Мониторинг лесной растительности по данным спутниковых снимков

д) языки высокоуровневого программирования С++, Visul Basic, IDL, Map Basic.

Окончательный подбор компонентов ПО осуществляется на этапе рабочего проектирования.

Перечень тематических блоков в типовой ГИС выглядит следующим образом [17].

Базовый блок. Предназначен для географической привязки и согласования пространственных данных. Он включает:

а) слой с выбранными элементами топографической основы;

б) слой с гидрографической сетью.

Блок дистанционных данных (космоснимков, материалов автоматической классификации), который используется как для составления или уточнения базового слоя, так и для получения данных о характеристиках растительного покрова в результате дешифрирования.

Рисунок 9 - Методика стоимостной оценки последствий для территорий лесного фонда, поврежденных пожарами

Геоморфологический блок. Включает следующие слои:

а) гипсометрический (оцифрованные горизонтали с топографической карты);

б) цифровую модель рельефа.

Блок с данными лесоустроительных работ:

а) слой с границами лесоустроительных кварталов и выделов;

б) слой таксационных данных (возраст, состав, высота, диаметр, полнота насаждения, запас древесины) болотных лесов и примыкающих территорий;

в) слой информации о выполненных хозяйственных мероприятиях.

Фитоценотический блок. Включает следующие слои:

а) пункты проведения наземных полевых обследований растительности (геоботанических описаний, учета популяций древесных или травянистых растений на постоянных пробных площадях, профилях и трансектах;

б) пункты находок редких или ценных видов растений;

в) границы выделов геоботанической карты.

Экологический блок включает слои:

а) инструментальные измерения экологических параметров местообитаний (pH, электропроводность и уровень стояния вод, физико-химические свойства почв);

б) фитометрические индексы (увлажнение, кислотность, трофность, освещение).

Антропогенный блок включает слои:

а) данные выделения защитных территорий разного назначения;

б) данные о лесных пожарах;

в) информацию о состоянии растительности и негативных факторах воздействия;

г) сведения о прокладке или функционировании коммуникаций.

Кроме этого, для целей обучения составлен каталог космоэталонов, где в единый проект нами были сведены материалы, которые необходимы для дистанционной диагностики природных экосистем. При этом их размещение отражает последовательности обработки и синтеза информации при космическом исследовании природных экосистем.

Экономическая эффективность применения данных дистанционного зондирования для изучения растительного покрова определяется следующими факторами:

- исследованию может быть подвергнута любая точка земного шара, включая труднодоступные и опасные регионы.

- не требуется предоставления наземного персонала, организации полевых работ, экспедиций, выделения дополнительных ресурсов и т.д.

- масштабность исследований. Покрываемая одним снимком площадь может достигать десятков тысяч квадратных километров.

- стоимость единицы объема материалов аэросъемки в соотношении с наземными съемками составляет пропорцию 1:3, и в соотношении с данными космических съемок 1:1.

Безусловно, сегодня космос является одним из ярких брендов научнотехнического потенциала не только Национальной академии наук Беларуси, но и всей нашей страны. Являясь технологией двойного значения (ВПК и народное хозяйстве), космос остро нуждается в расширении применения данных дистанционного зондирования в отраслях реального сектора экономики.

Для нашей страны развитие тематического геоботанического картографирования с использованием данных дистанционного зондирования и геоинформационных технологий является перспективным направлением, которое может стимулировать развитие как фундаментальных направлений современной ботаники (классификация растительности, фитоиндикация, прогнозное моделирование), так и современных, имеющих сугубо прикладной аспект (технологии мониторинга растительности, прогнозирование состояния природной среды в результате хозяйственной деятельности, контроль природопользования и экологическая безопасность).

К числу перспективных направлений представляются следующие исследования.

- Создание цифровой карты растительности Беларуси. Разработка и внедрение этой технологии может стать настоящим прорывом в сфере формирования национального контента в области науки, культуры и системы научно-технической информации. Созданные в 1960-1970 гг. печатные карты растительности страны (М 1:1 000 000, 1:600 000), уже морально устарели, поскольку они создавались на основе послевоенных материалов и в условиях ограниченного доступа ко многим территориям (в первую очередь, военным полигонам). За этот период на территории страны реализовался ряд крупномасштабных социально-экономических проектов (мелиорация Полесья, индустриальное и аграрное развитие регионов), выделена зона отчуждения после аварии на ЧАЭС, значительно усилился антропогенный пресс на природную среду. Все это привело к существенному измению картины растительного покрова территории современной Беларуси. Эти исследования необходимо осуществлять на принципиально новой платформе с использованием ГИС-технологий и данных аэрокосмического зондирования.

- Разработка системы дистанционного мониторинга земель лесного фонда на основе использования материалов лесоустройства, радарной и мультиспектральной космических съемок высокого разрешения.

Система мониторинга позволит оперативно и эффективно решать задачи планирования хозяйственных мероприятий, выявления «проблемных участков» гослесфонда, а также проводить оперативно-розыскные мероприятия при контролю за соблюдением лесного и природоохранного законодательства.

- Разработка технологий и программного комплекса, позволяющие осуществлять динамическое картографирование наземных экосистем с ежегодным выявлением и прогнозированием масштабных изменений в структуре растительного покрова.

Это открывает широкие перспективы использования электронных карт для решения различных государственных задач и выполнения международных обязательств в области лесного хозяйства, охраны природы.

- Создание корпоративных геоинформационных систем с возможностью одновременного подключения пользователей и редакторов с помощью интранет/интернет-сетей.

Серверные ГИС могут стать примером инновационной технологии в области изучения и инвентаризации биоразнообразия, управления природно-заповедными объектами.

На платформе ГИС возможно создания серии прикладных научнотехнических разработок, которые найдут широкий круг потребителей в экономической и природоохранной сфере.

Необходимо также широкомасштабное внедрение технологий ДДЗ и геоинформационных систем в практику работы всех сфер, связанных с эксплуатацией и охраной природных ресурсов (лесное хозяйство, проектно-изыскательские работы, охрана природы, контролирующие органы).

