysis system to identify certain objects of interest from a distance. Some characteristics that contribute to the signature of an object observed from a distance and allow it to be identified include:
Color
Spectral reflectance (visible light and other regions of the EMS)
Shape
Brightness
Texture
Spatial position
В дистанционном зондировании сигнатуры являются признаками или комбинациями признаков, которые позволяют интерпретировать изображение визуально или с помощью системы компьютерного анализа изображений, опознавая определенные интересующие объекты на расстоянии. Некоторые признаки, формирующие сигнатуру объекта, наблюдаемые на расстоянии и позволяющие его определить, включают в себя:
* цвет
* спектральный коэффициент отражения (видимый свет и другие диапазоны EMS)
* форма
* яркость
* текстура
* пространственное положение

При использовании дистанционного зондирования для охраны здоровья лесов, лесопатологу-дешифровщику необходимо уметь опознавать основные сигнатуры определенных типов растительности (например, отделять хвойные леса от лиственных, от не покрытых лесом земель, сомкнувшиеся и несомкнувшиеся культуры, молодняки от перестойных), породы деревьев и, конечно, признаки или причины, связанные с конкретными вредителями, вызывающими повреждения леса (насекомые, пожары, грибы, загрязнение атмосферы, сильные ветра), их проявления во время полета на малых высотах, на аэрофотоснимке или на цифровом изображении.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_Повреждения короеда.jpg|frame|центр|Рис 3.1. Ходы, «выгравированные» в толще коры деревьев короедом достаточно часто имеют характерный рисунок, помогающий в идентификации вида короеда, заселившего дерево. Слева: горизонтальные маточные ходы и тонкие вертикальные личиночные ходы — классический признак вида Scolytidae ventralis, вредителя пихты западной части Северной Америки. Справа: "S"-образные «завитки» маточных ходов, характерный признак лубоеда южного соснового (Dendroctonus frontalis), серьезного вредителя сосны на юго-востоке США.]]

=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:58:27Z

Gimran: /* Дешифровочные признаки */

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==
В этой главе вводится понятие дешифровочных признаков и определение признаков объектов, опознаваемых в охране здоровья леса. Здесь также описаны характерные признаки растительности и ее повреждения, позволяющие их определять по данным дистанционного зондирования.

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:51:58Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:50:52Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Перевод: Гимранов Т.В. Редактура: Владимирова Н.А. Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:49:01Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:48:07Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Оригинал: [[http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf|William M. Ciesla "Remote Sensing in Forest Health Protection"]]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:47:26Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Оригинал: [http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf|William M. Ciesla "Remote Sensing in Forest Health Protection"]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:47:08Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = '''Уильям М. Цисла''', специалист защиты леса Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Оригинал: [[http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf|William M. Ciesla "Remote Sensing in Forest Health Protection"]]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg|центр]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:46:14Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Оригинал: [[http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf|William M. Ciesla "Remote Sensing in Forest Health Protection"]]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

'''Уильям М. Цисла''', специалист защиты леса

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>

Дистанционное зондирование в защите здоровья леса

2013-11-25T18:45:48Z

Gimran:

{{Врезка
| Выравнивание = left
| Ширина = 400px
| Заголовок = Remote Sensing in Forest Health Protection
| Содержание = United States Department Of Agriculture United States Department Of Agriculture Forest Service United States Department Of Agriculture Forest Service Forest Health Technology Enterprise Team FHTET Report No. 00-03, August 2000
| Подпись = ''Перевод выполняется с разрешения автора'' Оригинал: [[William M. Ciesla "Remote Sensing in Forest Health Protection"|http://www.fs.fed.us/foresthealth/technology/pdfs/RemoteSensingForestHealth00_03.pdf]]
}}

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Примечание переводчика
| Содержание = Здесь и далее в тексте во врезках публикуются цитаты из советских и российских источников
| Подпись = Здесь публикуются сведения о цитируемых источниках
}}

'''Уильям М. Цисла''', специалист защиты леса

[[Файл:Дистанционное зондирование в защите здоровья леса_Обложка.jpg]]

= Благодарности =
Многие коллеги, друзья и единомышленники помогали в написании данного руководства, давая информацию, фотографии, идеи и поддержку. Эти люди связаны с Лесной службой USDA: Andy Mason, Jim Ellenwood, Richard J. Myhre (почивший), William B. White (почивший), и Sally Scrivner из Forest Health Technology Enterprise Team (FHTET), Fort Collins, Colorado; Tom Bobbe, Paul Greenfield and Jule Caylor, Remote Sensing Applications Center, Salt Lake City, Utah; Tim McConnell, Northern Region, Missoula, Montana; Dave Johnson, Rocky Mountain Region, Denver, Colorado; K. Andrew Knapp, Intermountain Region, Boise, Idaho; and William R. Frament, Northeastern Area, Durham, New Hampshire. А также, Ronald J. Billings, Texas Forest Service, Lufkin, Texas, Peter J. Murtha, University of British Columbia, Vancouver, Canada, Paul Maus and Paul Ishikawa, Red Castle Resources, Inc, Salt Lake City, Utah, and Ray D. Spencer, Bureau of Resource Sciences, Kingston ACT, Australia, предоставившие информацию и помощь в составлении данного руководства.

