МОНИТОРИНГ БИОСФЕРЫ И ДИСТАНЦИОННОЕ

1
УДК 528+63
МОНИТОРИНГ БИОСФЕРЫ И ДИСТАНЦИОННОЕ
ЗОНДИРОВАНИЕ
РАЗДЕЛ 1. Введение. Понятие биосферы.
Лекция 1. Введение.
Понятие «биосфера» было разработано Вернадским в 20-х годах прошлого века.
Биосфера - это та часть Земли, в которой обитают и размножаются живые организмы. В биосферу входит часть твердой оболочки Земли - литосферы, водной оболочки - гидросферы, и газовой оболочки - атмосферы. Круговорот различных веществ в биосфере в сумме образует мощный круговорот
элементов между литосферой, гидросферой и атмосферой - так называемый
биогеохимический цикл. Основные циклы – углерода, фосфора, азота, кальция и др. Биогеохимические циклы для наиболее важных компонентов в общих чертах определены: известны источники, направления обмена элементами между организмами и резервуарами. Но до настоящего времени количественные характеристики этих циклов определены только в самых общих чертах. Трудности количественных оценок связаны со сложностью и изменчивостью процессов.
Источником энергии для функционирования компонентов биосферы
является Солнце. Согласно законам термодинамики, в биологических системах энергия переходит из одного вида в другой. Так, энергия солнечного света фиксируется растениями (автотрофами) в ходе фотосинтеза и высвобождается в процессе метаболизма в виде тепла как самими растениями, так и животными, грибами, а также большинством бактерий. При переходе с одного
уровня усвоения энергии на другой около 99% энергии рассеивается в виде
тепла и никогда больше не может использоваться организмами. Только 1%
(цифры очень приблизительны) энергии идет на поддержание жизни и развитие организма. Передача по цепочке «Солнце – растение – травоядное животное – хищник первого порядка – хищник второго порядка и т.д.» сопровождается потерей энергии.
Живое вещество распределено в биосфере неравномерно. Общая масса
биосферы составляет примерно 1.81012 т живого вещества. Если это количе-
2
ство равномерно распределить по поверхности планеты, получится тонкий
слой толщиной всего около 1 см. Если представить, что Земля - это яблоко,
то этот слой будет гораздо тоньше яблочной кожуры. В действительности же
биомасса распределяется неравномерно - от 45 кг/м2 в тропических лесах до
0.003 кг/м2 в океанах. В основном наиболее скудно заселены пустыни, полярные районы и глубокие пещеры. В зависимости от климатических и других факторов живое вещество концентрируется в виде различных групп животных и растений. Наиболее крупные группы называют биомами (тундра,
тайга, степи и т.п.). Биом – это совокупность различных групп организмов и
среды их обитания в определенных природных зонах и поясах, например, в
умеренном поясе степь, тайга, в аридном поясе – пустыня. По своему составу
биомы неоднородны. Так, внутри лесного биома различают типы лесов, состоящих преимущественно из одного или нескольких видов деревьев. Мы
можем классифицировать биомы по типу их флоры и фауны.
Группа растений и животных, которые интенсивно обмениваются между собой веществом и энергией, называется экосистемой. Ни одна экосистема
не существует изолированно: между различными экосистемами существует
обмен веществом и энергией. В каждом случае сообщество находится в тесном взаимодействии с внешним миром. Климат и почва влияют на сообщество, и наоборот, сообщество влияет на почву и формирует свой собственный
климат (микроклимат). Энергия и вещество поступают извне и позволяют сообществу выполнять свои жизненные функции и синтезировать вещество,
которое перемещается от одного организма сообщества к другому и вновь
возвращается в окружающую среду. Более строго можно сказать, что ообщество и его среда, рассматриваемые совместно как функциональная система,
образующая единое целое и характеризуемая присущим ей потоком энергии
и круговоротом вещества, называется экосистемой.
Земля вращается вокруг оси с наклоном 23,5 к плоскости эклиптики,
поэтому возникает значительный градиент приходящего солнечного излучения между полюсами и экватором, обладающий сезонной изменчивостью.
Количество солнечной радиации, приходящей на верхнюю границу атмосферы, является функцией широты. Горизонтальная неоднородность биосферы
научно обоснована Докучаевым в 1899 г. Выделяют географические пояса
как широтно вытянутые полосы, внутри большинства географических поясов
выделяются географические зоны. Различают 13 географических поясов: арктический, субарктический, 2 умеренных, 2 субтропических, 2 тропических , 2
субэкваториальных, экваториальный, субантарктический и антарктический.
В основе деления на зоны лежит принцип радиационного бюджета и годовых
сумм осадков. Для каждой зоны рассматривается соотношение тепла и влаги.
Кроме широтного, существуют и долготные изменения на поверхности Земли, которые связаны с ростом расстояния от океанов и, следовательно, с
3
уменьшением количества осадков. Высота местности и рельеф также сказываются на характере размещения экосистем, так как различны, например, количество солнечной радиации и осадков на склонах разной экспозиции, различен тепловой режим. В пределах зон выделяются такие структурные единицы, как ландшафты.
Сезонность изменений в географических зонах связана с температурой
(для умеренного, субполярного и полярных поясов). В остальных поясах
температура воздуха почти не меняется в течение года, зато чрезвычайно
резко меняется суточная температура и сезонное увлажнение. Следуя за изменениями высоты Солнца, чередуются сезоны дождей и засухи. В зависимости от продолжительности и интенсивности дождей развиваются различные типы растительности - дождевые леса (9,5 месяцев дождливый сезон),
саванны (7-4.5 месяцев), пустыни (0-1 месяц). Географические условия зависят не только от высоты Солнца (географической широты), но и от удаленности от океанов, рельефа. Существует явление вертикальной поясности, когда
географические зоны меняются в зависимости от высоты местности над уровнем моря.
Временные и пространственные масштабы изменчивости атмосферы,
гидросферы и литосферы различаются очень сильно. Под влиянием вращения
Земли, действия гравитации, солнечного излучения и человеческой деятельности атмосфера меняется непрерывно, океан - более медленно, земная поверхность - с несопоставимо меньшей скоростью. Атмосфера имеет характерные образования размером порядка тысячи километров, океан - сотни километров, и поверхность Земли - от километров до метров. Во временном
масштабе условия на поверхности изменяются в среднем по сезонам и между
отдельными годами. Океан изменяется в интервалах неделя-месяц. Изменения атмосферы происходят в интервале минута-час.
Наиболее слабо изученными являются процессы и свойства наземных
систем - компонентов биосферы. В отличие от атмосферы и океана горизонтальное и вертикальное смешение свойств земной поверхности происходит
во времена геологического масштаба, за исключением случаев антропогенного влияния (иногда естественные процессы протекают в течение десятилетий
и нескольких веков). Изменения в наземных экосистемах происходят с разной скоростью в зависимости от причин, их вызывающих. Так, растительный
покров под влиянием изменения климата меняется в течение десятилетий и
веков, насекомые повреждают леса в течение двух-трех лет, пожары – в течение нескольких дней. Восстановление первоначальной экосистемы или какой-либо другой на ее месте происходит десятилетиями.
Научное рассмотрение вопросов изменения экосистем осуществляется
в рамках международных программ и проектов.
Глобальные изменения – это изменения глобальной окружающей среды, включая изменение климата, продуктивности суши, океана и др., водных
4
ресурсов, химию атмосферы и экологические системы. Эти изменения могут
изменить способность Земли поддерживать жизнь. При этом имеется в виду
понимание и прогноз причин и воздействий, а также возможностей реакции
на долговременные изменения климата, изменения общего содержания озона
в атмосфере и ультрафиолетовой радиации на уровне земли, природно обусловленные изменения климата в масштабах сезонных и межгодовых вариаций. Важное значение имеют аспекты опустынивания, обезлесивания, землепользования, сохранения биоразнообразия.
Понимание того, что все элементы биосферы являются связанными
друг с другом, необходимость использовать природные компоненты для организации жизни и возможность влиять на элементы биосферы в нужном человеку направлении приводит к необходимости постоянного изучения биосферы и слежения за отдельными компонентами.
Мониторинг - это регистрация, сбор, передача, накопление, хранение и
анализ информации о качественных и количественных характеристиках состояния биосферы и ее отдельных компонентов - биомов, экосистем - и протекающих в них процессах под влиянием естественных и антропогенных
факторов, а также оценка и прогноз тенденций изменения в них. Структура
системы для мониторинга: подсистема сбора информации от разных источников, подсистема хранения разнородной информации, подсистема анализа
данных, подсистема принятия решений, подсистема выводов результатов.
Мониторинг: это система сбора и обработки информации о состоянии
объекта исследований, а также формирования рекомендаций для принятия
решений.
Потребности информации для оценки состояния и управления экосистемами оцениваются на разных пространственных уровнях. На глобальном,
планетарном уровне оцениваются общие размеры экосистемы, ее современная динамика, влияние на другие экосистемы. Для леса, например, это размер
лесного покрова, темп обезлесивания территории, изменения биоразнообразия и гидрологических циклов, влияние лесной растительности на круговорот
углерода и климатические процессы. На национальном, региональном и локальном уровне задачи мониторинга соответственно разукрупняются и детализируются. Для получения информации для разных уровней мониторинга
необходима информация разного пространственного масштаба и повторяемости во времени. В частности, пространственная дифференциация данных
следующая. Масштаб 1: 5 млн - 1:10 млн (1 см- 50 км и 1см-100 км) - анализ
глобальных и субглобальных процессов, например, цикл углерода, сценариев
глобального изменения климата. Масштаб 1:1 млн- 1:2500000 (1см-10 км и
1см-25 км) - региональный уровень. Масштабы 1:100000- 1:500000 (1см-1 км
и 1см-5 км) и 1:10000-1:50000 (1см-100 м и 1см-500 м) - на локальном уровне.
5
Каждому из уровней соответствует конкретная задача, также как анализ
на всех уровнях может быть необходим для решения глобальной проблемы.
В иерархии методов ДЗ съемке с космической орбиты отводится верхний, обзорный уровень исследований. Следующий уровень представлен съемками с
высоколетящих самолетов («потолок» ~ 20 км; примером является самолет
типа Локхид У-2). Далее следует съемка с самолетов, имеющих потолок 2-10
км. Наиболее ближний к Земле уровень представлен легкомоторными самолетами и вертолетами.
Дистанционное зондирование (ДЗ)– сбор информации с помощью
приборов, установленных на вертолетах, самолетах, спутниках. Дистанционное зондирование - это получение информации об объекте по данным измерений, сделанных на расстоянии от объекта, то есть без прямого контакта с
объектом.
Процессы, происходящие в биосфере в целом и отдельных ее составляющих, характеризуются масштабностью и динамичностью; в этой связи
наземные методы сбора информации зачастую не позволяют получать данные с требуемой оперативностью (что особенно важно при анализе стихийных бедствий). Зондирование из космоса дает информацию, в зависимости от
используемой системы, с периодичностью от двух недель до суток и часов.
Другим аспектом проблемы является необходимость контроля больших территорий; наблюдения из космоса позволяют получать информацию, обобщающую процессы на уровне региона, континента, планеты Земля. Существенно, что данные из космоса стоят дешевле наземных. Таким образом, Дистанционное зондирование представляет основной метод мониторинга биосферы.
Примеры проблем, требующих применения зондирования из космоса:
Продуктивность биосферы и ее составляющих (продуктивность агроценозов, лесов, водоемов).
Мониторинг пожаров.
Мониторинг антропогенного воздействия.
Мониторинг воздействия на биосферу глобальных изменений климата.
Роль наземных методов
Традиционный сбор информации об экосистемах - это наземные методы измерений и оценок состояния экосистем. Дистанционные и наземные методы взаимно дополняют друг друга. Наземные измерения необходимы для
дешифрирования, интерпретации данных, получаемых с космической орбиты. Имея информацию из космоса, можно существенно (в 10-1000 раз) сократить объем наземных исследований; последние выполняются только на ограниченном числе тестовых (ключевых) участков, репрезентативно отображающих все исследуемые классы объектов. В процессе дешифрирования,
анализа данных ДЗ информация, полученная на ключевые участки, интерполируется на всю исследуемую территорию.
6
Наземные методы сбора информации не позволяют получать информацию в таких пространственных масштабах и с необходимой оперативностью,
в особенности при анализе стихийных бедствий. Большое значение для решения задач мониторинга имеет получение информации о земной поверхности из космоса, обобщенной на уровне региона, континента, планеты в целом, то есть дистанционное зондирование.
Вопросы для самоконтроля.
1. Какие части оболочек Земли входят в биосферу? Основные компоненты биосферы.
2. Какие естественные причины или условия вызывают разнообразие и
изменения состояния компонентов биосферы?
3. Какие антропогенные воздействия вызывают изменение состояния
компонентов биосферы?
4. Каковы характерные времена изменений состояния разных компонентов биосферы (в литосфере, гидросфере, атмосфере)?
5. Что такое экосистема? Приведите примеры.
6. Что такое биом? Приведите примеры наиболее крупных биомов.
7. Что такое мониторинг? Каков состав системы мониторинга?
8. Что такое метод дистанционного зондирования?
9. Дистанционные и наземные источники данных в системе мониторинга.
10. Разные уровни (масштабы) систем мониторинга компонентов биосферы.
Список литературы.
Андерсон, Дж. Экология и науки об окружающей среде / Дж. Андерсен.
– Ленинград: Гидрометеоиздат, 1985.
7
РАЗДЕЛ 2. Дистанционное зондирование
Лекция 2. Физические основы дистанционного зондирования (ДЗ).
Земля из космоса преимущественно исследуется в оптической части
электромагнитного спектра (0.3-15 мкм) и микроволновом диапазоне (0.8 100 см). Оптический диапазон подразделяется на видимую часть спектра
(0.4-0.72 мкм), ближний инфракрасный (ИК) диапазон (0.72 - 1.3 мкм), средний ИК диапазон (1.3 - 3.0 мкм), и тепловой ИК диапазон (8 - 15 мкм). Дистанционное зондирование в оптическом диапазоне является пассивным: прибор, установленный на борту космического аппарата или самолета, фиксирует энергию, излученную Землей или отраженную солнечную энергию.
Физические основы дистанционного зондирования базируются на теории излучения. Введем основные понятия.
Источник излучения – это некоторое тело (поверхность, точка), излучающая энергию.
Согласно первому закону Кирхгофа при термодинамическом равновесии с окружающей средой все тела излучают. В состоянии термодинамического равновесия поглощаемая в единицу времени участком поверхности
энергия равна энергии, излучаемой в тот же промежуток времени той же поверхностью (второй закон Кирхгофа).
Абсолютно черное тело - понятие теории теплового излучения, означающее тело, которое полностью поглощает любое падающее на его поверхность электромагнитное излучение, независимо от температуры этого тела.
Понятие абсолютно черного тела введено Г. Р. Кирхгофом в 1859 г. Серое
тело, в отличие от черного, не полностью поглощает падающее на него излучение, однако равномерно ослабляет излучение с любой длиной волны.
Черное тело обладает максимальной способностью поглощать излучение в любой области спектра (поглощательная способность, равная отношению поглощённой энергии к энергии падающего излучения, равна 1 при излучениях всех частот, направлений распространения и поляризаций). Черное
тело обладает и максимальной излучающей способностью в любой части
спектра: если нагреть черное тело до некоторой температуры, то излучать с
той же мощностью на любых длинах волн не сможет ни одно другое тело, нагретое до той же температуры, то есть оно является идеальным излучателем.
Плотность энергии и спектральный состав излучения, испускаемого единицей поверхности абсолютно черного тела, зависят только от его температуры,
но не от природы излучающего вещества.
8
Общим для серых и черных тел является то, что в их спектрах излучения при одинаковой температуре совпадает распределение энергии, то есть
нагретые до одинаковой температуры черное и серое тела имеют одинаковый
процентный спектральный состав. Единственная разница в том, что мощность излучения серого тела меньше мощности излучения черного тела.
Излучение абсолютно черного тела может находиться в равновесии с
веществом (при равенстве потоков излучения, испускаемого и поглощаемого
абсолютно черным телом, имеющим определенную температуру). По своим
характеристикам такое излучение представляет собой равновесное излучение
и подчиняется закону излучения Планка, который описывает распределение энергии в спектре тела: плотность потока энергии B, излучаемой в состоянии термодинамического равновесия единицей площади поверхности абсолютно черного тела с температурой Т в интервале длин волн λ, λ+dλ в телесном угле 2π, составляет:
B ( , T ) 
c1
1
 exp(c2 )  1 ,
T


5
где с1= 1,188·10-16 Вт·м2, с2=14342 мкм·К.
Максимум излучения определяется по закону Вина:
λ=2898/Т мкм.
С ростом температуры повышается полный поток излучения, а максимум в спектре сдвигается в сторону коротких волн.
Полная энергия во всем интервале длин волн описывается формулой
Стефана–Больцмана:

 B( , T )  aT
4
,
0
где а=5,67·10-8 Вт·м-2·К-4.
Теоретический закон распределения энергии в спектре черного тела
подтверждается на опыте со всей доступной в наше время точностью.
9
Рис. 2.1. Распределение энергии в спектре тел разной температуры. По оси абсцисс
- длина волны в микронах, по оси ординат - интенсивность в относительных единицах.
Ввиду разности в интенсивностях кривая для 6000° К на рис. 2.1 а представлена не полностью. На рис. 2.1 б приведена полная кривая для 6000° К в другом масштабе. Заштрихованная часть отмечает область видимого спектра.
На длинах волн более 4 мкм собственное тепловое излучение Земли
превосходит излучение Солнца. Регистрируя это излучение, можно достаточно точно оценивать температуру суши, водной поверхности, облаков.
Рассмотрим геометрические характеристики излучателей.
Ламбертовский излучатель – это такой излучатель, у которого яркость постоянна и не зависит от направления (то есть не зависит от положения точки на поверхности и от угла наблюдения) (рис. 2.2).
а
б
Рис. 2.2. Ламбертовские излучатели: а – плоский ламбертовский излучатель, б –
сферический ламбертовский излучатель.
10
Закон Ламберта (закон косинусов):
Плоская поверхность, имеющая одинаковую яркость по всем направлениям, излучает свет, сила которого изменяется по закону косинуса:
I=I0cosθ,
где I0– сила света в направлении нормали к поверхности, θ – угол между рассматриваемым направлением и нормалью.
Сила света от сферического ламбертовского источника постоянна во
всех направлениях:
I=I0=const.
Телесный угол конуса от точечного источника равен отношению площади S поверхности, вырезанной на сфере конусом, к квадрату радиуса r
сферы, измеряется в стерадианах (в сфере 4π ср):
Ω=
S
, ср
r2
Сила излучения (энергетическая сила света) – это поток излучения,
приходящийся на единицу телесного угла, в пределах которого он распространяется (рис. 2.3):
Ie 
 e  Вт 
,
  ср 
Поверхностная плотность потока энергии Eb– это величина потока,
приходящегося на единицу площади:
Ee=
 e  Вт 
,
S  м 2 
Если площадка освещается потоком, то поверхностная плотность потока энергии будет иметь смысл энергетической освещенности Ee. Если поток
излучается площадкой, то поверхностная плотность потока энергии будет
иметь смысл энергетической яркости Me.
11
Рис. 2.3. Геометрия излучения
в телесном угле
Энергетическая яркость– это величина потока, излучаемого единицей
площади в единицу телесного угла в данном направлении:
 2 e
Le 
S cos 
 Вт 
,
2
 срм 
Рис. 2.4. Геометрические параметры спектральной яркости.
За единицу энергетической яркости принимают яркость плоской поверхности в 1м2, которая в перпендикулярном направлении имеет энергетическую силу света в 1 Вт/ср.
Спектральная плотность энергетической яркости показывает распределение энергетической яркости по спектру:
12
В видимой и ближней инфракрасной области солнечного спектра, на
которую приходится максимум солнечного излучения, энергия излучения
рассеивается и отражается атмосферой Земли и ее поверхностью (как на суше, так и водной средой).
Ламбертовское рассеяние – это рассеяние света плоской поверхностью по всем направлениям вне зависимости от телесного угла, в пределах
которого падает световой поток. Световой поток выходит после такого рассеивателя равномерно распределенным в пределах телесного угла 2π. Яркость такой поверхности постоянна по всем направлениям и не зависит от
направления падающего света, то есть полностью подчиняется закону Ламберта.
Часть падающего потока Ф поглощается поверхностью и рассеивается:
Коэффициент альбедо α определяет степень белизны поверхности (0<
α <1). У абсолютно черного тела α=0 (ничего не рассеивает, все поглощает), у
абсолютно белого тела α=1 (все рассеивает, ничего не поглощает).
Альбедо некоторых поверхностей:
α=0.85-0.95 – очищенный мел,
α=0.7-0.8– белая бумага для рисования,
α=0.78 – свежевыпавший снег,
α=0.25-0.3 – песок,
α=0.01-0.002 – черный бархат.
Яркость идеального рассеивателя:
L
E
,

