WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

Лыонг Нгуен Нгок Нга

       

       

РАЗРАБОТКА  БАЗ  КАРТОГРАФИЧЕСКИХ  И  АТРИБУТИВНЫХ ДАННЫХ  ГИС  ДЛЯ  ИНФОРМАЦИОННОГО  ОБСЛУЖИВАНИЯ ЛЕСНОГО КОМПЛЕКСА 

(на примере Лисинского аэрокосмического полигона)

Специальность 06.03.02 – “Лесоведение, лесоводство, лесоустройство и

лесная таксация”

Автореферат

диссертации на соискание ученой степени кандидата

сельскохозяйственных наук

Санкт- Петербург – 2012

Работа выполнена на кафедре лесной таксации, лесоустройства и ГИС

Санкт – Петербургского государственного лесотехнического университета

имени С. М. Кирова

Научный руководитель:  доктор сельскохозяйственных наук,

профессор Любимов Александр Владимирович

Официальные оппоненты: доктор сельскохозяйственных наук,

  профессор Никонов Михаил Васильевич

 

  доктор сельскохозяйственных наук,

  профессор Константинов Виктор Кузьмич

Ведущая организация:  Северо-Западный проектно-изыскательский

  институт лесного хозяйства

«Северо-Западный Лесхозпроект»

Защита состоится «  29 » марта 2012 года в  11  часов на заседании диссертационного совета Д 212.220.02 при Санкт – Петербургском государственном лесотехническом университете им. С. М. Кирова по адресу: 194021, г. Санкт-Петербург, Институтский переулок, дом 5, Зал заседаний Ученого Совета.

С диссертацией можно ознакомиться в фундаментальной библиотеке Санкт – Петербургского государственного лесотехнического университета им. С. М. Кирова.

Автореферат разослан «  22 » февраля 2012 г.

Ученый секретарь диссертационного совета,

доктор с.-х. наук, профессор  Маркова И. А.

ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ



Актуальность темы. Состояние и перспективы развития лесов определяют уровень информационного обеспечения органов государственного управления, государственная и региональная лесная политика. Оперативная, достоверная и точная информация о состоянии лесных экосистем является основой эффективного и экологически безопасного использования лесных ресурсов, организации ООПТ, других видов природопользования и дистанционного мониторинга за состоянием окружающей среды. В особой степени все это относится к лесам Северо-Запада России и, в частности, к Санкт-Петербургу и Ленинградской области – наиболее промышленно развитым и населенным субъектам федерации России. Разработка современной ГИС, в основу которой будут положены иная идеология и принципы объектно - картографического метода организации баз картографических данных, позволит сделать данный регион модельным для субъектов Северо-Западного федерального округа  и  других многолесных регионов России.

Целью диссертационного исследования является разработка рекомендаций по информационному обеспечению организаций и частных лиц, заинтересованных в экологически безопасном использовании лесных ресурсов на основе дистанционных методов и геоинформационных технологий.  В частности, предполагалось оценить возможности использования объектно - картографического метода формирования массивов геоданных при создании БД  ГИС лесохозяйственного, лесоустроительного и экологического назначения. Объектно-картографический метод организации геоданных подразумевает такое их представление, при котором выбор, классификация, определение и соподчиненность данных основаны на превалирующем описании их сущности как объектов местности с указанием особенностей традиционного картографического восприятия. Картографический аспект является подчиненным при объектно-картографическом описании и предполагает учет облика условного знака объекта на карте, его содержательной сущности и заключенных в нем характеристик объекта [Никишин, 2005].

Для достижения заявленной цели в диссертационном исследовании были поставлены и решены следующие задачи:

1. Изучить ретроспективу, современное состояние и перспективы развития российского лесоустройства, понимая под этим термином всю совокупность действий (полевых обследований, аналитики и проектных решений), направленных на постоянное, непрерывное использование ресурсов лесных экосистем без ущерба для состояния окружающей среды региона.

2. Исследовать информационные возможности материалов современных съемочных систем авиационного и спутникового базирования и возможности их использования для информационного обеспечения лесного комплекса региона;

3. Оценить рынок современных геоинформационных систем и особенности их использования для решения проблем развития лесного комплекса на региональном и локальном уровнях;

4. Проанализировать разработанные к настоящему времени методы формирования баз картографических и атрибутивных данных и, особенно, объектно-картографического метода описания и представления объектов местности;

5. Модифицировать метод объектно-картографической организации данных для целей проектирования баз данных ГИС специального лесохозяйственного назначения;

6.  Разработать и апробировать предложения по проектированию картографической БД ГИС специального назначения с использованием метода объектно-картографической организации данных.

Объектом исследования являются участки, расположенные на землях АК и ГИС-полигона «Лисинский», а также данные, используемые для создания традиционных и электронных карт территории и лесного фонда: топографические и тематические карты на жестких носителях или в растровом (оцифрованном) виде, цифровые векторные карты и их классификаторы, а также каталоги, описания и пр.

