ДЗЗ для экологических задач Часть 2: Леса

Эта страница является черновиком статьи.

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

• Введение. О целях, принципе изложения и планах развития этой работы
• Часть I. Краткое введение в теорию и практику Дистанционного Зондирования Земли

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.

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

4. Для задач борьбы с нелегальными вырубками

5. Для задач лесопаталогии: выявление поврежденных лесных участков и диагностирование типов повреждений.

6. Задачи определения и картирования различных характеристик лесного покрова

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 методик лесовосстановления 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

Рис. 22. Примеры карт "Космоснимки-пожары" на 24.07.2014

5. 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 повреждений 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.

6. Задачи определения и картирования различных характеристик лесного покрова

6.1. Определение высоты 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 лесной сфере.
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; оценки эффективности использованных методик лесовосстановления .

В северных широтах эта техника важна для изучения переходных экотонов (лесотундры), являющихся чувствительным индикатором глобальных климатических изменений. Значения методики для этой зоны иллюстрируют полученные на ее основе результаты, перечисленные ниже.

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

Результатом анализа изображения снимка высокого разрешения (был использован QuickBird имеющего разрешение 2.4 м в спектральных зонах и 0.6 м для панхроматического изображения) с применением разработанной методики стало:
- карта деревьев и кустарников с диаметром крон (рис.23)
- карта границ леса и лесотундры
- карта проективного покрытия крон, которые рассчитываются для элементарных площадок заданного размера

Полученная карта деревьев и кустарников позволяет оценивать количество деревьев и крупных кустарников на единицу площади, с разделением их на несколько классов по высоте, а также расстояние между стволами деревьев и проективное покрытие древостоев. Оценка высот объектов позволяет автоматизировано проводить границу между лесной, лесотундровой и стланиковой древесной растительностью (основные экологические классы в лесотундровом экотоне). Разработанная методика детального картографирования позволяет определять важные морфометрические параметры экотона лесотундры.

Рис.23. Результат выявления деревьев и кустарников с различными диаметрами крон (показаны цветными окружностями) по разработанной методике