где – освещенность, создаваемая падающим потоком, α– коэффициент альбедо.
Излучение, идущее от Солнца в виде лучей электромагнитных волн
(потока энергии), вступает во взаимодействие с веществом или средой в атмосфере и на поверхности Земли.
В среднем за год примерно 25-30% солнечной радиации отражается газами и облаками обратно в космическое пространство, еще 25% радиации по-
13
глощается, а затем переизлучается облаками, пылью и газом в виде нисходящего излучения. Примерно такое же количество поступает на поверхность
Земли в виде прямой солнечной радиации. Небольшая часть приходящей радиации уходит обратно в атмосферу. Количество этой радиации зависит от
отражающей способности, или альбедо, поверхности. Снег, например, может
отражать 80% солнечного излучения и потому нагревается медленно, тогда
как травянистая поверхность отражает 20% приходящей радиации. Поглощается атмосферой около 14% радиации. Спектральный состав приходящего
излучения следующий. Примерно 41% энергии заключен в видимой области
спектра (400-710 нм), 50% - в ИК области (710-3000 нм) и 9% - в ультрафиолетовой. Земной поверхности достигает большая часть излучения видимой
области спектра, 30% - ИК. Около 20% ИК излучения поглощается пылью,
углекислым газом и водяным паром в 10-км слое атмосферы, примыкающем
к поверхности. Поглощенная энергия превращается в тепло. Ультрафиолетовое излучение поглощается атмосферным озоном на высоте более 30 км.
Отражением называют возвращение электромагнитного излучения от
поверхности среды без изменения частоты монохроматических волн. Различают направленное, или зеркальное, отражение и диффузное, или рассеянное,
отражение. Направленное отражение - это отражение без рассеяния. Полное
диффузное отражение - мощность или интенсивность отраженного потока
равновелика во всех направлениях. Такое отражение определяется в соответствии с законом Ламберта как отражение от абсолютно однородной матовой
поверхности, величина отражения которой принята за единицу. В природе
обычное рассеянное и зеркальное отражения происходят одновременно и такое отражение называется смешанным. Коэффициентом отражения называется отношение отраженного (r) к падающему (i) потоку: =r/i
При комбинированном отражении суммарный поток  определяется
как сумма величин зеркального и диффузного потоков отраженной энергии:
=зерк+диффузн. Большинство реальных поверхностей не дает полного диффузного отражения. Поток отражения имеет, как правило, зеркальную компоненту. При этом величины падающего и отраженного потоков излучения
зависят от косинуса угла падения потока энергии на поверхность среды. Естественное соотношение освещенностей зависит еще и от положения поверхности по отношению к Солнцу. Стояние Солнца и азимут на него определяют
мощность светового потока и ширину спектра излучения, падающего на него.
Альбедо - это отношение отраженного от поверхности потока энергии к падающему на нее потоку. На рис. представлены типы отражения излучения от
поверхности.
Рассеяние - это ослабление направленного потока излучения вследствие отклонения направления его падения, но без поглощения энергии падающего излучения или перехода светового потока в другие формы энергии.
14
Коэффициентом поглощения, или абсорбции () называют отношение величины поглощенного потока энергии к величине падающего потока:
=а/i.
Коэффициентом пропускания является отношение прошедшего через
среду потока к падающему потоку: =t/i
Рис. 2.5. Поглощение солнечного излучения молекулами земной атмосферы. По
оси абсцисс – длина волны (мкм), по оси ординат – коэффициент поглощения (%).
Для правильного использования возможностей выбранного диапазона
электромагнитного излучения при ДЗ важно учитывать то, что вид и интенсивность взаимодействия между потоком солнечной радиации или искусственного излучения и средой, на которую он падает, зависят от длины волны
излучения и от вещества среды. Спектр излучения и атомный и молекулярный состав вещества на поверхности Земли определяют диапазоны, в которых волны будут отражаться, рассеиваться или поглощаться веществом на
поверхности Земли, а также способности тела излучать вторичное тепло.
При регистрации теплового излучения Земли из космоса используется
диапазон длин волн 10–14 мкм, в котором поглощение излучения в атмосфере мало. В этот интервал для температур –500…+500С попадает участок кривой Планка, близкий к ее вершине. При температуре земной поверхности или
облаков –500 С максимум излучения приходится на 12 мкм, при +500 С – на 9
мкм.
Для достаточно точного, с погрешностью не более 0,2–0,5º К, определения температуры необходимо учитывать поглощение в атмосфере и знать
коэффициент теплового излучения исследуемых объектов ε, равный отношению энергии, излучаемой данным телом в некотором интервале длин волн, к
энергии, излучаемой абсолютно черным телом в том же интервале. Грубо
можно считать, что в тепловом диапазоне ε ≈1. Ближе всего ε к 1 у воды
(0,98–0,99). У облаков также ε ≈1. Сложнее дело обстоит с поверхностью су-
15
ши. Здесь влияет характер поверхности (гладкая или нет), увлажненность и
т.д. Для свежего снега ε = 0,986, для густой травы ε = 0, 97, глинистой почвы
– 0,98, хвойного леса – 0,97.
Излучение Солнца проходит длинный и сложный путь до поверхности
Земли, а затем до прибора, измеряющего отраженную энергию. Общая яркость поверхности, измеряемая прибором–датчиком, состоит из нескольких
компонент, включая прямое и многократное отражение и рассеяние солнечного излучения поверхностью, а также излучение поверхности и атмосферы
(рис. 2.6).
Рис. 2.6. Составляющие излучения и отражения солнечной энергии.
В соответствии с законом сохранения энергии общая мощность отраженного, рассеянного, поглощенного и пропущенного потоков излучения
должна быть равна мощности направленного на поверхность общего потока:
погл.+отр.+рассеян.+пропущ.=суммарн.
Одной из самых общих и фундаментальных характеристик свойств отражения поверхности является функция двунаправленного отражения. Эта
16
функция определяет спектральные и пространственные отражательные характеристики поверхности. Функция определяется как отношение отраженного излучения к падающему на определенной длине волны в определенном
направлении падающего и отраженного потоков:
где индексы i и r относятся соответственно к падающему и отраженному излучению,
- это направление распространения светового потока, длина волны света, L – это яркость, E - освещенность. Геометрия функции
двунаправленного отражения представлена на рис. 2.7.
Рис. 2.7. Параметры функции двунаправленного отражения. Геометрия отражения
света.
Для Земли в состоянии равновесия поглощения и излучения энергии
справедливо уравнение теплового баланса:
Q = S+H-RG-A-LE-W,
где: Q – радиационный баланс; S – прямое солнечное излучение;
H – диффузное излучение неба; RG – отраженное поверхностью излучение
Солнца и атмосферы; A – собственное излучение земной поверхности; LE –
тепловая энергия, затраченная на испарение воды; W – энергия, излучаемая
17
атмосферой.
В сбалансированном состоянии энергия, полученная земной поверхностью путем абсорбции глобального излучения, должна быть уравновешена
выделением энергии. Это происходит в результате излучения тепла земной
поверхностью, испарения воды (скрытая энергия LE) и выделения тепла атмосферой (W).
Лекция 3. Приборы для дистанционных исследований.
Активное и пассивное зондирование
Большинство приборов регистрирует отраженное от земного покрова
солнечное излучение, либо собственное излучение Земли в тепловом или
микроволновом диапазонах (пассивное зондирование). Активное зондирование (зондирующее излучение посылается на земную поверхность самим прибором) широко применяется в микроволновой части спектра. В отдельных
случаях применяется лазерное зондирование в видимой части спектра (применение ограничено необходимостью мощного источника энергии на борту).
Трудно установить определенное время или событие, являющееся началом дистанционных исследований. Возможно, все началось с применения
фотографирования с привязанных аэростатов перед гражданской войной Севера с Югом в США (около 1860г.). Интенсивное освоение этих методов началось с начала 20 века. Многие методы ДЗ развивались в целях военной разведки во время первой и второй мировых войн, но лишь спустя десятилетия
стала очевидной возможность применения этих методов для решения задач
мирного времени. В первых рядах тех, кто использовал ДЗ в мирных целях
для съемки и картографирования, были гражданские инженеры, а в 30- годы
Министерство сельского хозяйства США начало использовать аэрофотосъемку для составления почвенных карт страны. К 40-м годам широко использовалась практика привлечения человека-интерпретатора для анализа
полученных фотоснимков, а исследования по использованию цветных и ИК
аэрофотоснимков увеличили эффективность применения аэрофотокамер в
качестве датчиков земной поверхности. К 50-м годам аэрофотоснимки стали
стандартным средством для изучения поверхности и управления ресурсами
благодаря развитию фотограмметрии. Данные интерпретировались дешифровщиком без количественного анализа. Это давало хорошие результаты, так
как снимки имеют хорошее разрешение на местности порядка одного метра.
Велись лабораторные и наземные дистанционные работы по изучению
спектральных отражательных свойств живой растительности (Кринов, 1947
г.). Это привело к пониманию возможности по дистанционным измерениям в
отдельных узких полосах спектра определять тип подстилающей поверхно-
18
сти, в том числе разные виды растительности, осуществлять мониторинг фенологической изменчивости растительности.
Делались попытки преобразовать фотографические данные в физические величины - альбедо, параметры растительного стресса. Но вопросы калибровки и сопоставления фотографий от разных источников вызывали
трудности и не позволяли получать сопоставимые результаты. Преимущества
фотографических систем – хорошая разрешающая способность, единовременность, их недостаток – неоперативность.
В 50-х- начале 60-х годов появление ЭВМ ускорили технологии анализа данных, названные распознаванием образов. В то же время значительные
успехи были достигнуты в области проектирования систем датчиков, особенно в измерении энергии в ИК области спектра. Эти достижения дали подъем
новому направлению ДЗ - количественному подходу, основанному на возможности быстро и точно измерять и обрабатывать многоспектральные данные. Первые космические изображения Земли получены в 1960 г. - система
TIROS-1, 1964 - Nimbus-1, 1966- NOAA. Первым космонавтом, выполнившим съемку из космоса, был Г.С. Титов (1961 г). Начало систематического
исследования биосферы из космоса связывают с запуском американского
спутника LANDSAT МСС (1972). Датчик имел 4 канала: зеленый, красный и
два ИК и использовался для картирования земной поверхности и землепользования, оценки радиационного бюджета на локальном и региональном
уровнях. Дальнейшее развитие идет по пути создания трассовых и сканирующих спектрорадиометров, в которых в отличие от фотопленки излучение
попадает на детекторы и преобразуется в электрический сигнал. С помощью
трассового спектрометра получаются точечные данные, сканирующие формируют изображение в нескольких частях спектра. Начало 1990-х – связано с
началом использования применение ГИС-технологий для анализа данных ДЗ,
а также расширением применения датчиков микроволнового диапазона. Расширились и усложнились задачи, решаемые с применением данных ДЗ.
Приборы для дистанционного зондирования разделяются на две основные группы: фотографические системы и спектрорадиометры.
1. Аэро- и космофотосъемка.
Фотоаппараты для ДЗ имеют много общего с обычными. Спектральный
диапазон, в котором производится фотосъемка, ограничен интервалом 0.41.2 мкм. Важной особенностью фотосъемки является возможность получения
стереоизображения: по стереопарам можно измерять объемные характеристики объекта исследования (например, высоту и диаметр деревьев, крутизну
склонов, высоту гор). Наземное разрешение фотоснимков, получаемых с самолета, зависит от высоты съемки и фокусного расстояния объектива и может варьировать от десятков сантиметров до сотен метров. Применяемые в
экологических исследованиях снимки из космоса имеют разрешение до 2-5 м.
Для этих целей в настоящее время используются также рассекреченные раз-
19
ведывательные снимки, полученные системами ДЗ в середине 1960-х годов.
Это имеет большое значение при решении задач исследования изменений
земной поверхности в течение практически полувека.
Максимальное разрешение, достижимое при съемке из космоса, составляет 0.2-0.3 м. По масштабу получаемого изображения фотосъемку подразделяют на сверх крупномасштабную ( 1 : 2000, т.е. в 1 см 2 м), крупномасштабную ( М 1 : 10000, в 1 см 100 м), среднемасштабную ( М 1: 30000),
мелкомасштабную (М 1: 100000), и сверх мелкомасштабную ( М 1: 1000000,
т.е. в 1 см 10 км).
Цветная спектрозональная пленка - это специальный тип пленки, который имеет два слоя: первый слой чувствителен для к длинам волн 570-680
нм, а второй - к длинам волн 680-870 нм. Использование этой пленки позволяет получать цветные снимки со смещенным спектром, облегчающие дешифрирование наземных объектов. При фотографировании из космоса употреблялись несколько типов фотопленок: черно-белая панхроматическая,
цветная трехслойная и спектрозональная трехслойная пленки. Последняя дает наибольшее количество цветных градаций. Это позволяет выявлять такие
объекты, которые на обычных черно-белых или цветных пленках могут быть
незаметны. Каждый из трех слоев спектрозональной пленки подбирается таким образом, чтобы все детали объекта могли быть выявлены или имели бы
наибольшее различие. Разрешающая способность подобных снимков очень
высока (менее 10 м). Кроме обычной фотосъемки из космоса осуществляется
также многозональная съемка. Она производится с помощью системы камер,
каждая из которых имеет специальный светофильтр, рассчитанный на получение изображения в определенном диапазоне спектра на стандартную фотопленку. Преимущества многозональной съемки заключается в следующем:
1. Большое количество спектральных диапазонов обеспечивает выбор
наиболее оптимальных условий фотографирования определенных природных
объектов.
2. Изображение получается только в определенных зонах спектра, характеризующихся наибольшей контрастностью.
3. Возможность получения одного объекта одновременно в инфракрасном и ультрафиолетовом диапазонах спектра.
4. Возможность обработки снимков как в различных диапазонах, так и
их комбинаций, в том числе в виде синтезированных псевдоцветных изображений.
2. Телевизионная съемка
Телевизионная съемка использует в основном видимую область спектра и ближнюю часть инфракрасного излучения в диапазоне 0,8 - 1,1 мкм.
Особенность телесъемки по сравнению с фотографической заключается в
том, что изображение земной поверхности проектируется не на фотослой, а
на приемное устройство - видикон. Электрические сигналы с видикона по ра-
20
диоканалу либо непосредственно передаются на Землю, либо записываются
на магнитную пленку для последующей трансляции на Землю при вхождении
космического аппарата в зону уверенного приема радиосигналов. При съемке
сканирующими системами излучение преобразуется в электрический сигнал,
который переводится в цифровую форму и аналогично сигналам с видикона
принимается на Земле. Запись изображения, получаемая сканирующим устройством, трансформируется с помощью ЭВМ в видеоизображение. Значение
телесъемки определяется ее основными преимуществами: большой обзорностью, возможностью регулярного получения информации и возможностью
изучения любого района земного шара в динамике. Одним из существенных
недостатков фотонаблюдения была низкая оперативность доставки полученной информации потребителю. Время между фотосъемкой и доставкой пленки на Землю равнялось времени активного существования несущего спутника. За это время информации по многим динамическим процессам теряла
свою актуальность и не соответствовала текущему состоянию.
С целью частичной компенсации этого недостатка аппараты фотонаблюдения оснащаются возвращаемыми капсулами, которые представляют
собой миниатюрные спускаемые аппараты, доставляющие на Землю часть
отснятой фотопленки. Это позволяет более оперативно передавать информацию о динамических процессах. Дальнейшее стремление увеличить оперативность доставки информации требует увеличения числа капсул на борту
одного спутника.
3. Трассовые и сканирующие спектрорадиометры.
Существенно расширяет возможности изучения пространственного
распределения растительности на поверхности Земли и количественной
оценки параметров растительного покрова применение принципиально других приборов – цифровых спектрорадиометров космического и аэро–
базирования. Анализ характеристик объектов исследования с высоким спектральным разрешением (менее 10 нм в современных сканирующих устройствах) наряду с цифровой формой представления данных позволяет более точно определять важные биофизические и экологические параметры, характеризующие состояние подстилающей поверхности, чем это происходит при
дешифрировании фотоматериалов. Спектрорадиометрия позволяет выполнять съемку во всем оптическом диапазоне спектра (0.4–30 мкм).
В отличие от фотокамеры, в спектрорадиометре излучение попадает на
детекторы, преобразующие его в электрический сигнал. Выделение рабочих
зон спектра (монохроматизация излучения) в спектрорадиометрах выполняется с помощью призм, диффракционных решеток, интерференционных светофильтров. Совместный анализ данных, полученных в нескольких спектральных интервалах, позволяет существенно повысить информативность
съемки. Достоинства спектрорадиометров:
– возможность работы во всей оптической части спектра;
21
– широкий динамический диапазон (регистрируемое излучение может
изменяться в интервале 1-104 и более (у фотопленки ~ 102);
– возможность работать в узких частях спектра (до нескольких нанометров; у фотопленки регистрируемый спектральный интервал ~ 100 нм).
– регистрация данных в форме, совместимой с компьютером.
Орбиты носителей аппаратуры ДЗ.
Орбита спутника с датчиком дистанционного зондирования определяется в зависимости от решаемой задачи. Спутники вращаются по эллиптическим или круговым орбитам, которые рассчитываются по закону Кеплера.
Важные параметры орбиты для мониторинга – это радиус орбиты (средний)
или высота над поверхностью Земли, и период обращения вокруг Земли.
Низкоорбитальные спутники с высотой менее 1000 км обычно выводятся на
приполярные солнечно-синхронные орбиты, которые рассчитаны таким образом, чтобы осуществлять съемку всей поверхности Земли, включая полярные области, причем обеспечивать пролет спутника над конкретной точкой в
одно и то же время суток. Это так называемые гелиостационарные орбиты.
Геостационарная орбита характерна для спутников на высоких орбитах (более 10000 км над поверхностью Земли), когда спутник зависает над одной
точкой поверхности планеты. Более подробные сведения об орбитах датчиков ДЗ приведены в следующей лекции.
Лекция 4. Спектрорадиометрическая съемка.
Недостатки фотографических данных устранены с помощью устройств,
представляющих собой различные варианты спектрометров. Рассмотрим
наиболее распространенное устройство, применяющееся в ДЗ Земли, представляющее собой сканирующий спектрорадиометр, то есть устройство,
формирующее изображение. Сканер с цилиндрической разверткой можно
упрощенно представить в виде маятника, закрепленного в одной точке и колеблющегося поперек направления движения аппарата–носителя (рис. 2.6,
Кашкин, В.Б., Дистанционное зондирование земли из космоса, 2001).
22
Рис. 2.6. Принципиальная схема спектрорадиометра.
На конце маятника установлен объектив с точечным фотоприемным
устройством в фокальной плоскости. При движении аппарата над Землей с
выхода фотоприемного устройства снимается сигнал, пропорциональный освещенности в видимом или ближнем ИК диапазоне того участка земной поверхности, на который в данный момент направлена ось объектива. Если фотоприемное устройство – фоторезистор, то можно регистрировать излучение
в тепловом ИК диапазоне и определять температуру поверхности и облаков.
На практике обычно сканер неподвижен, а качается (вращается) зеркало, отражение от которого через объектив попадает на фотоприемное устройство.
Падающее излучение преобразуется в оптической системе спектрорадиометра так, что регистрируются несколько порций энергии в узких участках спектра шириной в 10-20 нм. Наличие внутри спектрорадиометра внутренних калибрующих устройств позволяет получать абсолютные величины, характеризующие отражательные свойства подстилающей поверхности.
Сканерная информация в цифровой форме передается со спутника по
радио в реальном времени или в записи на бортовой магнитофон. Линейный
сканер содержит расположенные в линию неподвижные фоточувствительные
элементы на приборах с зарядовой связью (ПЗС) – линейку ПЗС или несколько таких линеек. Число фотоприемников в линейке достигает 1000 и
более, длина линейки порядка сантиметра. На линейки через объектив фокусируется изображение земной поверхности, все элементы находятся в фо-
23
кальной плоскости. Линейка перемещается вместе со спутником, последовательно «считывая» сигнал, пропорциональный освещенности различных участков поверхности и облаков. Линейные сканеры на ПЗС работают в видимом и ближнем ИК диапазонах.
Важными характеристиками сканера являются мгновенное поле зрения
и разрешение на местности. Мгновенное поле зрения определяется характеристиками объектива и размерами фотоприемника. Это интервал углов ∆φ, в
пределах которых в каждый момент времени на фотоприемник попадает изображение земной поверхности или облаков. Если спутник находится на расстоянии L от некоторой области на поверхности Земли, то фотоприемник
единовременно регистрирует излучение от участка поверхности с линейным
размером в соответствии с формулой
∆ L=∆φ L
в пределах мгновенного угла зрения, выраженного в радианах. Величина ∆ L
– это разрешение сканера на местности. Если два объекта на поверхности
Земли находятся на расстоянии меньшем, чем ∆ L, то их изображения, вообще говоря, сливаются. Этот параметр является одной из четырех основных
характеристик прибора и называется пространственным разрешением. Оно
зависит от параметров оптической системы и от расстояние до объекта. В зависимости от решаемых задач, могут использоваться данные низкого (более
100 м), среднего (от 10 до 100 м) и высокого (менее 10 м) разрешений.
Снимки низкого пространственного разрешения являются обзорными и позволяют одновременно охватывать значительные территории. Такие данные
используются чаще всего в метеорологии и при изучении масштабных природных явлений. Снимки среднего пространственного разрешения на сегодня – основной источник данных для мониторинга природной среды. Съемка высокого разрешения из космоса до недавнего времени велась почти исключительно в интересах военной разведки, а с воздуха – с целью топографического картографирования. Однако сегодня уже есть несколько коммерчески доступных сенсоров высокого разрешения (IRS, IKONOS), позволяющих проводить пространственный анализ с большей точностью или уточнять
результаты анализа по данным среднего или низкого разрешения.
Другой важной характеристикой является спектральное разрешение.
Оно указывает на ширину диапазонов, регистируемых каждым каналов прибора. При анализе природной среды этот параметр – наиболее важный. Современные приборы способны различать десятки и сотни зон электромагнитного спектра. Для большинства приложений достаточный объем информации
24
дает многозональная съемка со спутников LANDAST (США), SPOT (Франция), Ресурс-О (Россия). Обычно оптическая съемка ведется либо сразу во
всем видимом диапазоне (панхроматическая), либо в нескольких более узких
зонах спектра (многозональная). При прочих равных условиях, панхроматические снимки обладают более высоким пространственным разрешением.
Они наиболее пригодны для топографических задач и для уточнения границ
объектов, выделяемых на многозональных снимках наименьшего пространственного разрешения.
Тепловое ИК – излучение несет информации, в основном, о температуре поверхности. Помимо прямого определения температурных режимов видимых объектов и явлений тепловые снимки позволяют косвенно выявлять
то, что скрыто под землей – подземные реки, трубопроводы и т.п. Поскольку
тепловое излучение создается самими объектами, для получения снимков не
требуется солнечный свет. Такие снимки позволяют отслеживать динамику
лесных пожаров, нефтяные и газовые факелы, процессы земной эрозии. Следует отметить, что получение космических тепловых снимков высокого
пространственного разрешения технически затруднительно, поэтому сегодня
доступны снимки с разрешением около 50–100 м.
Радиометрическое разрешение определяется шириной динамического
диапазона датчика и числом уровней дискретизации (числом бит), соответствующих переходу от яркости “черного” к абсолютно “белому”. Большинство
приборов обладают радиометрическим разрешением 6 или 8 бит, что наиболее близко к мгновенному диапазону зрения человека. Но есть приборы и с
более высоким радиометрическим разрешением (10 бит для AVHRR и 11 бит
для IKONOS), позволяющим различать больше деталей на очень ярких или
очень темных областях снимка. Это важно в случаях съемки объектов, находящихся в тени, а также когда на снимке одновременно большие водные поверхности и суша.
Разрешение по времени. Характеризует периодичность, с которой
может быть получены данные одного и того же участка земной поверхности.
Для спутниковых систем данная характеристика фиксирована и определяется
параметрами орбиты. Частота обзора одной и той же территории во многом
зависит от пространственного разрешения прибора. Большинство сканеров
среднего пространственного разрешения обеспечивают повторную съемку
через несколько дней, низкого разрешения – через несколько часов.
Рассмотрим несколько примеров систем дистанционного зондирования.
Сканер Landsat7 ETM+: основные характеристики.
Ландсат (Landsat) – общее наименование серии американских автоматических искусственных спутников Земли для съемки ее поверхности. Первоначальное название ERTS (Earth Resources Technology Satellite). Первый
25
спутник этой серии стартовал с территории США в июле 1972г.
Программа Ландсат предусматривает многозональные и периодически
повторяемые долговременные съемки с помощью сканирующих устройств в
природно-ресурсных, природоохранных, мониторинговых и картографических целях с передачей данных по радиоканалам.
По этой программе были запущены спутники: Landsat-2 (1975),
Landsat-3 (1983), Landsat-4 (1982) и Landsat-5 (1984).
Таблица 2.1
Характеристики некоторых систем дистанционного зондирования
Земли в оптическом диапазоне спектра
Название
Радиометри–
ческое разрешение, бит
NOAA
0.58–0.68
10
AVHRR
0.72–1.1
3.55–3.93
10.3–11.3
11.5–12.5
Landsat MSS 0.5–0.6
7, 6 для 4–го
0.6–0.7
ка–
0.7–0.8
нала
0.8–1.1
Landsat TM, 0.45–0.52
8
ЕТМ+
0.52–0.60
0.63–0.69
0.76–0.90
1.55–1.75
10.4–12.5
2.08–2.35
HRV–XS
0.50–0.59
8
(Spot 1–3) 0.61–0.68
0.79–0.89
HRV–P
Panchrom
(Spot 1–3)
HRVIR
0.5–0.59
(Spot 4)
0.61–0.69
0.80–0.91
MODIS
(EOS–
AM/PM)
Каналы,
m
36 каналов
Пространст–
венное разрешение, м
1100 в надире
Повторность
во времени
Ширина полосы, км
1 сутки
2700
80
16 суток
185
30
16 суток
185
120, 60 для
ЕТМ++)
20
26 суток
60
10
26 суток
60
20
26 суток
60
250, 500, 1000
1–2 дня
2300
Первым прибором серии Landsat является прибор MSS (Multi-Spectral
Scanner). Он позволил начать систематическое изучение поверхности Земли
26
из космоса. Затем были разработаны многоспектральные оптикомеханические сканирующий радиометры TM (Thematic Mapper) и ETM+
(Enhanced Thematic Mapper Plus).
Высота орбиты спутников Landsat - 4, 5, 7 составляет 705км. В таблице
2.2 приведены основные параметры орбиты спутника Landsat 7.
Таблица 2.2
Характеристики орбиты сканеров серии Landsat
Параметры орбиты
Орбита
Высота
Наклонение
Период обращения
Повтор орбитального цикла
Размер сцены
Полный орбитальный цикл
гелиосинхронная
705 км
98.2°
98.9 минут
16 дней (233 витка)
185х185км
57784 сцены
Радиометр ETM+ (Landsat-7) производит съёмку в 8-ми зонах спектра,
представленных в таблице 2.3.
Таблица 2.3
Спектральные характеристики радиометра Landsat ETM+
№ канала
1
2
3
4
5
6
7
Панхром.
Спектральная полоса
синяя
зеленая
красная
ближняя ИК