Предметом исследования является изучение методов получения и оценки принципов организации данных, характеризующих пространственное положение и свойства объектов, явлений и процессов на землях лесного фонда полигона. Структура данных об объектах, явлениях и процессах на землях лесного фонда, получаемых из различных источников, и явилась основным предметом исследования. В процессе исследования были изучены законодательные и нормативные документы: Лесной Кодекс РФ, действующая лесоустроительная инструкция, инструкции и технические руководства по созданию картографических произведений (топографических и лесных тематических карт в растровых и векторных форматах; руководства по применению АФС и КС при создании картографических произведений и картографическо-атрибутивных баз полнокомпонентных профессиональных ГИС).

Исследование базируется на картографическом методе [Салищев, 1971], который дополняется результатами сравнительного анализа информационных массивов, характеризующих объекты на территории полигона. Особый интерес для исследования представляет анализ комплексных знаний об этих объектах, включая их классификацию, ареалы распространения, взаимосвязь друг с другом, условные обозначения и возможность отображения на картах различного содержания.

Достоверность результатов исследования определяется большим массивом калиброванных исходных данных,  верифицированных методик их обработки, анализа и представления и подтверждается результатами экспериментальной проверки разработанных рекомендаций на реальной модели сформированных баз картографических и атрибутивных данных.

Положения, выносимые на защиту:

  1. Рекомендации по использованию материалов дистанционного зондирования для формирования баз картографических и атрибутивных данных лесных тематических картографических произведений всего масштабного ряда с визуализацией наиболее важных объектов;
  2. Предложения по применению объектно-картографического метода организации геоданных об объектах, явлениях и процессах на землях лесного фонда для проектирования и создания баз данных;
  3. Предложения по совершенствованию технология проектирования базы данных ГИС специального лесохозяйственного назначения с использованием объектно-картографического метода;
  4. Рекомендации по использованию результатов дешифрирования и геоданных уже созданных цифровых карт лесохозяйственного назначения для формирования многоуровневых  ГИС.

       Научная новизна результатов исследования состоит в разработке рекомендаций по применению новых технических средств и материалов дистанционного зондирования земель лесного фонда, а также принципиально новой концепции формирования баз картографических и атрибутивных данных на основе объектно-картографического метода и картографического метода исследования объектов, явлений и процессов в природных территориальных комплексах разных рангов.

       Личный вклад. Сбор полевого материала был выполнен при личном участии автора. Разработка методики исследования, обработка материалов, анализ полученных результатов и формулирование рекомендаций были выполнены лично автором.

       Практическое значение результатов. Разработанные в процессе данного исследования выводы, предложения и рекомендации могут быть использованы в деятельности специалистов лесного комплекса. БД ГИС специального назначения найдет применение в области охраны и воспроизводства лесных ресурсов, сохранения биологического разнообразия, уникальных, редких и типичных ландшафтов Северо-Запада России.

       Апробация результатов диссертационного исследования. Результаты исследования изложены в 5 научных статьях, опубликованных в рекомендованных ВАК изданиях и 1 публикации общего списка.  Программа и методика исследования докладывались на трех ежегодных научно-технических конференциях лесохозяйственного факультета Санкт-Петербургской государственной лесотехнической академии и заседаниях кафедры лесной таксации, лесоустройства и геоинформационных систем.

       Диссертационная работа состоит из  8 глав и заключения. В библиографический список включены работы 229 авторов, 26 из которых опубликованы на иностранных языках. Работа изложена на 185 страницах. Таблиц 15, рисунков 39.

1. ХАРАКТЕРИСТИКА РАЙОНА ИССЛЕДОВАНИЙ: ЛИСИНСКИЙ АЭРОКОСМИЧЕСКИЙ И ГЕОИНФОРМАЦИОННЫЙ ПОЛИГОН СПБГЛТУ имени С. М. КИРОВА

Территория Лисинского АК полигона представляет единый массив, общая площадь которого составляет 108408 га. Ядро полигона - ЛУОЛХ разделено на 269 заметных на АКФС кварталов размером 1×1 км.

Равнинный рельеф, слабо развитая гидрографическая сеть и тяжелые по механическому составу материнские породы способствуют созданию избыточного поверхностного увлажнения, носящего устойчивый характер.

Покрытая лесом площадь занимает 90% территории полигона. Леса центральной части полигона характеризуются высокой производительностью. Средний класс бонитета насаждений равен II. Распределение насаждений по классам возраста равномерное. Средний запас на 1 га составляет  223 м3. 

На территорию Лисинского АК и ГИ полигона имеются материалы дистанционных съемок, картографические произведения и лесной фонд – практически все условия, необходимые для решения задач исследования.