За критику от Лесной службы USDA хочется персонально поблагодарить Melvin J. Weiss, Forest Health Protection, Washington, D.C.; Charles W. Dull, National Remote Sensing Program Manager, Washington D.C.; Jim Ellenwood, FHTET, Fort Collins, Colorado, K. Andrew Knapp, Intermountain Region, Boise, Idaho, и W. R. Frament, Northeastern Area, Durham, New Hampshire. За стороннюю критику я благодарю Roger Hoffer, Colorado State University, Fort Collins, Colorado, and Peter J. Murtha, University of British Colombia, Vancouver, Canada. Final editing and formatting were done by Mark Riffe, INTECS International, окончательную корректуру Sally Scrivner, Лесная служба USDA, FHTET, и помощь в публикации Debbie Dickey, INTECS International.

= Введение =
Охрана здоровья лесных экосистем является важнейшей задачей управления лесными ресурсами. Эффективная программа защиты лесов зависит от различной информации: необходима информация о состоянии лесов в связи с их ростом, густотой древостоя, количеством горючего материала, составом и возрастом. Также необходима актуальная информация о вредителях, болезнях и других негативных факторах, отрицательно влияющих на продуктивность лесов, и об экологических, социальных и экономических последствиях этих воздействий.

Эта информация используется для разработки альтернативных управленческих решений по улучшению санитарного состояния лесов и в прогнозировании оптимального решения и его выгод. Когда решение принято, требуется дополнительная информация для оценки как позитивных, так негативных последствий решения. Таким образом, лесопатологический мониторинг развития вредителей, болезней и других факторов, влияющих на здоровье леса, является ключевой частью защиты здоровья леса.

Собирая данные для защиты здоровья леса, необходимо учитывать ряд вопросов, в том числе:

* '''Каково состояние леса?''' Повреждающие факторы достигли уровня, негативно влияющего на задачи управления? Что это за факторы и каково их воздействие на лесопатологическое состояние?

* '''Каков масштаб?''' Возникшая проблема должна иметь пространственную локализацию: административные единицы (штаты, округа и районы), землепользователи и ландшафтные особенности, такие как растительность и рельеф (высота, склон и направление склона).

* '''Насколько серьезна проблема?''' Необходимы данные о площади и поврежденном древостое, может ли она охватить большую площадь.

* '''В чем первопричина проблемы?''' Вредители и болезни, наносящие огромный ущерб, часто являются следствием более глубокой лесопатологической проблемы. Таким образом, необходимо изучить участок и текущие условия, учитывая методы управления, климатические аномалии и других условия, которые могут способствовать распространению повреждающих факторов.

* '''Какова вероятность распространения проблемы?''' Текущие условия, такие как густота древостоя, возраст, состав насаждения или почвенные условия могут привести к ослаблению и быть благоприятным фактором для распространения в лесу различных вредителей. Для ряда лесных экосистем была разработана лесная система управления рисками, которая полезна для заблаговременного прогнозирования опасности, там, где своевременные меры борьбы могут предотвратить повреждение.

== О понятии дистанционное зондирование ==
Дистанционное зондирование является '''сбором и интерпретацией данных, основанных на измерении электромагнитной энергии, отраженной или испускаемой измеряемыми объектами''' (это определение принято в RSAC). Другим аспектом дистанционного зондирования является то, что данные об объектах получаются на расстоянии, не касаясь объектов. Человеческий глаз, в сочетании с человеческим мозгом, является одним из видов систем дистанционного зондирования. Каждый раз, когда мы смотрим на что-то на расстоянии и пытаемся интерпретировать то, что мы видим, мы дистанционно зондируем. Повседневная деятельность в защите здоровья леса связана с лесным дистанционным зондированием, включающим аэрофотосъемку для выявления и отображения масштаба лесных повреждений, вызванных насекомыми и болезнями, а также интерпретацию аэрофотоснимков для выявления и классификации повреждений леса.

Хотя многие подходы к дистанционному зондированию все еще связаны с использованием человеческого глаза в качестве основного инструмента для получения информации, современные технологии создали множество инструментов сбора данных для решения широкого спектра вопросов и проблем, связанных с природными ресурсами. Они включают в себя целый ряд систем камер, сканеров и температурных датчиков. Эти системы могут быть наземными, бортовыми, или же быть спутниками на околоземной орбите. Развитие компьютерных технологий позволило получить системы анализа, хранения и отображения больших объемов информации, полученных от этих датчиков. Кроме того, имеются навигационные системы, которые позволяют определять расположение на поверхности Земли с высокой степенью точности, и геоинформационные системы (ГИС), которые обеспечивают хранение и отображение пространственной информации дистанционного зондирования.