Таким образом, создание крупномасштабных карт растительности на территории страны и ее отдельных регионов, перспективны в хозяйственном отношении, имеет большое научно-теоретическое, методическое и хозяйственно-прикладное значение. В настоящее арсенал методов геоботанического картографирования значительно расширился за счет внедрения ГИС-технологий, материалов ДДЗ. Их применение позволяет создавать практически неограниченное число виртуальных тематических карт и анализировать их в самых различных сочетаниях. Развитие картографии растительности, особенно актуально в связи с формированием национальной системы аэрокосмического мониторинга природной среды.

1.4 Анализ структуры, состояния и динамики агролесоландшафтов по материалам аэрокосмического мониторинга

Структура, состояние и динамика агролесных ландшафтов в первую очередь зависят от состояния земель сельскохозяйственного назначения и защитных лесных насаждений. Согласно методологии и методике картографо-аэрокосмического мониторинга [10] подходы к анализу этих структурных экосистем агролесоландшафтов должны быть различны, так как для пашни важным является плодородие почв, уровень ее деградации, для кормовых угодий - состояние и состав травянистого фитоценоза, а для лесонасаждений - сохранность, состояние деревьев, их таксационные характеристики.

Для успешного анализа состояния агролесоландшафтов необходимо правильно оценить ситуацию на основе критериев, которые определяют количественные характеристики процессов их деградации, материалов аэрокосмического мониторинга и других источников информации, а именно: черно-белые, мультиспектральные или спектрозональные космоснимки с разрешением не менее 10 м для отдельных малоразмерных агролесомелиоративных объектов, ЗЛН и не менее 30 м для площадных объектов (лесные массивы, пашня, пастбища). Выбор разрешения обусловлен возможностью дешифрирования параметров объекта мониторинга (характеристик его экологического состояния).

В связи с этим агролесомелиоративное картографирование и аналитическое моделирование на основе космической фотоинформации в сочетании с геоинформационными технологиями становятся важнейшими методологическими и методическими приемами, позволяющими осуществлять не только мониторинг состояния земель, но и анализировать динамику деградационных процессов. Математико-картографические модели дают возможность разрабатывать систему управленческих решений по адаптивному обустройству.

В агролесомелиоративном картографировании принята оценочная шкала экологической деградации ландшафтов, включающая четыре уровня [3]: норма, риск, кризис, бедствие. Параметры для различных компонентов агролесоландшафта, определяющие соответствующий уровень его деградации, различны.

Для компьютерного анализа и дешифрирования изображения с целью получения статистически достоверных данных о состоянии ландшафтных участков необходимо знать не только величину, но и распределение тона на них. В связи с этим для такого анализа изображения должны использоваться цифровые или оцифрованные аналоговые аэро- и космоснимки, которые являются основой растровых цифровых моделей местности. В результате преобразования анализируемое изображение становится композицией растровых пикселей, чем и обеспечивается возможность его компьютерной статистической обработки. Так как положение каждого пикселя на изображении в цифровом виде точно определено, то появляется возможность привязать его положение к координатной сетке и обеспечить точность ландшафтного анализа.

Файлы растровых цифровых моделей изображений имеют достаточно большой размер, возрастающий с увеличением разрешения сканирования, поэтому это разрешение приходится ограничивать. При работе в графических редакторах рекомендуется выбор такого разрешения сканирования, при котором размер полученного файла оцифрованного изображения не превышал бы размера оперативной памяти компьютера (максимально возможный размер оперативной памяти для 32- и 64-разрядные систем составляет 4 и 8 Гб соответственно). Исходя из размеров исходного аналогового снимка или выбранного на снимке участка, можно предложить примерные варианты разрешения для сканирования: максимальный размер снимка более 200x200 мм - разрешение сканера 300 dpi и далее соответственно 100x100, 200x200 - 400; 50x50, 100x100 - 600; 10x10, 50x50 - 1200; менее 10x10 - 2400.

Исходный снимок может быть черно-белым (моноxромным), цветным или спектрозональным. Цветные и спектрозональные снимки обрабатываются в одной из цветовые сxем - RGB, CMYK, LAB (некоторые компьютерные программы работают только в системе RGB, поэтому предпочтение отдается этой сxеме). Оцифрованные черно-белые изображения несут информацию в 256 оттенкаx серого тона. Для идентификации и дешифрирования xарактеристик объектов, представленные оцифрованными цветными многоканальными изображениями, можно использовать информацию по 256 тонам каждого канала. Анализ распределения пикселей как по серому тону, так и по цветным каналам дает возможность получать количественные xарактеристики исследуемого объекта. Для черно-белые космоснимков особо выделяется задача идентификации объектов, присутствующих на изображении, так как прямые дешифровочные признаки не всегда однозначно позволяют ее выполнить. В этом случае важную роль играет опыт дешифровщика и дополнительные косвенные признаки.

Необxодимые данные по объектам мониторинга могут быть выявлены в дополнительные источникаx, к которым можно отнести почвенные, литологические карты, атрибутивную текстовую информацию, результаты полевые исследований и др. Объектами для экспериментальные и полевые работ по проверке методов ведения агролесомелиоративного мониторинга выбираются ландшафты с типичными зональными агроэкологическими условиями, где выделяются защитные лесные насаждения и земли сельскоxозяйственного назначения.

Для пространственной организации информации в системе мониторинга принят треxмерный подxод. Он заключается в выделении на территории объекта мониторинга структур различного пространственного уровня. Иерарxичность рельефа позволяет проводить группировку территориальные структур и обобщать собранные данные о ресурсном и агроэкологическом потенциале агроландшафта, задаваясь определенным масштабом и уровнем детализации.

Районирование и картографирование выполняется на оцифрованной топографической карте масштаба 1:10000, 1:25000. Границы категорий земель и функциональные зоны выделяются послойно и могут быть представлены в виде отдельные изображений. Картографирование деградации агроландшафтов осуществляется в два этапа для обеспечения управляющая: решений по рациональному использованию природные ресурсов и соxранения плодородия земель [22].