средняя ИК
тепловая ИК
средняя ИК
панхроматический режим
Длина волны (мкм)
0.45 - 0.515
0.525 - 0.605
0.63 - 0.690
0.75 - 0.90
1.55 - 1.75
10.40 - 12.5
2.09 - 2.35
0.52 - 0.90
Разрешение
30
30
30
30
30
60
30
15
Частоты каналов выбирались так, чтобы максимизировать обнаружение
и облегчить наблюдение за различными элементами земной поверхности.
Например, первый канал используется для определения типов лесных массивов и различения растительности. Второй канал показывает отражение зеленого цвета от здоровой растительности. Третий разработан для определения
поглощение хлорофилла. Четвертый канал идеален для обнаружения границы воды и земли. Два канала (5-ый и 7-ой) с частотами в среднем инфракрасном диапазоне показывают влажность почвы и позволяют различать типы
27
минералов. Также для этих целей подходит 6-ой канал.
При номинальной высоте полёта 705 км радиометром ETM+ обеспечивается обзор полосы земной поверхности шириной 185 км. Размер элемента
разрешения составляет 15 м в панхроматическом режиме (т.е. в 2 раза повышена детальность получаемых изображений по сравнению с возможностями
предыдущих космических аппаратов серии Landsat); 30 м – в видимом и инфракрасном; 60 м – в тепловом диапазоне спектра.
Бортовая калибровка по Солнцу и корректировка данных при наземной
обработке позволяют проводить радиометрическую коррекцию до достижения абсолютной точности 5%. Геометрическая привязка кадров осуществляется с точностью не хуже 250 м. Сканирующая система радиометра ETM+
обеспечивает получение одного кадра размером 185х185 км в течение 25 секунд, передавая на Землю около 3.8 Гбит данных. Каждая сцена сопровождается индивидуальным метафайлом, в котором указывается техническая информация снимка: спутник и сканер, производившие съемку, траектория полета спутника, номер кадра и др. Также в метафайле содержится информация
о самом снимке. Это номер зоны кадра, координаты снимка, его проекция,
положение солнца во время съемки, поканальные характеристики.
На орбите постоянно появляются новые приборы. Например, MISR
(Multi-angle Imaging Spectro-Radiometer – многоугловой сканирующий спектрорадиометр) - это первая съемочная система в космосе, позволяющая определять отражательные характеристики объектов в девяти разных направлениях угла обзора. Большинство съемочных инструментов, устанавливаемых на
спутниках, ведут наблюдения вертикально. Для изучения аэрозолей, облачного покрова, водных поверхностей, растительности, горных пород необходимо знать количество солнечного света, рассеиваемого или отражаемого в
естественных условиях по разным направлениям. MISR – не имеющий аналогов инструмент нового поколения – предназначен специально для решения
задач такого типа. Он включает 9 камер, ведущих съемку по 9 разным направлениям: в надир, а также с отклонением под разными углами вперед и
назад по направлению полета. Камеры позволяют получать изображения всей
планеты в четырех спектральных диапазонах (голубом, зеленом, красном и
ближнем инфракрасном) со средним и низким пространственным разрешением (таблица 2.4).
Абсолютная радиометрическая точность равна 3% при максимальной
яркости. Радиометрическое разрешение сырых данных составляет 12 бит
(при дальнейшей обработке они преобразуются в 14-битовые). Полоса обзо–
ра MISR составляет 360 км. Полный охват земной поверхности съемкой возможен за 9 дней. Информационный поток достигает 9 Мбит/с.
Таблица 2.4.
28
Параметры сканера MISR
Направления съемки (в ° от надира)
Спектральные зоны (мкм)
Режимы пространственного разрешения (м)
0, 26.1, 45.6, 60.0, 70.5
0.425-0.467
0.543-0.571
0.660-0.682
0.846-0.886
275 х 275, 550 х 550, 1100 х 1100, 275
х 1100
MISR может получать изображения в двух режимах пространственного
разрешения. В детальном режиме отдельные участки размером 300 х 360 км
наблюдаются с максимальным разрешением 275 м всеми камерами. Однако
пропускная способность радиоканала позволяет передать информацию в
среднем всего для шести таких участков в день. Остальные данные передаются в обзорном режиме c более низким разрешением.
Изменение отражения света при разных углах наблюдения позволяет
распознавать различные типы атмосферных аэрозолей, форму облаков, покровы поверхности суши. При привлечении стереоскопических методов анализа изображений возможно наблюдение пространственных моделей местности и структур облачности. Использование наблюдений в разных направлениях позволяет более точно оценивать общее количество солнечной радиации, отраженной различными участками земной поверхности.
Другой прибор с традиционной надирной ориентацией сканирования –
ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer). Он
разработан НАСА и с 1999 года работает на борту платформы ТЕRRА, имеет
14 спектральных каналов с высоким пространственным, спектральным и радиометрическим разрешением. Три канала в видимой и ближней ИК области
имеют разрешение 15 м, шесть каналов в средней ИК области – 30 м, и пять
каналов в тепловой ИК области с разрешением 90 м.
Среднее пространственное разрешение имеет индийский ресурсный
спутник IRS, работающий с 1994 года. Спутник работает на круговой полярной гелиосинхронной орбите высотой 817 км с 24-дневным циклом. На на
борту спутника работает сканер Linear Imaging Self Scanner (LISS) 2. Ширина полосы обзора 131 км, разрешение на местности 32х37 м, имеются четыре
спектральных канала: 0.45-0.52 (синий) мкм, 0.52-0.59 (зеленый) мкм, 0.620.68 (красный) мкм и 0.77-0.86 (ближний ИК) мкм.
Приведем характеристики двух сканеров с высоким пространственным
разрешением. IKONOS имеет четыре спектральных канала с разрешением 4
м (0.45-0.52, 0.52-0.60, 0.63-0.69 и 0.76-0.90 мкм) и панхроматический канал
29
(0.45-0.90 мкм) с разрешением 1 м. Платформа сканера вращается по круговой полярной гелиосинхронной орбите на высоте 681 км с шириной полосы
обзора 11 км. В 2001 году выведен второй по счету сканер Quickbird 2 с аналогичными спектральными каналами и пространственным разрешением. Он
работает на круговой полярной гелиосинхронной орбите на высоте 600 км с
шириной полосы обзора 21 км.
Лекция 5. Основы микроволнового зондирования.
Микроволновое зондирование является одним из наиболее перспективных направлений ДЗ.
Отличительная особенность микроволнового зондирования – его независимость от погоды, от метеоусловий в период съемки. Это позволяет применять этот вид зондирования для картирования территорий, большую часть
времени покрытых облаками; примером являются некоторые области Колумбии, где облачный покров держится 360 дней в году.
Другой особенностью микроволнового излучения (по сравнению с оптической частью спектра) является высокая проникающая способность излучения, поскольку глубина проникновения примерно одного порядка с длиной волны.
В микроволновом ДЗ используются как пассивные методы зондирования, так и активные. В активном методе радиолокатор излучает волну и принимает ее отражение. Пассивный метод подразумевает регистрацию естественного микроволнового излучения, исходящего с Земли. В дальнейшем будут обсуждаться только активные спутниковые радарные системы
В микроволновом ДЗ применяются несколько частотных диапазонов
(таблица 2.5).
Взаимодействие радарного сигнала с земной поверхностью зависит от
множества факторов, включая: 1) плотность материала поверхности и ее диэлектрические свойства, 2) шероховатость поверхности, 3) вариации рельефа
относительно величины угла обзора и 4) поляризация сигнала. Другими важными характеристиками, которые значительно влияют на качество получаемого изображения, являются: 1) мощность сигнала, 2) длина и ширина импульса, 3) суммарное время возврата сигнала и 4) время между импульсами.
Сложная структура сигнала приводит к тому, что отраженные сигналы различаются друг от друга, что определяет максимально достижимое разрешение поперек линии движения носителя прибора. РСА испускает большое количество импульсов, приходящихся на один и тот же участок поверхности
(например, РСА ERS посылает 1000 импульсов), при этом анализ отраженных сигналов, различных за счет эффекта Доплера, позволяет достичь непло-
30
хого азимутального разрешения (разрешение вдоль направления полета). Регистрация множества подряд выпущенных сигналов эмулирует (синтезирует)
присутствие множества антенн, что эквивалентно одной большой антенне.
Апертура (действующее отверстие оптической системы) синтезированной
антенны равна расстоянию, которое было пройдено при сборе информации
об одном элементарном участке поверхности. На рисунке 2.6 изображены основные параметры РСА.
Таблица 2.5.
Основные частотные диапазоны МДЗ
Обозначение
Частота, ГГц
диапазона
P
0,30 - 1,00
Длина волны, см
40,0 - 76,9
L
1,0 - 2,0
15,0 - 30,0
S
2,00 - 4,00
7,50 - 15,0
C
4,0 - 8,0
3,80 - 7,60
X
8,0 - 10,90
2,40- 3,80
K
Q
V
12,50 - 36,00
36,00 - 46,00
46,00 - 56,00
0,83 - 2,75
0,65 - 0,83
0,536 - 0,65
Датчики
JPL AIRSAR
MDA LTD IRIS, JPL AIRSAR, SIR-A,SIRB, JERS-1, SeaSAT, SIR-C
АЛМАЗ-1
MDA LTD IRIS, JPL AIRSAR, SIR-C,
ERS1/2, RADARSAT-1/2, ENVISAT-1
MARS LTD AN/APS-94D, MDA LTD IRIS,
GOOD-YEAR/GEMS USGS SLAR, SIR-C
Westinghouse AN/APQ 97
Современные РСА обозревают с одной из сторон (левой или правой
относительно оси движения). Угол между направляющей от спутника в точку
надира и направлением излучения называется углом обзора (θ), а угол между
нормалью в точке, куда направлено излучение и направлением излучения
называется углом наклонения (α, рисунок 2.6).
Время, необходимое для прохода радарного сигнала от спутника до
Земли и обратно, используется для вычисления расстояния между спутником
и Землей. Расстояние одного прохода сигнала от спутника до Земли равно
произведению времени прохода и скорости электромагнитной волны (скорости света). Датчик РСА (прибор, установленный на спутнике для формирования изображения) использует эту информацию для создания изображения:
первый появившийся сигнал обратного рассеяния рассматривается как пришедший с наиболее близкого участка, а последующие сигналы обратного
рассеяния как идущие с соседних участков. Расстояние от точки надира под
спутником до объекта называется тангенциальной или горизонтальной дальностью, а расстояние до объекта исследования по линии, перпендикулярной
направлению полета, называется наклонной дальностью.
31
Рис. 2.6. – Основные параметры, используемые для описания работы радиолокатора
бокового обзора. λ – длина волны, L – длина радара, D – ширина радара, T – длительность импульса
Допустим, что сигнал от радара был послан по направлению к большой
горе, причем не сверху вниз, а сбоку. Тогда, как и в случае с солнечным излучением, с противоположной стороны горы появятся тени; фронтальная
часть горы, направленная в сторону радара, будет яркой, а позади горы будет
присутствовать тень. У радарного сигнала нет возможности отразиться от
обратной стороны горы, поэтому сигнал с затененного участка будет очень
слабым. Области, которые радар не может обозревать, выглядят как тени. На
рисунке 2.7 представлена геометрия взаимодействия микроволнового сигнала
с наземным покровом. Эффект радиотеней увеличивается с увеличением угла
обзора, аналогично тому, как длина теней увеличивается при заходе Солнца
(рисунок 2.7 г).
32
Рисунок 2.7. Геометрия взаимодействия микроволнового сигнала с земной
поверхностью (а). Типы искажения: (б) эффект укорачивания; (в) эффект наложения;
(г) эффект радиотеней. a, b, c – точки на земной поверхности и соответствующие a’, b’,
c’ точки по наклонной
Перепады высот в рельефе местности могут привести к ряду искажений. Например, радарный сигнал может достичь вершины, скажем, пирамиды
(со склонами более крутыми, чем 23 градуса в случае для ERS-1) раньше, чем
ее основания. Таким образом, может получиться так, что обратный сигнал от
высоких объектов, расположенных на более далеком расстоянии, придет
раньше, чем от низких объектов. Поэтому на изображении вершина пирамиды будет расположена перед ее основанием. Такой род искажения называется
эффектом наложения изображений.
Другой фактор, который создает искажения, связан с реальными объектами на Земле, а не с предполагаемыми. Для датчика РСА сканируемый участок Земли выглядит плоским, но на самом деле Земля имеет форму эллипсоида. Радар фиксирует площадь основания склона, а не его реальную площадь поверхности, и понятно, что площадь основания меньше фактической
площади склона. Сигналы, отраженные от большинства объектов крутого
склона, вернутся примерно в одно и то же время, поэтому расстояния по наклонной до объектов будут зарегистрированы так, как будто бы они находились в основании склона (рисунок 2.7, в). Этот эффект укорачивания в соче-
33
тании с эффектом наложения изображения приводит к тому, что ближе расположенные стороны гор выглядят очень яркими. Поэтому при рассматривании полученного изображения может показаться, что горы расположены как
будто бы “перевернутыми вверх тормашками”. Уменьшение угла обзора приводит к усилению этого явления.
Поляризация радарного сигнала также влияет на то, как будет выглядеть получаемое изображение. Антенна может испускать и принимать сигналы различной поляризации. На практике применяются: 1) ГГ-поляризация
(т.е. испускается горизонтально поляризованный сигнал и принимается горизонтально поляризованный сигнал), 2) ВВ (посылается вертикально поляризованный сигнал и принимается вертикально поляризованный сигнал), 3) ГВ,
4) ВГ. Режимы ГВ и ВГ применяются как особые дискриминаторы и называют кросс-поляризациями. Объемное рассеивание является главным фактором
взаимодействия, которое приводит к деполяризации сигнала (т.е. изменению
плоскости колебаний). Например, горизонтально поляризованная волна, направленная на дерево, отразившись от него и пройдя сквозь листву, может
измениться на вертикально поляризованную волну. Используя режим ГВ, антенна может принять отраженный вертикально поляризованный сигнал, но
величина принятого сигнала будет намного ниже, чем, например, величина
принятого сигнала при работе в режиме ГГ.
Поперечное разрешение или разрешение по вертикали (перпендикулярно оси движения) зависит от угла обзора и длительности импульса. Изначально, теоретическое разрешение вдоль прямой по наклонной (по направлению распространения волны) составляет половину длины импульса. Для того
чтобы вычислить разрешение по наклонной, нужно умножить длину импульса во времени на скорость электромагнитной волны и поделить на два. Далее,
поделив полученную величину на косинус угла обзора, мы получим поперечное разрешение на местности. Следует отметить, что уменьшение длины
импульса улучшает поперечное разрешение, но также влечет за собой
уменьшение суммарной энергии импульса, которая ограничена имеющейся в
наличии на спутнике энергией и возможностями системы рассеивания выделяемого тепла. Для датчика ERS-1-SAR (при длительности импульса
37,1*10-6 секунд и угле обзора 20,35 градуса) поперечное разрешение равно
нескольким километрам. Для получения разрешения в 25 метров в передатчике специальным образом модулируют высокочастотное заполнение сравнительно длинного импульса (несколько микросекунд), а отраженный сигнал
в приемнике сжимают (укорачивают).
Продольное разрешение или разрешение по горизонтали (вдоль направления полета) определяется как R0*λ/D и составляет примерно несколько
километров для ERS-1. Использование РСА позволяет обойти это ограничение. Условно говоря, при пролете космический спутник видит объект сначала
спереди, а затем сзади. В принципе идея функционирования РСА достаточно
34
проста: используется движение самого спутника и установленной на нем антенны с реальной апертурой (скорость более 7 км/с). Сигналы, принятые антенной, запоминаются и далее суммируются (накапливаются) компьютером,
так что сигнал от объекта M, принятый приемником, когда спутник находился в точке Pi в момент времени ti, складывается с сигналом от этого же объекта, который ранее принимался в момент ti+1, когда спутник находился в точке
Pi+1. Для объектов, находящихся ближе к спутнику, используют меньшую
синтезированную апертуру, для дальних объектов размер апертуры растет
пропорционально росту наклонной дальности. Это позволяет уменьшить
мгновенное поле зрения по горизонтали для дальних объектов и делать разрешение не зависимым от дальности, что недостижимо в оптическом диапазоне. При расчете суммарного сигнала, отраженного от зондируемого объекта, учитывается эффект Доплера. Теоретически разрешение по горизонтали
не зависит от наклонной дальности и длины волны, а определяется размером
реальной антенны и равно половине длины антенны.
Таким образом, РСА посылает сигналы и принимает отраженные сигналы. Вся совокупность отраженных сигналов формирует большой массив
данных, из которого получается изображение (рисунок 2.8).
Рисунок 2.8. – Величина обратного рассеяния в зависимости от типа
земной поверхности
При цифровой обработке спектр узкополосных сигналов, каковым является отраженный сигнал, целесообразно сдвигать в область видеочастот.
Это позволяет уменьшить максимальную частоту обрабатываемого сигнала,
35
и, следовательно, снизить требования по быстродействию к системе обработки. Одновременно необходимо преобразовать действительный сигнал в комплексный аналитический сигнал или траекторный сигнал. Один из вариантов
преобразования отраженного радиосигнала от точечной цели ui(t) в комплексную огибающую состоит в том, что сигнал ui(t) подается на два фазовых
детектора, опорные напряжения которых u1оп(t)=Uопcos(0t-0) и
u2оп(t)=Uопsin(0t-0) сдвинуты по фазе на /2 друг относительно друга, а в
остальном с точностью до амплитуды являются копиями излучаемого сигнала (0 – угловая частота; 0 – начальная фаза; Uоп – амплитуда опорных колебаний). В простейшей конструкции фазовых детекторов процесс преобразования включает умножение входных сигналов и низкочастотную фильтрацию
результирующего сигнала. На выходах умножителей образуются сигналы
uic(t)= ui(t)* u1оп(t) и uis(t)= ui(t)* u2оп(t). Тогда комплексная огибающая отраженного сигнала si(t)= uic(t)+j* uis(t). Составляющие сигнала часто называют
синфазной и квадратурной, а сам сигнал – траекторным сигналом одиночной
точечной цели. Организация ASF поставляет некоторые радиолокационные
данные в комплексном виде, компонента I – синфазной составляющей и Q –
квадратурной составляющей. Из компонентов Q и I вычисляются амплитуда
(равная квадратному корню из суммы квадратов I и Q) и фаза (равная арктангенсу отношения Q к I) радиосигнала.
С появлением тандемной съемки спутников ERS-1/2 все больший интерес проявляется к интерферометрии. Технология радарной интерферометрии
используется для формирования рельефа местности по радиолокационным
данным за счет учета фазовой составляющей сигнала и позволяет обнаруживать на местности неровности сантиметровой высотой. Радарная интерферометрия – ценный инструмент для мониторинга деформаций сооружений и
просадок на земной поверхности, приуроченных к участкам интенсивной
эксплуатации нефтяных или водоносных горизонтов, и для мониторинга
движений земной коры в геологически нестабильных районах.
Величину отраженного радарного сигнала характеризуют коэффициентом обратного рассеяния σ0 . Величину σ0 можно определить как “вне-пространственная количественная оценка, характеризующая способность объекта рассеивать падающее на него микроволновое излучение”. В различных
публикациях можно встретить другие определения σ0. Понятия «эффективная
площадь отражения» и яркость радарного изображения являются практически одинаковыми. В российских литературных источниках для обозначения σ0 часто используют понятие удельной эффективной площади рассеяния (УЭПР).
Величина σ0 измеряется в дБ (dB) и определяется следующим образом
[http://www.asf.alaska.edu]:
36
σ0 = 10 * log{a2 * [d2 - (a1 * n(r))] + a3},
где d – яркость пикселя (цифровое значение от 0 до 255); a1 – коэффициент
шума (noise scaling); a2 – коэффициент линейного преобразования (linear conversion); a3 – сдвиг (offset); n(r) – шум, как функция от расстояния между
спутником и объектом. Указанные параметры равенства поставляются ASF в
виде метаданных вместе с радиолокационным снимком.
Некоторые исследователи используют упрощенную формулу
σ0 = 10 * *log(x),
где x – величина яркости пикселя.
Важно также знать, что величина обратного рассеяния напрямую связана с диэлектрическими свойствами исследуемого объекта. Комплексная относительная диэлектрическая постоянная (ДП) определяется как
e = e' + + i*e",
где e' – удельная емкость, e' – удельная проводимость,
e" = (σ/(2*π*f))*e0,
где f – частота, e0 – диэлектрическая постоянная вакуума. Диэлектрическая постоянная для природных поверхностей, включая растительный покров, зависит в основном от содержания влаги. ДП сухого растительного материала является относительно низкой (1,5<e'<2; e"<=0,1), а для влажного
растительного покрова – высокой (60<e'<80; 20<e"<50 в X и P диапазонах соответственно). Юлаби и Эль-Раес предложили модель для определения ДП в
зависимости от частоты сигнала и гравиметрического или объемного содержания влаги (“объемное содержание влаги” = (“сырой вес” – “сухой вес”) /
”сырой вес”) и ионной удельной проводимости водного раствора в растениях,
которая может быть отнесена к содержанию солей в водном растворе. Установлено, что удельную проводимость водного раствора можно представить в
виде константы.
Для активного микроволнового ДЗ: σt=σv+σs/L, где σt – измеренное об-
37
ратное рассеяние, σv – обратное рассеяние от растительного покрова, L – поглощение излучения растительным покровом, при этом σs = R*α*Mv, где R –
шероховатость поверхности, α – переменная, зависимая от влажности почвы,
Mv – объемная влажность почвы. Известно, что R и α изменяются с изменением поляризации, длины волны, угла падения и до сих пор нет подходящей
теоретической модели для независимого измерения этих двух величин.
Предложена упрощенная модель излучения от растительного покрова в зависимости от объемной влажности, шероховатости поверхности и угла наклонения:
ec  1  R  (exp(2  s  W  sec( ))) 2 ,
где R – величина шероховатости поверхности; Wv – величина объемной
влажности; α – угол наклонения; s – характеризует угол наклона тренда зависимости Wv от оптической глубины.
Был предложен параметрический подход для вычисления объемной
влажности:
Wv  78.9  78.4  1  e  1  exp0.22  W  ,
где Wv – объемная влажность почвы; e – измеренный коэффициент поглощения лучей; W – содержание воды в растительности (кг/м2).
Неровность поверхности можно определить по формуле
R = R0*exp(-h*cos2(θ)),
где R0 – отражение от гладкой поверхности; h – переменная, пропорциональная среднеквадратичному отклонению высот на поверхности; θ – угол падения. Считается, что поверхность является ровной, если относительное превышение высот менее 1/8 длины волны деленной на косинус локального угла
падения, при этом справедлив закон Рэлея, который утверждает, что интенсивность рассеянного света пропорциональна λ-4, где λ – длина волны, т.е.
чем меньше длина волны, тем сильнее рассеяние. Используется также следующий критерий: 1) при среднеквадратичном отклонении высот более 1/25
длины волны деленной на косинус локального угла падения – поверхность
неровная: 2) при среднеквадратичном отклонении высот менее 1/4.4 длины
38
волны деленной на косинус локального угла падения – поверхность ровная.
Если вариации относительной высоты выше, чем длина волны, то угол наклона поверхности, на которую направлен сигнал, также должен учитываться. Например, если сигнал направлен на перпендикулярно расположенную
поверхность, то обратное рассеяние будет ярким. Рельеф местности оказывает и более сложное воздействие на обратное рассеяние.
Для правильной интерпретации микроволновых данных требуется понимание того, как взаимодействует радиолокационный сигнал с наземными
объектами. Для этого создаются экспериментальные и теоретические модели.
Моделировалось взаимодействие как с одним деревом, так и с группой деревьев. Как известно, волна может рассеиваться, поглощаться и деполяризоваться земным покровом. В макромасштабе взаимодействие радиолокационного сигнала с лесным покровом происходит по законам рассеяния Релея и
преломления Снелля. Выделяются следующие механизмы взаимодействия
радиосигнала с лесным пологом: 1) рассеяние от крон деревьев, включая
множественное рассеяние (объемное рассеяние); 2) прямое обратное рассеяние от стволов (угловое рассеяние, обычно малое); 3) прямое обратное рассеяние от земной поверхности (бывает диффузное и зеркальное); 4) обратное
рассеяние «крона-земля»; 5) обратное рассеяние «ствол-земля» или двойное
рассеяние. Последние два взаимодействия происходят в двух направлениях
от дерева к земной поверхности и наоборот. При моделировании учитываются такие параметры, как угол наклонения, поляризация, длина волны и т.д.
Модели используются для получения теоретических величин биомассы и
других биофизических.
В течение 1990-х годов были запущены несколько спутниковых РЛСА:
1) советский ИСЗ АЛМАЗ-1; 2) ИСЗ ERS-1/2 (European Remote Sensing
Satellites), запущенные Европейским Космическим Агентством (ESA –
European Space Agency); 3) японский ИСЗ JERS (Japanese Earth Resources
Satellites); 4) канадский RADARSAT-1. Определенный интерес представляет
РЛСА SIR (Shuttle Imaging Radar) – C/X-SAR, который состоит из радаров Lи C-диапазонов с различными типами поляризаций, и радара X-диапазона с
ВВ-поляризацией. 1 марта 2003 г. был запущен новый европейский спутник
ENVISAT-1. Также, планируются запуски спутников RADARSAT-2 и
RADARSAT-3. Основные характеристики спутниковых РЛСА приведены в
таблице 2.6.
Спутники МДЗ
ERS-1, 2
39
ERS-1 был спроектирован для осуществления высокоточных измерений при наблюдении за поверхностью Земли и ее атмосферой. Спутник был
запущен 17 июля 1991 г. и за время своего существования передал более 1,5
млн. изображений. Информацию от скаттерометра и высотомера использовали метеорологические службы для кратковременного и долгосрочного прогноза погоды, скоростей ветров и их направлений. Высокой точностью отличались измерения температуры морской поверхности, выполненные при помощи радиометра. При наблюдении за температурными фронтами можно
было определить местонахождение рыбы в океане. Спутник следил за циркуляцией океанической воды, перемещением ледяных пластов и айсбергов.
Таблица 2.6
Основные характеристики спутниковых РЛСА
ПериоПродичПериод
странстСпутник
Наклоность Частота
ВысообращеПоляри- венное
(прибор, дата
нение,
повто- / Длина
та, км
ния,
зация разрезапуска)
град
рения волны
мин.
шение,
трассы,
м
дней
5,3 GHz,
RADARSAT- 798
101 (~14
5,66 см
24 (343
1 (ASAR, (793- 98,6 витков
(CГГ
8-100
витка)
04.01.95)
821)
/день)
диапазон)
5,3 GHz,
ERS-1 (SAR,
100 (~14
5,66 см
17.07.91),
78035 (501
98,5 витков
(CВВ
25
ERS-2 (SAR, 785
виток)
/день)
диапа20.04.95)
зон)
1,275
JERS-1 (SAR,
GHz,
96 (~15
11.02.92, не 56544 (660 23,5 см
98,0 витков
ГГ
18
работает с
580
витка)
(L/день)
11.10.98)
диапазон)
5,3 GHz,
ENVISAT-1
100 (~14
5,66 см
77735 (501
ВВ, ГВ,
(ASAR,
98,5 витков
(C30-1000
798
виток)
ВГ, ГГ
01.03.03)
/день)
диапазон)
3
АЛМАЗ-1А
(РСА,
GHz,10
275
72,7
91
1-3
ГГ
15
31.03.91, не
см (Sработает с
диапа-
Угол Ширина
визиро- полосы
вания, обзора,
град.
км
20-60
50-500
20-26
100
37-43
75
15-45
56-100,
405
25-51
250-300,
40
40
17.10.92))
зон)
Информация со спутника нашла свое место также в лесоводстве, геологии, сельском хозяйстве и т.д. Основная цель полета ERS-1 состояла в наблюдении за океаническим и морским ледовым покровом, что, в свою очередь, дает информацию относительно взаимодействия атмосферы с поверхностью океана, необходимую для моделирования климата. Космический аппарат информировал о циркуляции энергии в океанических водах, позволял
провести более точные оценки массового баланса ледяных пластов Арктики
и Антарктики, улучшил контроль над динамикой прибрежных процессов и
уровнем загрязнения.
Характеристики ERS-1:
–солнечно-синхронная орбита с углом наклонения 98,5° и средней высотой полета 758 км;
– общая масса - 2400 кг (в начале полета);
– общая длина - 11,8 м;
– панель солнечной батареи - 11,7x2,4 м;
– SAR-антенна 10,0x1,0 м;
– диаметр антенны радиовысотомера - 1,2 м;
– конструктивный срок службы - 2-3 года.
Тандемная работа ERS-1 и ERS-2 выявила разнообразие применений
данного метода и проложила путь новым запускам, посвященным SARинтерферометрии.
RADARSAT-1
Спутник RADARSAT-1 был запущен в ноябре 1995 г. После запуска