== Почему дистанционное зондирование нужно в охране здоровья леса? ==
Повреждения леса, вызванные вредителями, болезнями и другими факторами, часто весьма заметны с большого расстояния. Некоторые типы повреждений леса, такие как изменение цвета крон и усыхание, на самом деле более заметны, если смотреть с низколетящего самолета или на аэрофотоснимок, чем при осмотре в густом лесу. Следовательно, крупные повреждения леса поддаются оценке и измерению с помощью дистанционного зондирования. Мало того, дистанционное зондирование - проверенный и эффективный инструмент для сбора данных, он может производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных лесных угодий, быстро и при гораздо меньших затратах, чем при наземных обследованиях.

{{Врезка
| Выравнивание = right
| Ширина = 200px
| Заголовок = Аналог CIR в отечественной литературе
| Содержание = Аналогом термина Color Infrared в отечественной литературе является "размытый" термин «цветная спектрозональная аэросъемка» с упоминанием названия соответствующей пленки, так для CIR это пленка СН-6М «для дневного воздушного фотографирования», однако, в литературе указывается, что комбинации каналов CIR «за рубежом называются "ложно-цветными" или "цветными инфракрасными"» ''(«Спектрозональная аэрофотосъёмка», БСЭ. — 1969—1978)''.
| Подпись = Примечание переводчика
}}
Многие инструменты дистанционного зондирования необходимы для мониторинга здоровья леса, и лесопатологи широко используют эти инструменты на протяжении многих лет. Авиационные лесопатологические облеты, например, стали неотъемлемой частью лесопатологической программы в Канаде и Соединенных Штатах с конца Второй мировой войны. Цветные и цветные инфракрасные (CIR) аэрофотоснимки также имеют широкий диапазон применения. Новые технологии, такие как воздушная видеосъемка, цифровое фотографирование и снимки со спутников на околоземной орбите были оценены как способные дать необходимую информацию.

== Цели и содержание данной публикации ==
Это руководство разработано, чтобы служить всеобъемлющим справочником для лесных биологов (например, энтомологов, патологов и других специалистов, работающих в охране леса) при использовании дистанционного зондирования для получения информации о здоровье лесов и повреждений. Повреждающие факторы представлены вредителями, болезнями, токсичными химическими веществами и климатическими аномалиями. Здесь также представлено вызывающее повышенный интерес в последние годы обнаружение инвазивных растений в лесах, на пастбищах и полях и их последующее картографирование. Использование дистанционного зондирования для картирования и оценки лесных пожаров не представлено: это отдельная дисциплина с широким спектром специализированных методик, и она требует отдельного обстоятельного рассмотрения.

В последующих главах приводятся:

* описания признаков, представляющих интерес для специалистов по здоровью леса, которые можно увидеть на расстоянии;

* рассказывается о том, как классифицировать, провести статистическую обработку и оценить точность данных, полученных в результате дистанционного зондирования;

* описываются современные средства дистанционного зондирования, используемые для лесопатологического мониторинга, и связанные с ними технологии, такие как геоинформационные системы (ГИС) и средства навигации.

Кроме того, сюда включены примеры как успешного внедрения дистанционного зондирования в защиту здоровья леса, так и примеры, которые были менее успешны. В то время как упор делается на применения дистанционного зондирования в лесопатологии лесов умеренного климатического пояса Северной Америки (США и Канада), также в книге приводятся примеры для лесов из других частей света.

В конце книги размещены глоссарии используемых акронимов и аббревиатур, а также научные и обиходные названия растений, вредителей и патогенов из основного текста.

= Некоторые основы дистанционного зондирования =
В этой главе представлена часть основных понятий дистанционного зондирования и теоретические сведения, дающие читателю понимание технологии дистанционного зондирования. Кроме того, здесь кратко описаны две взаимосвязанные технологии: системы глобального позиционирования (GPS) и геоинформационные системы (ГИС).

== Электромагнитный спектр ==
Мы видели в первой главе, что дистанционное зондирование является одним из средств сбора информации в различных диапазонах '''электромагнитного спектра (EMS)'''. Солнце является источником большей части энергии, получаемой Землей; — эта энергия известна как '''электромагнитная энергия'''. Электромагнитная энергия движется '''волнами'''. Длина волны энергии — расстояние между гребнями волн, измеряется в микронах или микрометрах (μм). Электромагнитная энергия ведет себя по-разному в зависимости от длины волны.

Солнце излучает электромагнитную энергию в диапазоне от очень коротких длин волн, таких как рентгеновские лучи, до длинных волн, таких как теле- и радиоволны. EMS (рис. 2.1) представляет собой непрерывный поток электромагнитной энергии. Имена присваиваются определенным диапазонам EMS в зависимости от их свойств. Например, диапазон EMS от 0,4 до 0,7 μм известен как '''видимый свет''' и представляет собой длины волн электромагнитной энергии, видимые человеческим глазом. Большинство фотопленок также чувствительны к этому диапазону EMS. За пределами диапазона видимого света находятся инфракрасный (ИК) диапазон. Коротковолновой ИК-свет нельзя увидеть человеческим глазом, но более длинные волны (тепловой ИК) ощущаются как тепло.