Этап 1 - выбор территориальные объектов - регионов или областей, подверженные процессам деградации и опустынивания, - осуществляется на основании аэрокосмического мониторинга агроландшафтов. Потенциально такими объектами могут считаться следующие: предрасположенные к водной эрозии участки с углом склона более 1°; предрасположенные к ветровой эрозии открытые, не защищенные лесными насаждениями, участки пашни или пастбищ без травостоя; интенсивно используемые участки поверхности для сельскохозяйственного производства (пашня, пастбища) с антропогенной нагрузкой, превышающей их продуктивность при отсутствии систем мелиорации ландшафта; агроландшафты с неблагоприятными почвенно-климатическими условиями; любые регионы, подвергшиеся критическому воздействию природно-антропогенных «катастроф», таких как сели, наводнения, ураганы, ливневые (затяжные) дожди и др.

Этап 2 - создание картографической и топологической базы данных.

Информационное обеспечение картографирования агроландшафтов региона (области), выбранного в качестве объекта исследований, осуществляется созданием картографической и топологической базы данных, подбором и цифрованием топографических и тематических карт, созданием электронных таблиц для описания свойств объекта, а также использованием существующих геоинформационных систем в качестве внешней базы данных. При необходимости уточняются межхозяйственные, административные и государственные границы, проходящие по территории региона исследований, и создается тематический слой границы. Эта операция проводится для отнесения площадей территорий к определенному субъекту землепользования. В результате реализации такой технологии создаются тематические картографические слои, несущие необходимую предварительную информацию об объектах исследований.

Создание обзорной космофотокарты осуществляется с целью оценки общего состояния территорий, подверженных деградации и определения координат объектов мониторинга. Масштаб обзорной космофотокарты (1:1000000, 1:2000000) выбирается таким образом, чтобы достоверно определялись границы ландшафтных элементов (в т. ч. большие лесные массивы, водоемы, поля и др.). Обзорная карта обеспечивает взаимосвязанность информации отдельных объектов на всей территории региона исследований. Такая карта создается на основе оцифрованной топографической карты соответствующего масштаба, которая в оцифрованном виде является тематическим слоем для привязки аэрокосмоснимка региона исследований к географическим координатам и нанесения координатной сетки.

Аэрокосмоснимки региона исследований в масштабе 1:1000000, 1:2000000 оцифровываются и сохраняются в виде тематического слоя в используемом программном продукте (например, «MapInfo»). Далее они трансформируются таким образом, чтобы координаты контрольных объектов на снимке и на топографической основе совпадали. После этого проводится контрольное измерение объектов на фотоплане и сверка их координат с координатами на топографической основе. Для повышения точности привязки изображения осуществляется корректирующая трансформация, обеспечивающая приемлемую точность.

На основе данных топографической карты создается тематический слой «границы» путем проведения полилиний, совпадающих с границами, обозначенными на топографической основе. Для проведения дополнительных границ используется достоверная информация, которая переносится на тематический слой «границы» также путем проведения полилиний по контрольным точкам или наложением графической информации на существующий слой.

В результате компьютерной обработки и трансформации космоснимков создается обзорная космофотокарта, на которую нанесены координатная сетка, границы и дополнительная атрибутивная информация. Ее создание дает возможность установить объекты в агролесоландшафтах, подверженные деградации, и определить их точные координаты.

Для определения вида и уровня деградации, уточнения координат очагов, количественной оценки состояния агроландшафтов и его составляющих необходимы фотокарты более крупного масштаба (1:10 000, 1:25 000).

Создание космофотокарты объекта исследования заключается в следующем: на имеющейся обзорной космофотокарте полигоном выделяется объект исследований. Определяются его координаты, общая площадь и периметр. При необходимости устанавливается расстояние до контрольных пунктов. Проводится привязка этого полигона к координатам и создается новый тематический слой космофотокарты объекта исследований.

В зависимости от типа объекта исследований осуществляется трансформация полученной космофотокарты объекта до получения нужного масштаба. Необходимо учитывать, что разрешение исходных космоснимков, используемых при создании обзорной космофотокарты в цифровом виде, должно обеспечивать соответствующий масштаб космофотокарты. Создание космофотокарты завершается нанесением необходимой атрибутивной информации и уточнением географических координат.

Основными критериями состояния агроландшафтов могут являться содержание гумуса в почве, проективное травянистое покрытие и относительная площадь крон деревьев (полога), входящих в исследуемый ландшафт.

Для обеспечения постоянного обновления информации, а также выявления динамики экзогенных процессов разработана методология картографо-аэрокосмического динамического мониторинга агроландшафтов, основанная на компьютерном анализе информации и геоинформационных технологиях, которая включает следующие операции:

- сопряженный картографический анализ и диагностику деградации агроландшафтов на основании полевых, дистанционных методов и компьютерного картографирования;

- анализ структуры агроландшафтов, природных экзогенных процессов на основе ландшафтно-экологического дешифрирования космофотоснимков;

- обоснование и разработку критериев оценки антропогенной деградации агроландшафтов;

- составление геоэкологических (ландшафтно-экологических) карт состояния сельскохозяйственных угодий;

- проведение ландшафтно-типологического и лесомелиоративного;

- районирования на основе космофотоинформации;

- разработку и составление региональных схем и локальных ландшафтных проектов противодеградационных фито- и лесомелиоративных мероприятий.

2. Методы оценки пожарной опасности по данным спутниковых наблюдений

На настоящий момент оценка природной пожарной опасности (ПО) лесных массивов производится на основе расчета индексов, использующих наземные метеорологические измерения температуры и влажности воздуха, а также количества выпавших осадков. Расчет класса пожарной опасности производится по методике Нестерова с учетом региональных особенностей по сети действующих метеостанций на территории РФ. К примеру, действующая существующая сеть метеостанций на территории Иркутской области, особенно в северной и северо-восточной её части является весьма разряженной, и поэтому оценка пожарной опасности в обширной таежной зоне производится весьма приближенно. Использование спутниковых средств наблюдения для оценки класса пожарной опасности на основе сравнения мультисовременных измерений физических параметров подстилающей поверхности таких как: отражательная способность растительности в видимом и ближнем инфракрасном диапазоне, эндогенное (собственное) излучение поверхности в инфракрасной области спектра, и их производных продуктов может в некоторой мере повысить информативность о возможном риске возгорания.

