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 [1].
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
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)
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)
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
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.
1 - рубки со сжиганием порубочных остатков: "на снимках, полученных для Коми, видно, что в некоторых местах леса были сначала вырублены, а затем выжжены"
[2]
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, [3]),а дешифрирование проходит очень быстро. Результирующее изображение содержит паразитный класс "полосы". Увы, с ними нельзя поступить как с облаками и тенями на традиционных Landsat 5 или 7,т.е. отмаскировать и попробовать закрыть получившиеся лакуны информацией с другого снимка. Для этого сцен MSS на одну и ту же территорию слишком мало. Бороться с полосами можно по-разному, например, попытаться отмаскировать их еще на этапе предобработки. Также можно воспользоваться графическим редактором - открыть результат классификации в редакторе, и глядя на исходный снимок и какой-нибудь ближайший по времени Landsat 5, вручную "замазать" полосы цветами тех классов, которые скорее всего должны быть на месте полос. Для того, чтобы не потерять привязку, нужно сохранить результат классификации в tiff со всеми возможными файлами привязки (tfw, world...) или, если есть деньги, воспользоваться плагином для Фотошопа Avenza Geographic Imager. Это, конечно, эрзац, и служит он только для создания красивых изображений, поэтому для дальнейшего анализа нужно все равно работать с исходным "полосатым" результатом классификации.
Возможность использования снимков MSS в лесном хозяйстве
Теперь, когда мы знаем непростой характер снимков MSS, выясним, для чего же можно их использовать
1) для установления факта лесонарушений. На рис. 4 показан снимок на участок респ. Коми, хорошо видны вырубки и гарь
2) для установления возраста и происхождения насаждений на месте нарушений (например, вторичные лиственные на месте вырубок 40-50 гг 3) для оценки потери лесов в результате природных или антропогенных факторов. Например, "южный массив" ельников респ. Коми с 70х гг прошлого века сократился вдвое (рис. 5)
Опыт использования снимков Landsat MSS в проекте НП "Прозрачный мир" "Интенсивное и устойчивое лесопользование в России"
Источники
<references>
- ↑ http://landsat.usgs.gov/NewMSSProduct.php
- ↑ http://ria.ru/forest_news/20111201/503714057.html
- ↑ 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