RADARSAT-1 данные с него получаются регулярно, начиная с июня 1996 г.,
после того как прошла фаза проверки. Радиолокатор, установленный на
спутнике, работает в С-диапазоне (длина волны 5,66 см). Для приема данных
со спутника существует сеть станций, охватывающих территорию радиусом в
3000 км. RADARSAT-1 несет на себе два записывающих устройства, каждое
из них имеет возможность записать 10 минут SAR данных, что позволяет
получать данные на территории, находящиеся за пределами покрытия станций. Примером этого является миссия RADARSAT-1 по картированию Антарктики (AMM - Antarctic Mapping Mission). Результатом этого стало изображение всего континента Антарктиды. РЛСА RADARSAT-1 имеет 7 стандартных режимов работы. Угол наклонения изменяется в диапазоне от 19 до
49 градусов в зависимости от режима работы. При стандартном режиме ширина наземной полосы обзора равна 100 км. Каждая сцена покрывает площадку 100х100 км с расстоянием между пикселями 12,5 м (25 метровое раз-
41
решение) для высокого разрешения и 100 метровым расстоянием между пикселями (150 метровое разрешение) для низкого разрешения (таблица 2.7).
Первостепенными задачами для миссии RADARSAT-1, поставленными
NASA, были следующие:
– Картирование антарктической ледовой поверхности. NASA использует данные RADARSAT-1 для получения первоначальной карты высокого
разрешения всей Антарктики. Повторные исследования выявить изменения
ледового покрова, которые могут привести к глобальному поднятию уровня
моря. Первые карты континента составлены в ноябре 1997 года;
Таблица 2.7
Режимы работы РЛСА RADARSAT
Номинальное
Пределы проШирина полопространственРежим
странственного
ное разрешесы обзора, км
разрешения, м
ние, м
Стандартный (Standard)
100
2...49
28 x 25
Широкополосный (Wide)
150
2...45
28 x 23-35
Детальный (Fine)
50
35..49
9 x 8-9
Обзорный широкий (ScanSAR-W) 500
20...50
100 x100
Обзорный узкий (ScanSAR-N)
300
20...40, 32...36 50 x 50
Расширенный дальний (Extended
75
50...60
28 x 25
(High))
Расширенный ближний (Extended
170
10...20
28 x 25
(Low))
– Мониторинг ледового покрова для решения задач климатических исследований и навигации. Постоянная съемка северных океанов позволит
применить методы автоматического слежения за плавучими льдами и изучить их передвижение через всю Антарктику. Дальнейший анализ позволит
сделать оценку скорости формирования новых ледников и изучить влияние
ледовых поверхностей на климат.
– Картирование и мониторинг суши.
NASA использует RADARSAT-1 для изучения лесов. Получаемые данные
могут применяться для дешифрирования лесных поверхностей, оценки биомассы и обнаружения наводнений.
Лекция 6. Применение микроволновой съемки.
42
Применение радиолокационных данных в лесном хозяйстве развивалось параллельно с развитием самих радиолокационных систем. В течение
1960-80 гг. решались задачи по картированию природных ресурсов. Впервые
эта технология применена в Панаме для картирования растительного покрова
провинции Дариен (1965-1967 гг.). В 1970-х годах существовало несколько
коммерческих систем микроволнового ДЗ самолетного базирования. В это
время одной из главных задач являлось картирование тропических лесов и
природных ресурсов. В течение 70-80 гг. коммерческий интерес к радарам
фактически исчез из-за сложности их применения. Однако в 80-90 гг., с появлением цифрового радиолокатора с синтезированной апертурой (РЛСА)
STAR-1, интерес вновь возрос. С начала 80-х годов основной причиной исследований и разработок в данной области являлись потенциальные возможности спутниковых РЛСА в решении задач глобального мониторинга и моделирования экосистем.
Исследовательские проекты были необходимы для получения информации о природных ресурсах и планирования их использования, т.к. аэрофотосъемка непригодна в условиях облачности. Новая радарная технология позволяла в кратчайшие сроки получить изображение на обширную территорию. Обычно проекты включали в себя многие дисциплины, такие как геологическое картирование, картирование геоморфологии, растительности, почв
и землепользования. Результатом исследований с применением радарной
технологии являлись изображения (М 1:400000), мозаики изображений (М
1:250000) и различные карты (от М 1:250000 до М 1:1000000).
Российские ученые проявили интерес к МДЗ еще в 70-е годы. Радарные
данные впервые были получены с искусственного спутника Земли “Космос243” в 1968 году в диапазонах 0,8; 1,4; 3,4 и 8,5 см.
С 1971 г. по 1976 г. по проекту RADAM в Бразилии получены микроволновые изображения на территорию в 8,5 миллионов км2 . Такой же проект
реализовывался в Колумбии с 1973 г. по 1979 г. (при помощи радиолокационной съемки исследовалась территория в 380000 км2). В течение 1976-1977
гг., используя радарную технологию, получены карты землепользования и
растительности на территорию Нигерии. Также созданы карты растительности и для других стран, таких, как Никарагуа, Венесуэла и Того. По оценкам
Верле, 50-ю различными проектами исследованы свыше 15 миллионов км2 на
территориях Южной и Центральной Америки, Юго-восточной Азии и Африки с применением радаров.
На следующем этапе развития стали разрабатываться цифровые системы РЛСА, имеющие различные частотные диапазоны и поляризации (например, самолетные системы ERIM SAR и ERIM/CCRS SAR 580). Так как РЛСА
не требовали применения больших антенн, то появилась возможность применения спутниковых технологий. Поэтому, исследования конца 1970-х и
начала 1980-х годов были направлены на разработку спутниковых РЛСА. В
43
1978 году океанографический спутник SEASAT (РЛСА с 25-метровым пространственным разрешением, работающий в L-диапазоне) получил первое
радиолокационное изображение из космоса. Полученные данные выявили
значительную детальность земной поверхности, что открыло повышенный
интерес к возможности применения данных РЛСА в лесном хозяйстве. Первые исследования в области применения РЛСА в лесном хозяйстве (для задач
обнаружения вырубок и гарей, типологического картирования лесов, оценки
возобновления) были направлены на разрешение вопросов выбора оптимальных параметров РЛСА (частотного диапазона, поляризации, углов наклона,
пространственного разрешения и частоты повторного покрытия). В более
поздние годы первостепенными стали исследования, направленные на извлечение биофизических параметров экосистем. Разработки улучшенных радарных систем, работающих в различных поляризационных режимах (например,
система NASA/JPL AIRSAR, запущенная в 1988 г. и работающая в P-, L- и Сдиапазонах), дали новые возможности в решении поставленных задач.
С появлением возможностей применения различных длин волн и поляризаций стало очевидно, что знания о взаимодействии радиолокационного
обратного рассеяния с лесным пологом являются недостаточными. Для полной интерпретации получаемых изображений и для понимания того, как
лучше применять имеющиеся в наличии параметры изображений в решении
лесных задач, требовались дополнительные исследования. Поэтому в середине 1980-х годов возник повышенный интерес к моделированию взаимодействия радиолокационного обратного рассеяния с лесным пологом.
Сугардиман, проведя исследование по картированию гарей в тропических лесах, отмечает, что при совместном применении данных РЛСА ИСЗ
ERS, данных AVHRR ИСЗ NOAA и информации о типах пожаров, характерных для данной местности, можно получить вполне надежные результаты,
позволяющие с высокой точностью оценить нанесенный ущерб. Использование самолетных РЛ-систем в сочетании с аэрофотографией и оперативными
спутниковыми системами обеспечивает надежную основу мониторинга процессов обезлесения, деградации земель и лесов и изменений земного покрова.
После запуска в 1995 г. второго европейского ИСЗ ERS 2 открылись
новые возможности дистанционного изучения лесных территорий, закрытых
облачностью, с помощью радиолокационной съемки. При поддержке ЕС выполняется международный проект SIBERIA (Sar Imaging for Boreal Ecology
and Radar Interferometry Applications). Целью проекта является получение
информации о состоянии сибирских лесов с помощью радиолокационной
съемки, осуществляемой с ИСЗ ERS 2 и создании лесной ГИС. Всего сформировано 67 лесных карт (каждая 100х100 км), покрывающих 650000 км2
территории Сибири.
Многие исследования микроволнового ДЗ направлены на извлечение
биомассы из величин обратного рассеяния путем инверсного моделирования.
44
Указывается, что съемка ERS-1 применима для этих целей, когда влияние
влажности минимально. По результатам Хьюзина и др. кроссполяризованный сигнал является наиболее подходящим для измерения биомассы. Уландер, сделав анализ данных, полученных с помощью самолетного
РЛСА CARABAS (диапазон 20-90 МГц), заключает, что обратное рассеяние
повышается линейно с биомассой даже для максимального уровня биомассы
(375 тонн/га). Определение объема древесных стволов (м3/га) дает результаты
с точностью того же порядка, что и хорошая наземная инвентаризация, например, 10-20%. Таким образом, РЛСА-система с СВЧ-каналом способна
эффективно картографировать биомассу.
Пракс и др., проведя исследование поляриметрических РЛСАизображений L- и C-каналов в сочетании с обширной базой наземных данных, утверждает, что наилучшим параметром для картографирования лесной
биомассы является коэффициент обратного РЛ-рассеяния L-канала ГВполяризации. Рэнсон и др. провели анализ результатов наблюдений северных
лесов во время выполнения программы SIR-C/X-SAR (апрель и октябрь 1994
г.) рассмотрели влияние различных окружающих условий на классификацию
лесов и оценку биомассы по РЛСА-данным в районе Северной Канады. Величины эхо-сигналов были ниже в условиях замерзания деревьев и почвы,
что соответствовало результатам других испытаний. Простые линейные регрессионные модели не всегда могли быть использованы для оценки древесной биомассы, но статистические испытания показали, что отклонения от них
невелики и допускают некоторые последующие поправки. Температура окружающей среды оказывало более сильное влияние на результаты классификации лесного покрова, чем на оценку величин биомассы.
Применение в сельском хозяйстве
Радиолокационные данные могут быть использованы для распознавания, мониторинга сельскохозяйственных культур и восстановления их биофизических параметров. Показывается, что, как правило, чем гуще расположены стебли растений, тем большую частоту следует использовать. Например, для мониторинга пшеницы, ячменя, риса, рапса, у которых плотность
стеблей высока, а диаметр стебля мал, целесообразно использовать канал С (а
также X), а для мониторинга кукурузы и картофеля (меньшая плотность
стеблей и больший диаметр) лучшими являются каналы L и S. Излучение на
ГВ-поляризации более предпочтительно, когда растения имеют много веточек, стручков, черенков, например, для мониторинга картофеля, кукурузы
или рапса. Для культур с ярко выраженной вертикальной структурой, такой,
как пшеница и ячмень, наиболее подходящей является ВВ-поляризация. Браун анализировала данные X- и C-диапазонов с разрешением 3-6 см на ВВ, ГГ
и ВГ поляризациях при изменении угла падения в диапазоне 20°-50°. По результатам измерений, в частности, были сделаны следующие выводы: 1) радиолокатор «видит» посевы пшеницы как рассеивающую среду, состоящую
45
из 3-х слоев: верхний слой – поникшие листья и колосья, средний слой –
стебли, нижний слой – почва, причем наиболее сильное отражение излучения
наблюдается от верхнего и нижнего слоев; 2) при больших углах падения
растительный покров (пшеница) на ВВ-поляризации более интенсивно отражает излучение обеих полос, чем почва; 3) как правило, на каналах доля почвы в отраженном излучении меньше, чем на канале C; 4) при кроссполяризации ГВ РЛ-сигнал содержит очень значительную долю излучения,
отраженного от почвы.
Использование в гидрологии
Многие исследования направлены на установление взаимосвязи между
влажностью почв и величиной обратного рассеяния. Так Юлаби с соавторами
получили прямую зависимость между величиной объемной влажности и диэлектрической постоянной растительного покрова для C, L и P каналов.
Хокcчайлд с соавторами получили, что данные в L-диапазоне могут быть использованы для классификации почвенной влажности. Дарие с соавторами,
анализируя данные ERS-1, показали, что оценка оптимальной величины почвенной влажности возможна с разрешением в 1 га, что является приемлемым
для моделирования в масштабе.
Радиолокационные данные применяются для мониторинга состояния
снежного покрова. Установлено, что данные РСА, наряду с оптическими
данными, эффективны для оценки состояния снежного покрова в период весеннего таяния. Использование информации о когерентности открывают гораздо более легкий путь картографирования сухого и влажного снежного покрова, вне зависимости от топографической информации. При этом точность
картографирования составит 86%, по сравнению с результатами использования данных LANDSAT.
Построение цифровых моделей рельефа по результатам интерферометрических измерений в микроволновом диапазоне.
Огромное значение имеет использование интерферометрии микроволнового излучения при использовании одновременно двух радаров для построения цифрового рельефа подстилающей поверхности. В настоящее время
существует и находится в свободном доступе в Интернете рельеф планеты,
полученный в ходе миссии SRTM (Shuttle Radar Topography Mission). В 2000
году при полете корабля «Индевор» проведена съемка с помощью специальной радарной системы. Двумя радиолокационными сенсорами SIR-C и XSAR было собрано более 12 терабайт данных. Данные распространяются растровым типом квадратами размером 1х1 градус, при максимальном доступном разрешение 3 арксекунды такой квадрат является матрицей размером
1201х1201 пикселей, значение пиксела является высотой над уровнем моря в
данной точке.
46
Лекция 7. Биофизические основы использования спектральных
характеристик в мониторинге биосферы.
Спектры отражения разных природных образований.
Рис. 2.9. Спектры основных природных образований и интервалы оптического диапазона.
1– вода, 2– растительность, 3– почва (Richards, 1993).
Почвы. Одной из самых важных свойств отражательной способности
сухих почв является увеличение отражательной способности с увеличением
длины волны в видимом и ближнем ИК диапазонах спектра. Вся падающая
энергия либо поглощается, либо отражается. Однако сама почва представляет собой сложную смесь минеральных и органических веществ, обладающих
различными физическими и химическими свойствами, которые могут влиять
на ее поглощательную и отражательную способность. Содержание влаги, количество органического вещества, окиси железа, содержание глины, пыли и
песка, характеристики шероховатости поверхности почвы - все это сильно
влияет на спектральную отражательную способность почвы.
Оптические свойства почвы определяются в первую очередь ее минеральным составом, поскольку почва является результатом выветривания горных пород. Спектр отражения почвы является композицией спектров отражения ее минеральных компонентов. Подобно минералам почвы характеризуются увеличением отражения от видимой к коротковолновой инфракрасной области с полосами поглощения 1.4 мкм и 1.9 мкм, связанными с влажностью почвы (рис. 2.10).
47
Рис. 2.10. Кривые спектрального отражения почвы при различной влажности.
Другим фактором, определяющим спектральные свойства почвы, является ее влажность. Увеличение влажность почвы ведет к появлению параллельных спектров отражения (рис. 2.10). Это значит, что влажность почвы
влияет на весь спектр в целом и отношение между спектральными каналами,
например красным и инфракрасным, не зависит от влажности почвы. Таким
образом, можно представить прямую линию, связывающую отражение в
красной и инфракрасной области спектра (рис. 2.11).
Рис. 2.11. Почвенная линия.
48
Так называемая почвенная линия является характеристикой типа почвы
и служит для определения некоторых индексов растительности, которые позволяют отделить спектральные свойства верхнего полога растительности от
свойств почвы. Почвенная линия вычисляется методом наименьших квадратов и представляется в виде:
Nirsoil=a·redsoil+b
где redsoil – отражение почвы в красной области, nirsoil – отражение почвы в
ближней инфракрасной области, a,b – параметры, оценивающиеся методом
наименьших квадратов. Другие каналы в видимой части спектра (синий, зеленый) могут быть использованы вместо красного.
Третьим фактором, определяющим спектральные свойства почв, является содержание органического вещества, которое оказывает слабый эффект
в области около 1.8 мкм. Этот фактор влияет опосредованно через структуру
почвы и способность сохранять влагу. Последний фактор, влияющий на
спектральные свойства почвы, это шероховатость, связанная с ее структурой.
Экспериментальные данные показывают, что альбедо почвы возрастает с
уменьшением частиц почвы данного типа. Действительно, крупные частицы
почвы дают шероховатую поверхность, которая улавливает свет. Это изменение в распределении света и тени вызывает вариации отражательных свойств
почвы, что наиболее характерно для отражения в дальней инфракрасной и
микроволновой области спектра.
Оптические свойства листьев одинаковы для всех типов растительности. Здоровый зеленый лист имеет типичные свойства отражения, которые
отличаются в функциях трех спектральных областей (рис. 2.12).
49
Рис. 2.12. Типичные спектральные характеристики зеленой растительности
В видимой части спектра (400-700 нм) поглощение света пигментами листа
преобладает над отражением и ведет к общему низкому отражению (15%
максимум). Имеются две основные полосы поглощения: синяя (450 нм) и
красная (670 нм), вследствие поглощения двух основных листовых пигментов: хлорофилла А и Б, которые составляют около 65% листовых пигментов
высших растений. Эти сильные полосы поглощения определяют пик отражения в желто-зеленой полосе (550 нм). По этой причине хлорофилл называют
зеленым пигментом. Другие пигменты также имеют большое значение для
видимого спектра листа. Например, пигмент каротин от желтого до оранжево-красного цвета имеет сильную полосу поглощения в области 350-500 nm и
отвечает за расцветку некоторых цветов и фруктов, а также цвет листьев без
хлорофилла осенью. В ближней ИК области (700-1300 нм), оптические свойства листа объясняются его структурой. Листовые пигменты и целлюлоза
прозрачны для волн ближнего инфракрасного диапазона, и поэтому поглощение их листом очень мало (10% максимум), а отражение и пропускание
высоки и могут достигать величины 50%. В этой области спектра имеется характерное плато в спектре листа. Уровень (высота) этого плато определяется
внутренней структурой листа, а также величиной промежутков мезофилла,
что определяет поверхности с различными коэффициентами преломления
(клетки воды и воздуха). Отражательная способность (альбедо) листа увеличивается для более разнородных форм клеток и их структуры, а также с увеличением количества слоев клеток, размера пространства между клетками и
размером клетки. Отражательная способность таким образом зависит от относительной толщины мезофилла. Ближний инфракрасный диапазон имеет
два основных интервала: (1) между 700 и 1100 нм, где отражательная способность высока, исключая две полосы поглощения воды (960 и 1100 нм), и
(2) между 1100 и 1300 нм, которая соответствует переходу между высокой
отражательной способностью в ближней ИК области и зонами поглощения,
связанными с водой в коротковолновой части ИК диапазона. Последний оптический отрезок – это коротковолновой ИК диапазон (1300 -2500 нм), характеризующийся слабой поглощаемостью водой в листе. Поскольку молекулы воды поглощают радиацию строго в 1450, 1950 и 2500 нм, эти длины
волн не могут использоваться для измерения отражательной способности
(коэффициента отражения). На других длинах волн коротковолнового ИК
диапазона коэффициент отражения увеличивается с уменьшением количества
жидкости внутри листа. Во всех трех основных спектральных диапазонах
факторами, определяющими оптические свойства листа, являются: внутренняя и внешняя структура, возраст, содержание воды, минералов и состояние.
Вегетационные индексы
Для минимизации влияния на радиометрические свойства полога рас-
50
тительности таких факторов, как оптические свойства почвы, освещение,
геометрия наблюдения или измерения, а также метеорологических факторов
(ветер, облака), коэффициенты отражения в отдельных областях комбинируются в вегетационные индексы. Идеальный вегетационный индекс должен
быть чувствителен только к пологу растительности (зеленая часть), и не чувствителен к почве. Кроме того, он должен быть менее чувствителен к влиянию атмосферы, хотя значения, измеренные при ДЗ, должны пройти в идеальном случае операцию геометрической и атмосферной коррекции до вычисления вегетационного индекса. Известны по крайней мере пятьдесят различных вегетационных индексов. Наиболее часто используются индексы,
представляющие собой отношение коэффициентов отражения в отдельных
зонах спектра или их линейных комбинаций. Деление позволяет устранить
искажения, вызванные в каждом канале одними и теми же причинами. Вегетационные индексы на основе отношения могут быть вычислены не по значениям альбедо или коэффициента отражения, а по значениям яркости, если
яркость измерена при тех же условиях освещенности. Большинство вегетационных индексов, основанных на отношении, используют красный канал,
который связан с поглощением света хлорофиллом, и ближним инфракрасным каналом, который связан с плотностью зеленой растительности, потому
что два эти канала содержат более 90% информации о растительном пологе.
Итак, в красном и ближнем ИК каналах различия между растительностью и
почвой максимальны. Первый вегетационный индекс является отношением
яркостей, который вычисляется по формуле (Pearson and Miller, 1972):
где nir – отражение в ближней ИК зоне, red – отражение в красной зоне
Этот индекс был улучшен, и сейчас наиболее широко используется вегетационный индекс нормированной разности (NDVI), который вычисляется
по следующей формуле:
где nir – отражение в ближней ИК зоне, red – отражение в красной зоне.
NDVI имеет следующие интервалы значений: растительность: 0 <
NDVI 1; почва: 0 NDVI 1; вода: -1 NDVI 1. Будучи безразмерным показателем, NDVI предназначен для измерения эколого-климатических характеристик растительности, но в тоже время может показывать значительную
51
корреляцию с некоторыми другими параметрами: продуктивностью (временные изменения); биомассой; испаряемостью (эвапотранспирацией). Зависимость между этими параметрами и NDVI, как правило, не прямая и связана с
особенностями исследуемой территории, ее климатическими и экологическими характеристиками, кроме этого, часто приходиться учитывать временную разнесенность параметра и ответной реакции NDVI. Так, благодаря минимальному временному разрешению данных MODIS/Terra, вычисление
NDVI на их основе может давать оперативную информацию об экологоклиматической обстановке и возможность отслеживать динамику различных
параметров с периодичностью до 1 недели. Большой пространственный охват
позволяет проводить мониторинг территорий, соразмерных с площадями областей и целых стран. Данные же высокого разрешения типа Landsat, IRS,
Aster позволяют следить за состоянием объектов размерами вплоть до отдельного поля или лесного выдела.
Благодаря всем этим особенностям, карты NDVI часто используются
как один из промежуточных дополнительных слоев для проведения более
сложных типов анализа, результатами которых могут являться карты продуктивности лесов и сельхозугодий, карты типов ландшафтов, растительности и
природных зон, почвенные, аридных зон, фито-гидрологические и другие
эколого-климатические карты. Также на его основе возможно получение
численных данных для использования в оценке и прогнозировании урожайности и продуктивности, биологического разнообразия, степени нарушенности и ущерба от различных естественных и антропогенных бедствий, аварий
и т.д. Часто эти данные используются для вычисления других универсальных
и территориально-привязанных индексов: LAI - индекс листовой поверхности, FPAR - индекс фотосинтетически активной радиации, поглощаемой растительностью и пр.
Pinty and Verstraete (1992) показали, что лучшая минимизация относительного влияния атмосферных эффектов достигается при нелинейной комбинации отражательной способности отдельных каналов в вегетационном
индексе. Ими предложен вегетационный индекс глобальной среды Global Environment Vegetation Index, GEMI, вычисляемый по формуле
при
nir , red – те же обозначения.
52
Поскольку RVI и NDVI не минимизируют в достаточной степени оптические эффекты влияния почвы на альбедо полога растительности, используются также вегетационные индексы, основанные на концепции почвенной
линии. Richardson and Wiegand (1977) предложили перпендикулярный вегетационный индекс Perpendicular Vegetation Index (PVI), который определяется как расстояние между точкой, представляющей полог растительности (redveg., nirveg.) и почвенной кривой (рис. 2.13).
Рисунок 2.13. Геометрические соотношения между RVI, NDVI, PVI и TSAVI
Точка пересечения почвенной линии и перпендикуляра – это (redsoil, nirsoil) (рис. 2.13). На этом рисунке RVI является наклоном линии, соединяющей
начало координат (0,0) и точку растительного полога (redveg. , nirveg.). Этот
наклон равен tan ( ), а NDVI равен tan ( - 45). PVI вычисляется как:
где redveg. – отражательная способность растительности в красном канале;
nirveg. – отражательная способность растительности в ближнем ИК канале;
redsoil – отражательная способность почвы в красном канале;
nirsoil – отражательная способность почвы в ближнем ИК канале, равная
= a * redsoil + b (a,b = parameters of the soil line).
PVI имеет следующий интервал значений: голые почвы: PVI = 0, вода:
PVI < 0; растительность: PVI > 0.
Поскольку nirsoil = a redsoil + b, PVI можно определить как
53
В этой формуле PVI является явной функцией параметров почвенной линии
(a и b), которые меньше варьируют при измерениях отражения от одного типа почв к другому. PVI был улучшен Baret et al. (1989) и Baret and Guyot
(1991) в усовершенствованный трансформированный почвенный вегетационный индекс Transformed Soil Adjusted Vegetation Index (TSAVI):
–
отражение
растительности
в
красном
канале;
где
redveg.
nirveg. – отражение растительности в ближнем ИК канале; a и b – параметры
почвенной линии; X = 0.08 (для минимизации эффекта почвы).
TSAVI имеет следующие интервалы значений: голые почвы: TSAVI =
0; при высоких значениях индекса листовой поверхности LAI TSAVI близок
к 0.7. При a=1 и b=0 TSAVI = NDVI. На рис. 2.13 TSAVI определяется как
tan(ß), где ß – угол между почвенной линией и линией, соединяющей точку
(redveg., nirveg.) с точкой S на почвенной линии с абсциссой X.
Существуют также индексы, основанные на NDVI, но корректирующие
сразу несколько помехообразующих факторов, как, например EVI - улучшенный вегетационный индекс):
EVI = (rnir - rred)(1+L) / (rnir + C1*rred - C2*rblue + L),
где *rnir, *rred, *rblue - скорректированные на влияние атмосферы значения отражательной способности в ближней инфракрасной, красной и голубой
зоне (0.841-0.876, 0.620- 0.670, 0.459 - 0.479 мкм); L - поправочный коэффициент, учитывающий влияние почвы; С1, С2 - коэффициенты, контролирующие вклад голубой зоны в рассеяние атмосферными аэрозолями. Этот индекс
позволяет выделить больше градаций в районах с высокой биомассой и имеет
преимущества для мониторинга растительности, поскольку влияние почвы и
атмосферы в значениях EVI минимизировано (Huete, et.al., 1999)
Все эти применяемые вегетационные индексы имеют преимущества и
54
недостатки, связанные с экспериментальными условиями измерений и задачами, для которых эти индексы определены. Корреляция между ними низкая,
как показали Baret and Guyot (1991) путем теоретического моделирования.
Кроме того, определение лучшего вегетационного индекса для применения в
конкретном случае зависит и от вида датчика, который предполагается использовать, из–за различий в каналах (длина волны, ширина канала, атмосферные влияния). Это значит, что, например, NDVI, определенный по данным NOAA/AVHRR отличается от NDVI, определенного по данным
LANDSAT TM из-за различий в красном и ближнем ИК канале обоих датчиков.
Многими исследователями данные AVHRR были использованы для установления на региональном и глобальном уровнях связи между NDVI и
биофизическими параметрами растительности, в первую очередь травяной –