Как хорошо известно, природный риск или вероятность возникновения возгорания зависит в целом от влагосодержания лесогорючих материалов. Проведение напрямую количественных измерений в реальном времени влагосодержания лесогорючих материалов в лесах на территории большей (авиабаза, авиаотделение) или меньшей (квартал) территории практически не возможно. Поэтому на практике применяют существующие модели или проводят их модернизацию путем ввода в модель значимых параметров учитывающих региональные, физико-географические особенности территории. Важность разработки и проверки существующих моделей для оценки пожарной опасности в лесах признана во всех сообществах связанных с лесными пожарами. На сегодняшний день в различных странах и регионах существуют и функционируют несколько моделей для количественной оценки пожарной опасности. Наиболее хорошо известными и проверенными на практике системами являются Канадская система оценки пожарной опасности (CFFDRS), Национальная система оценки пожарной опасности в США (WFAS), система оценки пожарной опасности МакАртура в Австралии. Все три упомянутых системы в этих странах адоптированы к региональным условиям, имеют научную основу и проверены на практике. Системы оценки пожарной опасности в этих станах включают в себя длинные временные ряды наблюдений за возникновением пожаров, наблюдения на метеорологических станциях, а также большой объем дополнительной информации, такой как мелкомасштабные карты покрытия земной поверхности, топографические данные и цифровые модели рельефа.

Карты «зелености» древесной растительности формируются ежедневно из данных нормализованного разностного вегетационного индекса (Normalized Difference Vegetation Index-NDVI), получаемых радиометром AVHRR и поставляемых в центр данных EROS геологической службы США. Эти карты являются недельным композитом и имеют 1-километровое пространственное разрешение.

- Карта визуальной зелености (Visual Greenness Maps) - отображают зеленость сравниваемую с очень зелеными участками типа полей люцерны или полей для игры в гольф. Получаются изображения подобные тем, которые можно увидеть с воздуха. Обычно сухие области никогда не будут казаться столь же зелеными, как нормальной смачиваемые области.

- Карты относительной зелености (Relative Greenness Maps) - отображают зеленость растительности по сравнению с зеленостью в период с 1984 по 2003 гг. Поскольку каждый пиксель нормализован относительно его собственного исторического диапазона, все области могут выступать полностью зелеными некоторое время в течение вегетационного периода.

- Карты отклонения от средней зелености (Departure from Average Greenness Maps) отображают зеленость каждого пиксела по сравнению с его средней зеленостью в течение текущей недели, основанной на данных 1984-2003 гг.

- Карты VG, RG и DA доступны для текущего периода. Архив изображений RG и DA доступен в формате обмена географическими данными (GIF-формате). Центр данных EROS, начиная с января 2004 г. применяет новый алгоритм «просеивания» облаков и атмосферы и корректировки изображений.

Таким образом, система WFAS еженедельно формирует карты визуальной (VG) и относительной RG зелености, отклонений от средней зелености DA) и архивирует изображения RG и DA.

Кроме этого методики для определения вероятности возникновения пожаров на основе измерения динамики так называемых индексов растительного покрова применяются в Испании. В предложенной авторами модели расчета индекса потенциального пожара (Fire Potential Index) наряду с метеорологическими данными и информации о типах лесогорючих материалов, в качестве входных параметров модели требуется информация о значениях нормализованного индекса вегетации (NDVI). Значения максимальных значений индекса NDVI за 10-ти дневный период времени используются для расчета индекса «относительной зелёности» (RG) (1):

RG = [(NDo - NDmin)/(NDmax - NDmin)]*100, формула (1)

где для каждого пикселя изображения: NDo равно максимальное значение NDVI текущего изображения; NDmax(min) равно максимальное или минимальное историческое значение индекса NDVI в этом пикселе за тот же фенологический период времени;или другими словами относительный индекс «зелености» показывает как ведет себя текущее значение индекса NDVI по сравнению с предшествующими годами, пожароопасная ситуация которых уже известна.

По данным методикам можно сделать выводы, что методики, основанные на сравнении текущих индексов вегетации за один фенологический период с историческими значениями может не сработать в условиях сильной задымленности территории или в условиях незначительных атмосферных помех, которые не удалось отфильтровать при классификации облачного покрова.

Еще одна методика, использующая значения индекса вегетации основана на расчете индекса засухи. По используемым нами космическим снимкам можно отследить два параметра, свидетельствующие о наступлении засухи, это ухудшение состояния растительности в процессе вегетации (вплоть до полной гибели) и повышенные температуры подстилающей поверхности. Под индексом засухи понимается отношение нормализированного индекса вегетации NDVI к температуре поверхности. Поскольку засуха характеризуется повышенными температурами подстилающей поверхности, то одним из важных параметров при её диагностике является ход температурных кривых во время засухи. Анализ ряда ночных и дневных изображений в год засухи и во «влажный» год, показал, что засуха характеризуется не только повышенными дневными, но и повышенными ночными температурами. Понижение температур ночью приводит к образованию росы и туманов, то есть к конденсации паров воды на растениях, что позволяет им избегать стресса обезвоживания. В этом случае наступление атмосферной и почвенной засухи не приводит к высушиванию лесогорючих материалов.

Поскольку при наступлении засухи вегетационный индекс падает, а температуры подстилающей поверхности растут, то для более точного определения момента наступления засухи и территории её распространения предлагается использовать «Индекс засухи» ID (Index of Drought), который прямо пропорционален сумме ночной и дневной температур и обратно пропорционален значению нормализованного вегетационного индекса (2):

ID = (Т4д + Т4н) / NDVI, формула (2)

где Т4д и Т4н дневная (максимальная) и ночная (минимальная) температуры в 4-ом канале прибора AVHRR или 31-ом канале прибора MODIS.