[[Файл:Дистанционное зондирование в защите здоровья леса_Электромагнитный спектр.jpg|frame|центр|Рис 2.1. Электромагнитный спектр]]

Сенсорные датчики в первую очередь регистрируют информацию в видимом человеческому глазу диапазоне EMS. Некоторые фотопленки чувствительны к видимому свету и небольшой части ИК-диапазона (до 0,9 μм). Другие датчики, известные как тепловые ИК-датчики, чувствительны к большей длине волны в инфракрасном диапазоне, и могут быть использованы для обнаружения и отображения источников тепла или разницы температур между объектами.

== Цвет ==
В то время как свет может быть определен как длина волны, он воспринимается глазом с точки зрения цвета. Видимый диапазон EMS, или "видимый свет", может быть описан как три основных цвета: синий, зеленый и красный. Все объекты земной поверхности отражают и поглощают по разному все три основных цвета. По мере изменения света, влажности или других условий, отражательные и поглощательные характеристики объектов также меняются. В результате мы имеем практически бесконечное разнообразие цветов, видимых человеческим глазом. Для специалиста по охране леса цвет является важным показателем, ведь категория состояния древостоя есть тонкое изменение цвета листвы.

Цвет может быть описан по разному. Большинство из нас использует довольно простые определения цветов, такие как красный, красноватый, алый, багряный и багрово-алый для различных оттенков красного. Это удовлетворительно для большинства целей, но иногда требуется более точное определение цвета. Примером более точной системы классификации цвета является разработка [http://munsell.com/ Munsell Color Company] (Munsell 1963). Эта система описывает цвета в тремя составляющими: оттенком, значением и цветностью.

Оттенок — этот термин используется для описания хроматического цвета. Пять основных цветов это: красный (red), желтый (yellow), зеленый (green), синий (blue) и фиолетовый (purple). Пять промежуточных оттенков, в том числе желто-красный, желто-зеленый и сине-фиолетовый, представляют собой комбинации основных цветов. Цвет оттенков далее подразделяется по десятибалльной шкале и аббревиатурой цветов, например: YR 5, например, описывает средний оттенок оранжевого цвета (Yellow-Red 5).

Значение указывает градацию к осветлению и затемнению по шкале серого. Значение простирается от чисто черного (значение = 0) до чисто белого (значение = 10).

Цветность указывает на силу (насыщенность) или степень отклонения конкретного оттенка от нейтрально серого. Эта шкала в диапазоне от 0 (нейтральный серый) до 10 (и в некоторых случаях и до 12, 14 или большего числа).

Munsell Color Company имеет каталоги цветности различных оттенков, значений и цветности. Они были использованы в качестве вспомогательных средств для описания цветов растительных тканей, типов почв и некоторых иных интересующих объектов на аэрофотоснимках.

== Спектральные характеристики ==
Взаимодействие объекта и электромагнитной энергии сигнализирует, что объект является уникальным и целостным и основано на его физических свойствах. Объекты со схожими физическими свойствами имеют схожие спектральные характеристики, а имеющие различные физические свойства будет иметь совершенно разные спектральные характеристики. Реакция объекта на электромагнитную энергию совокупностью отражения энергии и её поглощения называют спектральными характеристиками и спектральными признаками объекта (рис. 2.2). Эти признаки используются в дистанционном зондировании для различия и идентификации объектов.

[[Файл:Дистанционное-зондирование-в-защите-здоровья-леса_спектральные сигнатуры.jpg|frame|центр|Рис 2.2. Спектральные характеристики зеленой растительности в видимом и ближнем ИК диапазоне EMS (перерисованы с Murtha и соавт. 1997)]]

Здоровая растительность, например, имеет зеленый цвет для человеческого глаза, поскольку она поглощает большую часть красного и синего диапазонов длины волны света, которую она получает от Солнца, и отражает большую часть зеленого света. Различные виды растительности отражают различные уровни зеленого света и, следовательно, они характеризуются различными тонами или оттенками зеленого. Хвойные деревья, как правило, отражают меньше зеленого света, чем широколиственные деревья, поэтому они имеют темно-зеленый цвет. Растительность также отражает высокую долю ближнего инфракрасного диапазона (ближний ИК) излучения, получаемого от Солнца. Кроме того, отражательная способность различных видов растительности в инфракрасном диапазоне больше, чем в видимом свете. Таким образом, наличие датчиков, чувствительных к различиям в ближнем ИК диапазоне EMS облегчает идентификацию различных видов растительности и её состояния. Цветные и черно-белые ИК пленки были разработаны именно для этой цели.

