МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М.В.Ломоносова Географический факультет ПРИМЕНЕНИЕ ЦИФРОВЫХ МЕТОДОВ ОБРАБОТКИ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ ПРИ ЛАНДШАФТНЫХ ИССЛЕДОВАНИЯХ НА ПРИМЕРЕ районА Рыбинского водохранилища Дипломная работа студентки V курса кафедры ФГМиГ Рублевой М.А. Научный руководитель кандидат географических наук ст. научный сотрудник Калуцкова Н.Н. Научный консультант кандидат с х наук ст. научный сотрудник Щербенко Е.В. Москва - 45 Содержание Стр. Введение Цель работы Задачи работы Краткое содержание работы Некоторые характеристики использованных технических средств Использованные материалы и средства обработки I. Методика работы 1.1 Метод главных компонент и его применение 1.2 Объединение снимков с различным разрешением 1.3 Выделение объектов по яркостному порогу 1.4 Метод вычисления вегетационного индекса NDV1.5 Основные понятия и методика кластерного анализа 1.6 Методика проведения работы II. Физико-географическая и ландшафтная характеристика района Рыбинского водохранилища 2.1 Климат 2.2 Геолого-геоморфологическая структура 2.3 Почвы 2.4 Растительность 2.5 Ландшафты 2.6 Ландшафты Дарвинского заповедника Iii. Оценка возможностей цифровых методов обработки космических изображений при дешифрировании природных и антропогенных структур района Рыбинского водохранилища 3.1 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом главных компонент 3.2 Анализ результатов дешифрирования изображения, полученного путем обработки исходных снимков методом наложения merge 3.3 Анализ результатов дешифрирования изображений, полученных путем вычисления индекса NDVI по исходным снимкам 3.4 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом кластерного анализа Заключение Список литературы Приложения ВВЕДЕНИЕ Цель работы В настоящее время новым этапом в развитии методов дешифрирования ландшафтов являются методы, основанные на цифровой обработке космических изображений, которые уменьшают трудоемкость и увеличивают степень объективности дешифрирования некоторых характеристик ландшафтов и их компонентов по сравнению с визуальными методами.
Многие из них также позволяют выявить особенности ландшафтов не только на качественном, но и количественном уровне.
Целью данной работы является оценка применимости при ландшафтных исследованиях регионального масштаба нескольких таких методов, становящихся все более широко используемыми метода главных компонент МГК , метода наложения merge, метода вегетационных индексов в частности NDVI , выделения объектов по яркостному порогу и метода кластерного анализа.
В частности, интересно рассмотреть совокупное использование нескольких методов, приводящее к получению дополнительной информации, недоступной при использовании каждого из данных методов по отдельности. Задачи работы Для оценки применимости данных методов цифровой обработки космических изображений при ландшафтных исследованиях регионального масштаба был выбран район Рыбинского водохранилища в частности Молого-Шекснинский полуостров. Для достижения данной цели было необходимо решить следующие задачи 1. Выделение на территории района Рыбинского водохранилища тестового участка с проведенными на нем ландшафтными исследованиями 2. Дешифрирование космических изображений на территорию тестового участка с помощью визуальных и цифровых методов обработки и сравнение результатов дешифрирования с данными полевых исследований 3. Экстраполяция результатов исследования тестового участка на территорию района Рыбинского водохранилища, охваченную снимками.
Краткое содержание работы Структурно настоящая работа представляет собой - анализ данных космической съемки, картографических, фактических, статистических и других материалов по данной теме, представленный в тексте - дешифрирование многозональных космических снимков среднего и высокого разрешения, полученных со спутника Ресурс-03 - анализ информации, полученной на основе обработки данных изображений цифровыми методами, перечисленными во Введении.
Текстовая часть состоит из введения, основной части и заключения.
В введении указана цель и задачи работы, характеристика ее структуры и используемых материалов. Основная часть делится на несколько глав. В первой главе излагаются основные понятия и описание используемых методов цифровой обработки изображений, а также методика проведения работы принципы выделения тестового участка и последовательность действий при обработке изображений. Во второй главе дается подробная физико-географическая и ландшафтная характеристики рассматриваемой территории и тестового участка.
