ДЗЗ для экологических задач Часть 2: Леса

Эта страница является черновиком статьи.

Использование Дистанционного Зондирования Земли для задач изучения, сохранения и восстановления Природы

Часть I

Введение

Освещенные направления использования не претендуют на полный охват всех существующих направлений возможного применения технологий дистанционного зондирования для экологических задач. Статья имеет две цели:

• Cобирать примеры, иллюстрирующие качественно различные направления использования технологий дистанционного зондирования для экологических задач. Предполагается, что статья будет дополняться новыми материалами, идеи о которых можно и нужно предлагать авторам статьи в теме форума, или же включать их в статью самостоятельно, руководствуясь правилами работы с Вики ресурсом ГИС-Лаб).
• Уже освещенными направлениями - формировать представление для новичков в отрасли о том, какие вообще задачи в экологической сфере можно решать сочетанием технологий ДЗЗ, ГИС и Веб ГИС. Эта цель – задает потенциал этой работе вырасти, со временем, в иллюстрированную практическими примерами Энциклопедию использования этого сочетания технологий в экологической сфере.

Часть II. Использование технологий ДЗЗ для изучения, сохранения и восстановления лесов

Одно из наиболее развитых направлений приложения дистанционного зондирования в сфере экологии – это оценка состояния растительного покрова, и, в частности, лесного покрова. Спектр приложения очень широкий и приведенный ниже перечень примеров решаемых задач – далеко не полный. Он будет пополняться по мере накопления материала.

Технологии дистанционного зондирования позволяют выявить:

1. Степень нарушенности или деградации лесной экосистемы (оценка "здоровья" или степени приближенности лесной экосистемы к ненарушенному состоянию)
2. Полнота древостоя (плотность насаждений, степень сомкнутости древостоя)
3. Преобладающий возраст древостоя
4. Преобладающий породный состав (для лесов умеренного пояса)
5. Высота деревьев и диаметр кроны (только по снимкам сверхвысокого разрешения)
6. Выявление территорий лесных пожаров в режиме почти реального времени
7. Выявление гарей свежих и старых
8. Выявление нелегальных вырубок свежих и старых

Задачи лесного комплекса, которые можно решить на базе технологий дистанционного зондирования (список не полный):

1. Проведение многолетнего мониторинга (с 1972 по наст. время) лесных экосистем с отслеживанием параметров, важных для устойчивого использования, сохранения и восстановления леса, с целью выработки наиболее эффективных методик реализации этих целей. Например:

• для задач лесопаталогии: оценка эффективности применяемых методик для устранения повреждений леса и их предотвращения;

• для задач лесовосстановления: оценка эффективности примененных методик восстановления естественного лесного покрова с целью разработки и выбора лучших методик для данного типа климата и ландшафта (см. пример)

2. Для задач создания экологических сетей (эконетов): выбор приоритетных территорий для включения их в разрабатываемые экологические сети, выбор среди этих территорий приоритетных для проведения лесовосстановительных работ.

4. Для задач борьбы с лесными пожарами: выявление лесных пожаров и оперативная разработка мер по их ликвидации, мониторинг лесов в пожароопасный период.

5. Для задач борьбы с нелегальными вырубками

6. Для задач лесопаталогии. Спутниковые снимки позволяют выявлять поврежденные участки леса на больших территориях и диагностировать вероятный тип повреждений: верховой пожар, усыхания древостоя, заболачивание, вырубка, зарастание и др. Это дает возможность специалистам оперативно реагировать в принятии мер против устранения причин повреждений. По каждому выявленному участку поврежденного леса необходимо провести полевые работы для уточнения причин повреждения и выработки комплекса мер противодействия. В дальнейшем технологии дистанционного зондирования используют для мониторинга ситуации (разрастается ли участок поврежденного леса, происходит ли процесс восстановления). Возможность анализировать состояние лесного покрова за 40 лет дает возможность – изучать эффективность применяемых методологий по устранению повреждений.

Ниже приведены несколько примеров, иллюстрирующих работу по этим задачам в большей детальности. Пока они касаются не всех задач, однако, впоследствии, материал может быть дополнен.