2. СОСТОЯНИЕ ИЗУЧЕННОСТИ ПРОБЛЕМЫ. ЦЕЛЬ И ЗАДАЧИ

ИССЛЕДОВАНИЯ; ОБЪЕМ И ХАРАКТЕРИСТИКА ИСХОДНЫХ

МАТЕРИАЛОВ

Первое упоминание об обустрой­стве лесов (межевании и разбивке на кварталы) содержится в царском Указе от 19 июня 1826 г. Первым нормативным документом, который определил цель и задачи лесоустройства в России, является "Инструкция об управлении лесной частью на горных хребтах Уральских, по правилам лесной науки и доброго хозяйства" [Канкрин, 1830-1833]. Первые опытные лесоустрои­тельные работы были выполнены в 1840 г. в Лисинской даче. В 1845 г. Ф. К. Арнольдом была разработана «Ин­струкция лесоустройства» (второе издание - в 1854 г.).





В 1888 г. была принята лесоустроительная инструкция, в которой были заложены основы экологически безопасного и экономически обоснованного лесопользования. Ее положения до настоящего времени являются основой лесного законодательства в России и Финляндии.

К началу 80-ых г. ХХ века все леса России были приведены в извест­ность. С 1983 по 1991 г. еже­годные объемы лесоустроительных работ составляли в сред­нем около 50 млн. га. В 1993 г. объем работ уменьшился до 36,8 млн га в 1999 г. - до 30,5 млн. га, или почти на 40%.

Для преодоления проблем с информационным обеспечением лесного комплекса многое сделано в области совершен­ствования дистанционных съемок, камерального производства, раз­работки и внедрения ГИС - технологий.

Материалы дистанционных съемок и ГИС являются технической основой лесоустроительных работ и одним из решающих факторов, влияющих точность таксации лесного фонда и обоснованность принимаемых решений.

Анализ особенностей применения ГИС в лесоустройстве и лесном хозяйстве показывает, что аналитические возможности ГИС использовались недостаточно [Любимов, 1999; Сухих, 1998; Филипчук, 1996]. 

К настоящему времени функционируют спутниковые системы сверхвысокого разрешения – EROS-B, FORMOSAT-2, GoodEye и др. Разрешение изображений, получаемых данными системами, составляет единицы метров и, даже, десятки сантиметров. С их помощью может быть получены детальные сведения для пополнения БД любого назначения.

Цифровые фотографические комплексы, в которых излучение преобразуется в электронный сигнал, заменили традиционные АФА. На цифровых снимках фиксируется интегральная и спектральная яркость отображается непосредственно, а не через степень почернения фотографической эмульсии.

С помощью систем ДЗ измеряют интенсивность излучения, зарегистрированного в пределах каждого пиксела. Преимуществом обладают многозональные и гиперспектральные системы, предназначенные для одновременного получения образов в нескольких спектральных зонах.

Обработка изображений, полученных дистанционными методами, состоит из этапа предварительной оценки, улучшения изображения и тематического дешифрирования, которое делится на распознавание, интерпретацию  и обоснование решений.

При решении задач исследования МДЗ среднего, высокого и сверхвысокого разрешения были использованы для получения информации об объектах, явлениях и процессах в лесном фонде полигона и последующего формирования объектно-ориентированных баз картографических данных ГИС.

В процессе исследования ГИ технологии были использованы для практической реализации картографического и математико-статистического методов моделирования объектов, явлений и процессов в ПТК полигона. Совместное использование двух подходов к решению задач исследования позволяет снизить вероятность ошибок и их величину.

Картографический метод устранить причины, обусловливающие присутствие в результирующей модели ошибок - излишнюю фрагментацию однородных частей природных объектов и неразделение разнородных частей ошибочное объединение, математико-статистические методы - оценить величину возможных ошибок.

Цель картографической генерализации играет роль фильтра, который пропускает только необходимые данные. "Лишняя" информация не может быть нейтральной, она ухудшает качество эмпирической модели и должна быть исключена.

Картографический метод является сочетанием двух основных подходов - картировочного и модельного [Салищев, 1982] и в данном исследовании он был реализован стандартными операциями картографического исследования: фильтрацией, районированием, совмещением и опознанием. Были использованы элементы формального анализа с применением совокупности формализованных признаков.

Модельный подход был реализован выделением картографических образов (КО) и их опознаванием. Картографические образы разных иерархических уровней создавали образную поверхностную структуру карты - от старших уровней к младшим. Интерпретация карт всегда начиналась с выделения наиболее отчетливых КО. Далее выделялись менее отчетливые КО того же ранга, которые вместе с выявленными составляли каркасы карт.

От наиболее отчетливых КО каркаса продолжение построений возможно в направлении верхних (общих) иерархических уровней и нижних - детальных [Киреев, 2005].

Для решения задач исследования были использованы материалы 68 пробных площадей и 96 выделов перечислительной таксации, заложенных в центральной части полигона. Пробы закладывались пропорционально представленности насаждений в лесном фонде и использовались как эталоны при моделировании структуры насаждений и дешифрировании изображений. 

В результате съемочных, перечислительных и измерительных работ на полигоне получены материалы, идеально подходящие для создания и пополнения базы картографических и атрибутивных данных проектируемой ГИС.

Перечень использованных материалов дистанционных съемок включает как снимки, сделанные в 1954 - 2004 гг., так и современные  - материалы цифровых АКФС 2009 – 11 гг. Для описания объектов использовались плановые и перспективные АКФС и материалы видеосъемки.