поглощенной фотосинтетически активной радиацией, индексом листовой поверхности, эвапотранспирацией и первичной чистой продуктивностью. Для
травяных сообществ были получены регрессионные зависимости для связи
сухой биомассы в конце вегетационного сезона и максимального за сезон и
суммированного по 5–20 дней NDVI. Получение таких простых зависимостей для лесных экосистем довольно сложно, так как существует много факторов, влияющих на величину и изменение биомассы стволов, ветвей и корней, не связанных напрямую со спектральными свойствами листвы.
Остановимся для примера на работах, проведенных в Институте леса
им. В.Н. Сукачева СО РАН по изучению связи отражательных характеристик
растительности и биомассой. Основным измеряемым параметром являлся коэффициент спектральной яркости объекта R, который определяется как отношение потока лучистой солнечной энергии длиной волны , отраженного
объектом, к потоку той же длины волны, отраженному идеальным отражателем.
Из биолого–физиологических факторов, влияющих на величину R, исследовались основные: фенологическая изменчивость, индекс листовой поверхности, фитомасса. Измерения проводились спектрометром С–9. Спектральный диапазон датчика составлял 0.43–0.95 мкм, спектральное разрешение 7–10 нм, время регистрации спектра 15 с, угол зрения 3×12. Измеренный спектр представляет порядка 30 измерений в последовательных интервалах видимого и ближнего ИК диапазона.
Спектральные измерения выполнялись в течение всего периода вегетации. Начало экспериментов определялось моментом набухания почек, конец
– полным опадом листвы. Периодичность измерений зависела от скорости
изменения спектральных характеристик и составляла 3–10 дней. Параллельно
отслеживались биологические параметры (величина и влажность фитомассы,
концентрация пигментов, площадь поверхности листа), а также метеопара-
55
метры (скорость ветра, влажность, облачность, степень диффузности освещения, высота стояния Солнца).
Измерения проводились систематически в течение трех периодов вегетации. Определение реальных условий освещенности объектов (соотношение
уровней суммарной и рассеянной солнечной радиации) в момент измерения и
учет этого соотношения при вычислении коэффициентов спектральной яркости объектов R позволили сравнивать между собой данные, полученные в
разные годы.
Рисунок 2.14 представляет характерные спектры древесных пород в
период вегетации. В начале вегетации спектры насаждений похожи на спектры коры и побегов. По мере распускания листвы в полосе поглощения
Рис.2.14. Спектры листвы и хвои. 1,5 – береза, 2 –лиственница сибирская, 3,4 – сосна; 1,2,3 – середина вегетации, 5 – конец вегетации, 4 – зимний период.
хлорофилла возникает характерный прогиб, величина отражения в ближней
ИК области возрастает. Спектры стабилизируются в середине
вегетационного периода, между началом второй декады июня и концом второй декады августа. Пожелтение и опад листвы сопровождаются резкими изменениями в спектрах. В конце вегетации спектральные характеристики древостоев вновь аналогичны спектрам побегов. Различия с весенней фенофазой
следует отнести за счет влияния опада. Межвидовые различия наблюдаются в
основном в ближней ИК области. Все исследуемые породы различаются
здесь на уровне значимости 0.99.
Значения коэффициентов спектральной яркости были использованы
56
для вычисления нормированного вегетационного индекса (NDVI). Рис. 2.15
представляет динамику NDVI за период вегетации. Минимальные значения
NDVI березовых и лиственничных насаждений наблюдаются в начале и конце вегетации. Середине вегетационного периода соответствует период стабилизации.
По сравнению с листопадными породами у сосняков NDVI более стабилен. Точка разрыва NDVI для травостоя соответствует моменту скашивания, которое было выполнено для прямого определения фитомассы. Дисперсия данных обусловлена преимущественно влиянием условий освещения. В
частности, в зависимости от соотношения рассеянной и суммарной радиации
величина R изменяется на 10–30%.
1
0.9
0.8
0.7
NDVI
0.6
0.5
0.4
лиственница
береза
травостой
сосна
0.3
0.2
0.1
май
июнь
июль
2
4
18
21
7
24
10
26
12
29
1
15
0
август сентябрь октябрь
Рис. 2.15. Динамика NDVI в течение вегетационного периода.
листвы березы 3 т/га, хвои лиственницы 2,7 т/га, травостоя 1,9 т/га. Полученные результаты измерений были использованы для установления зависимостей между спектральными и биологическими характеристиками насаждений
(рис. 2.16).
57
1
0.9
0.8
NDVI
0.7
0.6
0.5
травостой, r=0.93
лиственница, r=0.92
береза, r=0.97
0.4
0.3
0.2
0.1
2.
5
2.
2
1.
9
1.
6
1.
3
1
0.
7
0.
4
0.
1
0
фитомасса, т/га
Рис. 2.16. Связь между величинами фитомассы насаждений и NDVI.
Вопросы для самоконтроля
1. Диапазоны электромагнитного спектра излучения Солнца, Земли.
2. Излучение нагретых тел. Закон Планка.
3. Спектральная плотность энергетической яркости, определение понятия, единицы измерения.
4. Абсолютно черное тело, его модель.
5. Отражение, пропускание и рассеяние падающего излучения.
6. Опишите путь солнечного излучения до Земли и обратно до датчика
дистанционного зондирования.
7. Фотографический способ получения информации дистанционного
зондирования.
8. Виды снимков и фотографических пленок, используемые диапазоны
аппаратуры, устанавливаемой на самолетах и спутниках, для анализа подстилающей поверхности.
9. Цифровой спектрорадиометр: принципиальная схема, диапазоны.
10. Характеристики спектрорадиометра: спектральное, пространственное, временное, радиометрическое разрешение.
11. Мгновенное поле зрения датчика и связь с пространственным наземным разрешением.
12. Пример сканера: спектральные диапазоны, пространственные и
временные характеристики, механическое устройство.
13. Основные этапы развития микроволнового дистанционного зондирования.
14. Радиолокаторы с реальной и синтезированной апертурой и их различия.
58
15. Диапазоны микроволнового дистанционного зондирования.
16. Преимущества микроволнового дистанционного зондирования перед дистанционным зондированием в оптическом диапазоне.
17. Основные технические параметры, описывающие работу радиолокатора бокового обзора.
18. Радиолокатор с синтезированной апертурой.
19. Факторы, влияющие на величину обратного сигнала при микроволновом зондировании.
20. Эффекты радиотеней, наложения и укорачивания объектов на микроволновом изображении.
21. Типы поляризаций и их преимущества.
22. Продольное и поперечное пространственное разрешение.
23. Интерферометрия.
24. Измерение величины обратного рассеяния.
25. Влияние диэлектрической проницаемости на величину обратного
рассеяния.
26. Объемная влажность подстилающей поверхности и ее оценка с помощью микроволнового зондирования.
27. Краткая характеристика радиолокационных приборов, установленных на спутниках ERS-1,2, RADARSAT-1, ENVISAT.
28. Краткая характеристика радиолокационных приборов, установленных на спутниках RADARSAT-2, COSMO-SKYMED 1-4, TERRASAR-X.
29. Существующие программные пакеты обработки микроволновых
данных ДЗ.
30. Программный модуль ERDAS Radar Mapping Suite.
31. Применение микроволнового дистанционного зондирования в картировании и мониторинге лесов.
32. Применение микроволнового дистанционного зондирования в
оценке биомассы и объема стволов.
33. Применение микроволнового дистанционного зондирования в сельском хозяйстве.
34. Применение микроволнового дистанционного зондирования в гидрологии.
Список литературы
Дистанционное зондирование / Под редакцией Ф. Свейна и Ш. Дейвис.
– М., Недра, 1983. – 415 с.
Кашкин, В. Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие / В. Б. Кашкин, А. И. Сухинин.
59
– М.: Логос, 2001. – 264 с.
Кондратьев, К.Я. Биосфера. Методы и результаты дистанционного зондирования / В.В. Козодеров, П.П. Федченко, А.Г. Топчиев. – М., Наука, 1990.
– 224 с.
Кронберг, П. Дистанционное изучение Земли/ П. Кронберг. – М., Мир,
1988. – 350 с.
Henderson, F. M. Principles and application of imaging radar / F. M. Henderson, A. J. Lewis. – New York: Jonh Wiley & Sons, Inc., 2001. – 869 p.
Lillisand, T.M. Remote Sensing and Image Interpretation / T.M. Lillisand,
R.F. Kiefer. – John Wiley & Sons, 1994. – 750 p.
Richards, J.A. Remote Sensing Digital Image Analysis / J.A. Richards. –
Springer-Ferlag, Berlin, 1993. – 340p.
Schowengerdt, R.A. Remote sensing/ Models and methods forcimage processing / R.A. Schowengerdt. – Academic Press, 1997. – 528 p.
http://www.novosti-kosmonavtiki.ru/ – сайт «Новости Космонавтики»
(мониторинг развития науки и техники в области космонавтики).
http://www.gisa.ru/
http://www.scanex.ru/
http://www.nasa.gov/
60
РАЗДЕЛ 3. Обработка информации
Лекция 8. Источники искажений и коррекция изображений.
Атмосфера представляет собой смесь газов, в которой взвешены твердые и жидкие частицы вещества - от тонкого аэрозоля до плотных облаков.
При прохождении через атмосферу электромагнитные волны взаимодействуют с содержащимися в ней частицами пыли, дыма, кристалликами льда,
каплями воды. При этом процесс рассеяния и поглощения энергии уменьшает
интенсивность солнечной радиации на поверхности Земли и меняет диапазон
излучения. Наряду с общим уменьшением интенсивности излучения имеются
полосы поглощения солнечной энергии атмосферным озоном, водяным паром, углекислым газом, кислородом и другими газами. Волны длиной менее
0,27 мкм полностью поглощаются озоном. Более длинноволновое излучение
0,4–5,5 мкм проходит через атмосферу, и если рассеяние и поглощение энергии в ней не очень велики, то излучение отражается от поверхности Земли и
может быть зарегистрировано датчиками на борту самолета или спутника.
Атмосфера прозрачна для теплового излучения только в двух зонах: 3,5-5,0 и
8-14 мкм. Все остальное тепловое излучение Земли поглощается водяным паром, озоном, углекислым газом и метаном в атмосфере. По мере увеличения
длины волны излучения воздействие атмосферы уменьшается, и она становится практически прозрачной для волн микроволнового диапазона.
Рассеяние имеет место, когда излучение в атмосфере отражается или
преломляется частицами от молекул газов, составляющих атмосферу, крупинками пыли и большими водяными каплями. Обычно считается, что рассеянное излучение, идущее от Солнца (падающее), или отраженное от поверхности Земли (восходящее), не ослабляется, а меняет направление. Излучение,
которое не рассеивается, поглощается атмосферой и нагревает ее. Метеорологические параметры атмосферы оказывают большое влияние на относительное преобладание процессов рассеяния и поглощения. В ДЗ при наличии
рассеяния часть энергии выходит за поле зрения датчика. Если поле зрения
большое, часть рассеянного излучения будет восприниматься датчиком, однако если поле зрения небольшое, фактически все рассеянное излучение будет теряться. В этом случае наблюдается явное потускнение изображения. В
предыдущем случае при большом поле зрения яркость, наоборот, сильно
увеличивается из-за попадания энергии, рассеянной другими поверхностями.
В любом случае рассеяние ухудшает качество изображения.
61
Атмосфера ухудшает качество изображений вследствие релееевского
светорассеяния, рассеяния на аэрозолях и пылевых частицах, поглощения
содержащимися в атмосфере газами (водяной пар, озон, двуокись углерода).
Релеевское светорассеяние происходит на микрофлуктуациях плотности воздуха и наиболее сильно в синей части спектра. Рассеяние Ми наблюдается в
случае если размер рассеивающих частиц примерно равен длине волны. Неселективное рассеяние, наблюдающееся при размерах рассеивающих частиц
существенно более длины волны излучения, приводит к ухудшению качества
изображений во всем оптическом диапазоне. Во избежание влияния поглощения излучения газами зондирование выполняют в «окнах прозрачности»,
расположенных в интервалах 0.3-1.3, 1.5-1.8, 2.0-2.6, 3.0-3.6, 4.2-5.0 и 7.015.0 мкм.
Интенсивность рассеяния солнечного излучения и интенсивность его
поглощения возрастает с длиной пути луча в атмосфере. Этим определяется
освещенность Земли, которая зависит от положения Солнца относительно
плоскости экватора и в первую очередь от высоты Солнца над горизонтом.
Предпочтительнее большая высота Солнца - около 60-80 над горизонтом.
При ней создаются лучшие условия освещенности ландшафта, различия в
цвете и яркости различных его элементов становятся более четкими, а теневые контуры рельефа уменьшаются до минимума. В некоторых случаях, наоборот, низкое стояние Солнца над горизонтом создает лучшие условия для
проведения специальных, тематических съемок. Интенсивность рассеяния в
ближнем ИК диапазоне незначительна. Слабая задымленность приповерхностного слоя атмосферы также мало влияет на излучение ближнего ИК диапазона, если размеры твердых частиц дыма в целом не более 1 мкм. Туман и
облака, наоборот, очень сильно рассеивают излучение в диапазоне 0.75-1.1
мкм. Если размеры рассеивающих частиц на порядки превышают длину световой волны, то одинаково рассеиваются волны любой длины, отчего облака
кажутся белыми. Чтобы компенсировать атмосферные эффекты, необходимо
знать такие параметры, как количество водяного пара, распределение аэрозолей. Значение этих параметров редко бывает известно непосредственно, поэтому развивается техника оценки этих параметров по их вкладу в гиперспектральные данные отражения от поверхности. Затем эти параметры используются для построения моделей передачи излучения атмосферой и оценки реальных отражательных свойств подстилающей поверхности.
Для примера рассмотрим модуль атмосферной коррекции FLAASH
(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes), реализованный в ГИС ENVI. Исходное стандартное уравнение (3.1) спектральной плотности энергетической яркости L пиксела изображения в диапазоне солнечного излучения (тепловым излучением Земли пренебрегают) и плоской ламбертовской поверхностью рассеяния имеет вид
62
B e
A
L(
)(
)  La
1  e S 1  e S
(3.1)
где ρ – коэффициент отражения пиксела поверхности, ρe – средний коэффициент отражения пиксела и его окрестности, S – спектральное альбедо атмосферы, Le – энергетическая яркость, отраженная от атмосферы, А и В – коэффициенты, зависящие от атмосферных и геометрических условий, но не зависят от подстилающей поверхности. Все параметры заданы для определенной
длины волны, индекс длины волны опущен для простоты.
Первое слагаемое в уравнении (3.1) представляет энергетическую яркость, отраженную поверхностью и попавшую непосредственно в датчик
дистанционного зондирования, а второе слагаемое соответствует энергетической яркости, отраженной атмосферой. Разница между ρ и ρe объясняет «эффект соседства» (спектральное смешение энергетической яркости близлежащих пикселов), вызванный атмосферным рассеянием. Эффектом соседства
можно пренебречь, положив ρ = ρe. Однако это может привести к большим
ошибкам, особенно в коротковолновой части спектра, при условиях облачности или задымленности, тумана и большим контрастам между спектральными свойствами подстилающей поверхности в поле зрения датчика. Значения
A, B, S и La определяются специальными вычислениями на основе углов наблюдения и Солнца, средней высоты местности и предполагают наличие достоверной модели атмосферы, типа аэрозоля и условий видимости. Эти значения зависят от количества водяного пара в атмосферном столбе, которое,
строго говоря, не известно и варьирует в пределах сцены. Чтобы определить
неизвестные значения количества водяного пара в атмосферном столбе, проводятся измерения по нескольким различным столбам, затем анализируется
выбранный канал с определенной длиной волны, чтобы восстановить значение для каждого пиксела. Усреднения отражательной способности накапливаются для двух каналов: «поглощающий» канал (около 1130 нм) и «дополнительный», расположенный рядом в спектре. Затем строится таблица для
восстановления количества водяного пара. Для датчиков, которые не имеют
каналов с подходящими длинами волн (например, Landsat), количество водяного пара в атмосферном столбе определяется из других моделей, выбранных
исследователем.
После того, как количество водяного пара в атмосферном столбе определено, уравнение (3.1) применяется ко всем пикселам сцены во всех каналах
датчика. Метод предполагает вычисление изображения с пространственно
усредненными значениями энергетической яркости Le, из которого определяются пространственно усредненные значения используя аппроксимационное уравнение
63
Le  (
( A  B)  e
)  La
1  e S
(3.2)
Пространственное усреднение выполняется с использованием специальной функции, описывающей относительный вклад в энергетическую яркость пиксела от точек на поверхности, находящихся на разных расстояниях
от линии наблюдения. Для получения точных результатов на изображении
должны быть предварительно удалены пикселы, соответствующие облакам.
Такие пикселы можно найти, используя комбинации яркостей, отношение
каналов, проверку на водяные пары.
Модель FLAASH включает и метод оценки количества аэрозолей/тумана на основе выделенных на изображении специальных «черных»
точек. Метод основан на вычислении отношения отражательной способности
таких пикселов на длинах волн 660 нм и 2100 нм. Значение количества аэрозолей вычисляется применением итеративных вычислений с помощью уравнений (3.1) и (3.2) для ряда интервалов видимости, например, от 17 км до 200
км. Для каждого расстояния определяется среднее по сцене значение отражательной способности темных пикселей на каналах 660 нм и 2100 нм, и лучшая оценка этого расстояния интерполируется путем сравнения отношения к
среднему отношению, равному 0.45, принятому как нормальное. Используя
это оценку, проводится второй и финальный расчет цикла определения воды.
Входные данные для модуля FLAASH должны представлять собой калиброванные радиометрические данные. Для оценки содержания водяных
паров должен быть хотя бы один канал из набора 1050 нм – 1210 нм; 770 –
870 нм; 870 – 1020 нм. Для оценки аэрозолей необходимы каналы 660 нм и
2100 нм. «Темный» пиксел определяется как имеющий отражение 0,1 или
меньше на 660 нм, и отношение энергетических яркостей в 660 и 2100 нм
должно быть примерно 0,45. Если на изображении имеются каналы около
800 и 420 нм, выполняется дополнительная проверка, когда отношение энергетических яркостей 800нм/420 нм равно 1 или меньше, что соответствует
теням и водным поверхностям.
Другой подход к улучшению изображений путем удаления облачного
покрова реализован в продуктах MODIS. Для дальнейшей обработки используются не исходные изображения (которые получаются на одну и ту же территорию не реже 1 раза в сутки), а временные 16-дневные композиты. Каждый композит представляет собой синтезированное в каждом канале из 16
исходных ежедневных снимков изображение, где значение пиксела выбирается из снимка за дату, в которой имел максимальное значение вегетационный индекс нормированной разности.
Геометрические искажения изображений
64
Второй большой класс искажений спутниковых изображений связан с
формированием изображения сканирующими приборами и формой (кривизной) Земли. Рассмотрим схему формирования спутниковых изображений с
учетом кривизны Земли. Пусть спутник огибает поверхность Земли по круговой орбите на высоте H. Это равноценно движению спутника по прямой, но
над поверхностью цилиндра. Кажущееся изображение, которое строит сканер
спутника с цилиндрической или линейной разверткой – это проекция на поверхность цилиндра F (рис.3.1).
Рис. 3.1. Схема формирования спутникового сканерного изображения. Формирование
геометрических.
В действительности же сканер отображает земную поверхность, т. е.
внешнюю поверхность цилиндра G. Будем считать, что Земля  шар радиуса
R0=6370 км; собственное вращение Земли за время построения фрагмента
сканерного изображения учитывать не будем.
Пусть L=SA  расстояние от спутника S до некоторой точки земной
поверхности при сканировании, L  разрешение в надире,   мгновенное
поле зрения,  – угол сканирования (угол визирования), под углом  дуга
AK видна из центра Земли. Используя теорему синусов и учитывая, что для
всех значений угла  выполняется соотношение (H+R0)sin  < H, получаем
SO/sin  = AO/sin  ; sin β = ( 1+ H/ R0)sin ;  =    ;
=   arcsin [(1+H/R0)sin )  ; L = R  sin /sin .
Длина дуги AK, отвечающей развертке внешней поверхности цилиндра
G, равна y = AK = R0. Длина дуги MK, соответствующей кажущемуся изображению x = MK = H, откуда  = x/H. Таким образом,
65
y = R{  arcsin[(1+H/R0) sin (x/H)]  x/H}.
Используя это уравнение, можно пересчитать координату x вдоль строки кажущегося изображения в координату вдоль строки реального изображения.
Знание расстояния L позволяет уточнить пространственное разрешение. Минимальная дальность Lmin=H, при этом разрешение L = H; при
максимальном угле сканирования max дальность равна Lmax, разрешение
L1 =   Lmax вдоль направления движения спутника. Но поверхность видна
со спутника под углом max, поэтому поперек направления движения
L2 = L1/cosmax. Таким образом, на максимальной дальности поперек направления движения пикселы оказываются сжатыми в L2/L раза, вдоль –
в L1/L раза. Кажущаяся полоса обзора Fmax = Hmax, реальная полоса
Gmax = 2Rmax.
Для спутника NOAA H=870 км, max=55о, =1,2610-3 рад, L=1,1 км.
Максимальная дальность Lmax=1827 км, полоса обзора G около 3000 км, разрешение L1=2,31 км и L2=4,02 км. На максимальной дальности поперек направления движения пикселы оказываются сжатыми в 3,65 раза,
вдоль – в 2,1 раза. Две реки, текущие параллельно направлению движения
спутника и находящиеся на расстоянии 1,1 км друг от друга, в надире были
бы различимы, но на краю скана они сливаются. Если не проводить коррекцию, то полоса обзора кажется равной F = 2Hmax=1670 км.
За время одного скана спутник NOAA перемещается на 1,1 км при
разрешении в надире 1,1 км. На некотором расстоянии от надира строки изображения начинают заметно перекрываться.
Определим область спутникового изображения с малыми искажениями
как участок, где строки перекрываются не более чем на 10 %, т. е. на ~ 0,1 км.
При этом L1=1,3 км. Этот участок соответствует кажущейся полосе обзора в
 475 км и действительной полосе обзора в  540 км от надира. Разрешение
вдоль скана на границе участка составляет L2=1,54 км, вдоль скана пикселы
вытянуты в 1,4 раза.
Для спутников с малой полосой обзора геометрические искажения изображений за счет кривизны Земли при наблюдении в надир незначительны.
Искажения возникают при отклонении оси сканирования от надира, которое
может достигать 30˚(перспективные искажения). В действительности изображение несколько вытянуто вдоль направления сканирования (60,5 км).
При этом разрешение вдоль направления движения спутника составляет
L1=41 м на максимальной дальности и L1=39 м на минимальной, в то время как в надире L1=35 м. Например, для сканера МСУ-Э в надире разреше-
66
ние вдоль линии сканирования L2 = 45 м, при отклонении оси сканирования
на 30˚ L2=60 м.
Лекция 9. Прием и обработка изображений.
Системы обработки данных дистанционного зондирования (ДДЗ) имеют схожие черты с программными средствами общего назначения, предназначенными для цифровой обработки изображений (графических редакторов), таких, как Corel PhotoPaint, Adobe PhotoShop и т.п. Оба класса систем
имеют много общего: 1) работают с растровой моделью данных, 2) используют базирующиеся на аналогичном математическом аппарате методы обработки изображений. ДДЗ обладают рядом существенных отличий: 1) ДДЗ
бывают весьма большого объема, для эффективной работы с которыми, необходимы специальные средства, в том числе особые форматы данных; 2)
многомерные ДДЗ не могут в полном смысле трактоваться как RGB изображения; 3) ДДЗ нуждаются в предварительной геометрической и радиометрической коррекции; 4) ДДЗ – это пространственная информация, имеющая,
как правило, координатную привязку [http://e-lib.gasu.ru/eposobia/gis/7.html].
Цифровую обработку ДДЗ можно разделить на следующие основные
этапы: 1) предварительная обработка; 2) классификация; 3) специализированная тематическая обработка; 4) интеграция с ГИС.
Предварительная обработка
На данном этапе проводят различные типы коррекций, модификаций
изображения для облегчения последующего основного этапа обработки. Существуют радиометрическая, геометрическая коррекции и калибровка. Радиометрическая коррекция проводится с целью восстановления количества
электромагнитной энергии, принимаемой каждым датчиком, поскольку атмосфера неодинаково пропускает излучение различных участков спектрального
диапазона. Калибровка заключается в преобразовании безразмерных данных,
получаемых с датчиков, в истинные нормализованные значения отраженной
или излучаемой энергии в физических единицах (Вт/(м2*стерад.)). Радиометрической коррекции связана с устранением искажений, вносимых самими
датчиками и устройствами передачи и приема данных (системных искажений).
Геометрическая коррекция предназначена для устранения искажений,
вызванных кривизной и вращением Земли, а также углом наклона орбиты
спутника к плоскости экватора. Этот вид коррекции на первом этапе может
выполняться автоматически по информации о параметрах орбиты спутника.
Более точное трансформирование и привязка снимка к определенной коор-
67
динатной системе обычно выполняются с использованием интерактивно задаваемых опорных точек. В процессе трансформирования происходит пересчет значений пикселей в новую сетку растра, при этом формы объектов на
изображении в большей или меньшей степени меняются, а рамка снимка из
прямоугольной формы превращается в параллелепипед или в более сложную
фигуру с криволинейными границами. Часто для представления и совместной обработки материалов разных видов (типов) съемок, а также разновременных снимков одной и той же территории, используется проекция, называемая ортопланом, которая применяется в мировой практике в качестве обменного стандарта. При геометрической коррекции фотографических изображений высокого разрешения устраняются искажения, возникающие за
счет рельефа местности.
Для улучшения зрительного восприятия и последующей компьютерной
обработки проводят ряд операций. К первому виду операций относятся преобразования, такие, как контрастирование, фильтрация, которые связаны с
модификаций яркостей пикселей и преобразованием гистограмм изображений.
Наиболее важными являются фильтрации для устранения случайных
шумов. Для их устранения в основном применяются медианный фильтр,
фильтр Фроста, усреднение. Другой тип операции связан с геометрическими
преобразованиями – это построение мозаик и вырезка фрагментов, изменение
пространственного разрешения, преобразование в разные проекции.
Классификация изображений.
Выделение дополнительных признаков.
Классификация – это тематическая обработка, которая позволяет производить автоматизированное разбиение снимков на однородные по какомулибо критерию области (классы объектов). Получающееся при этом изображение называется тематической картой. Поскольку обычно выделяют содержательно интерпретируемые классы объектов, то классификацию можно рассматривать как процедуру автоматизированного дешифрирования. Процедура классификации основывается чаще всего на статистическом анализе различных характеристик изображения: пространственных, спектральных или
временных. К простейшим полезным пространственным характеристикам
относятся: текстура, контекст, форма и структурные соотношения. Под временными характеристиками следует понимать сезонные изменения земных
покровов (особенно растительности), которые могут служить их индикаторами. Принято считать, что основную информацию о природе объектов на земной поверхности содержат их спектральные характеристики. Поэтому в
большинстве известных алгоритмов классификации используются спектральные образы типов покрытий.
При недостаточности спектральных признаков для выделения типов
подстилающей поверхности используют дополнительные наборы признаков:
68
текстурные характеристики изображения, главные компоненты как линейно
независимые комбинации исходных спе5тральных каналов, другие расчетные
характеристики в виде индексов (например, гидротермальный и вегетационный индексы и др.).
Текстурные характеристики позволяют учитывать неоднородность областей соседних пикселей. В программном пакете ERDAS IMAGINE реализованные четыре текстурных признака – это среднее Евклидово расстояние
(mean Euclidean distance), дисперсия (variance), асимметрия (skewness), эксцесс (kurtosis). Размер скользящего окна может изменяться от 3×3 и выше.
Среднее Евклидово расстояние представляется в следующем виде:
1
i 1 j 1
2
  1
2



