Landsat MSS для лесных задач

Landsat MSS для лесных задач

C открытием архива снимков Landsat стали доступными и снимки сенсоров MSS, работавших с 1972 по 1999 г. Таким образом, мы можем получить информацию о лесных экосистемах начиная с 70х гг прошлого века, однако снимки с описываемого сенсора имеют ряд ограничений по сравнению с Landsat TM и более поздними изображениями. В данной статье будут описаны характеристики и особенности дешифрирования изображений MSS, а также будет рассмотрен примерный круг задач, решаемых с помощью этих снимков, и опыт дешифрирования MSS в реальном лесном проекте.

Характеристики сенсора

Сенсор MSS работал с июля 1972 года по январь 1999 на борту спутников Landsats с 1 по 5. В то время это была настоящая революция в области ДЗЗ; мало того, после поломки в ноябре 2011 года Landsat 5 TM, инструмент MSS снова был включен и работал с июня 2012 года до января 2013 года .
Изображения MSS поставляются с уровнем обработки L1T, разрешение 60 м/пиксель. Характеристики каналов и иную информацию можно получить здесь. Обратим внимание, что разрешение сенсора и разрешение снимка - разные вещи.

У многих изображений в центре изображения во всех диапазонах отсутствует полоса в 8 пикселей, что примерно составляет 18000 пикселей, а также имеются многочисленные полосы в случайных местах изображения

рис. 1 - полосы на Landsat MSS

Что можно увидеть на MSS и что нельзя

Итак, изображения MSS обладают невысоким пространственным разрешением и дефектами - полосами. Кроме того, в отличие от более поздних Ландсатов, доступных каждые 2 недели, удачных MSS намного меньше, хорошо если попадется 1-2 пригодных к обработке снимка на одну и ту же территорию. Однако даже такие "слепенькие" снимки поддаются обработке и могут дать исследователю полезную информацию.

Синтезы

Сравним характеристики диапазонов MSS и TM (таблица 1)

табл. 1 - диапазоны Landsat MSS и TM

как видно из этой таблицы, сопоставить "в лоб" синтезы MSS и TM нельзя. Мы пришли к выводу, что привычнее всего глазу синтез 4-3-1 (рис. 2)

рисунок 2 - снимок Landsat MSS, синтез 4-3-1

Лесные экосистемы на MSS

В силу несовершенства снимков MSS по сравнению с более поздними, не стоит ожидать от них слишком многого, но кое-что увидеть можно. Рис. 2 показывает, какие основные объекты видны на MSS и как они выглядят на TM

рисунок 2 - снимок Landsat MSS и TM на ту же территорию

1 - лес (можно попытаться разделить на хвойный и лиственный, но надежно пока не получалось) 2 - вырубка на месте этого леса 3 - возможно, молодой лиственный лес, видно несколько лучше, чем смешанный с хвоей 4 - вырубка на MSS, как видно, она зарастает листвой на TM.
На рис. 3 показаны разные виды рубок и лиственные массивы. Хорошо виден дефект в виде полосы.

рисунок 3 - снимок Landsat MSS

1 - рубки со сжиганием порубочных остатков: "на снимках, полученных для Коми, видно, что в некоторых местах леса были сначала вырублены, а затем выжжены"
2 - лиственные насаждения 3 - зарастающие рубки 4 - смешанные насаждения

Особенности обработки

Особенности изображений Landsat MSS (невысокое пространственное разрешение, дефекты, всего 4 спектральных канала) обуславливают некоторые хитрости в их обработке. При автоматизированной классификации с обучением приходится кроме обычных классов (хвойные, вода, болота...)выделять еще и отдельные тестовые участки для полос, иногда даже 2-3 класса для полос разного цвета. При этом для классификации бесполезно использовать сложные и долго выполняющиеся алгоритмы (SVM, нейронные сети), поскольку разделимость тестовых участков очень невелика. На практике в итоге было решено использовать алгоритм максимального правдоподобия, т.к. его точность по нашему опыту чуть выше, чем у методов Махалонобиса или минимального расстояния (см. например, <ref> Владимирова Н.А. Космические изображения Aster как источник данных для лесного хозяйства: характеристики, методика дешифрирования, перспективы использования // Вестник Московского государственного университета леса -Лесной вестник, № 1(64), 2009, с. 163-173 <ref>),а дешифрирование проходит очень быстро.

Источники

<references>