Разработка методик космического дистанционного исследования региональных экосистем тема автореферата и диссертации по физике, 01.04.03 ВАК РФ

РОССИЙСКАЯ АКАДЕМИЯ НАУК ИНСТИТУТ РАДИОТЕХНИКИ И ЭЛЕКТРОНИКИ

Чимитдоржиев Тумэн Намжилович

Разработка методик космического дистанционного исследования региональных экосистем на примере зоны Чернобыльской АЭС

01.04.03 - Радиофизика

Диссертация на соискание ученой степени кандидата физико-математических наук

На правах рукописи

Научный руководитель -к.ф.-м.н., В.В. Ефременко

Москва - 1998

стр.

Введение 4

Глава 1. Космические дистанционные исследования региональных 11 экосистем и методы обработки мультиспектральных данных.

1.1. Концепция спутникового мониторинга региональных эко- 11 систем.

1.2. Спектральные характеристики природных объектов в опти- 23 ческом диапазоне.

1.3. Алгоритмы обработки спекгрозональных изображений оп- 32 тического диапазона.

Глава 2. Исследование растительности в зоне Чернобыльской 44 АЭС на основе данных спектрозонального сканера МСУ-Э.

2.1. Анализ информативности индексов вегетации. 44

2.2. Описание тестового полигона. 57

2.3. Применение вегетационных индексов для исследования рас- 60 тительности зоны отчуждения ЧАЭС.

2.4. Алгоритм трехканальной обработки спекгрозональных 71 изображений.

2.5. Методика выявления угнетенной растительности с исполь- 81 зованием алгоритма трехканальной обработки.

Глава 3. Совместная обработка спектрозональных и радиолока- 87 ционных изображений для улучшения классификации лесных массивов.

3.1. Обоснование необходимости совместной обработки спек- 87 трозональных и радиолокационных изображений.

3.2. Алгоритм совместной обработки и методика исследования. 93

3.3. Использование кластерного анализа для оценки методики 95 совместной обработки.

3.4. Исследование лесных массивов в зоне ЧАЭС при помощи 107 методики совместной обработки.

Заключение 114

Список литературы 117

Введение

В настоящее время резко возросла научно-практическая и прикладная значимость исследований земной и морской поверхности космическими дистанционными методами [1, 2]. В рамках этих исследований одними из наиболее актуальных и важных на сегодняшний день являются задачи регионального мониторинга [3, 4]. Для решения подобных задач требуется информация с высоким временным и пространственным разрешением, обеспечить которое могут лишь спутниковые данные [5, 6].

С постоянным развитием приемной аппаратуры и систем дистанционного наблюдения следует также развивать и системы обработки спутниковой информации, поэтому данная задача относится к числу первоочередных. При этом необходимо обеспечивать должный уровень тематической обработки, оперативность, наглядность и высокое информационное содержание получаемых данных.

Из всего многообразия аппаратуры, применяемой для дистанционного изучения подстилающей поверхности, наиболее часто используют мультиспектральные сканирующие устройства (часто используют термин «многоспектральный сканер») [7-9] и радиолокационные системы с синтезированной апертурой (РСА) [10-12]. Термин «многоспектральный (мультиспектральный) сканер» следует считать уже устоявшимся, хотя такие системы можно рассматривать и как радиометры, и как телевизионные системы [13].

На данный момент широко используются две категории методов обработки изображений мультиспектральных сканирующих устройств (в дальнейшем МСУ):

• методы, улучшающие визуальную интерпретацию без учета спектральных характеристик объектов исследования;

• методы, основанные на учете различий в спектральном отражении для разных каналов.

Методы второй группы несут более высокое информационное содержание об объекте исследования и основываются на анализе различий в отражении хлорофиллом в «красном» канале (0.6 - 0.7 мкм) и в ближнем инфракрасном диапазоне (0.8 - 0.9 мкм). Эти методы используют преобразования, которые принято называть вегетационными индексами (ВИ) [14]. Вегетационные индексы - это определенная комбинация спектральных каналов, основанная на эмпирическом опыте, которая дает численное значение для характеристики и оценки пространственной вариации биофизических параметров растительного покрова

Основные работы по созданию ВИ проводятся за рубежом на основе данных мультиспектральных сканеров MSS (от англ. Multy Spectral Scanner) и ТМ (от англ. Thematic Mapper), установленных на борту спутников серии Landsat [13]. Эти исследования направлены на уменьшение искажающего влияния почвы и атмосферы при определении характеристик растительности. При этом ВИ, уменьшающие атмосферное влияние, предполагают наличие «голубого» спектрального канала, которого нет у отечественных МСУ. Кроме того, так называемые «почвенные» ВИ и соответствующие весовые коэффициенты были рассчитаны именно для обработки изображений сканеров спутника Landsat.

До настоящего времени в России подобные работы по созданию ВИ не проводились, и при исследованиях, как правило, применяются преобразования, основанные на концепции Каута-Томаса

[15-17], либо применяется традиционное преобразование - нормированная разность [18-20]. Из вышеизложенного вытекает следующая постановка одной из задач диссертационной работы - анализ применимости существующих ВИ для обработки изображений отечественных сканеров.