Очевидно, что чем выше значения индекса ID и дольше его длительность, тем с большей вероятностью на наблюдаемой территории возможна засуха и тем самым выше риск возникновения пожаров. Эмпирически установлено, что для некоторых территорий Европейской части России (для открытых поверхностей) для июня значения индекса ID 1000-1400 являются нормальными, 1400-1600 свидетельствуют о средней и сильной засухе, свыше 1600 катастрофической. Для прогноза возникновения пожаров целесообразно выбрать в качестве «спокойного года» период с большим количеством осадков и малым количеством пожаров.

Слабой стороной данной методики является тот факт, что в условиях, например, Сибири, где преобладают хвойные породы деревьев, изменение нормализированного индекса вегетации происходит медленно в течение сезона и очень слабо реагирует на засушливые периоды. Данная должна хорошо работать для открытых типов земных поверхностей, таких как луга, поля, пастбища, может быть старые гари. Поэтому введение в уравнение (2) в виде знаменателя нормализированного индекса вегетации для хвойных лесов на наш взгляд условно и мало значимо. Проще просто вести подсчет накопленной (суммарной) температуры в ИК канале. В тоже время «Индекс засухи» имеет преимущества перед другими индексами в том, что он применим в весенний период в начале пожароопасного сезона. Сравнение развития вегетации в фенологических периодах двух сезонов только по индексу вегетации может и не выявить различие в значениях индексов.

На основе суммирования значений температуры подстилающей поверхности разработана еще одна методика. Данная методика имеет очень сильную связь с применяемой на практике методикой Нестерова. Но это и стоило ожидать из предложенной методики, так как главным, ключевым параметром, входящим в данную модель является количество выпавших осадков, определяемое по сети наземных метеорологических станций. Понижение индекса пожарной опасности в известных датах на одну и ту же величину как модели Нестерова так и в предложенной методике и дает практически 90% корреляцию хода индекса пожарной опасности.

Можно сделать следующий вывод. Недостатком данной методики является применение данных об выпавших осадках, полученных с сети пунктов метеорологических станций. Тем самым детальность данных о распределении температуры зависит от плотности сети функционирующих метеостанций на наблюдаемой территории. Также остается открытым вопрос об интерпретации данных на участках закрытыми облачным покровом. Так как наличие облачного покрова над определенной территорией может достигать нескольких дней, а для расчета пожарной опасности требуется ряд непрерывных наблюдений температуры поверхности.

3. Оценка последствий лесных пожаров

3.1 Обоснование выбора спутниковых снимков

Программа Landsat - наиболее продолжительный проект по получению спутниковых фотоснимков планеты Земля. Первый из спутников в рамках программы был запущен в 1972; последний, на настоящий момент, Landsat 8 - 11 февраля 2013. Оборудование, установленное на спутниках Landsat, сделало миллиарды снимков. Снимки, полученные в США и на станциях получения данных со спутников по всему миру, являются уникальным ресурсом для проведения множества научных исследований в области сельского хозяйства, картографии, геологии, лесоводства, разведки, образования и национальной безопасности. К примеру, Landsat 7 поставляет снимки в 8 спектральных диапазонах с пространственным разрешением от 15 до 60 м на точку; периодичность сбора данных для всей планеты изначально составляла 16-18 суток.

Спутники Landsat-1, 2, 3 имели следующие параметры орбиты - орбита солнечно-синхронная, субполярная; высота орбиты -900-920 км; наклонение орбиты к плоскости экватора - 99°; период обращения - 103 минуты; повторяемость съемки - 1 раз в 18 дней.

Спутники Landsat-4, -5, -7, -8 имели следующие параметры орбиты - орбита солнечно-синхронная, субполярная; высота орбиты - 705 км; период обращения - 98,9 минут; повторяемость съемки - 1 раз в 16 дней.

Съёмочное оборудование.

На спутниках серии Landsat стояли следующие съемочные системы:

- мультиспектральные видеокамеры Return Beam Vidicon (RVB; использовалась на Landsat-1, -2; 3 канала, 80 м);

- панхроматические видеокамеры RVB (Landsat-3; 40 м);

- сканирующий мультиспектральный сканер: MSS (Landsat-1, 2, 3, 4, 5);

- сканирующий тематический сканер: TM (Landsat-4, 5);

- улучшенный тематический сканер: ETM (Landsat-6);

- улучшенный тематический сканер плюс: ETM+ (Landsat-7).

Мультиспектральные сканеры MSS спутников LandSat 1-5, созданные в Santa Barbara Research Center (Hughes), предназначены для получения мультиспектральных снимков все поверхности Земли. MSS является оптикомеханической системой со сканирующим зеркалом (период 74 мс) и телескопом рефлектором системы Ritchey-Chretien с диаметром зеркала в 22,9 см. Пространственное разрешение 80 метром, спектральные диапазоны: 0.5 - 0.6 мкм (зеленый), 0.6 - 0.7 мкм (красный), 0.7 - 0.8 мкм, 0.8 - 1.1 мкм. Калибровка детекторов происходит от каждые 2 сканирования.

Кварцевые зеркала телескопа крепятся на Инваровых стержнях. Система сконструирована таким образом, чтобы не терять фокусировку даже при сильной вибрации, которую создает колеблющееся 36 сантиметровое бериллиевое зеркало сканирования. Такое инженерное решение позволило США запустить спутники LANDSAT на 5 лет раньше французского спутника ДЗЗ SPOT (1986 год), на котором впервые использовалась двумерная матрица ПЗС-датчиков и не требовалась система сканирования.

Сборка в фокальной плоскости инструмента MSS состоит из 24 диэлектрических волноводов (оптических волокон) с экструдированными торцами размера 5 мкм, организованными в массив 4x6. Пучок волокон подводит свет к 6 кремниевым фотодиодам и 18 фотоумножительным трубкам. Для каждого из 4 спектральных диапазонов использовался свой набор из 6 детекторов. Радиометрическое разрешение каждого детектора - 0-255.