x
x


c

ij



 ,
 n n m
n  n 1
где xij – цифровое значение пикселя (i, j) в скользящем окне спектрального
канала λ; xc – цифровое значение центрального пикселя в скользящем окне
спектрального канала λ; n – размер окна; m – количество спектральных каналов.
Дисперсия:
i 1 j 1

 x
n
M
2
ij
n
n  n 1
,
i 1 j 1
где M =
 x
n
n
nn
ij
– среднее значение пикселя в пределах скользящего окна.
Асимметрия:
3
i 1 j 1
 x

Эксцесс:
n
ij
M
n
n  n  1  
3
2
.
69
i 1 j 1

 x
n
n
M
4
ij
n  n  1   2
.
Ряд исследователей указывают на необходимость использования больших размеров скользящих окон для вычисления текстурных признаков с тем,
чтобы использовать их как дополнительные признаки для тематического картирования. Например, использовали композит, состоящий из трех текстур
дисперсий с окнами размером 15x15, 31x31 и 61х61.
Реализовано большое количество текстурных признаков на основе матрицы смежности. Ниже приведены некоторые простейшие текстурные признаки, на основе матрицы смежности, всего же на сегодняшний день их разработано более двух десятков.
,
,
где
,
,
Nij - количество пар точек яркостью i и j на расстоянии d в направлении q в
пределах рассматриваемой области, M- количество градаций яркости, N0
приблизительно равно числу точек изображения в рассматриваемой области.
Методы классификации изображений
В рамках статистического подхода к анализу изображений различают
два основных методологических подхода к проведению рассматриваемой
процедуры: классификацию с обучением и автоматическую классификацию.
В случае классификации с обучением задача состоит в обнаружении на
изображении объектов уже известных типов, что требует некоторых предварительных знаний об исследуемом участке земной поверхности, таких, как
планы лесонасаждений, пробные площадки, знания эксперта и т.д. На первом
шаге процедуры необходимо интерактивно выбрать на изображении эталонные участки (обучающие выборки), являющиеся характерными (типичными)
70
представителями выделяемых классов объектов. Этап обучения заключается
фактически в расчете и анализе некоторого набора статистических характеристик распределения значений пикселей, соответствующих обучающим выборкам. Для оценки качества обучающих выборок используются различные
методы (расстояние Бхаттачария, дивергенция, расстояние ДжеффрисаМатусита и т.д.). Расстояние Джеффриса-Матусита (Jeffries-Matusita, JM)
представляется:
J ij  


2
p( x | i )  p( x |  j ) dx ,
x
где p ( x | i ) и p( x |  j ) – условные вероятности появления пикселя x соответственно в классах i и  j , определяются из обучающих выборок.
Для нормально распределенных классов формула приобретает вид:
J ij  2(1  e B ) ,
где
1
   /2 
 i   j 
j

 i
B  1 / 8(mi  m j ) 
m
m
(
)
1
/
2
ln


 1/ 2 1/ 2  ,

i
j
 2 
  i  j 
t
где B – расстояние Бхаттачари;  i ,  j – ковариационные матрицы обучаю-
щих выборок для классов i и  j ;  i  ,  j  – детерминанты соответствующих, ковариационных матриц; -1 степень – обозначает обратную матрицу; символ t – обозначает транспонирование.
Также используют формулу вида:
J ij  2(1  e B ) ,
Из расстояния JM невозможно вычислить вероятность ошибки классификатора, но можно вычислить ее верхнюю и нижнюю границы по следующей
формуле:
71

1
2
2  JM ij
16

2
1 1
2
 Pe  1  1  JM ij  ,
2 2

где i, j – номера сравниваемых сигнатур; JMij – расстояние JM между i и
j сигнатурами; Pe – ошибка классификатора или вероятность того, что пиксель, отнесенный к классу j, на самом деле принадлежит классу i.
Наибольшее распространение среди классификаторов с обучением получил
метод максимального правдоподобия, ввиду своей эффективности при использовании современной компьютерной техники. Классифицирующую
функцию для метода максимального правдоподобия выражается следующей
формулой:
g i ( x)  ln p (i )  12 ln  i   12 ( x  mi ) t  i1 ( x  mi ) ,
где p(i ) – априорная вероятность принадлежности пикселя изображения к данному классу i ;  i - ковариационная матрица обучающей выборки для i-го класса;  i  – детерминант ковариационной матрицы  i ; x –
вектор значений оцениваемого пикселя; mi – вектор средних значений обучающей выборки класса i ; ( x  mi )t – транспонированная матрица ( x  mi ) ;
i1 – обратная матрица  i .
Пиксель присваивается тому классу, для которого gi (x) принимает
наименьшее значение. Следует отметить, что данный тип классификатора
можно использовать, если обучающие выборки классов являются «примерно» нормально распределенными.
Иногда используется метод параллелепипеда, который отличается более простой формой и высоким быстродействием, а также автоматически отсекает области, которые заведомо не принадлежат ни одному классу, и не
требует обучающих выборок, имеющих нормальное распределение. Наряду с
ним используют классификатор, в котором границы классов в пространстве
признаков задаются геометрическими фигурами любого вида.
Другой вид классификации – автоматический, который не требует дополнительной наземной информации. Методологической основой автоматической классификации является кластерный анализ, в ходе которого пытаются определить все встречаемые типы объектов при некотором уровне обобщения (выбранных критериях объединения, разделения или числа классов), а
задача их интерпретации решается на втором этапе.
Типичным представителем является метод кластеризации ISODATA
72
(Iterative Self-Organizing Data). Также его называют методом динамических
ядер. Входными параметрами являются N – количество классов; t – предел
сходимости; M – максимальное количество итераций. На первом шаге определяются средние значения для каждого из N классов на основе различных
алгоритмов. На втором этапе все пикселя распределяются по классам на основе классифицирующей функции. На третьем этапе происходит пересчет
средних значений каждого класса. На четвертом этапе, если это не первая
итерации, подсчитывается количество пикселей, перешедших в другие классы, и если это значение не превышает заданное значение сходимости t, то
кластеризация заканчивается. Также кластеризация прекращается, если количество итераций достигло M.
Существуют гибридные алгоритмы, сочетающие элементы классификации с обучением и автоматической классификации.
По способу отнесения отдельных элементов изображения к тому или
иному классу объектов различают жесткие и мягкие классификаторы. В случае жестких (традиционных) классификаторов принимается строго определенное решение относительно принадлежности пикселей к некоторому классу. Мягкие же классификаторы оценивают вероятность, с которой анализируемый элемент изображения может принадлежать всем рассматриваемым
классам покрытий (включая и неизвестные). Современные классификаторы
позволяют также вводить элемент неопределенности на разных стадиях процесса, что допускает присутствие смешанных классов покрытий в каждом
отдельном пикселе (субпиксельная классификация). Еще один сравнительно
новый вид классификации связан с обработкой мультиспектральных данных.
Такие данные поступают с экспериментальных систем ДЗ, работающих с
очень узкой шириной зон традиционного спектрального диапазона, что увеличивает количество спектральных каналов до десятков и даже сотен. В этом
случае для автоматизированного выделения классов объектов покрытий используются библиотеки спектральных кривых различных наземных ландшафтов.
Часто возникает необходимость тематической корректировки результатов классификации, особенно автоматической, выполняемой фактически по
информационным характеристикам объектов. Для этого используется целый
набор процедур, называемый операциями после классификационной обработки: слияние классов, разделение классов, устранение мелких ложных объектов, сглаживание границ объектов и т.п.
Важным этапом в процессе классификации является оценка точности
полученных изображений, которая может выполняться как по данным полевых измерений, так и путем сравнения с соответствующими тематическими
картами. Наиболее распространенный метод оценки точности – это построение матрицы ошибок, или матрицы оценки точности классификации. На ее
основе рассчитывается также каппа-статистика. Коэффициент каппа опреде-
73
ляется по формуле:

N   xkk   xk   x k
k
k
N   xk   x k
2
,
k
где xij - элементы матрицы ошибок; xi    xij – сумма всех значений
j
ряда i матрицы ошибок; x j   xij – сумма всех значений колонки j матрицы
i
ошибок.
Значение выражения равно 1 при полном совпадении карты и классифицируемого изображения и приближается к 0, если совпадение случайно.
Каппа-статистика может быть рассчитана для каждого выделенного класса.
Для качественной оценки совпадения карт по результатам оценки каппастатистики используют следующие соотношения: плохое и очень плохое
совпадение при  <0,4, удовлетворительное при 0,4<  <0,55, хорошее при
0,55<  <0,7, очень хорошее при 0,7<  <0,85 и отличное при  < 0,85.
Данная область обработки в настоящее время довольно интенсивно развивается: появляются новые классификаторы, основанные на последних достижениях в области моделирования искусственного интеллекта и других областях
прикладной математики, например, нейронные сети и контекстуальные классификаторы.
Специализированная тематическая обработка
К этой группе относятся операции выделения специфических природных или антропогенных объектов. Обычно такие объекты детектируются по
их характерным особенностям. К этому типу относятся, например, операции,
предназначенные для обнаружения и выделения линейных или кольцевых
структур. Также проводят анализ с использованием рельефа местности.
Интеграция с ГИС
Полученные на предыдущих этапах обработки тематические карты
представляют определенный интерес для решения задач ГИС. Тематические
карты переводятся в векторный формат и интегрируются как отдельные слои
в ГИС программы, такие как ARCVIEW, MAPINFO и ARCINFO. Более того,
тенденции развития современных программ обработки ДДЗ все более тесно
связываются с ГИС-программами, как по общим форматам данных, там и по
направлениям упрощения решения комплексных задач.
Программное обеспечение для обработки данных ДЗ
В настоящее время существует несколько программных продуктов, ко-
74
торые позволяют обрабатывать данные дистанционного зондирования. Широкое распространение получили такие продукты, как ERDAS IMAGINE,
ENVI и IDRISI. Перечисленные программы работают под операционными
системами Windows и UNIX. Они позволяют провести анализ фактически
любых данных ДЗ.
Программное обеспечение ERDAS IMAGINE представляет широкий
набор модулей визуализации, коррекции, классификации изображений, построения тематических карт. Реализованы средства работы с векторными
данными, включая построение новых векторных слоев. Развитие программного обеспечение сопровождает появление новых источников данных ДЗ и
новых методов их анализа.
Программное обеспечение IMAGINE Radar Mapping Suite создано компанией ERDAS Inc. совместно со стратегическими партнерами - Vexcel
Corporation (Boulder, CO) и НПО Машиностроения (Москва, Россия) - двух
мировых лидеров в области передовых радиолокационных технологий.
В состав Radar Mapping Suite входят следующие модули:
IMAGINE Radar Interpreter – Предоставляет основные инструменты,
необходимые для обработки и улучшения радиолокационных изображений.
Они являются независимыми от типа датчика и включают такие базовые
функции, как подавление спекл-шумов, радиометрическая коррекция радиолокационных изображений и др.
IMAGINE OrthoRadar – Осуществляет высокоточную геометрическую
коррекцию и ортокоррекцию радиолокационных изображений.
IMAGINE StereoSAR DEM – Создает цифровые модели рельефа (ЦМР)
по стереопарам изображений, полученных радаром с синтетической апертурой.
IMAGINE IFSAR DEM – Использует новые технологии обработки, основанные на радарной интерферометрии для создания ЦМР по данным SAR.
Программный пакет ERDAS Imagine поставляется с модулем Radar
Mapping Suite, который был специально разработан для обработки радарных
изображений. На данный момент ERDAS IMAGINE поддерживает широко
распространенные форматы данных со спутников ERS, JERS и Radarsat, кроме того, в Radar Mapping Suite реализованы расширенные функции по обработке материалов радиолокационных съемок, позволяющих генерировать
цифровые карты рельефа местности. Модули, входящие в IMAGINE Radar
Mapping Suite, учитывают cложную специфику конкретной модели сенсора
SAR. Этот подход позволяет максимально использовать информацию о характеристиках сенсора, режиме съемки, положении спутника на орбите и его
ориентации, которая хранится в заголовке файла большинства форматов изображений SAR. Все геометрические расчеты базируются на математической
модели геометрии сенсора конкретного датчика, что позволяет получать значительно более высокую точность привязки и трансформирования, чем при
75
использовании более обобщенных методов.
Модель ERDAS SAR является общей для большого диапазона источников изображений, полученных радаром с синтетической апертурой. Информация о сенсоре, параметрах орбиты и ориентации без потерь переводится в
стандартизованное описание геометрии SAR и хранится в специальной
структуре файла изображения. Этот метод позволяет быстро добавлять новые
появляющиеся типы и модели сенсоров SAR и при этом не вносить изменений в программное обеспечение для последующих стадий обработки данных.
Вся специфика сенсора при этом учитывается на стадии импорта данных и
формирования стандартного описания.
Модуль IMAGINE OrthoRadar точно корректирует радарные изображения с синтетической апертурой на основе данных о модели сенсора SAR, основанной на характеристиках спутниковой орбиты и параметрах формирования изображений.
Модуль IMAGINE StereoSAR DEM строит рельеф по парам радиолокационных изображений в автоматизированном режиме, используя метод пространственной корреляции с вычислением параллаксов. Модуль IMAGINE
IFSAR DEM строит рельеф по радиолокационным данным с использованием
технологии радарной интерферометрии, которая, за счет учета фазовой составляющей сигнала, позволяет обнаруживать на местности неровности сантиметровой высоты.
Модуль IMAGINE Radar Interpreter включает в себя хорошо опробованную технологию ERDAS, распространявшуюся в течение многих лет модуль IMAGINE Radar. Он дополняет функциональность системы IMAGINE
Radar Mapping Suite, давая возможность осуществлять независимые от типа
датчика операции, такие как удаление спекл-шумов, текстурный анализ,
слияние изображений, радиометрическую и геометрическую коррекцию начального уровня и др. IMAGINE Radar Interpreter, будучи независимым от
источников данных, может работать с любыми типами изображений, полученных радаром с синтетической апертурой, даже если они не сопровождаются всей специфической информацией.
Конкурирующим с ERDAS является программный пакет ENVI, по ряду
свойств он даже превосходит ERDAS. Ее разработчиком является компания
RSI (Research Systems Inc.), США. В отличие от других пакетов по обработке
снимков в ENVI встроен удобный язык программирования IDL (Interactive
Data Language), что позволяет расширить функциональные возможности
ENVI или создать собственные подпрограммы. Открытая архитектура ENVI
обеспечивает удобство обработки данных, полученных со спутников
LANDSAT, SPOT, RADARSAT и др. К достоинствам системы ENVI относятся широкий выбор входных форматов, обработка изображений с помощью
формул и фильтров, кластеризация, векторизация растровых данных, привязка данных к системам координат и картографические проекции, трехмерная
76
визуализация, динамический доступ к данным ГИС и СУБД, подготовка карт,
печать высокого качества, обработка гиперспектральных снимков.
Программный пакет IDRISI разработан и распространяется компанией
Clark Labs (США) с 1987 года. 32-битная версия IDRISI работает под операционной системой Windows NT. Несомненным преимуществом перед предыдущими упомянутыми системами обработки данных ДЗ являются встроенные инструменты статистической обработки данных, специальные методы
анализа временных рядов снимков, возможность моделирования и решения
ГИС задач и поддержка COM-технологии, позволяющей расширять возможности IDRISI.
Менее известным программным пакетом является HESPERUS компании AM Lab (лаборатории прикладной математики). Программа предназначена для визуализации и обработки двумерных данных (цифровых изображений) любой природы. Сферы применения программы: научные исследования
и учебная деятельность, обработка данных, полученных с медицинских и астрономических приборов, обработка данных дистанционного зондирования и
т.п. Программа предназначена для работы под Windows 95/98 и Windows
NT. Программ является условно-бесплатной.
В последнее десятилетие интенсивно развиваются нейросетевые методы анализ данных ДЗ, которые позволяют проводить более точное тематическое картирование, нежели существующие статистические методы. Нейросетевые методы реализованы в программных продуктах ScanEx Neris (коммерческая версия, http://www.scanex.ru/rus/tematica/Program/neris.htm) и LKNet
(свободно распространяемая версия, http://www.ll.mit.edu/IST/lnknet/ index.html).
Вопросы для самоконтроля
1. Какое влияние оказывает атмосфера на потоки излучения и отражения энергии?
2. В каких спектральных диапазонах и как на данные дистанционного
зондирования влияют водяные пары, аэрозоли, туман и другие примеси в атмосфере?
3. Принцип атмосферной коррекции данных ДЗ.
4. Радиометрическая коррекция данных, единицы измерения величин
яркости подстилающей поверхности.
5. Почему необходима калибровка данных дистанционного зондирования? Как она осуществляется?
6. Геометрическая коррекция изображений, коррекция искажений системы сбора данных (датчика).
77
7. Виды геометрических преобразований изображений, обоснование
выбора количества опорных точек для разных методов.
8. Какие статистические характеристики данных дистанционного зондирования можно назвать?
9. Какие признаки используются при классификации изображений?
10. Методы классификации изображений: кластеризация, классификация с обучением.
11. Известные пакеты обработки данных ДЗ.
Список литературы
Дистанционное зондирование / Под редакцией Ф. Свейна и Ш. Дейвис.
– М., Недра, 1983. – 415 с.
Lillisand, T.M. Remote Sensing and Image Interpretation / T.M. Lillisand,
R.F. Kiefer. – John Wiley & Sons, 1994. – 750 p.
Richards, J.A. Remote Sensing Digital Image Analysis / J.A. Richards. –
Springer-Ferlag, Berlin, 1993. – 340p.
Schowengerdt, R.A. Remote sensing/ Models and methods forcimage processing / R.A. Schowengerdt. – Academic Press, 1997. – 528 p.
78
Раздел 4. Системы мониторинга
Лекция 10. Мониторинг лесных экосистем.
Новый Лесной кодекс Российской Федерации, вступивший в силу с 1
января 2007 года, предусматривает существование государственной инвентаризации лесов (ГИЛ). ГИЛ проводится для выявления негативных процессов,
происходящих в лесах, оценки эффективности лесохозяйственной деятельности и обеспечения органов управления лесами всей необходимой оперативной информацией. Проект "Порядка проведения государственной инвентаризации лесов", рассматриваемый в настоящее время Правительством, еще
больше расширяет и уточняет круг задач ГИЛ, добавляя лесопатологический
и лесопожарный мониторинг, мониторинг лесопользования и выборочный
контроль за лесоустройством. Круг задач, ставящихся перед ГИЛ, с учетом
площади лесов России и труднодоступности значительной их части, делает
необходимым использование дистанционных методов инвентаризации лесов
(в сочетании с наземными).
Инвентаризация леса – это комплекс работ, включающий разделение
леса на однородные участки и их описание. При этом проводятся съёмка окружной границы лесного массива; разделение массива на кварталы и съёмка
квартальной сети; выделение таксационных участков внутри кварталов; составление таксационного описания, планшетов и планов лесонасаждений. В
таксационном описании даются площадь и техническая характеристика каждого участка насаждений: происхождение, состав, форма, возраст, полнота, запас
и класс товарности (промышленная оценка) древостоев, средние высота и диаметр деревьев, тип леса, наличие прироста и подлеска. При описании необлесившихся лесосек, пустырей, прогалин выясняются возможности их облесения.
Инвентаризации лесов предшествуют топографические работы, выполняемые
главным образом с помощью аэрофотосъёмки.
Аэротаксация - качественная и количественная оценка природных ресурсов с летательных аппаратов путем визуального их определения или анализа аэрофотоснимков. Таксация леса с самолёта или вертолёта проводитсяпо
сети маршрутов, предварительно нанесённых на смонтированные из аэрофотоснимков маршрутные или площадные фотосхемы. Применяют в сочетании
с наземной таксацией и дешифрированием аэрофотоснимков, а также как самостоятельный вид инвентаризации малоизученных неосвоенных лесов. Аэротаксации предшествовало аэровизуальное обследование лесов с самолёта
(в СССР с 1931). По аэронавигационным приборам и топографическим картам масштаба 1 : 1 000 000 и крупнее на заданной высоте и скорости полёта
самолёта прокладывали параллельные маршруты с одновременным описани-
79
ем и нанесением на карту выделяемых участков. Этим методом было обследовано более 400 млн. га лесов. С 1948 аэровизуальное обследование стали
заменять аэротаксацией. В 1948 — 1956 годах аэротаксации подвергались все
малоизученные леса СССР (894,4 млн. га). Полученные результаты были использованы при создании первой карты лесов СССР.
В пятидесятые годы ХХ века были осуществлены широкие экспериментальные исследования по применению спектрозональных аэрофотоснимков в производственных целях. Этим видом съемки были охвачены территории площадью около 2 млн. га. Проводились работы по выявлению взаимосвязей между дешифровочными признаками снимков и таксационными показателями насаждений. Благодаря различию в цветовой окраске разных видов
растительности и других природных объектов на спектрозональных аэрофотоснимках количество отображенных на них ориентиров возрастает по сравнению с панхроматическими аэрофотоснимками в освоенных лесах примерно
вдвое, а в нетронутых эксплуатацией лесах в 3–4 раза.
С развитием космической фотосъемки изображения стали использоваться практически для всей территории СССР. Широко использовались фотографические материалы с автоматических аппаратов серии «Космос». Были
разработаны многозональная фотокамера МКФ–6, работающая в шести спектральных диапазонах видимого и ближнего инфракрасного участков спектра,
и другие многозональные системы для съемки из космоса. Фотосъемка в
масштабе 1:15000, 1:50000 использовалась в качестве стандартного источника данных при лесоустройстве. Ряд достижений связан с использованием
многозональной съемки, однако на практике этот вид съемки не нашел применения вследствие более сложной обработки и высокой стоимости.
На этапе первоначального накопления материалов о спектральных характеристиках природных образований проводились лабораторные и натурные наземные исследования покрова с помощью спектрометров. Наземные
исследования отражательных свойств растительности в оптическом диапазоне проводились с 40–х годов ХХ века (Кринов, 1947). Большое значение имели работы по накоплению первоначального материала о спектральных свойствах растительности, особенно сельскохозяйственных культур. Были созданы «спектральные портреты» различных типов растительности, определены
основные закономерности изменения спектральных отражательных свойств
растительности в течение вегетационного периода. Контраст между сильным
поглощением радиации в видимом и сильным отражением в ближнем инфракрасном диапазоне является уникальной характеристикой наличия пигментов
как фотосинтетически активных компонентов растительности (в основном в
листьях) и является основой для построения различных комбинаций этих величин отражения в виде вегетационных индексов. Существует ряд вегетационных индексов, характеризующихся специфическими особенностями. Важным шагом стало развитие приборной базы наземных спектрометрических
80
измерений и размещение спектрометров на самолетах, вертолетах. Это позволило расширить круг изучаемых объектов и исследовать полог растительности в целом. Завершением построения «пирамиды» дистанционного зондирования стало вынесение приборов на космические орбиты.
Используя полученные в наземных исследованиях зависимости между
NDVI и характеристиками растительности, по значениям NDVI осуществлялось слежение за состоянием растительности и динамикой растительного покрова. Так, наземная информация об уменьшении площади лесов в процессе
обезлесивания (усыхания) в горной части штата Вермонт, США, подтвердилась соответствующим изменением NDVI.
На аппаратуре серии Landsat TM был расширен спектральный диапазон
измерений добавлением среднего и теплового ИК каналов, увеличено разрешение на местности до 30 м. Это значительно улучшило качество материалов
и расширило круг решаемых задач. В настоящее время снимки системами
Landsat TM и Landsat ETM+ являются базой для классификации тестовых
участков, которые затем используются при составлении глобальных карт
земной поверхности на основе мелкомасштабного зондирования. Из отечественных систем ДЗ следует отметить комплекс «Ресурс–01» с приборами
МСУ–СК и МСУ–Э с близкими характеристиками. Материалы этих систем
использовались совместно с материалами Landsat TM, SPOT для картирования растительного покрова и оценки биомассы в ряде международных проектов.
Возможность мониторинга и решения экологических задач на глобальном уровне появилась с запуском спутников NOAA/AVHRR. Данные
AVHRR стали использоваться для картирования растительности на континентальном и глобальном уровнях, для изучения динамики покрова под
влиянием абиотических факторов и переходных зон между разными типами
поверхности, а также для оценки биомассы и продуктивности наземной растительности в различных биомах. Для отдельных районов России материалы
AVHRR стали основой для картирования и определения динамики параметров растительного.
Использование материалов NOAA/AVHRR потребовало определения
уровня генерализации типов поверхности, которые можно выделить по данным такого пространственного разрешения.
В последнее время ведутся работы по картированию растительного покрова в глобальном масштабе. Для картирования с разрешением 1 градус набор в 11 классов определен в следующем виде: широколиственные вечнозеленые леса, хвойные вечнозеленые леса, высокоширотные листопадные леса,
тундра, смешанные листопадные и вечнозеленые леса, лесистые травяные сообщества, травяные сообщества, голые почвы, сельхозугодья, широколиственные листопадные леса, кустарники и голые почвы. Выделение классов основано на различиях NDVI хвойных, лиственных насаждений и травянистой
81
растительности, а также различиях сезонной динамики значений этого вегетационного индекса.
Таким образом, применение дистанционного зондирования в оптической части спектра сделало возможным составление глобальных и региональных карт растительного покрова на основе различий во взаимодействии
с солнечной энергией у разных типов растительности.
Бореальные леса занимают обширную циркумполярную область, включающую леса России, Канады, Аляски, Норвегии, Швеции, Финляндии.
Крупнейшей “бореальной страной” является Сибирь. В целом бореальные
леса занимают территорию около 1.5 млрд га, или 11% поверхности суши.
Значимость лесов, помимо источника сырья для индустрии, определяется
тем, что они являются местообитанием многочисленных видов животных и
растений, а также служат регулятором климата планеты.
Исследование лесов - это, по сути, анализ текущего состояния и прогноз динамики лесных экосистем.
Текущее состояние лесов характеризуется комплексом показателей:
породный и возрастной состав, продуктивность, санитарное состояние и т.д.
В “движущих силах” динамики лесов выделяют естественную и антропогенную составляющие. К естественным факторам относятся биотические
воздействия (природные факторы, в основном насекомые-вредители), внутренние закономерности развития лесных экосистем (например, возрастные
изменения, смена пород), погодные и климатические воздействия. К антропогенным относят техногенные воздействия, лесопользование, пирогенные
сукцессии. Очевидна некоторая условность такой классификации, поскольку,
например, возникновение пожаров может провоцироваться повреждением
лесов насекомыми, а климатические тренды тесно связаны с антропогенной
активностью.
В мониторинге лесных экосистем ДЗ находит применения при решении
следующих задач:
инвентаризация лесов, т.е. определение породного и возрастного состава, объема древесины;
оценка лесосырьевой базы, контроль порядка лесопользования, обследование вырубок, контроль динамики лесовосстановления;
картирование лесов;
анализ биотических воздействий (насекомые, фитопатогены);
исследование гидрологического режима лесных территорий, оценка запасов влаги по зимним снимкам, определение динамики таяния снежного покрова;
оценка биомассы и продуктивности древостоев, индекса листовой поверхности (LAI);
анализ динамики развития древостоев под влиянием биотических и
техногенных воздействий;
82
создание прогнозных карт состояния древостоев при различных сценариях биотического и техногенного давления;
создание карт уровня потенциальной опасности для древостоев
а) вспышек массового размножения насекомых-вредителей, б) воздействия
поллютантов (карты “горячих точек”);
разработка рекомендаций по минимизации ущерба древостоям;
пирологический (лесопожарный) мониторинг.
Лекция 11.Мониторинг биотических воздействий на лесные экосистемы.
Биотические факторы (насекомые, грибные заболевания) относятся к
числу приоритетных, определяющих динамику лесопокрытой территории,
приводящих к изменению структуры лесов, разрушению древостоев, смене
лесных формаций. Основными вредителями сибирских лесов являются насекомые, способные к периодическим вспышкам массового размножения. К
ним относятся сибирский шелкопряд, сосновая пяденица, стволовые вредители (например, пихтовый усач). Эти насекомые представляют обычный, естественный и необходимый элемент лесных экосистем. Ущерб, причиняемый
насекомыми-дендрофагами, сопоставим с таковым от пожаров. Примером
является вспышка сибирского шелкопряда в Нижнем Приангарье (1992-1996
гг.), охватившая территорию около 1 млн га. В поврежденных и погибших
древостоях размножаются стволовые вредители, происходят опустошительные пожары. Вспышки массового размножения насекомых контролируются
климатическими факторами: их вероятность возрастает в условиях сухой, теплой погоды. В последнее время лимитирующим фактором является наличие
кормовой базы; например, исчезновение вспышек массового размножения
сибирского шелкопряда в Саянах связывают с вырубкой лесов в предгорьях.
Задачи ДЗ - (1) обнаружить вспышку на ранней стадии ее развития, поскольку именно на этой стадии эффективна борьба насекомым; (2) выявить масштабы и градации повреждений, (3) оценить кормовую базу насекомого, дать
информацию для прогноза развития вспышки. Для этих целей широко применяется спектрозональная съемка, а также спектрорадиометрия в видимой,
ближней и тепловой ИК частях спектра. Применение ДЗ в лесоэнтомологическом мониторинге основано на оценке степени дефолиации (потеря хвои,
листвы), дехромации (потеря хлорофилла), а также на изменении радиационной температуры поврежденных древостоев. Последнее происходит вследствие изменения величины транспирации листвы/хвои, наблюдаемой при повреждении: на конечной стадии повреждения «больные» древостои имеют
повышенную температуру.
Сибирский шелкопряд является основным вредителем хвойных лесов
83
Азиатской части России. Массовое размножение сибирского шелкопряда
приводит к гибели темнохвойной тайги - формированию очагов размножения
стволовых вредителей, гибели деревьев, последующему осветлению насаждений, а также изменению нижнего яруса леса. Прекращающееся возобновление темнохвойного подроста приводит к распаду экосистемы со сроком
восстановления хвойных лесов от 150 до 200 лет. Только за последние 100
лет на территории Красноярского края зарегистрировано девять вспышек
массового размножения этого вредителя. В результате их были повреждены
леса на площади более 10 миллионов гектаров. На территории Нижнего Приангарья вспышка численности сибирского шелкопряда наблюдалась в 19931996 годах. Шелкопряд повредил темнохвойные насаждения на площади
около 480 тыс. га. По данным Восточно-Сибирского лесоустроительного
предприятия 120 тыс. га лесов были повреждены в слабой (обесхвоивание до
25%), 70 тыс. га - в средней (25-50%), 50 тыс. га - в сильной (50-75%) степени, и 240 тыс. га подверглись полному объеданию.
Такие характеристики ландшафта, как крутизна и экспозиция склонов,
высота местности над у.м. являются важными факторами, влияющими на
микроклимат, который, в свою очередь, обусловливает возникновение вспышек массового размножения сибирского шелкопряда при общих благоприятных погодных условиях.
Информация о пространственном положении поврежденных насекомыми насаждений доступна из карт инвентаризации лесов и карт лесопатологических исследований территорий. Дополнительным источником информации являются карты, получаемые в результате дешифрирования космических
снимков. Данные дистанционного зондирования являются эффективным
средством картирования и мониторинга вспышек массового размножения насекомых-вредителей. Данные мелкомасштабного дистанционного зондирования типа NOAA/AVHRR успешно применяются для картирования и классификации лесов, поврежденным сибирским шелкопрядом. Данные среднего
пространственного разрешения, например, Landsat, применимы для крупномасштабного картирования поврежденных лесов.
По данным NOAA/AVHRR с пространственным разрешением 1 км на
территории Нижнего Приангарья были выделены погибшие от сибирского
шелкопряда насаждения. По этим данным удалось проследить увеличение
площади поврежденных лесов в течение одного вегетационного периода
1995 года, используя три снимка, датированных 7 и 30 июня и 16 августа
1995 г.
Рельеф местности представлен цифровой моделью, полученной в результате проекта Shuttle Radar Topography Mission (SRTM). Пространственное
разрешение 91 м, горизонтальная и вертикальная точность составляют соответственно 20 м (круговая ошибка на 90% доверительном уровне) и 16 м
(линейная ошибка на 90% доверительном уровне).
84
Для выделения погибших и неповрежденных темнохвойных насаждений использовлись данные MODIS в виде 16-дневного композита четырех
спектральных слоев: NDVI, красный, ближний ИК и средний ИК каналы с
пространственным разрешением 500 м. Обработка проходила по следующей
методике. Для выделения обучающих выборок для темнохвойных насаждений использовались карты–схемы лесхозов. Выделение темнохвойных насаждений проводилось для того, чтобы оценить как первоначальное распределение темнохвойных насаждений до вспышки 1994 г., так и изменения, происшедшие в результате гибели лесов.
В конце сезона максимально поврежденные леса находятся на высоте
200-300 м над у.м. По экспозициям склонов преимущественно пострадали
склоны западных и южных экспозиций. По уклонам наиболее пострадавшими являются склоны около 5 градусов крутизны. Площадь погибших насаждений в пределах окна к концу вспышки (конец 1996 г.) составляет около 84
тыс. га.
На основе снимка MODIS была проведена классификация и получена
картосхема погибших насаждений к 2002 году (рис. 4.1). По масштабам повреждения вспышка носила катастрофический характер. Полностью уничтожено около 250 тыс. га темнохвойных лесов, их восстановление на таких обширных площадях сильно затруднено. На благоприятных для развития гусениц сибирского шелкопряда высотах погибла половина пихтовых лесов.
Уцелевшие насаждения расположены на более высоких участках. Для распределения по экспозициям склонов и крутизне склонов такой явной зависимости не выделяется: к концу развития вспышки гусеницы шелкопряда занимают все периферийные участки относительно первоначального очага, распространяясь на более крутые склоны, в том числе не только южных экспозиций.
85
Рис. 4.1. Нижнее Приангарье. Картосхема погибших древостоев, состояние 2002
года. 1 – погибшие насаждения, 2 – темнохвойные насаждения. Прямоугольником выделена территория, для которой анализировалась динамика вспышки в 1995 году по данным
NOAA/AVHRR.
В контексте изменения климата, которое по прогнозам, будет выражено в Сибири более отчетливо, можно ожидать экспансию вспышек массового размножения сибирского шелкопряда на пихтовые и кедровые леса
на более северных территориях, чем сейчас.
Лекция 12. Мониторинг техногенных воздействий на лесные экосистемы.
Повреждение древостоев промышленными эмиссиями отмечено в Европе (особенно в Чехии, Польше), Канаде (зона действия цветной металлургии), США (преимущественно выхлопные газы автомобилей), России (Кольский полуостров, Урал, Иркутский и Норильский промышленный районы).
Основные виды аэротехногенных эмиссий – это SO2, NхОx (различные окислы азота), флуориды (производные фтора), oзон, а также тяжелые металлы
(Cu, Ni, Co и другие ферментные яды). Поллютанты повреждают растения
86
как непосредственно (например, воздействие озона, оксида серы на ассимиляционный аппарат), так и косвенно (например, через воздействие кислотных
туманов и дождей, разрушающих ткани древесных растений и вымывающих
из них и из почвы биогенные элементы).
Признаки повреждений растений поллютантами, на основе которых
производится применение ДЗ, во многом аналогичны повреждениям прибиотических воздействиях. Это потеря пигментов (дехромация), потеря листвы/хвои (дефолиация), некротические изменения на листве/хвое и побегах,
уменьшение величины прироста, изменение архитектоники кроны. Указанные изменения необходимо отслеживать в течение летней фенофазы. Зимняя
съемка применима для обнаружения, анализа и картирования ореолов загрязнений вокруг промышленных центров на фоне снегового покрова. Имеются
сведения о синергизме биотических и техногенных воздействий: ослабление
древостоев промышленными эмиссиями приводит к повреждению их насекомыми (например, в лесах Прибайкалья).
Примером масштабной техногенной катастрофы является деградация
лесов в зоне действия Норильского ГМК, где леса погибли на территории 500
тыс. га и на территории более 1.5 млн. га находятся в различной стадии повреждения. “Норильский никель” — мощнейший в России центр цветной металлургии, становление которого во многом определило экономическое развитие и геополитический статус региона. Сейчас предприятия этого объединения стали крупнейшим природопользователем на территории Таймыра и
ответственным за сохранение окружающей среды в регионе.
Ежегодный выброс SO2 — основного загрязнителя воздуха, предпприятиями Норильского региона составляет около 2 млн т. В течение вегетационного периода растений техногенные выбросы переносятся преимущественно в юго-восточном направлении вдоль Норильской долины.
Притундровые леса Норильской котловины образуют переходную зону
лес – тундра. Древостои сформированы преимущественно лиственницей; из
других видов встречается ель, береза. Напочвенный покров лишайниковомохово-кустарничковый. Продолжительность вегетационного периода 60
дней.
Топографические особенности оказывают важное влияние на распространение загрязняющих веществ. Горы Путорана, расположенные на востоке и юго-востоке от Норильска, частично препятствуют перемещению загрязняющих веществ по воздуху, так как связанные между собой бассейны
озер служат каналами для передвижения загрязняющих веществ на нижележащие территории. Прогрессирующее усыхание древостоев наблюдалось в
юго-восточном направлении, в сторону преобладающего переноса эмиссий в
течение вегетационного периода. В настоящее время граница повреждения
распространяется более чем на 200 км от источников эмиссий, причем на
расстоянии до 80-100 км древостой погиб.
87
Уже на карте растительности и кормовых запасов Тыймырского национального округа по состоянию на 1970 год обширные пространства Норильской котловины отмечены как гарь, возобновляющаяся лиственничником. Интенсивная гибель насаждений в конце 70-х-начале 80-х годов совпала
с периодом пуска Надеждинского завода, когда интенсивность эмиссий SO2
достигла своего максимума — 2,3 млн т/год, особую опасность представляли
имевшие место залповые выбросы, сопровождавшиеся острыми повреждениями древостоев. Кроме того, выброс эмиссий через сверхвысокие трубы
Надеждинского завода сделал возможным дальний перенос поллютантов
Дальнейшая деятельность промышленных предприятий привела к уничтожению древесной растительности на площади около 1 млн га.
Проведенные исследования позволяют рассматривать воздействие двуокиси серы и ее производных как основную причину усыхания притундровых лесов. Следует отметить, что повреждающее воздействие оказывается именно через атмосферу, а не почву. Окислы азота, входящие в состав
эмиссий, ввиду их сравнительно небольшого количества (20 тыс. т/год), не
могут существенно влиять на состояние древостоя; воздействие тяжелых металлов ограничено радиусом 30—40 км в окрестностях источников эмиссий.
Нетехногенный компонент деградации лесов обусловлен перестойностью насаждений, неудовлетворительным состоянием лесовозобновления,
отчасти грибковыми заболеваниями. В сумме эффект факторов, не связанных
с загрязнением, оценивается в 20%.
В работе по созданию карты-схемы нарушенности растительного покрова этой территории, проведенной в Институте леса им. В.Н. Сукачева СО
РАН, использовался снимок LANDSAT от 31 июля 2000 года. Данные об отражательных свойствах подстилающей поверхности в видимом, ближнем и
среднем инфракрасных каналах позволяют отделять растительный покров от
каменистых и водных поверхностей и дифференцировать его по типам: древостои разного породного состава (в первую очередь темнохвойные и лиственные), болота разных типов, травянистые сообщества. Отдельным признаком был использован NDVI. Задача состояла в том, чтобы выделить в первую
очередь здоровые лиственничные насаждения, а в зоне погибших и поврежденных древостоев выделить другие типы растительного покрова (болота,
тундры, техногенную пустыню).
Предварительный анализ снимков и наземных данных, определение классов. Использовались данные наземных наблюдений в регионе. Дополнительным источником информации была Карта растительности и кормовых запасов Таймырского национального округа.
Первоначальный набор классов отображает все типы растительного покрова территории, как в зональном аспекте, так и с учетом поврежденности
растительности выбросами промышленных предприятий. Большое разнообразие водных поверхностей, тундр и болот. Древостои по породному составу
88
состоят из лиственниц (на неповрежденных участках), елей и берез. Пострадавшие от выбросов территории представлены техногенной пустыней, участками с погибшим древостоем в виде сухостоя. В результате анализа было
выделены следующие классы: водные поверхности, каменистые поверхности,
каменистые русла рек (галечник), населенные пункты (индустриальные и
жилые объекты), здоровые лиственничные и смешанные насаждения, поврежденные насаждения (в большой степени с участием ели и березы), погибшие насаждения, техногенная пустыня, тундры (кустарничковые, кустарниковые), болота (разные).
По этим данным были определены статистические характеристики отражательных свойств поверхности в виде сигнатур обучающих выборок.
Были построены карты-схемы растительности региона в разных масштабах по материалам Landsat ТМ , MODIS, AVHRR.
Лекция 13. Дистанционное зондирование в сельском хозяйстве.
Площадь сельхозугодий составляет около 10% территории суши. Основные проблемы, решаемые методами ДЗ в сельском хозяйстве: продуктивность (урожайность), поврежденность посевов, водный стресс, состояние
почв. В настоящее время точность прогноз урожая по данным ДЗ составляет
3-5%; для этих целей широко применяются различные вегетационные индексы, включая NDVI. Оценка плодородия почв, содержания в них органического вещества производится по их спектральным характеристикам. Влагообеспеченность определяется по данным микроволнового зондирования. Важным
направлением является оценка степени эродированности почв и процессов и
дезертификация (опустынивания). Повреждений посевов насекомыми и фитопатогенами обнаруживается преимущественно по изменениям спектров в
полосе поглощения хлорофилла и в ближней ИК области.
К наиболее известным примерам действующих систем спутникового
мониторинга сельскохозяйственных земель можно отнести системы проекта
MARS Европейской комиссии (http://agrifish.jrc.it) и Министерством сельского хозяйства США (http://www.fas.usda.gov/pecad). В ряде стран (Казахстан,