Массивы данных, предназначенные для формирования баз атрибутивных данных и характеристики их картографических частей, представлены таксационными описаниями разных лет и вариантов оформления; характеристиками ООПТ, сельскохозяйственных земель и арендованных участков, земель муниципальных образований и др. сведения кадастров.

Задачи обработки картографической и атрибутивной информации решались с использованием методов математической статистики. Эта возможность предоставляется встроенными в профессиональные ГИС блоками и модулями (в том числе - для «оверлейных» операций - ГИС «IDRISI for Windows», MapInfo, ArcGIS и др.).

Математико-статистическая обработка атрибутивной информации производилась с помощью пакетов встроенных в ГИС программ, а также средствами Excel, Access, MatLab и MathCAD. 

3. СОВРЕМЕННЫЕ СРЕДСТВА И ТЕХНОЛОГИИ ПОПОЛНЕНИЯ БАЗ КАРТОГРАФИЧЕСКИХ ДАННЫХ ДОСТОВЕРНЫМИ, ТОЧНЫМИ И ОПЕРАТИВНЫМИ ДАННЫМИ

       В настоящее время нет альтернативы использованию материалов дистанционных съемок для пополнения баз картографических и атрибутивных данных и актуализации имеющихся там сведений. Замена традиционной аналоговой фотосъемки на цифровую регистрацию изображений в узких спектральных диапазонах, предоставляет возможность целенаправленного синтеза наиболее информативных изображений.

       При решении задач исследования была принята методика обработки и улучшения качества цифровых изображений, основанная на использовании объективных формализованных показателей, методов их измерения, анализа и представления.

Для решения задач исследования потребовалось произвести следующие операции интерактивной обработки изображений: фильтрация, увеличение детальности изображений и др. преобразования сигналов [Голд и Рэйдер, 1973; Ярославский, 1987; Журавель, 2005].

При выполнении обработки частотная характеристика фильтра выбиралась так, чтобы она была изотропной и с нулевой фазой. Линейная обработка проводилась с применением  методов высокоскоростной свертки, выполняемых в двух измерениях. На рис. 1 приведен пример изображений, обработанных для одновременного изменения динамического диапазона и усиления  контрастности.

Выделение и локализация границ (например, границ крон деревьев или границ таксационных участков и ПТК) имеет важнейшее значение при таксационном и ландшафтном дешифрировании. Края — это такие кривые на изображениях, вдоль которых происходит резкое изменение яркости. 

Краем обычно является граница между двумя областями, каждая из которых имеет приблизительно равномерную яркость. В этом случае две упомянутые области являются изображениями двух разных поверхностей. Края также возникают из-за разрывов в отражательных свойствах. Перепад не будет резким ввиду размывания и ограничений, вносимых сенсором.


в)


г)

  Рис. 1. Изображения в) и г) после обработки с целью одновременного изменения динамического диапазона и усиления контрастности.

На обработанном изображении каждому краю соответствует  гребень с высотой, пропорциональной квадрату перепада яркости. В случае применения операторов Лапласа или «квадратичной вариации» возникают два параллельных гребня по каждую сторону от края. При использовании лапласиана эти гребни  имеют противоположные знаки и край проходит там, где происходит смена знака. В пакете обработки изображений (Image Processing Toolbox) системы MATLAB операции выделения края реализуются с помощью функции «edge».

Оптимизация палитры изображений лесного фонда производилась для всех типов изображений - бинарных, полутоновых, палитровых и полноцветных. Были исследованы все основные алгоритмы для разбивки пространства признаков на части, используемые для классификации, но выбраны только методы «классификации по ближайшему соседу» и» классификация по ближайшему центроиду». 

Считается, что неизвестный объект принадлежит к тому классу, в который попал вектор признаков. При изучении методов распознавания лесных объектов на аэро и космических изображениях была использована система встроенных в  MATLAB функций BWLABEL, IMFEATURE и др.

Усиление контрастности. Низкий контраст является одним из наиболее распространенных дефектов фотографических и телевизионных изображений. Поскольку исходное изображение имеет три цветовых составляющих (R, G, Y), то при реализации метода каждая цветовая составляющая обрабатывалась  отдельно, т.е. в режиме декомпозиции изображения.

Для того, чтобы продемонстрировать эффективность метода, в работе был использован слишком большой коэффициент усиления контрастности.

Один из вариантов метода подчеркивания границ заключается в цветовой декомпозиции изображения, коррекции каждой составляющей изображение цветовой компоненты и усиления пороговых значений в переходных зонах между отдельными объектами. Подчеркнутые границы объектов в меньшей степени воспринимаются визуально, но при пересчете пикселов наблюдается их четкое разграничение.

Одним из наиболее распространенных недостатков при формировании изображений являются яркостные искажения. В исследовании были  рассмотрены различные  подходы к коррекции яркостных искажений изображений для повышения их визуального качества и измерительных свойств.