Итогом всей работы стала третья глава, в которой приводятся результаты цифровой обработки космических изображений и собственно оценка возможностей используемых методик при ландшафтных исследованиях регионального масштаба.
Некоторые характеристики использованных технических средств Основным материалом для проведения данной работы являлись снимки, полученные с космического аппарата Ресурс-03 , который оснащен бортовой измерительной аппаратурой высокого и среднего разрешения, обеспечивающей съемку поверхности Земли в нескольких диапазонах видимой и инфракрасной зоны спектра и включающей в себя а моноблок из двух многозональных оптико-электронных сканирующих устройств высокого разрешения МСУ-Э, установленных на общей поворотной платформе б два комплекта многозонального оптико-механического сканирующего устройства среднего разрешения с конической разверткой МСУ-СК. Камера МСУ-Э имеет следующие технические характеристики, наиболее важные для дальнейшей обработки изображений - рабочие диапазоны 0.5-0.6, 0.6-0.7 и 0.8-0.9 мкм - пространственная разрешающая способность в надире 45 м - поперек направления полета и 35 м - вдоль направления полета - радиометрическая точность 256 уровней квантования сигнала ширина полосы обзора 45 км и др. Предусмотрены два основных режима передачи информации с камер МСУЭ детальный передача данных полного пространственного разрешения с одной камеры, либо обзорный передача данных с обеих камер, но с ухудшенным вдвое пространственным разрешением, при котором передается каждая вторая строка детального изображения.
В обзорном режиме обеспечивается просмотр полосы шириной не менее 80 км, образующейся за счет объединения полос обзора двух камер с 10-км перекрытием.
В камере МСУ-СК реализован принцип конического сканирования, заключающийся в перемещении визирного луча по поверхности конуса с осью, направленной в надир.
МСУ-СК имеет следующие технические характеристики - рабочие диапазоны 0.5-0.6, 0.6-0.7, 0.7-0.8, 0.8-1.1 мкм видимые и ближние ИК участки спектра и 10.4-12.6 мкм тепловой ИК участок - пространственное разрешение 140 м в видимом и ближнем ИК участках и 550 м в тепловом ИК участке - радиометрическая точность 256 уровней квантования сигнала - ширина полосы обзора 600 км и др. Передача видеоинформации со сканирующих устройств сопровождается передачей дополнительной телеметрической информации, которая используется как для оперативного контроля некоторых параметров бортовой измерительной аппаратуры, так и для пространственной привязки, геометрической и фотометрической коррекции видеоинформации при ее вторичной обработке на средствах потребителя.
Аппаратура КА серии Ресурс-0 удовлетворяет основным требованиям обеспечиваемое пространственное разрешение, используемые спектральные диапазоны, периодичность наблюдения и др. к информации для дистанционного зондирования Земли для решения многих тематических задач. Использованные материалы и средства обработки В данной работе использовался один трехзональный снимок высокого разрешения, полученный сканером МСУ-Э на западную часть Рыбинского водохранилища Молого-Шекснинский полуостров от 13.04.97 и четырехзональный снимок среднего разрешения сканер МСУ-СК на территорию всего района Рыбинского водохранилища от 31.05.97. Вся обработка данных снимков проводилась в ERDAS Imagine , ГИС ArcView и графических редакторах Adobe Photoshop , Power Point и СorelDRAW . Для проведения работы также использовались следующие картографические материалы 1. Ландшафтная карта Дарвинского заповедника.
М-б 1 50000. 2. Карта ландшафтной структуры Дарвинского заповедника.
М-б 1 10. 3. Карта земельных угодий СССР. М-б 1 40, 1989. 4. Ландшафтная карта СССР. М-б 1 40, ред. А.Г.Исаченко. 5. Карта растительности Европейской части СССР. М-б 1 250, 1974. 6. Карта Ярославской области.
М-б 1 20, 1993. 7. Карта торфяных месторождений Нечерноземной зоны РСФСР. М-б 1 150, 1980. 8. Комплексные атласы Ярославской и Вологодской областей. 9. Нечерноземная зона РСФСР. Карта использования земель.
М-б 1 150, 1976. 10. Нечерноземная зона РСФСР. Карта сельского хозяйства.