1. Для задач лесовосстановления: использование ДЗЗ для оценки эффективности примененных методик восстановления естественного лесного покрова с целью разработки и выбора лучших методик для данного типа климата и ландшафта

Для достижения высокого результата в работах по восстановлению естественного растительного покрова на территории (в том числе – лесного покрова) ключевое значение имеют – выбор методики проведения таких работ. Разработанных и применяемых методик уже много, они носят различный характер в разном типе климата и ландшафта, но что их объединяет – так это невозможность оценить эффективность методики за короткий срок, так, чтобы вырастить лес с нуля, ждать приходится не один десяток лет. По этой причине – огромную важность представляет возможности проводить оценку всего процесса восстановления растительного покрова при применения конкретных методик восстановления за прошедший многолетний период. Такую возможность предоставляют технологии дистанционного зондирования, благодаря которым можно поднять и проанализировать данные, начиная с 1972 г (первый Landsat).
Особую важность это имеет для восстановления влажных тропических лесов – и по причине высокой биологической значимости этих биомов, и по причине их уязвимости и сложности получения восстановленного леса высокого качества (решение задачи получения восстановленного тропического леса в качестве, сравнимым с качеством ненарушенной экосистемы, - не известно).
Для примера возможного подхода к оценке эффективности методики лесовосстановления приведен анализ процесса лесовосстановления территории заповедника Alto-Montana (Бразилия), находящимся в зоне влажных тропических лесов, на котором около 60 лет проходит естественное возобновление лесного покрова, начатого d 1950-е года со стадии пастбищ и сильно разреженной растительности, сочетающихся с фрагментами ненарушенного леса. В примере показан анализ состояния растительного покрова и в момент даты съемки (1984 и 2003), и оценка характера динамики процесса восстановления растительного покрова. Выявление положительной динамики восстановления, а также высокое качество современного леса (оцененное при полевых работах) – говорит о том, что применяемая методика и сопутствующие условия были удачны, то есть в дальнейшем необходимо изучить более детально (по архивам и старым картам) эту методику с тем, чтобы ее можно было использовать для восстановления леса на других территориях. Снимки Landsat 1984 и 2003 г были использованы для примера, для более качественного анализа лучше использовать также снимки Landsat 1 1972 г и Landsat 8 современного года.

Способ 1. Использование вегетационного индекса NDVI для определения типа и степени нарушенности растительного покрова

Вегетационные индексы широко используются как для выявления экологических характеристик земной поверхности, так и для дешифрирования крупных объектов земной поверхности. Среди других вегетационных индексов, использование индекса NDVI – имеет наиболее широкий характер.

NDVI (Normalized Difference Vegetation Index) - нормализованный относительный индекс растительности - простой количественный показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). Один из самых распространенных и используемых индексов для решения задач, использующих количественные оценки растительного покрова. [fonte]
Ниже приведена формула расчета индекса NDVI для спутниковых снимков разных сенсоров.


Здесь:
NIR – процент отраженной радиации (показание канала снимка) в ближнем инфракрасном диапазоне (Near Infra-Red): 0,7-1,0 мкм
RED – процент отраженной радиации (показание канала снимка) в красном диапазоне (Red): 0,6-0,7 мкм.
Рассчитать NDVI можно по любому снимку, имеющего каналы в красном и ближнем инфракрасном диапазоне. Номера необходимых для расчета этого индекса каналов для спутниковых снимков открытого доступа Landsat, MODIS и ASTER приведены в таблице 3.

Таблица 3. Каналы сенсоров снимков открытого доступа для расчета индекса NDVI


Использование индекса NDVI основан на свойстве спектральной кривой сосудистых растений: в красной области спектра (0,6-0,7 мкм) лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений (минимум отраженной радиации на спектральной кривой), а в ближней инфракрасной области (0,7-1,0 мкм) находиться область максимального отражения клеточных структур листа (максимум отраженной радиации на спектральной кривой). Иначе говоря,высокая фотосинтетическая активность (связанная, как правило, с густой растительностью) ведет к меньшему отражению в красной области спектра и большему в инфракрасной (рис.16 и 17).
Отношение этих показателей друг к другу позволяет четко отделять и анализировать растительные от прочих природных объектов. Использование же не простого отношения, а нормализованной разности между минимумом и максимумом отражений увеличивает точность измерения, позволяет уменьшить влияние таких явлений как различия в освещенности снимка, облачности, дымки, поглощение радиации атмосферой и пр.