Рассматривались проблемы коррекции затемненных и излишне осветленных изображений. В связи с обработкой видеоматериалов было признано целесообразным  перейти из цветового пространства RGB в телевизионное цветовое пространство YUV. Особенностью цветового пространства YUV является резкое разделение информации о Y (яркости) и U,V (цвете).

Конверсия в RGB и обратно осуществляется по следующим формулам:

               R = Y + (1.4075 * (V 128));

       G = Y - (0.3455 * (U 128) (0.7169 * (V 128));

               B = Y + (1.7790 * (U 128);

               Y = R * 0.299 + G * 0.587 + B * 0.114;

               U = R * 0.169 + G * 0.332 + B * 0.500 + 128;

V = R * 0.500 + G * 0.419 + B * 0.0813 + 128.

Для коррекции яркостных искажений используется многоступенчатая  процедура последовательной ректификации и трансформации изображения. 

Коррекция невозможна без декомпозиции изображения и его конвертации из цветового пространства RGB в YCBCR(YUV). Для этого используется совокупность встроенных функций. 

В данной работе была выполнена коррекция динамического диапазона только составляющей Y, которая содержит информацию о яркости изображения. Иллюстрация процесса декомпозиции снимка и исследования гистограмм изображений приведена на рис. 2 и 3. Кроме того, был использован еще один подход к коррекции Y-составляющей, который заключается в выравнивании ее гистограммы с помощью параметра k [Журавель, 2005].

Y составляющая изображения в цветовом пространстве YCB CR до модификации

Гистограмма Y - составляющей

Рис.2. Преобразование изображения в альтернативном цветовом пространстве

Результат коррекции динамического диапазона Y составляющей представлен на рис. 3.

 

Рисунок 3. Результат воссоздания снимка после Y – коррекции.

Рис 4. Выделение границ на исходном изображении методом Канни.

Повышение визуального качества изображений с использованием метода Канни [Беляев, 2006] было сделано потому, что изображение с подчеркнутыми границами объектов воспринимается, как более качественное.

После определения границ объектов, производилось их подчеркивание путем изменения яркости пикселей. Значения интенсивности пикселя может уменьшаться или увеличиваться, в зависимости от значений интенсивности пикселей окрестности.

Усиление границ объектов изображения не является постоянным, а зависит от конкретного изображения. Для регулировки усиления используется параметр «a» программного комплекса.

Кроме перечисленных в данном исследовании был использован такой  метод улучшения качества изображений, как пороговая обработка цветных изображений (путем анализа интенсивности, насыщенности, цветового фона и нормированных цветовых составляющих – практически всех значимых параметров формирования и редактирования изображений)

Результаты преобразования изображений показывают, что для пополнения баз картографических и атрибутивных данных ГИС лесного комплекса можно эффективно использовать все материалы дистанционных съемок мелкого, среднего и высокого разрешения при условии их машинной обработки с интерактивным определением характеристик дешифрируемых объектов.

Машинная обработка изображений намного упрощает измерительные операции по снимкам и повышает точность результатов .

При реализации проекта объектно-ориентированной ГИС лесного комплекса на основе внешней БД возникают проблемы, связанные с актуализацией данных об объектах, явлениях и процессах, представляющих интерес для пользователей, заинтересованных в получении информации об объектах лесного комплекса и процессах, происходящих в регионе. 

Актуализация данных и пополнение объектно-ориентированной картографической базы целесообразно производить с использованием снимков высокого и сверхвысокого разрешения (авиационных и космических).

Первичные спутниковые изображения были получены в виде записей спектральных яркостей и подверглись процедуре первичной обработки изображений по стандартной методике [Б.А. Беляев, Л. В. Катковский; 2006].

Первичная тематическая обработка включала калибровку и атмоферную коррекцию исходного изображения: пересчет пиксельных значений N в значения спектральной яркости L по следующей формуле:

L = (N N0 ) / F ,

где N0 – значение “теневого сигнала”; F – спектральная чувствительность прибора.

Значение отражательных характеристик R рассчитаны по формуле:

,

где S - внеатмосферный солнечный поток; - высота Солнца.

Атмосферная коррекция спутниковых данных проводилась по модели MatLab, которая определяет отражательные характеристики подстилающей поверхности на высоте полета платформы по следующей формуле:

,

где среднее значение отражательных характеристик над территорией съемки; F() – функция спектрального отклика сенсора; Rа, R -соответственно не откалиброванные и откалиброванные отражательные характеристики атмосферы; ASA – спектральное альбедо атмосферы; Tа –

коэффициент пропускания атмосферы; 0, – косинус зенитного угла и угла наблюдений; – оптическая толщина атмосферы; 1, 2 – длины волн спектральной полосы.

В результате обработки были получены классифицированные изображения, на которых идентифицировались земли лесного фонда различных категорий и тестовые насаждения основных лесообразующих пород, с соответствующими спектральными характеристиками в синем, зеленом, красном и ближнем инфракрасном диапазонах спектра.

