Оценка характеристик лесных территорий на основе сопряженного анализа данных ГИС и спутниковой съемки

• Автор: Корец, Михаил Анатольевич
• Шифр специальности: 05.11.13
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Красноярск
• Количество страниц: 156 с.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1. МЕТОДЫ ИНТЕРПРЕТАЦИИ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ
1.1. Развитие методов дистанционного зондирования
1.2. Методы предварительной обработки спутниковых изображений
1.2.1. Радиометрическая коррекция
1.2.2. Расчет абсолютных значений яркости
1.2.3. Создание композитных изображений и масок
1.2.4. Геометрическая трансформация изображений
1.2.5. Радиометрическая коррекция влияния рельефа местности
1.3. Дополнительные признаки для оценки параметров растительности по данным дистанционного зондирования
1.3.1. Зональные отношения
1.3.2. Локальные пространственные характеристики
1.4. Интерпретация качественных и количественных характеристик
1.5. Методы классификации
1.5.1. Неуправляемая классификация
1.5.2. Классификация с обучением
1.5.3. Методы снижения размерности пространства признаков
1.5.4. Оценка качества классификации
1.6. Методы оценки количественных характеристик по данным дистанционного зондирования
1.6.1. Линейные регрессионные модели
1.6.2. Методы декомпозиции спектральных смесей
1.7. Обобщенный контекст сцены
1.8. Актуальные проблемы тематической интерпретации дистанционных данных
2. МЕТОДЫ СОПРЯЖЕННОГО АНАЛИЗА ДАННЫХ СПУТНИКОВОЙ СЪЕМКИ И ГИС ДЛЯ ОЦЕНКИ КАЧЕСТВЕННЫХ И КОЛИЧЕСТВЕННЫХ ХАРАКТЕРИСТИК ЛЕСНЫХ ТЕРРИТОРИЙ
2.1. Принцип сопряженного анализа разнородных данных в средствах ГИС
2.2. Метод автоматизированного формирования эталонных выборок
2.2.1. Расчет статистических сигнатур выделов
2.2.2. Исключение пограничных зон выделов
2.2.3. Учет размера и формы выделов
2.2.4. Анализ степени пространственной однородности выделов
2.2.5. Стратификация выделов по степени однородности.
2.3. Метод непараметрической регрессии для оценки количественных характеристик растительности
2.4. Методика для классификации категорий земель и оценки запасов надземной фитомассы древесного яруса

2.5. Выводы к разделу
3. СОСТАВ И СТРУКТУРА КОМПЛЕКСА ГИС "ЛЕСА СРЕДНЕЙ СИБИРИ"
3.1. Назначение, функции и структура банка данных многоуровневой ГИС "Леса Средней Сибири"
3.2. Структура лесоинвентаризационной ГИС локального масштабного уровня
3.2.1. Цифровая картографическая основа
3.2.2. База данных ГИС о лесном фонде
3.2.3. Материалы космической съемки
3.3. Аппаратурные, программные и функциональные средства комплекса ГИС
3.3.1. Аппаратурные средства для обработки геоданных..
3.3.2. Программные средства
3.3.3. Функциональные возможности комплекса на базе PC Arclnfo и ArcView GIS
3.4. Разработанное программное обеспечение
4. ОЦЕНКА ПОРОДНОГО СОСТАВА И ЗАПАСА ФИТОМАССЫ ЛЕСНЫХ НАСАЖДЕНИЙ ПО ДАННЫМ СПУТНИКОВОЙ СЪЕМКИ LANDSAT ТМ С ИСПОЛЬЗОВАНИЕМ ГИС
4.1. Характеристика объекта исследования
4.2. Выбор данных спутниковой съемки
4.3. Предварительная обработка данных
4.4. Классификация категорий земель
4.5. Количественная оценка запаса надземной фитомассы по данным спутниковой съемки Landsat ТМ методами линейной и непараметрической регрессии
4.5.1. Линейные регрессионные модели оценки запаса
4.5.2. Оценка запаса дрезостоев по методу
непараметрической регрессии
ОСНОВНЫЕ НАУЧНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность исследований. В конце текущего столетия леса Сибири оказались в центре многих жизненно важных проблем человечества. Они представляют значительный интерес для мирового сообщества с точки зрения глобальной экологии, развития социально-экономических и торговых отношений. Для поддержания экологической устойчивости бореальных лесов Сибири требуется организация регулярных наблюдений за их состоянием, использованием и воспроизводством. Основу традиционных методов контроля за функционированием лесных экосистем составляют данные лесоустройства,
лесопатологических обследований, статистической отчетности и научных исследований лесов. Однако, использование только этой информации для оперативного управления лесным хозяйством недостаточно из-за ее пространственной и временной разобщенности и слабой систематизированности. В настоящее время ощущается острая потребность в создании систем и методов пространственно-временного мониторинга лесов на базе интеграции существующих потоков информации и данных, получаемых с помощью дистанционных методов. На сегодняшний день наиболее целесообразно рассматривать такие методы и данные в связи с геоинформационными системами (т. е. географическими или геотематическими информационными системами), благодаря которым повышается практическая отдача дистанционного зондирования [36].
Для оперативного мониторинга лесных экосистем на обширных территориях Сибири в последнее время все большую актуальность приобретают методы автоматизированного определения качественных (таких, как породный состав) и количественных (например, запас надземной фитомассы) характеристик лесного покрова по данным дистанционного зондирования.

ниже простых оценок полного совпадения р0, который учитывает только диагональные элементы матрицы совпадений.
1.6. Методы оценки количественных характеристик по
данным дистанционного Зондирования
В тех случаях, когда необходимо оценить значение некоторого наземного показателя в каждой точке дистанционного изображения, методы жесткой классификации неприменимы, так как они выносят однозначное решение по отнесению пикселя к тому или иному классу из дискретного набора. Хотя каждый класс может представлять диапазон значений оцениваемой характеристики [29, 60], непрерывную
картину распределения получить будет невозможно.
Например, для определения запаса фитомассы, необходимо получить по возможности непрерывную растровую карту ее
распределения в пространстве, причем измеряемую в принятых величинах (м3/га) для каждого пикселя изображения.
Обычно в таких случаях пытаются установить вид корреляционной зависимости между дистанционными признаками изображения и оцениваемой величиной на основании анализа эталонных данных. При этом часто использовался аппарат простой или множественной линейной регрессии.
1.6.1. Линейные регрессионные модели
В работе [56] в качестве независимых переменных линейных моделей для оценки запаса древесины используются
значения яркости пикселей в ряде спектральных каналов, а
зависимой переменной выступает логарифм оцениваемой величины. Наряду со спектральными признаками в качестве независимых переменных регрессии часто используют и вегетационные индексы [57].
Линейные регрессионные модели, как правило, строятся отдельно для каждой породы насаждений в пределах