Глава 1 ЦИФРОВЫЕ КАРТЫ ДИНАМИКИ ПРИРОДНОИ СРЕДЫ

Задача мониторинга может быть представлена как «определе­ние изменений окружающей среды, классификация изменений, выяс­нение масштабов изменений и определение допустимости изменений».

Обозначенный комплекс проблем имеет общую основу, свя­занную с отсутствием достаточного количества информации о состоя­нии и изменении окружающей среды. Интенсивно развивающиеся в последнее время методы цифрового картографирования на основе данных дистанционного зондирования Земли могут оказать значитель­ную помощь в решении данной проблемы.

Приведем результаты опытной работы по созданию цифровых картографических материалов -- карт динамики природной среды, отражающих изменения, произошедшие на территории площадью око­ло 5000 км² (Княжпогостский район Республики Коми) за два различ­ных по продолжительности периода -- 15 лет и 3 года (1985-2000 и 2000-2003 гг.). Главной целью являлся поиск подходов, позволяющих минимально возможными средствами обеспечить создание универ­сальных картографических материалов, содержащих информацию о локализации изменений на местности различного характера.

В настоящее время развиты методы картографирования по одиночным снимкам -- создание инвентаризационных карт, отра­жающих текущее состояние территории или отдельных компонент окружающей среды. Часть имеющихся исследований носит обобщен­ный теоретический характер, другая часть методик прошла только опытную эксплуатацию. Многие работы направлены на дешифриро­вание негативных процессов (подтоплений, размывов, оползней) по прямым дешифровочным признакам на аэроснимках, что ограничивает их применение для организации мониторинга больших территорий в виду того, что места локализации изменений заранее неизвестны.

В приведенном примере формирование карт динамики при­родной среды осуществляется посредством создания разностных или разновременных спектрозональных изображений, представляющих «разности» между двумя космическими снимками в цифровом форма­те. Суть процесса получения разностных изображений состоит в сле­дующем: пусть имеются два снимка, имеющих одинаковые (или дос­таточно близкие) по длинам волн наборы спектральных каналов. Не­обходимо найти такой метод поиска отличий между снимками или попарно между соответственными каналами снимков, чтобы участки территории, не изменявшие с течением времени своих отражательных спектральных характеристик, имели как можно более значительный контраст по сравнению с участками, которые изменяли свои характе­ристики.

Для успешного создания разностного изображения необходи­мо выполнение ряда условий для исходных снимков:

- сходные условия освещения;

- сходные условия съемки космическим аппаратом;

- снимки должны быть получены приблизительно в период одинаковой фазы развития растительности;

- на снимках должна полностью отсутствовать дымка или об­лака;

- снимки должны быть точно пространственно привязаны.

Очевидно, что одновременное выполнение всех этих условий

затруднительно в силу того, что календарные даты и сезонные измене­ния растительности часто не совпадают, метеорологические условия очень изменчивы. В силу наличия искажений снимков выделение (классифицирование) пикселей по двоичному критерию наподобие «изменен - не изменен» представляется проблематичным. Следова­тельно, целью должно быть создание не некоего метода, позволяюще­го однозначно установить наличие или отсутствие изменений, а мето­да, позволяющего установить вероятность того, что тот или иной уча­сток территории (пиксель) подвергся изменениям естественного или антропогенного характера.

Большинство методов спектрального анализа и классификации космических снимков являются формальными вычислительными про­цедурами. Следовательно, при определенных ограничениях эти проце­дуры могут быть использованы и для совместной классификации двух снимков с целью поиска отличий на них. Рассмотрим рис. 5, на кото­ром приведена скаттерограмма псевдо-спектрального снимка, состоя­щего из двух каналов. Первый канал получен из канала 3 снимка спут­ника Landsat 5, (сенсор TM) в 1985 г., второй канал получен из канала 3 снимка спутника Landsat 7, (сенсор ETM+) в 2000 г . Оба снимка с достаточной степенью точности удовлетворяют требованиям к исход­ным снимкам, приведенным выше.

Рис. 5. Скаттерограмма разностного изображения

Пиксели, которые отображают участки территории, не под­вергнувшиеся изменениям, будут тяготеть к некоторой центральной линии, проходящей приблизительно по диагонали скаттерограммы. Пиксели, соответствующие значительно измененным участкам терри­тории и, следовательно, имеющие значительно отличающуюся яркость в каждом из каналов, будут располагаться на некотором удалении от центральной линии. Это расстояние будет тем большим, чем больше с течением времени изменился коэффициент отражения участка терри­тории. Таким образом, расстояние d или угол 3, показанные на рис. 5, могут являться мерой степени или вероятности изменений.

Метод спектральной классификации, позволяющий рассчиты­вать расстояние d, известен как метод управляемой классификации по евклидову расстоянию, а метод, основанный на определении угла 3, известен как метод управляемой классификации по спектральному углу.

Метод евклидова расстояния реализован в программном обес­печении (ERDAS Imagine, ENVI) таким образом, что вычисляется рас­стояние не от прямой, а от некоторой точки, расположенной в псевдо­спектральном пространстве. Очевидно, что без создания новой вычис­лительной процедуры, данный метод для вычисления расстояния d неприменим. Однако создание такой процедуры несложно. Сначала, при помощи средств вычисления статистики, которые имеются в лю­бом программном продукте, предназначенном для анализа изображе­ний, вычислим средние значения величин пикселей в каждом из кана­лов -- S1 и S2 (рис. 5). На основании уравнения прямой и расстояния от точки до прямой, принимая во внимание, что мы вычисляем неко­торое условное расстояние и, следовательно, нормированием уравне­ния можно пренебречь, получим следующую формулу:

d' = S1 *DN1 - S2*DN2, (1)

где DN1 и DN2 - значения пикселей в соответствующих спектральных каналах. Применив формулу (1), мы получим изображение, каждый пиксель которого будет содержать число d' , пропорциональное рас­стоянию d. Величина d' может принимать значения как больше, так и меньше нуля. Для точек, располагающихся ниже прямой d' 0, а на рис. 6, Б -- для d'