Последующая процедура обработки изображения заключалась в определении таксационной характеристики насаждений по градуировочным характеристикам спектров отражения, полученных декомпозицией цветных снимков [Любимов, 2001].

В качестве характеристик спектральной отражательной способности исследуемых объектов использовались нормированные на отношение СКЯ эталона значения отношения СКЯ системы “почва – растительность” Кпр и почвы Кп:

где (ик /к)пр , (ик /к)п ,(ик /к)эт – соответственно отношения СКЯ системы “почва-растительность” (пр), почвы (п) и эталона (эт) в ближней инфракрасной (ик) и красной (к) областях спектра.

Нормирование отношений СКЯ исследуемых объектов на отношения СКЭЯ эталона позволяет привести результаты наблюдений к однородным условиям освещенности. Отношение СКЭЯ системы “почва – растительность” Кпр в многочисленных исследованиях определяется как относительный вегетационный индекс RVI (ratio vegetation index). Используется и  нормализованный индекс NDVI. (NDVI = (ик - к) /(ик + к)).

С помощью RVI надежно идентифицируется растительность в начальные периоды вегетации. Нормализованный вегетационный индекс NDVI чувствителен к растительному покрову при покрытии почвы растительностью более 15 % и менее зависим от состояния атмосферы [Барталев, 1998; Любимов, 2001, Сухих,2005].

Таблица 1.

Результаты оценки достоверности и точности лпределения показателей насаждений по АКФС

Результаты оценки достоверности и точности дешифрирования земель лесного фонда и насаждений  поаэро- и космическим  снимкам высокого разрешения представлены в табл.3. Фактическая характеристика объектов оценивалось в процессе наземных исследований и аэровизуальным методом с использованием самолета Як – 52 и цифровых съемочных камер разных систем.

Анализ данных табл. 1 свидетельствует о высокой сходимости визуальных оценок с данными методики текстурного анализа изображения отдельных объектов. Следует отметить более низкие погрешности дешифрирования объектов в Кастенском лесничестве, чем в Лисинском. Это подтверждается значениями коэффициентов вариации СV спектральных коэффициентов яркости Кпр по отдельным объектам. Кроме того, и лесной фонд в целом, и отдельные насаждения в Лисинском лесничестве имеют более сложную структуру в результате интенсивной хозяйственной деятельности.

Оценка целесообразности использования многоспектральной спутниковой съемки высокого пространственного разрешения для определения запасов насаждений производилась по данным инвентаризации ЛУОЛХ 2004 г.

На рис. 6 представлен график связи Кпр с запасами древостоев, определенными на пробных площадях и по многоспектральным снимкам.

График показывает, что связь между М и Кпр тесная ( = 0,83) и аналитически может быть описана уравнением, используемым для аппроксимации градуировочных характеристик:

 

где i – параметр уравнения, характеризующий угол наклона градуировочной кривой в точке Kпр = Kп ; Kp – расчетное значение отношения СКЯ предельно плотного растительного покрова, полностью экранирующего почву (так называемое плато насыщения градуировочной кривой); Кп – значение отношения СКЯ почвенного покрова через полог насаждения.

Рис. 6. Связь отношений СКЯ Кпр полога ельников с их запасами  М, м3/га

Для расчета растительной массы по спутниковым данным высокого пространственного разрешения предлагается использовать следующее уравнение, модифицированное из уравнения, полученного ранее В.Антоненко, 1999:

 

где k – коэффициент перехода от обобщенных данных к т3/га.

Проверка модели на независимом материале показала, что средняя погрешность между фактическими и рассчитанными по спутниковым данным значениями запасов составляла 23 м3/га, средняя относительная погрешность по абсолютной величине – 18%. Значения запасов экспериментальных насаждений при этом колебались от 120 до 317 м3/га.

Результаты проверки подтверждают, что для пополнения баз картографических и атрибутивных данных ГИС лесного комплекса можно эффективно использовать все материалы дистанционных съемок мелкого, среднего и высокого разрешения при условии их машинной обработки и интерактивным определением количественных и качественных характеристик дешифрируемых объектов.

Машинная обработка изображений намного упрощает измерительные операции по снимкам и повышает точность результатов .

       В процессе данного исследования были опробованы цифровые аэро- и космические снимки всего масштабного ряда для изображений малого, среднего, высокого и сверхвысокого разрешения, которые в настоящий момент являются доступными для гражданских пользователей.

4. Особенности  СТРУКТУР  баз картографических и атрибутивных данных в ГИС

       Решение проблем экологически безопасного функционирования лесного комплекса обусловлено уровнем информационного обеспечения органов, принимающих решения, а также государственной и региональной лесной политикой. Составляющими информационного обеспечения лесного комплекса являются географическая и атрибутивная компоненты («Лес – явление географическое» - считал основоположник российского лесоводства проф. Г. Ф. Морозов).  Именно эти компоненты и привели к широкому использованию ГИС в лесном комплексе. Для эффективного поиска информации о картографических объектах необходимо структурирование исходных данных. Базы данных (БД) - это поименованные совокупности структурированных данных, отражающие состояние объектов и их отношений к решаемой задаче.