М-б 1 150, 1978. 11. Нечерноземная зона РСФСР. Карта мелиорации земель.
М-б 1 150, 1978. 12. Нечерноземная зона РСФСР. Карта охраны растительного мира. М-б 1 150, 1980. 13. Нечерноземная зона РСФСР. Почвенная карта. М-б 1 150, 1978. I. МЕТОДИКА РАБОТЫ В данной работе использовалось пять методов цифровой обработки космических изображений, которые можно подразделить на три основные группы как, впрочем, и другие цифровые методы, не использовавшиеся здесь - методы улучшения качества изображения для последующего визуального дешифрирования - метод главных компонент и метод наложения - интерактивные методы пользователь участвует непосредственно в процессе обработки, задавая определенные условия - выделение объектов по яркостному порогу - автоматизированные методы пользователь практически не участвует в процессе обработки изображений, лишь на последнем этапе идентифицируя выделенные машиной объекты - кластерный анализ и вегетационный индекс NDVI . 1.1
Метод главных компонент МГК используется как эффективный инструмент ан... На рис. показано распределение их значений на плоскости. Направление первой главной компоненты - первый собственный вектор, а е... В общем случае в n измерениях имеются n основных компонент.
Данная функция как бы накладывает один из каналов изображения с высоки... 1.3 Выделение объектов по яркостному порогу Данный метод используется ... Объединение снимков с различным разрешением. 1.4 . В ERDAS Imagine существует функция, позволяющая объединить два снимка ...
Метод вычисления вегетационного индекса NDV. I Методы вычисления вегетационных индексов в т.ч. индекса NDVI заключаются в выделении зеленой растительности с помощью ... Использование вегетационных индексов возможно благодаря специфическому... ИК - К .
Основные понятия и методика кластерного анализа. Первый заключался в дешифрировании природных и антропогенных структур ... Последний, третий этап заключался в непосредственном анализе возможнос... ФИЗИКО-ГЕОГРАФИЧЕСКАЯ И ЛАНДШАФТНАЯ ХАРАКТЕРИСТИКА РАЙОНА РЫБИНСКОГО В... Радиационный баланс составляет 19-20 ккал см2 в год.
Максимальное распространение условно-коренная растительность имеет на ... Основными коренными породами, произрастающими на данной территории, яв... Урочища наиболее высоких поверхностей гряд представлены сосняками бело... На них развиты сосняки зеленомошные на слабоподзолистых почвах. Часто ... В местах стока сформировались урочища мезотрофных сфагновых топей, явл...
выводы, которые экстраполировались на всю рассматриваемую территорию.
Ниже представлен анализ результатов обработки исходных снимков по каждому из использованных цифровых методов. 3.1 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом главных компонент Метод главных компонент относится к группе цифровых методов, позволяющих улучшить качество изображения для визуального дешифрирования.
По результатам анализа изображения, обработанного МГК, можно сделать вывод, что первая главная компонента близка к наиболее яркому каналу исходного изображения и даже более контрастна. Вторая главная компонента подчеркивает текстуру изображения, позволяя четко разделить контура и объекты, имеющие на снимке однородную, ровную текстуру от объектов, характеризующихся зернистостью. При этом может наблюдаться эффект псевдорельефа - объекты с более зернистой текстурой кажутся выпуклыми.
Третья главная компонента рассматривалась лишь по изображению среднего разрешения, но она содержит преимущественно шум, только болота и облачность выделяются темным цветом. Синтез трех первых главных компонент майского снимка среднего разрешения см. приложение является более информативным по сравнению с исходным, поскольку б ольшая контрастность синтезированного изображения в первом канале позволяет очень четко отделить болотные массивы от лесных.
Олиготрофные и мезотрофные болота как облесенные, так и необлесенные на торфах разной мощности на рассматриваемый сезон характеризуются большей яркостью растительности, чем основные поверхности водно-ледниковых и моренных равнин с сосновыми и еловыми преимущественно зеленомошными лесами, распространенными практически повсеместно на данной территории и обладающими различной степенью дренированности. Комплексы с лесами переувлажненных местообитаний характеризуются темными цветами, что связано с невысоким бонитетом таких лесов.