Landsat 1 (МФА lжndsat, ERTS A, ERTS 1, Earth Resources Technological Satellite) -- первый спутник программы «Landsat« (США). Построен на модифицированной базе метеорологического спутника «Nimbus 4» (запущен 08.04.1970) в Valley Forge, Пенсильвания подразделением Space Division компании General Electric. Запущен 23 июля 1972 г. ракетой Дельта-900 574/D-89 со второго стартового комплекса авиабазы Ванденберг в Калифорнии. Спутник на околополярной орбите служил как стабилизированная, ориентированная на Землю платформа для получения информации о сельском хозяйстве, лесных ресурсах, геологии, минеральных ресурсах, гидрологии, водных ресурсах, географии, картографии, загрязнении окружающей среды, океанологии, морских ресурсах, а также метеорологических явлениях.

Для достижения этих целей, на аппарате установлены:

- трёхкамерный видикон с возвращаемым лучом (RBV) для получения фотографических изображений Земли ввидимом и коротковолновом инфракрасном излучениях. Использовался с 23 июля 1972 по 5 августа 1972 и сделал 1692 снимка;

- пространственное разрешение - 80 м;

- диапазоны спектра - видимый синий-зеленый (475-575 нм), видимый оранжевый-красный (580-680 нм), видимый красный-околоинфракрасный (690-830 нм);

- четырёхканальный мультиспектральный сканер (MSS) для получения радиометрических изображений Земли;

- пространственное разрешение - 80 м;

- диапазоны спектра - видимый зелёный(0,5-0,6 мкм), видимый красный(0,6-0,7 мкм), околоинфракрасный (0,7-0,8 мкм) и околоинфракрасный (0,8-1,1 мкм);

- подсистема сбора данных (DCS) для сбора информации с удаленных, индивидуально оборудованных наземных станций и передачи данных на центральные станции обнаружения.

Спутник также нес два широкополосных видеомагнитофона (WBVTR-1 и WBVTR-2), способных хранить до 30 минут данных со сканера или камеры, давая датчикам аппарата возможности почти глобального охвата.

Усовершенствованная система пространственной стабилизации состоящая из сканеров горизонта, солнечных датчиков, и антенны командной связи в сочетании с двигательной установкой на фреоне позволяла поддерживать ориентацию космического аппарата в пределах плюс-минус 0,7 градуса по всем трем осям. Система связи КА включала командную подсистему работающую на 154,2 и 2106,4 МГц и узкополосную PCM телеметрическую подсистему работающую на 2287,5 и 137,86 МГц, для данных: служебных, пространственных и характеристик датчика. Видеоданные из трёхкамерного ребикона передавались как в режиме реального времени и в режиме воспроизведения записей с магнитофона на 2265,5 МГц, в то время как информация от MSS вжималась в 20-ти МГц радиочастотном диапазоне на 2229,5 МГц.

В 1976 году Landsat 1 обнаружил крошечный необитаемый остров в 20 км от восточного побережья Канады. Впоследствии этот остров был назван «Landsat Island«, в честь спутника.

Космический аппарат был выключен 6 января 1978 г., когда совокупная прецессия плоскости орбиты привела к тому, что аппарат стал перегреваться под почти постоянным воздействием солнечного света.

Landsat-5 - спутник ДЗЗ геологической службы США USGS. Был запущен 1 марта 1984 г. в рамках программы Landsat. В октябре 2007 г. эксплуатация спутника была приостановлена на 4 месяца из-за выхода из строя одной из двух аккумуляторных батарей. В марте 2008 г. возобновлена эксплуатация спутника с дополнительными ограничениями, при этом время существования спутника на орбите составило 24 года.

Представляет полную копию спутника LandSat-4, использует такие же инструменты - Thematic Mapper (TM) и Multi-Spectral Scanner (MSS).

Высота орбиты 705 км, орбита приполярная, солнечно-синхронная.

Наклонение 98,2 градуса.

Обзор всей поверхности планеты занимает 16 суток.

В январе 2005 г. начались сбои системы поворота основной солнечной батареи. В ноябре с похожими симптомами столкнулись на запасной батарее. Получение изображений было приостановлено. После расследования в декабре 2005 и тестирования в январе 2006 были разработаны контрмеры, и работа аппарата была возобновлена.

На март 2009 г. Landsat 5 находился на орбите уже 25 лет (превысив изначальный трёхлетний срок существования на 22 года) и всё ещё использовался по назначению.

В декабре 2009 отказала запасная ЛБВ в радиоусилителе, которая использовалась вместо основной, выключенной ещё в 1987 году. Через 22 года после отключения основная ЛБВ была введена в строй, и работа канала передачи данных возобновилась в январе 2010.

В ноябре 2011 г. получение изображений было приостановлено на 90 дней. USGS заявила, что спутник практически выработал все ресурсы, проработав более 27 лет.

В марте-апреле 2012 г., на 28 году миссии, инструмент MSS, выключенный в 1995 году, был вновь включён.

21 декабря 2012 г. было объявлено о намерении вывода спутника из эксплуатации. За время функционирования Landsat 5 несколько раз выходил из строя, однако его работу удавалось возобновлять. Но в конце декабря 2012 г. на аппарате произошла поломка одного из гироскопов, которая не поддаётся ремонту. Всего на спутнике установлены три гироскопа, и для функционирования требуются два из них. Спутник будет выведен из эксплуатации в течение ближайших нескольких месяцев, скорее всего после введения в строй Landsat Data Continuity Mission. С момента запуска аппарата прошло 28 лет, за которые он совершил около 150 тысяч витков вокруг нашей планеты и передал около 2,5 млн фотографий. LandSat-5 поставил рекорд по времени активной эксплуатации спутников, изучавших Землю (28 лет).

10 февраля 2013 г. агентство NASA объявило о том, что проект вошёл в книгу рекордов Гиннесса как самая длительная миссия спутникового наблюдения Земли (28 лет и 10 месяцев).

LandSat-7 - спутник дистанционного зондирования Земли, один из запущенных в рамках программы Landsat. Выведен на орбиту в 1999 году и продолжает работу. Основной целью спутника было обновление глобального архива спутниковых фотографий. Хотя программа LandSat управлялась NASA, данные съемок обрабатываются и распространяются Геологической службой США. Программа NASA World Wind и большинство картографических сайтов («Карты Google», Yahoo! Maps, Bing Maps) используют в качестве основы изображения, полученные с LandSat-7. У спутника есть несколько компаньонов, следующих по близким орбитам с интервалом несколько минут: аппараты Earth Observing-1, SAC-C и »Терра». Вместе данная группировка иногда называется «утреннее созвездие» (The morning constellation).