Чем сильнее процесс фотосинтеза, что связано с повышением здоровья и плотности растительного покрова (т.е. приближению его состояния к состоянию в ненарушенной экосистеме), тем больший процент отраженной радиации он имеет в инфракрасной области, то есть – тем большее значение имеет и индекс NDVI (рис.16 и 17). Это дает возможность определять качество и тип растительного покрова по анализу индекса NDVI.
Определенное эмпирически соответствие значение индекса NDVI и типа земного покрытия (в том числе по типу и качеству растительного покрова) представлено в Таблице 4.

Таблица 4. Тип покрытия - значение индекса NDVI



Рис. 16. Спектральная кривая зеленого листа [green leaf](с самой высокой фотосинтетической активностью), красного и желтого листа [red leaf, yellow leaf], (со сниженной фотосинтетической активности) и коричневого усыхающего листа [brown leaf] Видно, что чем ниже фотосинтетическая активность, тем меньше разница между процентом отраженной радиации в NIR и Red диапазоне, то есть – тем выше значение индекса NDVI


Рис.17. Спектральные кривые здоровой, угнетенной и сильно угнетенной растительности. Видно, что в ближнем инфракрасном диапазоне (0,7-1,0 µm) процент отражения тем выше, чем лучше состояние растительности, а в красном диапазоне (0,6-0,7 µm) - процент отражения тем ниже, чем лучше состояние растительности. Разница между показателями отражения в этих диапазонах - есть NDVI, он тем больше, чем лучше состояние растительности

Построение индекса NDVI по спутниковому снимку изучаемой территории позволяет оценить тип и состояние (степень нарушенности) растительного покрова, в том числе, – лесного покрова за дату проведения съемки. Сопоставление карт индекса NDVI за разные года – позволяет оценить динамику процесса изменения состояния растительного покрова в рассматриваемый период в лучшую или худшую сторону.
Ниже приведен простой практический пример такого анализа.

Рис.18 показывает карты индекса NDVI, сделанные для одной территории (заповедник Alto-Montana, Бразилия), на которой уже около 60 лет проходит процесс естественного возобновления тропического леса) по двум снимкам: Landsat5 1984 года (1984.08.09) и Landsat7 2003 года (2003.02.27).
Целями построения этих карт было:
- оценить степень нарушенности растительного покрова
- оценить динамику изменения растительного покрова, произошедшего за 19 лет (между 1984 и 2003 годами)

Сопоставляя полученное значения индекса NDVI с Таблицей 4, а также исходя из понимания, что чем выше индекс NDVI, тем гуще и лучше лесной покров, можно провести анализ состояния растительного покрова за два указанных года и визуально оценить процесс изменения этого состояния за 19 лет.

Так, если на карте 1984 г. лишь небольшие участки имели значения NDVI 0,67-0,73 (зеленый цвет), то на карте 2003 г. площадь таких участков значительно увеличилась. Северо-западный участок территории в 1984 г. имел значение индекса 0,2-0,4 (оранжевый цвет) а в 2003 г. от 0.5 до 0.73, что говорит о повышенной скорости возобновления именно на этом участке.

Карта рис.19 представляет для этой же территории разность индекса NDVI 2003 года и индекса NDVI 1984 года, что позволяет перевести оценку изменения состояния растительного покрова за 19 лет в числовой формат: чем больше значение параметра на этой карте, тем, соответственно, в лучшую сторону изменилось состояние растительного покрова. Базируясь на этой карте - мы можем повторить и уточнить сделанные нами выводы.