К достоинствам проектируемой СУБД следует отнести относительную независимость логической и физической структур данных (т.е. внешней и внутренней моделей) при неизменности концептуальной модели.

Связанные с лесом ГИС можно определить как ГИС картографического назначения. Особенности картографической ГИС - большие объемы обрабатываемой пространственно-временной информации - определяют специфику организации и структурирования данных. Разрабатываемая БД предоставляет ГИС возможность использования статических и динамических моделей лесных экосистем, а также хозяйственной деятельности в них.

Одним из важнейших целевых назначений ГИС лесного комплекса является информационная поддержка принятия управленческих решений на локально-региональном уровне для обеспечения устойчивого развития лесного фонда и стабилизации экологической и экономической обстановки в регионе.

Ранг пространственных объектов ГИС должен соответствовать уровню региона, т.е. картографическим объектам, отображаемым на картах среднего масштаба (1:200000 - 1:50000). В зависимости от целей и задач часть разделов БД должна иметь возможность детализации локальных объектов, отвечающих объектам карт масштаба 1:25000 – 1:10000 и крупнее (планы лесонасаждений, лесоустроительные планшеты, планы землеустройства и пр.). 

Данные ДЗЗ заставляют использовать в БД ГИС лесного комплекса и растровые модели, обособленные в отдельных файлах, или в виде их растровых слоев, пространственно увязанных со слоями картографических покрытий (векторно-растровое представление).

Предлагаемая модель, разработанная на объектно - картографических принципах, обеспечивает положительные качества (полная функциональность и гибкость системы), однако средства достижения таких качеств обеспечиваются слоевым характером структуры данных, организованных посредством внешней СУБД реляционного типа.

По сравнению с традиционной, предлагаемая структура оказывается более пригодной для формирования картографических отчетов на основании запросов  из  семантической  БД. Это не исключает и решения прямых задач, связанных с запросом атрибутивной информации «через карту». БД, сформированная на основе цифровой карты, оказывается более приспособленной для формирования табличных данных для совокупностей выделенных объектов текущего картографического покрытия.

В качестве Информационной базы ГИС предлагается совокупность картографических данных, интегрированных с минимально необходимым комплексом данных ДЗЗ. В упрощенном виде ее можно сравнить с набором совмещенных в одной проекции серии карт, отражающих разные аспекты характеризуемой территории и дополненных сведениями, полученными с МДЗЗ и с использованием АКС в качестве подложки.

Для картографического моделирования лесного комплекса можно предложить разделы, подразделы и включенные в них темы картографических слоев, наиболее вероятные и желательные в БД (последовательность и сочетание разделов отличаются от общепринятых, но они желательны для обеспечения связей между внутренней и внешней, объектно-ориентированной БД):

В тематическую часть БД типовой ГИС можно предложить следующие разделы/ подразделы и включенные в них темы картографических слоев:

6. Административно-хозяйственное деление земель лесного фонда (все возможные варианты: структура, принятая в настоящее время и в обозримой ретроспективе)

7. Характеристика лесного фонда (включая таксационные описания).

8. Обеспечение стабильности лесных экосистем (ООПТ и ОЗУ)

9. Охрана и защита леса (Противопожарное обустройство территории: противопожарные разрывы, минерализованные полосы, наблюдательно - телевизионные вышки, ПХС, вертолетные площадки, ВПП и др.)

8. Дороги специального назначения и зимники

7. Пользование землями лесного фонда (арендаторы и госземзапас)

Предложенные разделы и темы желательны в любой ГИС, но для конкретных регионов данная структура должна быть адаптирована.

  Разработка объектного состава для картографических произведений, не нашедших отражения на топографических картах, осуществлялась на основе условных обозначений специализированных тематических карт. Структура, предложенная для организации данных картографических произведений, создана программными средствами настольной СУБД Microsoft Access в виде внешней БД. Все необходимые данные о содержании разделов, подразделов и тем картографических покрытий были ор­ганизованы в виде взаимно вложенных таблиц. 

Разработанные для каждой темы перечни объектов были сгруппированы в таблице ObjectMap, являющейся одним из классификаторов ГИС. Учитывая большое количество объектов, используемых в проектируемой ГИС, приведем фрагмент таблицы, характеризующей содержание только экологически ориентированной карты - «Особо охраняемые природные территории».

Связь каждого конкретного объекта картографического произведения осуществляется по имени объекта или его идентификатора. Такая организация данных картографических покрытий обеспечивает наглядное ориентирование во множестве различных объектов карт и позволяет быстро находить и выбирать нужные для отображения и использования в ходе решения задачи.

Таблица 2.