== Аналоговая и цифровая съемка ==
Данные дистанционного зондирования могут быть получены в двух видах: аналоговых и цифровых. Аналоговые данные представлены в виде непрерывной физической величины. Примером аналоговых данных могут служить данные о температурах, записанные с помощью старомодных ртутных термометров: уровень жидкости можно увидеть и интерполировать для указания конкретной температуры, но он не имеет уникального конкретного значения. Фотографии являются еще одним примером аналоговых данных. Различия в отражательной способности записываются как мельчайшие элементы на пленке и сливаются друг с другом на изображении, имеющем непрерывный тон. Поскольку мы не имеем уникального конкретного значения, аналоговые данные сложно хранить или манипулировать ими в электронном виде. Тем не менее, изображения, полученные с аналоговых датчиков, таких как фото- или видео- датчиков, могут быть преобразованы в цифровой формат для облегчения хранения, анализа и отображения на компьютере.

Цифровые данные, в свою очередь, состоят из множества конкретных точек. На цифровых материалах дистанционного зондирования они представляют собой пиксели, т.е. участок с определенным пространственным разрешением, зависящим от датчика (см. раздел Спектральное разрешение). Каждый пиксель имеет определенное значение - отражательную характеристику. Некоторые камеры и все сканеры на борту околоземных спутников сейчас получают данные в цифровом формате. Цифровые данные легко поддаются хранению, анализу и отображению с помощью компьютера.

== Пассивные и активные системы дистанционного зондирования ==
Системы дистанционного зондирования делятся на два типа: пассивные и активные. Пассивные системы регистрируют отражение в том диапазоне EMS, к которому они чувствительны. Активные системы датчиков посылают собственный сигнал на исследуемый объект, записывая силу сигналов, полученных от объекта <ref>T. M. Lillesand & R. W. Kiefer 1979. Remote Sensing and Image Interpretation. xii + 612 pp., numerous illustrations. New York, Chichester: John Wiley. Price £12.50. ISBN 0 471 02609 3</ref>.

В качестве примера активной системы дистанционного зондирования можно привести камеру, оснащенную вспышкой. Вспышка посылает свет на фотографируемые объекты. Свет от вспышки отражается от объекта и записывается на пленку. Та же камера, используемая без вспышки при естественным освещением, является пассивной системой дистанционного зондирования.

Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужное направление. Сила возвращенного сигнала затем измеряется и записывается радиолокационным датчиком.

Системы дистанционного зондирования, используемые сейчас в охране здоровья леса (авиационные лесопатологические облеты, традиционная аэрофотосъемка, воздушная видеосъемка и цифровая аэрофотосъемка) являются пассивными.

== Разрешение ==
Системы дистанционного зондирования, доступные на сегодняшний момент, весьма разнообразны. Они могут быть описаны в терминах ''разрешения''. Разрешение определяется как разделение на составные части. В контексте дистанционного зондирования, разрешение относится к наименьшему количеству, которое можно считать блоком данных. Таким образом, разрешение дистанционной системы зондирования определяется нижним пределом этой системы. Мы не получим больше деталей, чем позволяет разрешение системы. Системы дистанционного зондирования разделяются на четыре вида разрешения: пространственное, временное, спектральное и радиометрическое (Lachowski и соавт. 1996, Perryman 1996).

=== Пространственное разрешение ===
Пространственное разрешение датчика являет собой ответ на вопрос: каков самый маленький видимый объект, каково наименьшее расстояние между двумя объектами, которые позволяет их рассматривать как отдельные объекты?

Пространственное разрешение является мерой резкости или качества пространственных деталей. Это размер наименьшего объекта, который может быть зарегистрирован с помощью датчика системы. Для фотографических систем разрешение является способностью всей фотографической системы — линз, экспозиции и обработки — показать резко очерченный образ, и определяется в линиях на миллиметр для конкретной пленки при определенных условиях, измеряясь по расстоянию к цели (American Society of Photogrammetry 1960). Для цифровых изображений разрешение соответствует размеру пикселя, а пространственное разрешение цифровых изображений, как правило, представляется с точки зрения расстояния (30 метров, 1000 метров, и т.д.). Чем меньше расстояние, тем выше качество разрешения сенсора.

=== Временное разрешение ===
Временное разрешение датчика являет собой ответ на вопрос: насколько часто вы можете "видеть" объект? Временное разрешение описывает, как часто одна и та же область на поверхности Земли регистрируется датчиком. Эта мера касается в первую очередь спутников с фиксированными орбитами, которые совершают полный оборот через регулярный временной промежуток (например, 16 и 18 дней для спутников Landsat). Получение же данных дистанционного зондирования авиационными методами требует специального планирования полета для каждой миссии. В этом случае, если нужно получить разновременные изображения, они будут получены, скорее всего, через неравные промежутки времени.