Известно, что по форме спектральной кривой можно идентифицировать основные типы подстилающей поверхности (ПП) и оценить состояние растительных сообществ и почвенных образований. Использование вегетационных индексов позволяет различать основные виды ПП: редкая чахлая растительность имеет значение ВИ меньше, чем густая сочная, а почвенные образования имеют более низкое значение индекса, по сравнению с растительностью. При подобном подходе обычно не учитываются спектральные особенности ПП в зеленой зоне спектра (0.5-0.6 мкм), по которым растительные и почвенные сообщества существенно различаются. Отсюда следует другая задача данной работы, которая заключается в создании методики обработки, учитывающей информацию о форме спектральной кривой по трем каналам: зеленому, красному и ближнему ИК.

В последнее время поиск путей повышения надежности тематической интерпретации данных ДЗЗ связывают с совместной обработкой изображений оптического МСУ и РСА. Значительный интерес к подобной обработке связан с тем, что информация, получаемая с этих приборов, взаимно дополняет друг друга, несмотря на различный физический механизм получения изображений.

На данный момент принято раздельно обрабатывать эти изображения с последующим комплексированием информации. Под комплексированием информации понимают синтезирование данных

радара и сканера на основе процедуры псевдоцветового представления, которое заключается в кодировании данных различных датчиков основными цветами. При подобном рассмотрении улучшается визуальное восприятие полученного изображения, однако при этом сложно оценить состояние основных видов ПП, так как не учитываются спектральные особенности объекта исследования в различных каналах, и тем самым теряется информационное содержание полученного изображения. Таким образом следующей задачей данной работы является создание алгоритма совместной обработки изображений МСУ и РСА, учитывающего выше обозначенные недостатки.

Требования к алгоритмам обработки данных ДЗЗ, предназначенным для тематической интерпретации изображений можно сформулировать следующим образом:

1) алгоритм обработки мультиспектральных изображений должен использовать спектральные характеристики исследуемых объектов;

2) изображение, полученное с помощью данного алгоритма, должно быть достаточно простым для интерпретации данных;

3) алгоритм совместной обработки данных МСУ и РСА в качестве конечного результата должен выдавать одно изображение, которое содержало бы информацию, полученную на основе спектральных особенностей объекта исследования, и информацию об удельной эффективной поверхности рассеяния (УЭПР).

Цель настоящей работы состоит в разработке алгоритмов и реализации экспериментальных методик, удовлетворяющих перечисленным требованиям и позволяющих достаточно точно интерпретировать типы и состояние ПП.

Основные задачи исследования состоят в следующем:

• анализ известных зарубежных методик обработки многозональных изображений для определения наилучшего преобразования, применительно к отечественной аппаратуре серии МСУ;

• создание методики обработки данных спекгрозонального сканера МСУ-Э с учетом особенностей российской многозональной сканирующей аппаратуры и недостатков других методик;

• проведение модельного исследования данной методики на основе табличных данных с целью определения возможностей интерпретации спекгрозональных снимков;

• создание методики совместной обработки радиолокационного изображения и данных мультиспектральных сканеров для улучшения распознавания растительности;

• проведение кластерного анализа с целью определения информативности методики совместной обработки по сравнению с традиционными методами;

• исследование растительности в зоне отчуждения Чернобыльской АЭС при помощи разработанных методик.

Предлагаемые методики различаются по подходу к поставленной задаче. Первый подход к созданию алгоритма обработки данных отечественных МСУ основывается на распознавании по конфигурации спектральной кривой. Второй - на получении взаимно дополняющей информации, что следует из различия механизмов получения изображений РСА и МСУ. По мнению диссертанта, подобное рассмотрение позволяет, полноценно использовать информацию, получаемую с различных приборов.

На защиту выносятся следующие положения:

1. Разработана и модельно обоснована методика определения основных типов подстилающей поверхности (ПП) на основе данных спектрозонального оптического сканера. Показано, что методика позволяет определить тип ПП на основе формы спектральной кривой в оптическом и ближнем ИК диапазонах.

2. Предложена методика совместной обработки изображений МСУ и изображений РСА Ь-диапазона, основанная на поэлементном перемножении массивов УЭПР радиолокационного изображения на соответствующее значение индекса вегетации.

3. При помощи кластерного анализа исследована информативность изображений, полученных различными методами обработки. Установлено, что процедура совместной обработки изображений МСУ и изображения РСА Ь-диапазона на НУ поляризации позволяет наилучшим образом распознавать угнетенные лесные массивы.

4. Экспериментально обоснованы предлагаемые методики обработки на примере исследования зоны Чернобыльской АЭС. Продемонстрировано хорошее согласие полученных результатов с данными наземных исследований.

Перечисленные положения отражены в трех главах диссертации. В первой главе представлена общая концепция регионального спутникового мониторинга. Приведены основные спектральные зависимости, используемые для идентификации ПП. Рассмотрены основные направления исследований по созданию ВИ и в табличной форме представлены основные алгоритмы вычисления ВИ.