Рис.18. Карты индекса NDVI, рассчитанные для территории заповедника Alto-Montana по снимкам Landsat5 (1984 год) и Landsat7 (2003 год)


Рис.19 NDVI(2003) - NDVI (1984)

Способ 2. Использование цветных композитов из трёх спектральных каналов в цветовом пространстве RGB для определения типа и степени нарушенности растительного покрова

Метод цветных композитов позволяет выявлять различные характеристики наземного покрова, за счет того, что различные сочетания каналов окрашивают объекты разного типа в разные цвета.
Теоретическая основа метода кратко освещены в первой части статьи.
Некоторые ходовые сочетания цветных композитов и интерпретации их результатов раскрыты в статье ГИС-Лаб:
http://gis-lab.info/qa/landsat-bandcomb.html

Для оценки типа и состояния нарушенности растительного покрова метод цветных композитов может работать в сочетании с методом индекса NDVI для целей более широкого анализа территории, а также для сравнения результатов, полученных разными способами. В примере на рис. 20 для тех же снимков Landsat 5 (1984 года) и Landsat 7 (2003 года) территории заповедника Alto-Montana были построены цветные композиты в системе RGB 7,4,2 (что означает, что Red=7 канал, Green = 4 канал, Blue = 2 канал). Из описания цветного композита этой комбинации каналов следует, что на полученных снимках: “здоровая растительность выглядит ярко зеленой, травянистые сообщества – светло-зелеными и зелеными, ярко розовые участки детектируют открытую почву, коричневые и оранжевые тона характерны для разреженной растительности, сухостойная растительность выглядит оранжевой, вода - голубой, сгоревшие территории - ярко красные, городская застройка отображается в оттенках розово-фиолетового ”

Визуальный анализ полученных композитов подтверждает выводы, полученные при анализе индекса NDVI в предыдущем примере (рис.18 и 19).
На снимке 1984 г. северо-западный и центральный участок территории окрашен в коричневые тона, что детектируется в данном композите, как разреженная растительность. На снимке 2003 г коричневые цвета практически исчезают, их место занимают светло-зеленые и насыщенные зеленные цвета. Светло-зеленые цвета занимают преимущественно территории, которые на снимке 1984 г окрашены в коричневый, что явно говорит о том, что в данном месте наблюдается положительная динамика восстановления растительного покрова.

В целом же для целей выявления типа растительности и его состояния этот метод не поддается такой точной интерпретации, как метод расчета индекса NDVI, однако он может выявлять существенную дополнительную информацию о территории, что делает его использование полезным.


Рис.20. Цветной композит в системе RGB из каналов 7,4,2 для снимков Landsat 5 (1984.08.09) и Landsat 7 (2003.02.27) для территории заповедника Alto-Montana, Бразилия

Способ 3. Использование метода Контролируемой Классификации для оценки эффективности методики лесовосстановления

На основе старых карт использования земель и метода Контролируемой Классификации (Supervised Classification) можно провести выявление на снимках ранних годов территорий, достоверно занятых пашней, и изучить для них более тщательно(как территорий, представляющих наибольший интерес в плане оценки эффективности методики лесовосстановления) динамику лесовосстановления за последующие годы, а также современное состояние экосистемы.

2. Для задач создания экологических систем (эконетов): выбор приоритетных территорий для включения их в разрабатываемые экологические сети, выбор среди этих территорий приоритетных для проведения лесовосстановительных работ.