Инвестиции в проект превысили 700 млн долл. к 2003 году.

Миссия LandSat-7 изначально рассчитана на длительность 5-7 лет. Спутник мог снимать и передавать до 532 изображений в сутки. Спутник находится на полярной солнечно-синхронной орбите, рассчитанной таким образом, что спутник пролетает над всей поверхностью планеты. При высоте 705 км на полное сканирование поверхности уходит 232 оборота, или 16 суток. Съемка местности происходит примерно в 10 часов утра (±15 минут) по местному солнечному времени.

Повторяемость трека поддерживается с помощью маневров с точностью ±5 км. Схема трека получила собственное обозначение WRS (англ. Worldwide Reference System). В ней поверхность планеты делится на 233 столбца (соответствует орбите) и 248 рядов.

Аппарат весит 1973 кг, его длина - 4,3 м, диаметр - 2,8 м. В отличие от предыдущих аппаратов программы, использовавших магнитную ленту, на LandSat-7 установлен массив твердотельной памяти на 378 гигабит (примерно100 изображений). Основным инструментом для получения изображений является Enhanced Thematic Mapper Plus(ETM+), созданный компанией Raytheon в отделении Santa Barbara Remote Sensing.

Параметры инструмента ETM+:

- Используется сканирование с помощью подвижного зеркала (7 циклов в секунду);

- Полоса захвата: 185 км (угол зрения 15є);

- Телескоп: рефлектор системы Ричи -- Кретьена с 2 зеркалами из стекла с низким коэффициентом расширения (ULE, Ultra Low Expansion);

- Апертура телескопа: 40,6 см; фокусное расстояние: 243,8 см; относительное отверстие: f/6.0;

- Размеры сканера: 1,5Ч0,7Ч2,5 м; масса: 300 кг;

- Панхроматическая камера с разрешением 15 м на точку (1 канал);

- Полноапертурная, 5-процентная абсолютная радиометрическая калибровка;

- Инфракрасная камера с разрешением 30 м (6 каналов);

- Температурный сенсор (дальний ИК-диапазон) с разрешением 60 м.

Фокальная плоскость разделена при помощи специальной оптической системы на основную и «холодную» часть. В основной части находится 32 кремниевых фотодиода (SiPD - silicon photodiode) панхроматического диапазона и4 группы по 16 фотодиодов видимого и ближнего инфракрасного диапазона (до 0,9 мкм). В холодной части фокальной плоскости, охлаждаемой до 91 K, находятся 2 группы по 16 фотодиодов на антимониде индия (InSb) коротковолнового инфракрасного диапазона (SWIR, 1,55-1,75 мкм и 2,09-2,35 мкм) и 8 фотодиодов на теллуриде ртути-кадмия (HgCdTe) теплового ИК-диапазона (TIR, 10,4-12,5 мкм).

Для связи с Землей используются 2 ненаправленные антенны S-диапазона (5 ватт, скорость передачи - около 0,3 Мбит/с, частомты 2106,4 и 2287,5 МГц) и 3 антенны X-диапазона (3,5 ватт, общая скорость в 6 каналах -450 Мбит/с, частоты 8082,5, 8212,5, 8342,5 МГц) Протокол совместим с CCSDS 701.0-B-1.

Также велись работы по проектированию для аппарата четырёхканального сенсора HRMSI (Мультиспектральный стереосенсор оптического и ближнего инфракрасного диапазонов). Планировавшееся разрешение: 5 м (в панхроматическом канале) и 10 м (в мультиспектральном); полоса захвата: 60 км. Работы над инструментом были прекращены в мае 1994 г. из-за недостаточного финансирования.

Landsat 8 - восьмой спутник в рамках программы Landsat(седьмой выведенный на орбиту). Изначально назывался Landsat Data Continuity Mission (LDCM), создан совместно NASA и USGS. Выведен на орбиту 11 февраля 2013 г.

Спутник был построен на базе платформы LEOStar-3 компанией Orbital Sciences Corporation. Полезная нагрузка космического аппарата создана Ball Aerospace и Goddard Space Flight Center (NASA) , запуск произведен United Launch Alliance.

Приблизительно 100 дней после вывода LDCM проходил настройку и проверку и находился под управлением NASA. 30 мая 2013 г., после завершения проверок LDCM был передан под управление USGS и получил официальное обозначение Landsat 8.

Спутник был запущен 11 февраля 2013 г. при помощи ракеты-носителя Атлас-5 . Запуск произошел в 18:02 UTC, на комплексе SLC-3E, базы Ванденберг. Через 78,5 минут после запуска космический аппарат отделился от верхней ступени, завершив выход на орбиту.

LDCM вышел на орбиту, близкую к орбите Landsat 7.

Первые изображения со спутника были получены 18 марта 2013 г.

После выключения Landsat 5 в начале 2013 г., Landsat 7 остался единственным действующим спутником программы Landsat. Спутник Landsat 8 продолжает получение данных для программы, используя два набора инструментов, Operational Land Imager (OLI) и Thermal InfraRed Sensor (TIRS). Первый набор получает изображения в 9 диапазонах видимого света и ближнего ИК, второй набор - в 2 диапазонах дальнего (теплового) ИК. Спутник рассчитан на срок активного существования в 5.25 лет, однако запас топлива позволяет использовать его до 10 лет.

Основные научные задачи Landsat 8:

- Сбор и сохранение многоспектральных изображений среднего разрешения (30 м на точку) в течение не менее чем 5 лет;

- Сохранение геометрии, калибровки, покрытия, спектральных характеристик, качества изображений и доступности данных на уровне, аналогичном предыдущим спутникам программы LandSat;

- Бесплатное распространение изображений, полученных с помощью Landsat 8.

Landsat 8 получает изображения в видимом диапазоне волн, в ближнем ИК и в дальнем ИК, с разрешением снимков от 15 до 100 м на точку. Производится съемка суши и полярных регионов. В сутки снимается порядка 400 сцен (у предыдущего LandSat-7 было всего 250 сцен в день). Сенсоры OLI и TIRS имеют более высокое отношение сигнал-шум (SNR) и позволяют снимать до 12 бит на точку.