Эффект псевдорельефа, присутствующий во второй главной компоненте, мало проявляется на данном изображении из-за его невысокого разрешения благодаря такому разрешению практически все объекты обладают более или менее неоднородной текстурой. Так, сельскохозяйственные угодья с культурной растительностью на дерново-подзолистых окультуренных почвах и селитебные территории на снимке среднего разрешения образуют практически единый, весьма мозаичный контур, обладающий очень крупной зернистостью.
При этом с х земли имеют на синтезированном изображении светло-желтый оттенок благодаря тому, что молодые с х культуры обладают высокой отражательной способностью. Территории населенных пунктов резко с ними контрастируют и имеют на изображении красный цвет. Промышленные зоны городов Череповец и Рыбинск характеризуются более темными оттенками, чем другие селитебные территории, из-за значительной загрязненности, проявляющейся в снижении отражательной способности.
Необходимо отметить, что некоторые объекты например, облачность незначительно, но затрудняют дешифрирование данного изображения, поскольку имеют практически тот же цвет, что и селитебные территории, а тени облаков оказывают на нижележащие контура затемняющее действие. Синтез двух первых компонент весеннего снимка высокого разрешения см приложение показывает совершенно другую картину. Снимок был сделан в то время, когда на рассматриваемой территории держался устойчивый снежный покров, и из-подо льда освободилось лишь русло р. Мологи и большая часть зоны временного затопления что хорошо видно даже на исходном снимке. Этот факт свидетельствует о том, что дешифрирование данной территории может производиться преимущественно по присутствию и состоянию снежного покрова, а также наличию и плотности древесной растительности, которая его маскирует.
Первая главная компонента, как уже описывалось выше, усиливает контрастность изображения, что вкупе с псевдорельефом во второй главной компоненте создает очень интересный эффект.
На снимке ровным сиреневым цветом выделились водные объекты подо льдом, с х угодья и открытые почвы под снегом, а также олиготрофные и олиготрофно-мезотрофные необлесенные болота на средних и глубоких торфах. Комплексы, обладающие развитым и плотным древесным ярусом такие, как водно-ледниковые гряды с сосновыми и еловыми зеленомошными лесами на слабоподзолистых глееватых почвах долины рек с сосново- и елово-березовыми травяными лесами на перегнойно-дерново-подзолистых почвах растительность зоны временного затопления с преимущественно ивовыми зарослями выделились контрастным желто-зеленым цветом и кажутся выпуклыми.
Комплексы олиготрофно-мезотрофных и мезотрофных облесенных болот на мелких и средних торфах стоков с олиготрофных болот обладают менее выраженным древесным ярусом и дешифрируются по цвету, переходному от сиреневого к желто-зеленому. Необходимо заметить, что присутствие псевдорельефа значительно улучшает визуальное восприятие изображения и облегчает его дешифрирование, несмотря на небогатую цветовую гамму.
Таким образом, по весеннему снимку высокого разрешения, обработанного методом главных компонент, четко выделяются природные комплексы с древесной растительностью, хотя определение породного состава древостоя выглядит затруднительным. Кроме того, ивовые заросли зоны временного затопления сливаются с береговой древесной растительностью, что делает практически невидимой береговую линию и невозможным определение размеров зоны временного затопления. 3.2 Анализ результатов дешифрирования изображения, полученного путем обработки исходных снимков методом наложения merge Метод наложения можно также отнести к группе цифровых методов, улучшающих качество изображения для визуального дешифрирования.
Совмещение одного из каналов изображения высокого разрешения с каждым каналом снимка среднего разрешения позволяет практически вдвое повысить информативность синтезированного изображения, которое обладает высоким пространственным разрешением и цветовой основой от снимка среднего разрешения.
На синтезированном изображении см. приложение хорошо различаются с х и селитебные земли, поскольку цветовые характеристики снимка среднего разрешения подчеркиваются четко выраженной структурой изображения высокого разрешения. Также более четко видны и другие объекты антропогенного происхождения просеки, дороги и т.д. С помощью данного метода удалось лучше отдешифрировать структуру болот однозначно выделились мезотрофные облесенные стоки с них, хотя на исходном снимке высокого разрешения и при его обработке МГК они плохо дешифрировались из-за сходства с сосновыми и еловыми зеленомошными лесами водно-ледниковых гряд, а на изображении среднего разрешения - из-за недостаточности разрешения.