Для разработки и создания экологических сетей (ecological network0 - системы связанных природных территорий разного природоохранного статуса с не вредящим природе режимом природопользования, необходимо проводить тщательное изучение земель для выбора территорий, предлагаемых к включению в эко-сеть.
Вторая важная задача, связанная с разработкой экологической сети, - проведение работ по восстановлению растительного покрова в наиболее нуждающихся для этого частей эко-сети. Выбор приоритетных территорий важен по той причине, что все работы по восстановлению растительности очень финансово и время затратны, потому, в условиях ограниченного финансирования проекта, необходимо выбирать только самые нуждающиеся области – отдельные значительно деградированные участки, включенные в эко-сеть по причине своего расположения, ликвидация значительных разрывов между природными территориями. Для обоих целей – незаменимо использование снимков сверхвысокого разрешения, открытых в подложке проекта ArcGIS, где ведется ГИС работа со всеми данными по изучению территории и проектированию экологической сети. Чем меньше площадь задействованной территории, тем более важно крупное разрешение съемки, когда, говоря просто, можно увидеть и учесть каждое дерево.
Что крайне важно, анализ снимка высокого разрешения позволяет представить ситуацию в целом, выработать план разработки эко-сети в регионе, на основе учета множества географических и социальных факторов. Однако только анализ снимка для решения таких задач не достаточно, необходимо проводить полевые работы, а также использовать ряд специальных методик изучения территории и обработки полученных данных. Тем не менее, предварительные работы по формированию экологической сети (н-р для оформления заявки на грант) можно проводить только при помощи снимка. Пример такой предварительной работы проиллюстрирован рис. 21.
Карта показывает территории, предложенные к включению в экологическую сеть муниципалитета города Кампинас, Бразилия.
Рис. 21. Пример карты проекта по разработке экологической сети для муниципалитета города Кампинас, Бразилия. ГИС проект выполнен в ArcGIS с включенной подложкой снимка сверхвысокого разрешения. Зеленым и желтым цветом – показаны два класса оставшихся фрагментов тропических лесов (наиболее ценных территорий для сохранения), красным контуром - предложенные границы экологических коридоров, расположенных вдоль рек муниципалитета, выбранных центральными осями формируемой эко-сети (по законодательным причинам (зона вдоль рек является водоохранной) и по стратегическим (вдоль рек природные экосистемы уцелели в наибольшей степени)).

3. Для задач борьбы с лесными пожарами: выявление лесных пожаров и выгоревших территорий, оперативная разработка мер по их ликвидации, мониторинг лесов в пожароопасный период

Основной ресурс определения пожаров и выгоревших территорий – продукты снимков MODIS, получаемых со спутников Terra и Aqua. Благодаря небольшому временному интервалу между получением снимков для одной и той же территории (всего 1-2 суток) – данные MODIS способны обеспечивать анализ ситуации с пожарами в режиме почти реального времени.

Данные MODIS детектирует два типа пожарной активности, по каждому из которых используется своя методика: активные очаги горения, то есть территории, горящие в момент съемки (active fires, hotspots) и сгоревшие площади (burned areas).

Активные очаги горения получают из продуктов MODIS – MOD14 группы Тепловые аномалии/Пожары (Thermal Anomalies - Fires and Biomass Burning). Принцип детектирования пожаров основан на их сильном излучении в среднем инфракрасном диапазоне.
Однако подход к детектирования очагов обладает рядом ограничений и не может быть использован для оценки пространственного охвата пройденных огнём территорий в том числе и из-за того, что в момент активного горения спутник часто отсутствует в точке необходимой для детектирования или она скрыта от него облачностью. Таким образом, для оценки возгораний в данный момент времени, существует потребность в площадных данных об уже сгоревших территориях.

Сгоревшие территории - получают из продуктов MODIS - MCD45. Специально разработанный для MCD45 алгоритм обнаружения сгоревших участков основан на анализе временных серий ежедневных данных об отражательной способности поверхности. [GL 1,2]

Более подробно о принципе определения активных очагов горения и выгоревших территорий можно узнать в статьях GIs-lab»:
"Данные по тепловым аномалиям MOD14A1: описание и получение" http://gis-lab.info/qa/mod14a1.html
"Данные о сгоревших площадях MCD45: описание и получение" http://gis-lab.info/qa/mcd45.html

На основе этих данных созданы мировые и национальные ресурсы дистанционного мониторинга пожаров, которые предоставляют на бесплатной основе данные об очагах горения и сгоревших территориях – как в виде архивов за прошлые года (в разных наборах по годам и территориям), так и в виде оповещений в режиме "почти реального времени”. Последняя опция может функционировать как в режиме online (т.е. информацию можно узнавать на постоянно обновляемом сайте ресурса), так и в виде скачивания нужных слоев, а также в режиме оповещений пользователей на интересующие их области по основным каналам связи (SMS, электронная почта, мобильные приложения).

