Дистанционное зондирование в защите здоровья леса: различия между версиями

Материал из GIS-Lab
Перейти к навигации Перейти к поиску
Нет описания правки
 
(не показаны 4 промежуточные версии 2 участников)
Строка 1: Строка 1:
{{Врезка
Перевод удален переводчиком, в соответствии с решением администратора:
| Выравнивание    = center
{{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.}}
| Ширина          = 400px
| Заголовок      = '''Уильям М. Цисла''', специалист защиты леса<br />Remote Sensing in Forest Health Protection
| Содержание      = United States Department Of Agriculture<br />United States Department Of Agriculture<br />Forest Service United States Department Of Agriculture<br />Forest Service<br />Forest Health Technology Enterprise Team<br />FHTET Report No. 00-03, August 2000
| Подпись        = ''Перевод выполняется с разрешения автора''<br />Перевод: Гимранов Т.В.<br />Редактура: Владимирова Н.А.<br />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, благодаря ему можно производить сбор данных для огромных территорий, часто значительно отдаленных и труднодоступных, 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
}}
Для мониторинга здоровья леса необходимы разнообразные инструменты дистанционного зондирования, 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 также способны 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 повреждениях. 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 нижним пределом диапазона видимого света находится 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 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 для человеческого глаза зеленый цвет, 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 освещении, является пассивной системой дистанционного зондирования.
 
Микроволновой радар является классическим примером активного датчика. Энергия передается короткими очередями или импульсами в нужном направлении. 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 [http://ru.wikipedia.org/wiki/LORAN 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 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 авиационные аналоговые или цифровые фото- или видеокамеры, для съемки заданного участка или получения координат места 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''
 
<!-- Пока не трогать эту заготовку
{{Врезка
| Выравнивание    = right
| Ширина          = 200px
| Заголовок      = Википедия
| Содержание      = '''Википе́дия''' — свободная энциклопедия.
| Подпись        =
}}
 
 
 
 
вставить пример советских палеток в сравнении с американскими
-->
 
=== 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>

Текущая версия от 11:08, 15 декабря 2013

Перевод удален переводчиком, в соответствии с решением администратора:

« Мало того, что вы НИ-ХЕ-РА не хотите делать для сообщества, так вы еще и решили превратить его в какое-то УГ.
 »
Источник — https://wiki.gis-lab.info/index.php?title=Дистанционное_зондирование_в_защите_здоровья_леса&oldid=16921