Совмещение обоих изображений привело к выявлению береговой линии, что позволило четко выделить зону временного затопления, хотя, как уже указывалось, ни на одном из исходных снимков по отдельности она практически не выделяется.
Эта зона имеет на синтезированном изображении наиболее темный цвет. Выделение этих комплексов произошло потому, что при совмещении двух разносезонных изображений четко обозначились их границы на одном из снимков уровень водохранилища высок практически сразу после половодья, и хорошо видна береговая линия, а на другом граница снежного покрова обозначает минимальный уровень после зимней межени. Для удобства дальнейшего анализа зона временного затопления была отделена по яркостному порогу по четвертому каналу синтезированного изображения наиболее контрастному и окрашена в синий цвет см. приложение . 3.3 Анализ результатов дешифрирования изображений, полученных путем вычисления индекса NDVI по исходным снимкам Методы вычисления вегетационных индексов в т.ч. индекса NDVI можно отнести к полностью автоматизированным методам, в которых участие пользователя ограничивается лишь последним этапом - идентификацией выделенных объектов.
Снимок среднего разрешения приложение сделан в конце мая, когда практически вся растительность находится в зеленом состоянии, поэтому на нем территория дешифрируется преимущественно по присутствию светлые оттенки серого или отсутствию темный тон растительности.
Там, где растительность есть, можно выделить ее различное состояние - молодые с х культуры на дерново-подзолистых окультуренных почвах характеризуются максимальной яркостью, а различные болотные комплексы и основные поверхности водно-ледниковых и моренных равнин различной степени дренированности с сосновыми и еловыми преимущественно зеленомошными лесами практически не выделяются из общего фона. В целом данное изображение недостаточно информативно, поскольку на нем не дешифрируется бонитет лесной растительности и, следовательно, степень дренированности территории.
Снимок высокого разрешения после вычисления индекса NDVI представляет из себя более интересную картину см. приложение, поскольку на нем ярко проявляются лишь хвойные леса, что позволяет их легко дешифрировать. Древние бугристые сухие материковые дюны с сосновыми беломошными и беломошно-зеленомошными лесами на слабоподзолистых почвах, а также плоские, местами широкие свежие и влажные водно-ледниковые гряды с сосновыми и еловыми зеленомошными лесами на слабоподзолистых и слабоподзолистых глееватых почвах выделяются наиболее светлым цветом.
Используя метод выделения объектов по яркостному порогу, эти комплексы были окрашены красным цветом приложение . 3.4 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом кластерного анализа Кластерный анализ, как и предыдущий метод, относится к автоматизированным цифровым методам обработки многозональных изображений.
Идентификация выделенных с его помощью объектов проводится с привлечением наземной информации, карт, спектральных кривых, а также других методов обработки изображений.
Сравнительный анализ ландшафтной карты и кластерного изображения на территорию заповедника показал, что на снимке среднего разрешения приложение мы видим различную яркость лесов на тех или иных местообитаниях, которая определяется бонитетом леса, его сомкнутостью и т.д что прямо зависит от условий увлажнения территории. Среди урочищ гряд водораздельных равнин на снимке среднего разрешения хорошо выделяются занимающие очень незначительные площади древние материковые дюны, бугристые, сухие со слабоподзолистыми почвами под сосновыми беломошными и беломошно-зеленомошными лесами. На кластерном изображении они характеризуются заметным преобладанием темно-зеленого цвета.
Четко выделяются плоские, местами широкие, свежие водно-ледниковые гряды со слабоподзолистыми почвами под сосновыми зеленомошными лесами, они дешифрируются по преобладанию сине-зеленого цвета. Урочища плоских влажных водно-ледниковых гряд со слабоподзолистыми глееватыми почвами под еловыми и березовыми зеленомошными лесами дешифрируются менее однозначно, на кластерном изображении они в некоторых местах выделяются как более сырые местообитания, чем это должно быть, судя по карте.
Этим урочищам соответствует преобладание сине-зеленого цвета в сочетании со светло-зелеными и коричневым. Урочища, находящиеся в переходной зоне от гряд к болотным массивам, представляют из себя сырые местообитания с торфяно-средне- и сильно-подзолистыми почвами под сосновыми, еловыми и березовыми заболачивающимися лесами.