=== Спектральные диапазоны и разрешения ===
Спектральный диапазон и разрешение являют собой ответ на вопрос: В каком диапазоне EMS данный датчик может получить информацию? Спектральный диапазон датчика системы описывает его диапазон чувствительности EMS. Например, большинство фотопленок чувствительны только к видимому свету. ИК пленки чувствительны как к видимому, так и ближнему инфракрасному диапазону, в то время как тепловые ИК датчики чувствительны к дальнему инфракрасному диапазону и могут измерять различия в температуре. Спектральное разрешение системы датчиков, с другой стороны, относится к ширине полосы захвата, в которой датчик способен записывать данные. Некоторые из спутников Земли, такие как Landsat или SPOT, записывают данные в относительно широкой полосе, которая соответствуют синему, зеленому, красному и ближнему ИК диапазону EMS. Совсем недавно разработаны гиперспектральные сканеры, чувствительные к очень узким полосам, которые могут записывать данные отдельных диапазонов: синий, зеленый, красный или ИК части EMS. Например, инструмент Hyperion является гиперспектральным сканером, способным регистрировать 220 спектральных каналов от 0,4 до 2,5 μм, охватывающих видимый, ближний и средний ИК диапазоны EMS.

=== Радиометрическое разрешение ===
Радиометрическое разрешение являет собой ответ на вопрос: Насколько контрастными будут данные дистанционного зондирования? Радиометрическое разрешение характеризует способность датчика проводить различие между двумя объектами аналогичного отражения или яркости. Thematic Mapper (TM), одна из систем датчиков на борту спутника Landsat, имеет радиометрическое разрешение 256. Первый мультиспектральный сканер Landsat (Multispectral Scanners, MSS) имел радиометрическое разрешение 64, а более поздний MSS имел радиометрическое разрешение 128. Это означает, что ТМ может идентифицировать 256 различных уровней яркости или отражения, а MSS может отобразить лишь 64 или 128. Изображения ТМ, таким образом, имеют более высокий потенциал разрешения между объектами со схожей отражательной способностью.

=== Каков идеальный датчик? ===
Не существует идеальной системы датчиков с точки зрения всех разрешений. Проще говоря, системы датчиков с высоким пространственным разрешением, например, фотопленки, будут иметь низкое спектральное разрешение, в то время как системы с высоким спектральным разрешением (например, искусственные спутники Земли) будут иметь низкое пространственное разрешение, но более высокое спектральное разрешение. Выбор конкретной системы дистанционного зондирования зависит от информационных потребностей для решения конкретных задач.

== Сопутствующие и поддерживающие технологии ==
=== Средства навигации ===
Авиационные навигационные средства в режиме реального времени предоставляют точное местоположение воздушного судна или иной платформы для проведения дистанционного зондирования, позволяя определить точное местоположение объектов, особенно в труднодоступных районах. Ранние навигационные приборы были основаны на приемниках, связывающихся с наземными станциями для вычисления местоположения. Примером может служить навигационная система Loran-C береговой охраны США для морской навигации, но затем использовавшаяся для навигации воздушных судов. Loran-C использовалась на ряде самолетов Лесной службы USDA для навигации.

Глобальная система позиционирования определения местоположения (Global Positioning System, GPS) является спутниковой системой определения местоположения, созданная по заказу Министерства обороны США (DOD). Эта система была изначально предназначена для обеспечения точного круглосуточного общемирового и всепогодного позиционирования военных самолетов. Сейчас она широко используется в навигации повсеместно (Biggs и др. 1989).

GPS можно разделить на три составляющих сегмента:
* космический
* первый (корректирующий) сегмент
* пользовательский сегмент

Космический сегмент состоит из 24 спутников Земли, каждый из которых непрерывно во времени передает навигационный сигнал. Наземный сегмент состоит из сети корректирующих станций, которые вычисляют и передают расположение спутников и корректируют их орбиты. Пользовательский сегмент состоит из приемника GPS, который получает данные, передаваемые спутниками, и вычисляет широту и долготу приемника (навигатора). Большинство GPS приемников также содержат встроенное программное обеспечение для различных стандартных навигационных вычислений. Первоначально разработанная для военных, GPS имеет широкое применение в гражданской авиации и судоходстве, управлении природными ресурсами, туризме и автомобильной навигации.

В настоящее время, гражданские GPS приемники имеют точность географического позиционирования от 100 метров до нескольких сантиметров, в зависимости от количества «пойманных» спутников, типа используемого приемника, наличия дополнительной системы дифференциальной коррекции и других факторов.

GPS приемники могут быть сопряжены с бортовыми системами дистанционного зондирования, такими как авиационных аналоговых или цифровых фото- или видеокамер, для съемки заданного участка или получении координат о месте съемки.

Цена некоторых GPS приемников такова, что они доступны в быту, став популярными среди населения. Сегодня GPS широко используется охотниками, туристами, путешественниками и другими любителями активного отдыха.