Object Map (Объект карт)

IDTema

IDObjMap Объекты Map

22

171

Заповедники биосферные (КООПТ)

22

172

Заповедники природные государственные (КООПТ)

22

173

Парки национальные природные

22

174

Парки этнографические

22

175

Заказники комплексные, федеральные

22

176

Заказники комплексные региональные

22

177

Памятники природы

22

178

Резерваты

22

179

ООПТ местного значения

22

180

Дендропарки

22

181

Воспроизводственные участки

22

182

Охраняемые ландшафты

Результат выбора, произведенный из корневой таблицы («Раздел_ Мар») по системе подчиненных таблиц, представлен на рис. 7. Как видно из приведенного примера, при запросе объектов заданной тематики система позволяет одновременно оперировать объектами разных карт как единым картографическим слоем. При необходимости раздельного оперирования данными различных карт (что оказывается актуальным при вводе данных) в систему могут быть введены дополнительные таблицы, содержащие раздельные перечни объектов для каждой из исходных карт [Никишин, 2006].

Пример простейшего запроса на основе раскрывающихся подчиненных таблиц подблока классификаций представлен на рис. 8.

Каждому типу объектов, прописанных во внешней БД (таблица «Объект карт») соответствует множество однотипных объектов на картографическом покрытии (связь «один со многими»). Для обеспечения связи объектов карты с внешней БД структурой применяемого классификатора предусмотрена регистрация каждого объекта картографического покрытия его индивидуальным  идентификатором (ID), именем в БД (Name), а также значениями присущих ему характеристик (семантик - Sem).

Для повышения эффективности управления данными была разработана  система запросов, обеспечивающих выбор любого объекта картографического покрытия по классификационному принципу или в виде набора объектов и сопровождающих их простых характеристик.

Разработанная по объектно-картографическому принципу реляционная внешняя БД может функционировать в любой программной среде, в том числе и в многочисленных управленческих ГИС муниципального и регионального уровней. Это позволяет эффективно использовать возможности реляционной БД в программной среде уже созданных и успешно функционирующих ГИС, которые сохраняют свое исходное предназначение.

Рис.7. Результат выбора группы объектов картографического покрытия региональной ГИС лесного комплекса

Обобщая проделанную работу, можно обоснованно утверждать, что:

1.        Разработанный объектный состав БД ГИС лесного комплекса может
использоваться как основа при формировании ГИС региона любого уровня.

2.        Предложенные структуры, организующие данные об объектах и их
характеристиках, являются основой для создания классификатора объектов
картографического покрытия, единого для ГИС

3.        Разработанная структура может использоваться в качестве внешней БД
с любым картографическим покрытием для формирования ГИС лесного комплекса.

4. Совместное использование обычной и внешней баз картографических данных способствуют созданию универсальных (вложенных) карт всего заданного масштабного ряда. Единый классификатор объектов позволяет исключить дублирование характеристик, облегчает их идентификацию и обеспечивает наглядность представления с использованием  вектор-растрового способа регистрации объектов.

В качестве заключения можно добавить, что опыт адаптации модифицированной структуры БД к работе в программной среде ГИС MapInfo показал эффективность предлагаемой технологии:

  1. Процесс формирования ГИС на любой регион можно организовать непосредственно в программной среде ГИС MapInfo на основе разработанной БД и единого классификатора, сформированного для интегрального картографического покрытия региональной ГИС в соответствии с ее тематическим содержанием;
  2. Отмечены некоторые проблемные стороны совместимости внутренней (картографической) и внешней баз данных. Среди них выделяется проблема поддержания целостности данных, частично не обеспечиваемая при взаимодействии внутренней (классификатор) и внешней БД. Намечены пути преодоления указанных проблем.

Рис.8. Простейший  запрос на основе раскрывающихся подчиненных таблиц подблока классификаций

  1. Предложена методика оперативного пополнения базы картографической объектно-ориентированной базы данных материалами  дешифрирования спутниковых цифровых изображений высокого разрешения.

Список опубликованных работ по теме диссертации:

  1. Анализ пригодности ГИС ARCINFO ARCVIEW в лесном комплексе и охране природы . Вестник МАНЭБ. 2010 С. 58 62.
  2. Анализ современных съемочных систем, методов и технологий фотограмметрической обработки АКС при создании и обновлении топографических и тематических карт по аэро и космическим сникам. Анализ пригодности ГИС ARCINFO ARCVIEW в лесном комплексе и охране природы . Вестник МАНЭБ. 2010 С. 80 - 83.
  3. Исследование точности лесных карт, составленных с использованием государственных топооснов М 1: 200000 и 1: 100000. Вестник МАНЭБ. СПБ, 2010 С. 19 22
  4. Оперативное совмещение цифровых аэрокосмоснимков и карт по опорным точкам в геоинформационной системе дистанционного экологического мониторинга. Вестник МАНЭБ. 2010 С. 26 - 27.
  5. Разработка и исследование технологии создания и обновления топографических и тематических карт по космическим сканерным снимкам с использованием архивных мелкомасштабных аэроснимков. . Вестник МАНЭБ. СПБ, 2010 С. 65 70.

6.Геоботанические карты и планы для ГИС-технологий изучения лесного растительного покрова. Вестник МАНЭБ. 2010 С. 58 61.






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.