На кластерном изображении они выделяются по сочетанию светло-зеленого и сине-зеленого цветов. Среди урочищ болотных массивов наиболее четко выделяются занимающие обширные территории на Молого-Шекснинском полуострове открытые олиготрофные и олиготрофно-мезотрофные болота с грядово-мочажинным комплексом на глубоких торфах. Эти урочища определяются по явному преобладанию светло-коричневого цвета. По окраинам этих болот в основном на местах стоков с них темно-коричневым цветом обозначаются мезотрофные открытые и облесенные болота на средних и мелких торфах. Остальные урочища болотных массивов выделяются хуже, например, облесенные олиготрофные болота на мелких и средних торфах читаются почти так же, как и облесенные мезотрофные стоки с болот.
По всей видимости, это опять-таки связано с маскирующим эффектом древесной растительности. Растительность сельскохозяйственных угодий на конец мая которым датируется снимок характеризуется очень высокой отражательной способностью, что подтверждается ее спектральным профилем на рис и имеет на кластерном изображении светло-коричневый цвет, как и растительность болот.
Однако, эти контура перемежаются с контурами открытых почв селитебных территорий голубой цвет кластерного изображения, из чего можно заключить, что это именно культурная растительность, либо растительность естественных пастбищ отделить пастбища от пашен по снимкам практически невозможно. Антропогенные объекты, такие как населенные пункты, особенно крупные, обладают значительной неоднородностью отражательных свойств в различных их частях.
Так центры городов и особенно их промышленные территории, характеризующиеся повышенной загрязненностью металлургический завод в Череповце, центр Рыбинска, обладают более плотной застройкой, чем окраины. Они имеют на исходном снимке значительно более темный оттенок, выражающийся на кластерном изображении темно-зеленым и даже фиолетовым цветами. При сравнительном анализе различных карт, исходного и кластерного изображений видно, что за некоторыми исключениями преобладанию каждого цвета кластерного изображения среднего разрешения соответствуют территории с приблизительно одинаковым увлажнением, сходной структурой растительного покрова или одинаковым типом землепользования.
Так, в выделенных по исходному снимку лесных контурах на кластерном изображении выделяются более дробные градации по степени дренированности местообитаний преобладающему темно-зеленому цвету соответствуют сухие и свежие дренированные местообитания с сосновыми зеленомошными лесами и их производными преобладающему сине-зеленому - свежие и влажные дренированные местообитания с сосновыми и еловыми зеленомошными и смешаннотравными лесами и их производными сочетанию сине-зеленого и светло-зеленого - влажные и сырые слабодренированные местообитания с хвойными зеленомошными и долгомошными лесами и их производными сочетанию светло-зеленого и темно-коричневого - сырые местообитания с заболоченными мелколиственными и сосновыми лесами. В пределах болотных контуров выделяются следующие градации преобладанию светло-коричневого цвета соответствуют открытые купола олиготрофных и олиготрофно-мезотрофных болот с грядово-мочажинным комплексом сочетанию темно-коричневого со светло-коричневым - мезотрофные облесенные болота, в том числе на местах стока с олиготрофных болот.
По снимку высокого разрешения датируемому серединой апреля приложение, как уже отмечалось выше, дешифрирование территории может производиться преимущественно по присутствию и состоянию снежного покрова, а также наличию и плотности древесной растительности, которая его маскирует.
Большая часть природных объектов выделяется не однозначно и характеризуется сочетанием цветов.
Более темным градациям яркости соответствуют древние материковые дюны, бугристые, сухие с сосновыми беломошными и беломошно-зеленомошными лесами на слабоподзолистых почвах и урочища плоских водно-ледниковых гряд, свежих и влажных, с сосновыми и еловыми зеленомошными лесами на слабоподзолистых и слабоподзолистых глееватых почвах.
На кластерном изображении они характеризуются сочетанием преимущественно сиреневого цвета в сочетании с зеленым. Мезотрофные облесенные стоки с болот на мелких и средних торфах выделяются по преобладающему зеленому цвету, т.е. также имеют достаточно невысокую отражательную способность из-за присутствия древесной растительности. Возможно, затемняющий эффект оказывается и состоянием снега, который на местах стоков с болот сходит интенсивнее и поэтому не обладает высокой яркостью, характерной для устойчивого снежного покрова.