=== Геоинформационные системы ===
Геоинформационные системы (ГИС) являются системами хранения и управления данными, которые позволяют максимально использовать пространственную информацию, полученную с помощью дистанционного зондирования. Эти системы облегчают хранение, манипулирование, интеграцию, анализ и отображения пространственные данные, полученных с помощью дистанционного зондирования или иных источников. ГИС состоит из аппаратного и программного обеспечения, а также персонала и операционных данных, которые входят в систему. В последние годы, ГИС стали неотъемлемой частью дистанционного зондирования, что две эти дисциплины стали практически неразлучны, когда ГИС является конечным хранилищем для данных, собранных с помощью дистанционного зондирования.

Пространственная информация хранится в ГИС в виде отдельных слоев данных, или тем <ref>отсюда выражение «тематические карты» — прим. переводчика</ref>. Слоями, связанными со здоровьем лесов, может быть слой: растительности, дорог, ручьев, горизонталей или неблагоприятных факторов, воздействующих на лес. Эти данные могут быть объединены или наложены, образуя новые слои данных. Пространственная информация может иметь в ГИС несколько типов, в том числе линии, точки, полигоны или пикселей. ГИС также позволяет подписывать объекты на основании их атрибутов для идентификации данных, хранящихся в системе.

Аналитические возможности ГИС включают карт, иллюстрирующие взаимосвязи между различными географическими объектами. ГИС также позволяют создавать табличные сводки или отчеты. Эта технология доказала свою ценность в планировании использования природных ресурсов, особенно для выявления потенциальных конфликтных областей или для отображения ожидаемых результатов альтернативных сценариев управления.

В охране здоровья лесов, ГИС предоставляет инструмент хранения данных о местоположении повреждений или районов, где велика вероятность повреждений лесов в будущем. ГИС также предусматривает отображение этих данных с другими слоями данных, имеющимися в системе, например, целевое назначение земель (национальный заповедник, иные федеральные земли, лесные угодья и частные земли), тип растительности, особенности рельефа или политические границы.

Некоторые геоинформационные проекты охраны здоровья лесов включают в себя:
* отображение и отчетность о текущей численности вредителей леса и фактическом повреждении;
* отображение районов, где повреждения леса могут возникнуть в будущем;
* динамику изменения повреждений лесов на основе архивных данных;
* отображение результатов работ по локализации и ликвидации очагов вредных организмов;
* интеграция информации о проблемах здоровья леса с долгосрочным планированием.

== Дешифровочные признаки ==

=== Что такое признаки? ===
=== Типы растительности и породы деревьев ===
==== Типы крон ====
==== Косвенные признаки ====
==== Источники ошибок ====
==== Категории состояния ====