В качестве исходных данных использовались:

- Снимки LANDSAT 5/TM за период до и после июля-августа 2010 г. (два покрытия всей территории Пермского края). Снимки LANDSAT 5/TM распространяются бесплатно через сервис [25]

- Снимки SPOT-4 DIMAP (LEVEL 1A), принятые на станцию Унискан-24 в Пермском Государственном университете, за период с 9 мая по 5 сентября 2011 г. Исходные снимки уровня обработки LEVEL 1A имеют низкую точность привязки (300-350 м). Геометрическая коррекция снимков проведена на основе мозаики LANDSAT.

- Архив тепловых аномалий (hotspots), детектированных со спутников TERRA и AQUA в течение 2010 г. Архив в формате шейп-файла был получен с сервиса FIRMS (Fire Information for Resource Management System), предоставляемого NASA.

- Архивные открытые данные о лесных пожарах в Пермском крае, доступные через сайт Агентства по природопользованию Пермского края (далее - АПП ПК)[14]. Данные АПП ПК о зарегистрированных лесных пожарах на территории Пермского края формируются на основе информации, поступающей из лесничеств, от местного населения, а также от Авиалесоохраны. Их использование осложняется отсутствием координатной привязки. Данные за последний год доступны на сайте www.les.permkrai.ru. Всего, по данным АПП ПК, в 2010 году в Пермском крае был зафиксирован 421 лесной пожар на общей площади 25407 га[14].

- Данные по пройденным огнем площадям на территорию Пермского края полученные Институтом Космических исследований РАН на основе спутниковых данных Terra/Aqua-MODIS за 2010 год [7]. Они имеют актуальность на лето 2011 г.

3.2 Обоснование выбора вегетационных индексов

Характерным признаком растительности и ее состояния является спектральная отражательная способность, отличающаяся большими различиями в отражении излучения разных длин волн. При дешифрировании данных спутниковой съемки используются значения яркостей в каналах и построенные на их основе индексы. Индексы отражают особенности преобразования солнечной энергии ландшафтных покровов; степень неравновесности поглощения энергии в разных зонах спектра - энтропия Кульбака; биологическую продуктивность - NDVI, TVI, RVI, gNDVI; содержание влаги в растительности - LMT, NDWI. Наиболее популярный и часто используемый вегетационный индекс - NDVI.

Индекс NDVI вычисляется по формуле (3).

NDVI = (NIR-RED)/(NIR+RED), формула (3)

где NIR - ближний инфракрасный канал, RED - красный.

Участки лесной растительности, пройденные пожарами, характеризуются пониженной спектральной яркостью в ближней инфракрасной зоне (далее по тексту - NIR). Это объясняется уменьшением содержания хлорофилла в вегетативных органах усыхающих деревьев. Также для гарей характерно повышение спектральной яркости в средней инфракрасной зоне (далее по тексту - SWIR). Оно, в свою очередь, объясняется уменьшением содержания влаги в листьях или хвое. В видимой зоне спектра для гарей характерна более высокая, чем у здоровой растительности, спектральная яркость. Это также объясняется уменьшением содержания хлорофилла, которое внешне проявляется в дефолиации и дехромации листьев при усыхании деревьев [1].

DSWVI - это разновременной индекс, наиболее точный для определения гарей. Он вычислется по формуле (4).

DSWVI = SWVIpre - SWVIpost, формула (4)

где приставки pre- и post- означают предпожарное и послепожарное состояние соответственно. SWVI, в свою очередь, вычисляют по (5).

SWVI = (NIR-SWIR)/(NIR+SWIR), формула (5)

где SWIR - коротковолновый инфракрасный (5-й канал снимка LANDSAT 5-TM).

На перечисленных выше закономерностях основаны различные вегетационные индексы, а также комбинации каналов, позволяющие дешифрировать гари.

3.3 Оценка последствий лесных пожаров на примере пожаров в Пермском крае в 2010 году

Летом 2010 г. на Европейской территории России и в Пермском крае наблюдались катастрофические лесные пожары. По территории Пермского края были получены оценки пройденных пожарами площадей от Агентства по Природопользованию Пермского края, МЧС, ИКИ РАН и Гринпис России, значительно различающиеся между собой. Этим была обусловлена постановка первой задачи работы - создание векторного слоя гарей 2010 г. на территорию Пермского края, на основе космических снимков среднего (LANDSAT 5/TM) и высокого (SPOT-4) разрешения.

Вторая задача - оценка степени повреждения лесной растительности на участках, пройденных пожарами летом 2010 г. Оценка проведена по вегетационным индексам, данные полевых наблюдений не использовались.

Методика дешифрирования гарей включает следующие этапы:

- Отбор снимков LANDSAT 5-TM за период до и после зафиксированных пожаров.

- Расчет вегетационных индексов.

Также для всех пар снимков рассчитана степень изменения яркости в ближнем инфракрасном канале с помощью инструмента Change Detection (метод PCA).

Дешифрирование гарей проводилось по следующим признакам:

- Гарь следует искать там, где зафиксированы скопления тепловых аномалий (горячих точек) по данным FIRMS.

- При визуализации снимка LANDSAT 5-TM в RGB-синтезе каналов 7-4-2 гарь выделяется как красно-коричневая область на фоне сохранившейся растительности. Причем на снимке за период до пожаров она отсутствует.

- Гарь выделяется как участок с положительными значениями индексов DNDVI и DSWVI, лежащими в диапазоне от 0,1 до 0,5, редко больше. Наиболее эффективно выделение гари по индексу DSWVI. Использование разностных индексов позволяет избежать включения в площади гарей участков местности, имеющих похожие спектральные характеристики (свежие рубки, горная тундра, каменистые россыпи).

- На изображении, комбинированном из NIR каналов двух разновременных снимков, в RGB-синтезе 1-2-2, гарь выделяется ярко-красным цветом, поскольку спектральная яркость участка в NIR канале после пожара значительно ниже, чем до пожара.