Непосредственно болотные комплексы на снимке высокого разрешения обладают высокой яркостью. Облесенные олиготрофные и олиготрофно-мезотрофные болота на мелких и средних торфах выделяются по сочетанию светло-зеленых оттенков, но затемняющее действие древесной растительности все-таки сказывается, и они уступают по яркости олиготрофным открытым болотам на глубоких торфах, характеризующихся сочетанием белого и светло-розового цветов.
Необходимо отметить, однако, что данный метод имеет некоторые особенности, которые желательно учитывать при дальнейшем его использовании. Например, необходимо более детальное изучение исследуемой территории или привлечение дополнительных методов дешифрирования в случаях, когда яркости различных по своей природе объектов сходны и программа кластерного метода относит их в одну и ту же категорию. Так, на снимке высокого разрешения растительность зоны временного затопления попала в одну группу с хвойными лесами, а с х земли и открытые почвы населенных пунктов неотличимы от комплексов открытых олиготрофных болот.
Для уточнения этих контуров на кластерное изображение высокого разрешения были наложены выделенные ранее комплексы с хвойными лесами и зона временного затопления см. приложение. ЗАКЛЮЧЕНИЕ В результате проделанной работы были проанализированы трехзональный снимок высокого разрешения на Молого-Шекснинский полуостров от 13.04.97 и четырехзональный снимок среднего разрешения на территорию всего района Рыбинского водохранилища от 31.05.97 и изображения, полученные путем обработки исходных снимков различными цифровыми методами при сравнительном анализе данных изображений с фактическими, картографическими и литературными материалами.
Это позволило сделать следующие выводы 1. Снимок высокого разрешения весеннего периода позволяет выявить динамику состояния снежного покрова на территории, а также наличие древесной растительности и плотности древостоя. На майском снимке среднего разрешения выделяются леса на тех или иных местообитаниях, их бонитет и т.д что прямо зависит от условий увлажнения территории 2. По весеннему снимку высокого разрешения, обработанному методом главных компонент, четко выделяются природные комплексы с древесной растительностью, хотя определение породного состава древостоя выглядит затруднительным.
Ивовые заросли зоны временного затопления сливаются с береговой древесной растительностью, что делает практически невидимой береговую линию и невозможным определение размеров зоны временного затопления. 3. С помощью метода наложения более четко дешифрируются структуры болотных комплексов.
Однозначно выделяются мезотрофные облесенные стоки с болот, хотя на исходном снимке высокого разрешения и при его обработке МГК они плохо дешифрируются из-за сходства с сосновыми и еловыми зеленомошными лесами водно-ледниковых гряд, а на изображении среднего разрешения - из-за недостаточности разрешения. Совмещение обоих изображений позволило выявить береговую линию и зону временного затопления, хотя ни на одном из исходных снимков по отдельности она практически не выделяется. 4. Поскольку вегетационный индекс NDVI чувствителен только к зеленой растительности, то по его изображению на весенний период четко выделяются только хвойные леса. В конце мая, когда был сделан снимок среднего разрешения, практически вся растительность находится в зеленом состоянии, поэтому территория дешифрируется преимущественно по присутствию или отсутствию растительности, а также ее различному состоянию. 5. Метод выделения объектов по яркостному порогу удобен, поскольку позволяет выделить только интересующие исследователя объекты и наложить их на другие снимки или картографическую основу для большей наглядности.
Кроме того, существует возможность автоматического подсчета площадей выделенных объектов, что полностью исключает участие человека в этой трудоемкой процедуре. 6. При сравнительном анализе различных карт, исходного и кластерного изображений было установлено, что за некоторыми исключениями преобладанию каждого цвета кластерного изображения среднего разрешения соответствуют территории с приблизительно одинаковым увлажнением, сходной структурой растительного покрова или одинаковым типом землепользования.
В случаях, когда яркости различных по своей природе объектов сходны и программа кластерного метода относит их в одну и ту же категорию, необходимо более детальное изучение исследуемой территории или привлечение дополнительных методов дешифрирования.