Данные в режиме почти реального времени - представляет главный интерес для целей оперативной борьбы с пожарами и мониторинга развития ситуации в горящих территориях, данные по прошлым месяцам и годам, сводные данные за год – необходимы для анализа ситуации и последствий для экономики и природы в целом.

Наиболее известный общемировой ресурс предоставления данных о пожарной активности на весь мир – The Fire Information for Resource Management System (FIRMS), разработанный в Университете штата Мэриленд и поддерживаемая Национальным агентством США по аэронавтике и исследованию космического пространства (NASA). Более подробно: http://gis-lab.info/qa/firms.html

В России работает национальная система дистанционного мониторинга пожаров и оповещений в режиме почти реального времени: "Космоснимки Пожары" ИТЦ "СКАНЭКС" (http://fires.kosmosnimki.ru/). На карте сайта ресурса можно найти актуальную на сегодняшний день информацию о пожарах по своей территории. Также с 15 мая 2014 года запущен тестовый режим оповещений пользователей на интересующие их области по email.
Ресурс "Космоснимки Пожары" использует данные FIRMS для отображения ситуации по всему миру, и собственные данные для отображения ситуации по России, что делает точность определения очагов пожаров и выгоревших территорий по России точнее, чем данные по России, полученные только из ресурса FIRMS.
Как сообщается на официальном сайте ресурса: "Оперативность сервиса по Российской территории даже выше, чем у FIRMS, потому что используется информация размещенной в России уникальной сети наземных комплексов приема и обработки спутниковых данных УниСкан™ ИТЦ «СКАНЭКС», в ближайшее время буду добавлены данные со спутника Suomi NPP."
Помимо данных об очагах пожаров и выгоревших территориях сервис предлагает и другие вспомогательные слои:

• Данные MODIS, по которым детектируются пожары. С помощью изображений можно оценивать состояние облачности в момент проводимых наблюдений и даже видеть отдельные крупные пожары и следы гарей.
• Данные Landsat8 Global Fires (фильтруются по пересечению с точками пожаров в диапазоне 24 часа).
• Более детальные космоснимки на отдельные территории (не находятся в открытом доступе, для их получения необходимо связываться с администрацией сервиса).
• Данные о погоде
• Границы особо охраняемых природных территорий
• Часовые пояса
• Границы торфяников
• Границы кадастрового деления

Полностью о методике использования данных сервиса, возможности подписки на оповещения, доступных слоях и предоставляемых сервисом данных - можно узнать на его официальной странице: http://fires.kosmosnimki.ru/help.html#data_modis

4. Задача определения высота деревьев и диаметр кроны по спутниковым снимкам высокого разрешения

Определения высоты деревьев и диаметра кроны по спутниковому снимку – является задачей сложной в осуществлении, но при этом имеющий высокий потенциал полезности применения в лесном деле.
Так, для тропических лесов – наличие высокого яруса (30-45 м) является признаком высокого качества лесной экосистемы (говорит о том, что экосистема является ненарушенной или же, для восстановленного леса, что его качество близко к качеству ненарушенной экосистемы). Потому, такая техника помогла бы определять степень нарушенности тропического лесного покрова, с практическим целями: выявления территорий высокого качества наиболее важных для сохранения; определение проблемных регионов с последующей разработкой мер по устранению повреждений; оценка эффективности использованных методик лесовосстановления .
В северных широтах эта техника важна, например, для изучения переходных экотонов (лесотундры), являющихся чувствительным индикатором глобальных климатических изменений.

Подобный алгоритм был разработан сотрудниками Кафедры картографии и геоинформатики географического факультета МГУ и описан в статье:
Новичихин А.Е. , Тутубалина О.В. Интеграция алгоритмов обработки космических снимков сверхвысокого пространственного разрешения для автоматизированного дешифрирования лесной растительности. - ж. "Земля из Космоса" №3, "Охрана природы и веб-технологии", 2009 г., c. 40-42.
PDF статьи: http://www.zikj.ru/images/archive/no3/novichihin_9.pdf