Глава 2 посвящена обработке данных спектрозонального сканера МСУ-Э. Приводится анализ применимости индексов вегета-

ции для обработки данных отечественных МСУ. Анализ проведен на основе гистограммных признаков с точки зрения информативности изображения. Предложен и модельно обоснован метод выявления угнетенной растительности, основанный на алгоритме трехка-нальной обработки. Приведены качественные оценки атмосферного влияния на данные спекгрозонального сканера. При помощи данного алгоритма проведено исследование зоны Чернобыльской АЭС. Результаты сравниваются с наземными исследованиями. Описана зона отчуждения ЧАЭС, как основного тестового полигона исследования.

В третьей главе обоснована необходимость совместной обработки изображений РСА и МСУ с целью получения максимально возможной информации. Приведены алгоритм и методика совместной обработки. При помощи кластерного анализа проведена оценка информативности данной методики с точки зрения наилучшей разделимости кластеров и определения их количества. С использованием данного метода исследован тестовый полигон - зона отчуждения ЧАЭС; результаты также сравниваются с наземными наблюдениями.

Заключение содержит основные результаты работы. Сделаны выводы по применимости созданных алгоритмов к исследованию региональных экосистем на предмет выявления угнетенной растительности.

Глава 1. Космические дистанпионные исследования региональных экосистем и методы обработки мультиспектральных данных.

1.1. Концепция спутникового мониторинга региональных экосистем.

Экологическая ситуация на нашей планете с каждым годом ухудшается, поэтому одной из основных задач в настоящее время является контроль за состоянием окружающей среды и различные мероприятия по улучшению данной ситуации. Наряду с глобальными задачами, такими как изучение изменений климата в различных масштабах времени от года до столетий и исследование изменений поверхности суши, а также континентальных и морских экосистем [21], возникает не менее важная задача - охрана и контроль состояния окружающей среды региональных экосистем, подверженных антропогенному воздействию. Опыт недавнего прошлого (авария на Чернобыльской АЭС) показывает, что экологические катастрофы, возникшие в отдельно взятом регионе, в конечном итоге пагубно влияют на экологическое состояние огромной территории земного шара, поэтому данная проблема должна решаться, как на уровне отдельно взятого региона, так и в глобальном масштабе - на всей Земле.

Экологическая система Земли состоит из множества всевозможных природных и географических поясов, поэтому для поддержания экологической обстановки на Земле на прежнем уровне необходимо регулярно и, насколько это возможно, оперативно контролировать состояние региональных экосистем.

Вообще, экосистему [3] можно определить, как совокупность биологического разнообразия: различных видов растений, животных, микроорганизмов и почв, взаимодействующих друг с другом и с окружающей средой, так что вся эта совокупность может сохраняться и функционировать неопределенно долгое время. Экосистема представляет собой довольно хрупкую систему, которая может быстро выйти из равновесия. Например, региональная экосистема, включающая в себя водоемы, лесные массивы, сельскохозяйственные угодья в случае лесного пожара или интенсивной вырубки леса, может выйти из нормального цикла функционирования, т.е. там, где раньше были леса под действием ветра, солнца и других климатических и атмосферных условий, может произойти опустынивание, а на месте водоема образуется болото. Поэтому регулярные наблюдения за окружающей средой позволяют предотвратить экологические катастрофы. Во избежание последних необходимо проводить регулярный экологический мониторинг.

Мониторинг (от лат. monitor - предупреждающий, предостерегающий) - это система регулярных длительных наблюдений в пространстве и времени, дающая информацию об окружающей среде с целью оценки настоящего ее состояния и прогноза изменения в будущем, мониторинг не включает управление. Цель мониторинга -выявление и прогноз антропогенных изменений природной среды, оценка степени нарушений в биосфере и обнаружение их источников. Различают мониторинг локальный, региональный и фоновый [4]. При локальном предполагается контроль над содержанием токсичных для человека химических веществ в атмосфере, природных водах, растительности, почве, подверженных воздействию конкретных источников загрязнения (промышленные предприятия, строй-

ки, рудники, мелиоративные системы, предприятия энергетики и т.д.). При локальном мониторинге состояние окружающей среды оценивают с точки зрения здоровья человека, что служит самым важным, емким и комплексным показателем состояния окружающей среды. Региональный мониторинг должен давать оценку антропогенного влияния на природную среду в ходе обычной хозяйственной деятельности человека, которая обязательно предполагает тот или иной вид взаимодействия с природой (градостроительство, сельское хозяйство, промышленность, энергетика, коммунально-бытовая деятельность и т.д.). При региональном мониторинге оценивают взаимодействие человека и природы во всех проявлениях, дают характеристику общего нарушения природной среды на уровне региональной экосистемы. Фоновый мониторинг предполагает контроль за общепланетарными изменениями в биосфере, которые связаны с деятельностью человека. В данной работе рассматривается мониторинг региональный, т.е. мониторинг за состоянием региональных экосистем.

Система мониторинга состоит из трех основных подсистем [4]: аэрокосмическая съемка, наземные наблюдения и картографическое обеспечение. Все они взаимосвязаны, но с