Так, на снимке высокого разрешения растительность зоны временного затопления попала в одну группу с хвойными лесами, а с х земли и открытые почвы населенных пунктов неотличимы от комплексов открытых олиготрофных болот.
Однако, эта проблема практически снимается наложением выделенных ранее другими методами комплексов с хвойными лесами и зоны временного затопления.
Цифровые методы обработки многозональных космических изображений, оценка возможностей которых проводилась в данной работе, необходимы при уточнении ландшафтных контуров, выявлении динамики и направленности различных природных процессов, влиянии тех или иных объектов друг на друга. СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 1. Викторов С.В Востокова Е.А Вышивкин Д.Д. Введение в индикационную геоботанику М. МГУ, 1962 227 с. 2. Гарбук С.В Гершензон В.Е. Космические системы дистанционного зондирования Земли М. Издательство А и Б, 1997 296 с. 3. Дистанционное зондирование количественный подход.
Под ред. Свейна Ф Дейвиса Ш М. Недра, 1983 415 с. 4. Дэвис Дж. С. Статистический анализ данных в геологии. Пер. с англ М. Недра, 1990 427с. 5. Исаев А.С Сухих В.И Калашников Е.Н. и др. Аэрокосмический мониторинг лесов М. Наука, 1991 240 с. 6. Исаченко А.Г. Ландшафты СССР Л. ЛГУ, 1985 320 с. 7. Калуцкова Н.Н. Ландшафтный кадастр заповедных территорий методика составления и использование при организации биосферных заповедников диссертация М. МГУ, 1985 214 с. 8. Книжников Ю.Ф. Основы аэрокосмических методов исследований МГУ, 1980 - 137 с. 9. Книжников Ю.Ф Кравцова В.И. Принцип множественности в современных аэрокосмических методах и способы дешифрирования серии снимков при сельско-хозяйственных исследованиях.
Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве М. Наука, 1990 - с. 47-54. 10. Кравцова В.И. Географическое разрешение - новый показатель географо-картографической оценки снимков.
Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве М. Наука, 1990 - с. 34-46. 11. Кринов Е.Л. Спектральная отражательная способность природных образований изд-во АН СССР, М.Л 1947 - 271 с. 12. Мильков Ф.Н Гвоздецкий Н.А. Физическая география СССР. Общий обзор М. Государственное издательство географической литературы, 1958 351 с. 13. Проблемы природного и сельскохозяйственного районирования и типологии сельских местностей СССР. Под ред. Гвоздецкого Н.А Крючкова В.Г М. МГУ, 1989 287 с. 14. Рачкулик В.И Ситникова М.В. Отражательные свойства и состояние растительного покрова Л. Гидрометеоиздат, 1981 287 с. 15. Толчельников Ю.С. Оптические свойства ландшафта Л. Наука, 1974 - 252 с. 16. Физико-географическое районирование Нечерноземного центра.
Под ред. Гвоздецкого Н.А Жучковой В.К М. МГУ, 1963 451 с. 17. Физико-географическое районирование СССР. Характеристика региональных единиц. Под ред. Гвоздецкого Н.А М. МГУ, 1968 576 с. 18. Щербенко Е.В Асмус В.В Андроников В.Л. Методика цифровой обработки аэрокосмической информации для составления почвенных карт. Исследование Земли из космоса, 1990, 4 с. 102-112. 19. Billings W.D Morris R.J. Reflection of visible and infrared radiation from leaves of different ecological groups Amer. J. Bot 1951, vol. 38, 5. 20. Coulson K.L Reynolds D.W. The spectral reflectance of natural surfaces J. Appl. Met 1971, vol. 10, 6. 21. Erdas Field Guide. Fourth edition USA, 1997. 22. Tucker C.J. Photocombination for monitoring vegetation Remote Sensing of Environment, 1976. ПРИЛОЖЕНИЯ 1. Снимок среднего разрешения на территорию района Рыбинского водохранилища 2. Схема дешифрирования данного снимка с легендой 3. Снимок высокого разрешения на территорию Молого-Шекснинского полуострова 4. Карта ландшафтной структуры Дарвинсого заповедника, сост. Калуцковой Н.Н мб1.