3.3. FOREST DAMAGE

3.3.1. The Nature of Forest Damage

3.3.2. Tree Mortality

3.3.3. Foliar Injury

3.3.4. Diebacks and Declines

3.3.5. Climatic Events

3.3.6. Parasitic Plants

3.4. NOXIOUS WEEDS

4. MISSION PLANNING, DATA COLLECTION AND ACCURACY ASSESSMENT

4.1. MISSION PLANNING

4.1.1. Objectives and Data Requirements

4.1.2. Biowindows

4.1.3. Weather Considerations

4.1.4. Classification Standards

4.1.5. Area Coverage

4.2. DATA COLLECTION

4.2.1. Observation or Image Interpretation

4.2.2. Image Processing

4.2.3. Change Detection

4.2.4. Image Analysis Software

4.3. ACCURACY ASSESSMENT

4.3.1. Types of Errors in Remote Sensing

4.3.2. The Error Matrix

4.3.3. The Kappa Statistic

4.3.4. The Kappa Analysis

5. AERIAL SKETCHMAPPING

5.1. OVERVIEW

5.2. HISTORICAL PERSPECTIVE

5.3. STRENGTHS AND WEAKNESSES

5.4. USES OF AERIAL SKETCHMAP DATA

5.4.1. Current Status of Major Pests

5.4.2. Historical Records of Pest Occurrence

5.4.3. Planning and Evaluation of Suppression Projects

5.5. SKILLS AND QUALIFICATIONS OF AERIAL OBSERVERS

5.6. EQUIPMENT

5.6.1. Aircraft

5.6.2. Maps

5.6.3. Other Equipment

5.7. PLANNING AND EXECUTING AERIAL SKETCHMAP SURVEYS

5.7.1. Observation Limits

5.7.2. Biowindows

5.7.3. Number of Observers

5.7.4. Flight Patterns

5.7.5. Data Recording

5.7.6. Ground Checking

5.8. END PRODUCTS OF AERIAL SKETCHMAP SURVEYS

5.9. SAFETY

5.10. ELECTRONIC ENHANCEMENTS TO AERIAL SKETCHMAP SURVEYS

5.11. QUALITY ASSESSMENT AND QUALITY CONTROL

6. AERIAL PHOTOGRAPHY-PRINCIPLES AND PARAMETERS

6.1. STRENGTHS AND WEAKNESSES

6.2. DEFINITION OF SOME KEY TERMS

6.3. FORMATS

6.3.1. Nine-Inch Mapping Format

6.3.2. Small-Format Photography

6.3.3. Large-Format Photography

6.4. LENSES

6.5. SCALE

6.5.1. Determining the Scale of an Aerial Photograph

6.5.2. Photographic Scales Commonly Used in Forest Health Protection

6.6. FILMS

6.6.1. Panchromatic Films

6.6.2. Color Films

6.6.3. Color Infrared Film

6.6.4. Color Versus Color Infrared Film

6.7. FILTERS

6.8. PHOTOGRAPHY MISSION PLANNING

6.8.1. Sampling with Aerial Photographs

6.8.2. Aerial Photography of Small Blocks

6.9. PHOTOINTERPRETATION

6.9.1. Photointerpretation Standards

6.9.2. Photointerpretation Aids

6.10. ANALYSIS OF DATA FROM AERIAL PHOTOGRAPHIC SURVEYS

6.10.1. Double Sampling with Regression

6.10.2. Probability Proportional to Size Sampling

7. AERIAL PHOTOGRAPHY-APPLICATIONS

7.1. INVENTORIES

7.1.1. Bark Beetles

7.1.2. Forest Decline

7.1.3. Root Disease

7.1.4. Dwarf Mistletoe

7.1.5. Spruce Budworm

7.2. DAMAGE MAPPING

7.2.1. Insect Defoliation of Broadleaf Forest

7.2.2. Spruce-fir Mortality-Northeastern U.S

7.2.3. Ice Storm Damage-Northeastern U.S

7.2.4. Oak Wilt-Central Texas

7.3. ASSESSMENT OF TREATMENT EFFECTS

7.3.1. Foliage Protection

7.3.2. Silvicultural Treatments

7.4. OTHER APPLICATIONS

7.4.1. Forest Health Assessment-Vermont

7.4.2. Stand Hazard Ratings for Douglas-fir Tussock Moth-Oregon

7.4.3. Bark Beetle Salvage Sales-California

7.4.4. Mapping Port-Orford Cedar-Northern California and Southern Oregon

7.4.5. Mapping Chemical Injury-British Columbia, Canada

7.4.6. Mapping an Exotic Plant in the Florida Everglades

8. AIRBORNE VIDEO AND DIGITAL CAMERA SYSTEMS

8.1. AIRBORNE VIDEOGRAPHY

8.1.1. Strengths and Weaknesses

8.1.2. Early Evaluations for Forest Health Protection

8.1.3. USDA Forest Service Super-VHS Camera System

8.1.4. Mission Planning

8.1.5. Image Interpretation and Processing

8.1.6. Applications

8.2. DIGITAL CAMERAS

8.2.1. Kodak Professional DCS 420 CIR Digital Camera

8.2.2. Kodak DCS 460 Digital Camera

8.2.3. Image Processing

9. SATELLITE REMOTE SENSING

9.1. STRENGTHS AND WEAKNESSES

9.2. CHARACTERISTICS OF SOME EARTH-ORBITING SATELLITES

9.2.1. Advanced Very High Resolution Radiometer (AVHRR)

9.2.2. Landsat

9.2.3. Systeme Pour l’Observation de la Terre

9.2.4. Indian Remote Sensing

9.2.5. RADARSAT

9.2.6. European Space Agency Satellites

9.2.7. Japanese Earth Resources Satellite

9.2.8. IKONOS

9.3. PROBABILITY OF DATA CAPTURE

9.4. APPLICATIONS

9.4.1. Detection of Sulphur Dioxide Fume Damage to Forests

9.4.2. Gypsy Moth Defoliation Mapping

9.4.3. Mapping Cumulative Mortality Caused by Mountain Pine Beetle

9.4.4. Change Detection-California

9.4.5. Subpixel Analysis for Detection of Spruce Beetle Damage

9.4.6. Mapping Hurricane Impact and Recovery

9.4.7. Mapping Blowdown with RADARSAT

10 SOME INTERNATIONAL APPLICATIONS

10.1. JARRAH DIEBACK - AUSTRALIA

10.2. EUROPEAN WOOD WASP - BRAZIL

10.2.1. Digital Camera System

10.2.2. Aerial Sketchmapping

10.3. IMPROVED FOREST PEST DETECTION AND MONITORING-CHINA

10.3.1. Aerial Sketchmapping

10.3.2. Airborne Videography

10.3.3. Digital Camera System

10.4. FOREST DECLINE-GERMANY

10.5. CYPRESS APHID-KENYA

10.6. OZONE DAMAGE TO FORESTS-MEXICO

10.7. DECLINE OF RIVERINE FORESTS-SUDAN

11. CONCLUSIONS

12. REFERENCES

GLOSSARIES

ACRONYMS AND ABBREVIATIONS

COMMON AND SCIENTIFIC NAMES


<references>