Нидерланды, Австралия, Бельгия, Франция) активно развиваются и используются региональные и национальные системы спутникового мониторинга
сельскохозяйственной деятельности.
По заказу Министерства сельского хозяйства России проводится разработка системы спутникового мониторинга сельскохозяйственных земель,
призванная обеспечить оперативный сбор данных о площадях пахотных земель и посевов различных типов, их состоянии и продуктивности. Одним из
условий создания и затем функционирования такой системы является нали-
89
чие таких алгоритмов и технологий обработки информации, которые предполагают в большой степени автоматический режим работы. В настоящее
время разработка системы ведется, на нынешнем этапе активно используются
материалы съемки MODIS в виде ежедневных изображений и в виде продуктов, доступных через 3–5 дней после съемки. Разрешение использованных
данных 250 м для красного и ближнего ИК канала, 500 м для синего и среднего ИК диапазона. Можно выделить два этапа обработки данных MODIS.
Первый состоит в предварительной обработке изображений: формировании
композитов с наилучшим разрешением в 250 м, которое достигается при
одиночном измерении только при наблюдении в надир; устранение пикселов,
соответствующих облакам и снежному покрову; нормировка значения спектральной яркости пиксела на косинус угла визирования. Для выделения
снежного покрова и облаков использовались данные третьего R3 и шестого
канала R6. Эти данные нормировались на косинус зенитного угла Солнца для
компенсации условий освещенности, а затем вычислялся нормализованный
разностный индекс снега NDSI:
NDSI=(R3–R6)/(R3+R6)
Использовались определенные на практике пороговые значения индекса для выделения облачного и снежного покрова.
Дальнейшая классификация данных осуществлялась на основе перпендикулярного вегетационного индекса PVI, который обеспечивает высокую
чувствительность к изменениям количества зеленой биомассы и независимость от отражательных свойств почвы (см. лекцию по биофизическим основам использования данных ДЗ).
Кроме этого, в ряде регионов России действует Система прецизионного
земледелия. Изучив опыт мировых лидеров ведения системы Precision
Farming на примере фермеров Германии, Канады, США и подобрав для нашей зоны наиболее оптимальную систему с учетом природно- климатических
особенностей региона, технического состояния, уровня подготовленности хозяйств и специалистов, финансовых возможностей хозяйствующих субъектов
нашими специалистами подобрана наиболее оптимальный, интегрирующийся в единых форматах комплекс.
Спектр задач, решаемых системой, включает:
– автоматический мониторинг урожайности и составление карт урожайности полей;
– составление почвенных карт хозяйств с использованием автоматических почвоотборников, использующих GPS-приемники;
– автоматический мониторинг и прогнозирование погодных условий в
90
хозяйствах. Составление прогнозов появления вредителей, болезней и сорняков на основе данных автоматических метеостанций и специального программного обеспечения;
– накопление и хранение данных, что позволит отслеживать динамику
процессов, а электронный формат обеспечивает наглядность их представления;
– отслеживание изменения состояния полей и посевов на различных
участках, что позволяет определить последовательности их обработки;
– мониторинг и предупреждение чрезвычайных ситуаций (пожаров, затоплений, крупных аварий);
– многофакторный анализ и визуализация собранных данных, позволяющая легко и быстро их интерпретировать.
Другим примером применения новых технологий выступили агропромышленный холдинг «Ильинка», крупнейшее частное сельскохозяйственное
предприятие в Оренбургской области, и ЗАО «Инженерный центр
«ГЕОМИР», специализирующееся в области геопространственных и спутниковых систем и технологий. Их совместный проект по внедрению единой
системы мониторинга и управления сельскохозяйственным предприятием с
элементами космического базирования осуществляется в настоящее время.
В состав создаваемой системы входят космический и воздушный сегменты, а также подсистема сбора, анализа и отображения информации. Космические снимки (используются метеорологические снимки NOAA и мультиспектральные снимки с индийского аппарата IRS) позволяют определить
всхожесть посевов и вегетацию, обнаруживать признаки засухи, отслеживать
рост и образование оврагов, засоление и заболачивание почв. При необходимости результаты космической съемки дополняются и уточняются с помощью данных, полученных с борта легкомоторных летательных аппаратов,
оснащенных цифровой фото- и видеоаппаратурой.
Для системы разрабатывается специализированная база данных, которую планируется обновлять в ежедневном режиме. По космическим снимкам
созданы высокоточные цифровые карты земель хозяйства, позволившие определить размеры посевных площадей и состояние дел в хозяйстве. Определены характеристики земельных угодий, идентифицированы участки с различной засоленностью и заболоченностью. Отслеживание ситуации на полях,
практически в режиме реального времени, в сложных погодных условиях позволяет определить сроки посева на отдельных полях и порядок их обработки
в соответствии с реально складывающимися условиями.
За рубежом использование ДДЗ в сельском хозяйстве представляет собой быстро развивающееся и перспективное направление. О значимости
рынка космических ДДЗ в сельском хозяйстве свидетельствует тот факт, что
американская компания DigitalGlobe, ведущий поставщик коммерческих
91
космических снимков субметрового разрешения, обладает эксклюзивными
правами на продажу снимков Spot в США только для двух рынков – сельскохозяйственного и военного. Предлагаемый ею специализированный продукт
под названием AgroWatch может служить примером эффективного применения ДДЗ в современном сельском хозяйстве.
AgroWatch представляет собой специализированный коммерческий
продукт. Он предназначен для использования в сельском хозяйстве и решает
задачи по количественной оценке характеристик посевов и почв с высоким
пространственным разрешением. Для построения тематических карт используются данные мультиспектральных космических снимков. После обработки,
калибровки и точной привязки к местности формируются следующие тематические карты:
Green Vegetation Index (показатель вегетации зеленых растений) - позволяет количественно оценить всхожесть и рост растений;
ScoutAide - показатель абсолютной величины вегетационных изменений, особенно полезный при идентификации «проблемных» участков, на которых созревание происходит с иной скоростью, чем на остальных, а также
для оценки результативности новых методик.
SoilZone - представляет собой карты, позволяющие оценить влияние
характеристик почв на посевы;
Все эти продукты в совокупности являются уникальным инструментом,
позволяющим задать новый стандарт эффективного ведения хозяйства. К тому же это инструмент, предназначенный для оперативного использования –
срок получения заказчиком готового продукта AgroWatch составляет от 24 до
48 часов с момента съемки.
Лекция 14. Мониторинг акваторий. Гидрологический цикл.
Океан – это не только кладовая ресурсов, но и один из главных элементов в общей системе экологического равновесия на Земном шаре. Океан оказывает сильное влияние на состояние атмосферы, формирование погоды,
климат, энергетический и газовый балансы планеты, круговорот веществ в
природе.
Комплекс ключевых характеристик, по которым можно судить о состоянии экосистем водной толщи и морского дна в условиях антропогенного
воздействия и осуществлять необходимое прогнозирование, можно условно
разделить на гидрологические, гидрохимические, биологические, геофизические и технические параметры.
К гидрологическим параметрам относятся температура и соленость,
необходимые для расчета плотности морской воды, а также скорость и на-
92
правление течений на различных горизонтах. К гидрологическим параметрам
также относятся основные оптические характеристики (интегральная прозрачность, спектральное поглощение и рассеяние, облученность на разных
горизонтах), определяющие световые условия фотосинтеза морских организмов.
К важнейшим гидрохимическим показателям, характеризующим состояние морской среды, относятся: концентрация растворенного кислорода,
содержание растворенных в морской воде нефтепродуктов, содержание различных форм органического и минерального фосфора, азота, содержание
растворенных органических веществ. Среди данных параметров содержание
кислородорастворенного органического вещества может быть измерено датчиками в режиме реального времени или в режиме периодического зондирования. Остальные гидрохимические характеристики определяются в пробах
воды в лабораторных условиях.
Основы мониторинга гидрологических и гидрохимических параметров
водной среды разрабатываются, опираясь на максимально полную фоновую
картину состояния и динамики среды. Подлежат измерению следующие параметры: направление и скорость течений, температура и соленость воды,
концентрация водородных ионов (рН), содержание кислорода, природного
метана, сероводорода, сульфатов, нитратов, фосфатов, взвешенного органического вещества и некоторых других.
Гидрологический мониторинг предполагает проведение анализа изменений в структуре и динамике вод в первую очередь в придонном слое. При
мониторинге загрязнений донных осадков, водной толщи, атмосферы и биоты большой акцент должен быть сделан на методы и аппаратуру дистанционного зондирования.
При контроле биологических характеристик в первую очередь необходимо
наблюдать за короткоцикличными компонентами экосистемы, вносящими
основной вклад в продукционные процессы и деструкцию органического вещества. Это не только соответствующие формы планктона, но и бентоса, поскольку последние быстро реагируют на эвтрофикацию, изменения газового
режима и состава донных осадков. Бентос – совокупность организмов, обитающих на грунте и в грунте дна водоемов. Морской бентос служит пищей
многим рыбам и другим водным животным, а также используется человеком
(например, водоросли, устрицы, крабы, некоторые рыбы). Биотические компоненты включают в себя: фитопланктон и бактериопланктон, ихтиопланктон, ихтиофауну, морских млекопитающих и другие составляющие.
Так как практически все процессы в водных массах связаны с перераспределением тепла и изменением температуры и загрязнения и вносят аномалии в температурное поле водной поверхности, наиболее оптимально проводить мониторинг значительной территории при помощи тепловой аэросъемки. В качестве основных решаемых задач можно отметить следующие:
93
создание карты-схемы сбросов в пределах акваторий, создание каталога координат мест источников загрязнения, создание связанного с ним каталога
изображений, отражающих тепловые аномалии и характеризующие конкретный источник загрязнения.
Космические средства контроля окружающей среды очень эффективны
при изучении Мирового океана и внутренних водоемов.
В Институте биофизики СО РАН и Красноярском государственном
техническом университете (сейчас Политехнический институт СФУ) выполнялся цикл работ по программе «Зеленая волна», в соответствии с которой
разработаны методы мониторинга пространственной структуры, состояния и
продуктивности морских и пресных водоемов, а также биоценозов суши на
основе измерения распределения фитопигментов и биомассы в биосфере.
Предложены новые эффективные методы измерения содержания хлорофилла
и других фитопигментов на планете, позволяющие оперативно определять
продуктивные зоны, следить за их динамикой. Используется информация со
сканеров CZCS и AVHRR, при дешифрировании космических данных учитывается подспутниковая информация с тестовых участков, применяется атмосферная коррекция.
На первом этапе обработки спутниковых данных пикселы со сходными
спектрами объединяются в классы, при этом выделяются основные объекты
суши, воды и атмосферы. Далее оцениваются характеристики природных
вод, программные средства используют алгоритмы многомерного статистического анализа и учитывают оптические свойства вод. В частности, концентрация хлорофилла в воде определяется по уравнениям регрессии, связывающим концентрацию и яркость водной поверхности в разных спектральных каналах. Подобным же образом формируется информация о концентрации минеральных взвешенных веществ в воде, термодинамической структуре
вод, интенсивности волнения и других характеристиках, описывающих состояние водных экологических систем. По найденным характеристикам производится классификация типов вод, применяются непараметрические статистические методы классификации с обучением.
Разработанная информационная система мониторинга позволяет по
первичной продуктивности оценивать динамические процессы в водных экосистемах и выдавать диагноз отклонений от среднемноголетнего для данного
района и времени года; своевременно регистрировать и отслеживать динамику и развитие последствий экологических катастроф; оценивать антропогенное воздействие на живую оболочку Земли; прогнозировать изменения экологических систем на основе обучения модели по циклической динамике.
Разработанные программные средства используются для выявления динамики гидробиологических и гидрологических характеристик Красноярского водохранилища и р. Енисей на основе использования спутниковых измерений.
Эти средства могут быть применены также для исследования динамики пиг-
94
ментов фотосинтеза наземной растительности и решения практических задач
при диагностике антропогенного воздействия крупных энергетических комплексов и промышленных предприятий на окружающую среду, при мониторинге других природных динамических процессов, таких как лесные пожары,
весеннее снеготаяние и паводки.
В качестве другого примера рассмотрим результаты спутникового мониторинга пространственно-временной изменчивости температуры поверхности Тихого океана. Температура воды в океане является наиболее важной
характеристикой поверхностных водных масс. Распределение температуры
воды определяется не только зональными климатическими особенностями,
но и формированием высокоградиентных температурных зон (температурных фронтов). Эти зоны образуются из-за взаимодействия различных структур течений, круговоротов и вихрей.
На основе данных о состоянии крупномасштабных полей температуры
поверхности океана (ТПО) и температурных фронтов могут быть обнаружены зоны аномального нагрева или выхолаживания вод, что важно при оценке
энергообмена между океаном и атмосферой. Кроме того, карты фронтальных
зон и данные по горизонтальным градиентам ТПО необходимы для оценки
действия различных гидродинамических процессов в океане, таких как ветровые нагоны, синоптические вихри, меандрирование течений.
Важным свойством фронтальных зон является формирование гидробиологических неоднородностей в океане. Фронтальные зоны могут влиять
на распределение планктонных организмов и рыб или служить своеобразной
жидкой границей, существующей длительное время и ограничивающей взаимодействие с другими типами вод и соответственно с биологическими структурами. В ходе исследований и мониторинга в северной части Тихого океана
выявлена устойчивая фронтальная зона, образованная течениями Ойясио и
Куросио, которая проявляется в течение шести лет. Размеры этой зоны около
2000 км в поперечнике и 4000 км в длину. Средние температурные градиенты
составляют 0,7-0,8 К/км. Для сезонной изменчивости этой фронтальной зоны
характерна структура в виде прерывистых фронтальных зон с размерами
порядка 1000 км. Сезонная изменчивость в этом районе проявляется в размывании границ фронтальной зоны весной и осенью из-за уменьшения разности
температур водных масс Ойясио и Куросио и ослабления процесса переноса вод. При переходе от холодного сезона к теплому формируется фронтальная зона в Беринговом море. Ось этой фронтальной зоны может иметь
как зональное, так и меридиональное направление.
Гидрологический цикл
Водяной пар попадает в атмосферу в результате испарения воды океанов и озер, с поверхности земли, в результате транспирации (испарения воды
растениями). С поверхности океанов ежегодно испаряется 5,05·108 Мт, а с
поверхности материков 0,72·108 Мт воды. Водяной пар переносится атмо-
95
сферными движениями, конденсируется и возвращается на поверхность земли в виде дождя и снега. Большая часть вернувшейся воды вновь испаряется;
остальная впитывается в землю, попадает в ручьи и реки и течет к озерам и
океанам, а затем испаряется с их поверхности. Этот процесс называется гидрологическим циклом.
В отличие от большинства других присутствующих в атмосфере газов
содержание водяного пара очень сильно меняется. Оно зависит от температуры воздуха и состояния испаряющей поверхности (вода, почва влажная или
сухая, лед).
Общее количество воды, участвующее в гидрологическом цикле, составляет 12-14 тыс. км3, что можно выразить слоем воды толщиной 25 мм,
равномерно покрывающим весь земной шар. Осадки и испарение для земли в
целом составляют по 1130 мм в год. Осадки над сушей (800 мм) больше испарения (485 мм), и их разность равна годовому стоку рек в океан (315 мм).
Над океаном, напротив, испаряется воды больше (1400 мм), чем выпадает
осадков (1270 мм), и эта разность представляет собой сток водяного пара с
океана на сушу. Осадков за год выпадает на Земле в 40 раз больше, чем содержится водяного пара в атмосфере.
В году наблюдается в среднем для Земли 45 циклов испарение - осадки,
а водной пар в атмосфере обновляется через каждые 8-10 суток. Несмотря на
относительно короткое время жизни, водяной пар переносится на огромные
расстояния от места испарения до места выпадения в виде осадков. Скорость
переноса водяного пара воздушными течениями по широте (зональный перенос) составляет в среднем 220 км/сут. При этом среднее число смен водяного
пара за один оборот вокруг Земли равно 13,5.
В атмосферных процессах водяной пар и продукты его конденсации во
многом определяют погодные условия, не только вследствие развития облачности и выпадения осадков, но и участвуя в энергетических процессах. Водяной пар как активный поглотитель инфракрасного излучения земной поверхности и атмосферы определяет наряду с СО2 формирование теплового режима земной поверхности и атмосферы, являясь важнейшим фактором парникового эффекта. Более того, водяной пар – это основной парниковый газ, и за
счет него приземная температура более чем на 20°С выше, чем была бы в его
отсутствии [Использован материал И.А.Павловой, к.г.н., ст. преподаватель
кафедры МЭО КРСУ, портала «Планета» http://www.planet.elcat.kg/].
Большое значение в оценке состояния водного баланса отдельных территорий умеренных и арктических поясов, а также горных районов имеет
величина снегозапаса как накопленная за холодный период величина осадков. Прогнозирование времени и скорости таяния снега в этих регионах играет большую роль для обеспечение проведения необходимых сельскохозяйственных мероприятий, защите почвы, а также для обеспечения безопасности
населения в случае опасности. Помимо дистанционного зондирования в оп-
96
тическом диапазоне эффективным методом картирования и мониторинга
снежного покрова является микроволновое зондирование. Рассмотривается
пример применения съемки в диапазонах C и L прибора SIR/SAR для анализа
количества снега в горах Западного Саяна. Работа выполнена в Институте леса СО РАН.
Для выяснения общего характера изменения коэффициентов обратного
рассеяния с высотой местности и с глубиной снежного покрова на изображении были построены профили в направлении от равнинной части в горы.
Размеры и форма соответствующих фрагментов изображений (от 10×10 до
15×30 пикселов) выбирались из соображений однородности фрагмента (т. е.
чтобы фрагмент не выходил за пределы данного микросклона и не захватывал участки с другим породным составом, имея при этом максимально возможный размер). В качестве характеристики тестовых участков профилей
были взяты средние значения по фрагменту изображения в условных единицах яркости и стандартные отклонения.
Для каждой точки профиля была определена величина снегозапаса. Снегозапасы на тестовых участках рассчитывались по данным снегосъемки на реперных метеостанциях по регрессионным моделям пространственного распределения снегозапасов, с использованием данных о рельефе и лесной растительности. Кроме исходных данных использовались изображения, названные
НН– и VV– индексами, которые определялись как разность каналов с одинаковой поляризацией, деленная на их сумму: (LHH–CHH)/(CHH+LHH), (LVV–
CVV)/(LVV+CVV) и (LHV–CHV)/(LHV+CHV).
По данным анализа горной части территории, где наблюдался снежный
покров толщиной 20 – 150 см, установлена отрицательная корреляционная зависимость между водным эквивалентом снега и величинами сигнала в L–
диапазоне, НН и VV индексами, которые определялись как (LHH–
CHH)/(CHH+LHH), (LVV–CVV)/(LVV+CVV) соответственно. Более тесная связь для
L– диапазона обусловлена большей проникающей способностью длинноволнового излучения, что приводит к возрастанию относительного вклада снежного покрова в отраженный сигнал.
На рис. 4.2 представлены характерные точки для разных типов гидроморфных поверхностей в исследуемом районе в координатах LHV– CHV. Наблюдается значимое различие таких поверхностей, как вода, мокрый или
влажный снег, фирн.
97
300
250
LHV, ед. яркости
Вода
200
Увлажненные
земли
Мокрый снег
150
Влажный снег
100
Влажный снег под
пологом леса
Фирн
50
0
0
-50
100
200
300
CHV, единицы яркости
Рис. 4.2. Положение разных по степени гидроморфности территорий в пространстве яркости микроволновых изображений LHV и CHV
Лекция 15. Глобальные климатические тренды.
Глобальные климатические изменения представляют одну из ключевых
проблем экологии. Глобальные изменения затрагивают все аспекты существования и функционирования биосферы. Важнейшую роль в обеспечении
климаторегулирующей функции лесов планеты определяет то, что они являются одним из основных звеньев в цикле углерода на планете. Ключевым
фактором понимания глобальных трендов являются точные наблюдения и
моделирование критически важных взаимодействий; именно этому способствует система зондирования из космоса, обеспечивая глобальность, точность и
долговременность наблюдений.
Киотский протокол стал первым глобальным соглашением об охране
окружающей среды, основанным на рыночных механизмах регулирования —
механизме международной торговли квотами на выбросы парниковых газов.
Киотский протокол — международный документ, принятый в Киото
(Япония) в декабре 1997 года в дополнение к Рамочной конвенции ООН об
изменении климата (РКИК). По состоянию на 14 февраля 2006 года Протокол
был ратифицирован 161 страной мира (совокупно ответственными за более
чем 61 % общемировых выбросов). Россия ратифицировала Киотский прото-
98
кол осенью 2004 г. Заметным исключением из этого списка являются США и
Австралия.
Страны Протокола определили для себя количественные обязательства
по ограничению либо сокращению выбросов некоторых типов газов на период с 1 января 2008 до 31 декабря 2012 года. Цель ограничений — снизить в
этот период совокупный средний уровень выбросов 6 типов газов, в том числе CO2, CH4 на 5,2 % по сравнению с уровнем 1990 года. Регулирование количества выбросов парниковых газов позволит, по мнению многих ученых,
прекратить или снизить темпы глобального изменения климата.
Для того, чтобы прогнозировать изменение климата на планете в будущем, необходимо знать климат предыдущих эпох. Для этого проводятся палеоклиматические исследования. Первые попытки палеоклиматического толкования ископаемых органических остатков принадлежат английскому физику и математику Р. Гуку, установившему в 1686, что когда-то на Земле климат был более тёплым, и объяснившему этот факт изменением положения
земной оси. Толчком к развитию палеоклиматологии послужило открытие и
исследование в Европе следов четвертичного оледенения (одним из основоположников учения о оледениях был Петр Кропоткин), которые стали главными объектами изучения палеоклиматологии. Однако сама наука ведёт начало лишь с 80-х гг. 19 века, когда в качестве показателей древних климатов
начали использовать наряду с палеонтологическими данными литологические, которые в значительной степени зависят от климатических факторов и
служат весьма ценными климатическими индикаторами: соль (аридный климат), бокситы и бобовая руда (чередование влажного и сухого тёплого климата), торф и каменный уголь, каолин (влажный климат), известняк (тёплый
климат), ледниковые морены (холодный климат). Мощнейшее развитие наука
получила в конце 20-го, начале 21-го веков в связи с возрастающей остротой
проблемы изменения климата.
В конце 20-го века были проведены масштабные международные и
междисциплинарные проекты по изучению климата. В их числе можно назвать бурение покровных ледников Антарктиды и Гренландии; бурение
крупных континентальных озёр с длительной историей осадконакопления:
Байкала, Исык-Куля, Каспийского моря и некоторых других. В результате
получено огромное количество новых данных об истории климата четвертичного и третичного периодов, однако создание климатической теории,
объясняющей все факты, далеко от завершения.
Палеоклиматологические исследование показывают, что климат на
Земле неразрывно связан с историей её живых обитателей, космическими
факторами, как то: изменениям земной орбиты, падениями крупных метеоритов; геологическими событиями, типа крупных извержений, эпох горобразования и перемещений континентов. При этом большинство этих факторов
действуют совместно и взаимно влияют друг на друга. Поэтому в большин-
99
стве случаев, установив изменение климата, не удаётся однозначно связать
его с каким либо одним фактором, и событие объясняют комплексом факторов.
В последнее время большую популярность приобрели гипотезы, рассматривающие изменения климата как результат взаимодействия биосферы с
атмосферой и другими оболочками земли. При этом большая роль отводится
парниковым газам. В связи с необходимостью учета количества парниковых
газов в атмосфере, в том числе углекислого, пристально изучается цикл углерода в биосфере.
Схема геохимического цикла углерода показывает количество углерода
в атмосфере, гидросфере и геосфере Земли, а также годовой перенос углерода между ними.
Геохимический цикл углерода — это комплекс процессов, переносящих углерод между различными геохимическими резервуарами. В истории
Земли углеродный цикл менялся весьма значительно, эти изменения были как
медленные, постепенные, так и резкие катастрофические события. Важнейшую роль в круговороте углерода играли и играют живые организмы. Разные
процессы контролировали углеродный цикл на разных промежутках времени. Резкие, катастрофические изменения цикла углерода играли ключевую
роль в эволюции углеродного цикла в истории Земли. Геохимический цикл
углерода всегда происходит через атмосферу и гидросферу. Тем самым, даже
самые глубинные процессы могут влиять на окружающую среду и биосферу.
Геохимическая запись углеродного цикла изучена неравномерно в геологической шкале времён. Наиболее полно в этом отношении изучен
четвертичный период, самый недавний и кратчайший геологический период,
так как с одной стороны история углеродного цикла в нём наиболее полно
зафиксирована ледниками Арктики и Антарктики. С другой стороны в это
время происходили значительные изменения углеродного цикла, и они неразрывно связаны с климатическими изменениями.
Рассмотрение углеродного цикла имеет смысл начать с оценок количества углерода, сосредоточенного в различных земных резервуарах (таблица
4.1). При этом мы будем рассматривать состояние системы на 1850 год, до
начала индустриальной эры, когда начались массовые выбросы в атмосферу
продуктов сжигания ископаемого топлива.
В атмосфере находится немного углерода по сравнению с океаном и
земной корой, но углекислый газ атмосферы очень активен, он является
строительным материалом для земной биосферы.
Метан не стабилен в современной окислительной атмосфере, в верхних
слоях атмосферы при участии гидроксил ионов он реагирует с кислородом,
образуя всё тот же углекислый газ и воду. Основными производителями метана являются анаэробные бактерии, перерабатывающие образовавшуюся в
результате фотосинтеза органику. Большая часть метана поступает в атмо-
100
сферу из болот.
Таблица 4.1.
Оценка количества углерода, сосредоточенного в различных земных
резервуарах до 1850 г.
Резервуар
Атмосфера
Океан
поверхностный слой, неорганический угле-
род
глубокие воды, неорганический углерод
весь биологический углерод океанов
Пресноводная биота
наземная биота и почвы
растения
почвы
Морские осадки способные к
обмену углеродом с океанической водой
неорганические, главным образом
карбонатные осадки
органические осадки
Кора
осадочные карбонаты
органический углерод
Мантия
Ресурсы и резервы ископаемого топлива
Нефть
Природный газ
Уголь
количество углерода в мегатоннах С
590
(3.71 — 3.9)*104
700—900
35600 — 38000
685—700
1—3
2000—2300
500—600
1500 — 1700
3000
2500
650
(7.78 — 9.0)*107
6.53*107
1.25*107
3.24*108
(7.78 — 9.0)*107
636—842
483—564
(3.10 — 4.27)*10³
Для газов атмосферы введено понятие времени жизни, это то время, за
которое в атмосферу поступает масса газа равная массе этого газа в атмосфере. Для СО2 время жизни оценивается в 5 лет. Время жизни неустойчивого в
атмосфере метана значительно больше — порядка 15 лет. Дело в том, что атмосферный углекислый газ участвует в исключительно активном кругообороте с наземной биосферой и мировым океаном (см. таблицу 4.2), в то время
как метан в атмосфере только разлагается.
101
Таблица 4.2.
Потоки углерода между резервуарами
Потоки
захоронение карбонатов
захоронение органического углерода
Речной снос в океаны, растворённый неорганический углерод
Речной снос в океаны, весь органический углерод
Вынос реками растворённого органического углерода
Вынос реками органического углерода в виде частиц
Вулканизм
вынос из мантии
мегатонн в год
0.13-0.38
0.05-0.13
0.39-0.44
0.30-0.41
0.21-0.22
0.17-0.30
0.04-0.10
0.022-0.07
Наблюдения за температурой атмосферы и анализ изменений средних
годовых, сезонных, месячных температур в глобальном и региональном масштабе проводятся в последнее время особенно интенсивно. К анализу трендов температуры привлекаются данные наблюдений за погодой на метеостанциях. На рис. 4.3 представлено изменение среднегодовой температуры за
последние 130 лет.
Рис. 4.3. Глобальная средняя температура воздуха (http://data.giss.nasa.gov/gistemp)
Повышение температуры на региональном уровне разнообразно. Прогнозируется и наблюдается особенно сильное повышение температуры в
Средней Сибири, особенно за счет зимних температур.
Исследование отклика растительности на глобальные изменения климата проводятся в настоящее время активно в разных странах. Отмечается,
102
что лесная растительность в тех регионах, где ее рост ограничивается температурными факторами, в последние три десятилетия расширяет свои географические границы. К таким территориям относятся широтные северные границы тайги в России, а также высотные границы лесов в России и других
странах Азии и Америки. Темпы этого процесса разные в зависимости от
климата и рельефа, а также других условий, например, силы и направления
ветра, изменения количества осадков. Рассмотрим на примере комплексных
исследований в Институте леса им. В.Н. Сукачева СО РАН, как продвигается
в зону тундры на северном пределе произрастания лиственница в зону тундры.
Участок «Полярный Урал» расположен на восточном склоне Полярного Урала Верхняя граница экотона «лес–тундра» проходит на высоте около
300 м. Далее до высот 700–800 м расположен пояс горных кустарниковых и
мохово–лишайниковых тундр. Выше 700–800 м начинается холодная горная
пустыня.
Лес сформирован лиственницей сибирской с примесью ели и березы.
Деревья лиственницы не превышают 13–15 м высоты и 20–30 см в диаметре.
Для анализа границы леса и ее изменений с 1960–х годов использовались крупномасштабные панхроматические снимки системы CORONA, выполненные в 1965 и 1968 гг. (разрешение 3–5 м) и данные спектрорадиометрической съемки Landsat TM, выполненные в июле 1988 г.
Наземные данные 1960–х и 1998 годов использовались для картирования продвижения границы леса.
Дешифрирование данных DISP проводилось по яркостным характеристикам изображения. В связи с тем, что этот параметр зависит от многих факторов
(тип растительности, проективное покрытие, наличие тени, влажность почвы),
корректное разделение на классы осуществить сложно. Например, озера могут
быть классифицированы как высокосомкнутые насаждения, болота смешиваются с рединами, так как имеют одинаковую яркость на изображении. После
предварительного анализы были выделены следующие классы: 1 – вода, 2 –
тундра, 3 – травяные сообщества с кустарниками, 4 – кустарники, 5 – лиственничные редины, 6 – лиственничные редколесья и леса.
Для выявления динамики растительного покрова использовался снимок
этой же территории, полученный системой Landsat TM в 1988 году. По этим
данным определены следующие типы поверхности: 1– водные поверхности, 2 –
каменистые россыпи, 3 – каменистые лишайниковые тундры, 4– кустарниково–
лишайниковые тундры, 5 – кустарники, 6 – лиственничные редины, 7 – лиственничные редколесья, 8 – 10 – лиственничные леса разной степени сомкнутости крон. Результаты классификации обеих материалов были внесены в ГИС.
Временные изменения границ насаждений разной сомкнутостью представлены
на рис. 4.4.
103
Рис. 4.4. Динамика площадей насаждений разной сомкнутости участка «Полярный
Урал».
Очевидно увеличение территории с сомкнутыми насаждениями. Так,
площадь насаждений сомкнутостью 0.3 и более возросла с 1963 до 1988 года
на 500%.
Лекция 16.Роль дефорестации.
Обезлесивание - потеря лесов вследствие заготовления дров, промышленных вырубок, строительства дорог, выпаса скота, разработки месторождений и пожаров. Этот процесс приводит к эрозии почвы, наводнениям и
ставит под угрозу существование видов вследствие разрушения естественной
среды обитания. Обезлесивание можно рассматривать в более широком
смысле не только как переход лесных территорий в нелесные, но и деградацию лесных насаждений – изменение плотности и структуры древостоев,
биомассы растений и животных, биологического и генетического разнообразия.
С середины 19 века на планете наблюдается беспрецедентная скорость
уничтожения лесов. В последние десятилетия леса в Европе подвергаются
выпадению кислотных дождей, леса в Сибири уничтожаются после развала
Советского Союза. За последние 20 лет Афганистан вывез за пределы страны
70% своих лесов. Но самые суровые последствия имеют вырубки тропических лесов.
104
Сейчас тропические леса уничтожены на половине первоначальной
площади (от 1,5 до 1,6 миллиарда гектаров). Эта проблема стала острой в
Южной Азии, второй по важности с точки зрения биоразнообразия территории планеты. Наибольшее количество лесов сохранилось в бассейне Амазонки. Основные тропические страны, такие как Индонезия, Таиланд, Малайзия,
Бангладеш, Китай, Шри Ланка, Лаос, Нигерия, Либерия, Гвинея, Гана потеряли большие площади своих тропических дождевых лесов. Вырублены около 90% лесов Филиппинского архипелага. В Центральной Америке осталось
только 40% лесов. Мадагаскар потерял 95% лесов, столько же и на атлантическом побережье Бразилии.
В то время как основное внимание уделено дождевым тропическим лесам, леса сухих тропиков уничтожаются с еще большей скоростью, главным
образом для использования земель в сельском хозяйстве.
Влияние процесса обезлесивания на окружающую среду сказывается
несколькими путями. Это уменьшение биоразнообразия, изменение климата
и географических условий. Обезлесивание влияет на количество воды в почве и в подземных водах, и на влажность атмосферы. Изменяется среда обитания диких животных. Уничтожение лесного покрова приводит к уменьшению способности ландшафтов перехватывать, удерживать и переносить
осадки. Вместо улавливаемых пологом осадков, которые затем просачиваются в подземные воды, получаются поверхностные водные потоки, смывающие почву. Такие водные поверхностные потоки приводят часто к наводнениям. Уменьшается и влажность воздуха, поскольку уменьшается испарение
воды растениями в атмосферу. Этот процесс приводит к тому, что уменьшается количество осадков над сушей, так как испарение мало, и накопившиеся
водные массы уносятся в океан. Так, по исследованиям, в северном и северо–
западном Китае среднегодовое количество осадков уменьшилось на треть с
1950 по 1980 годы. Леса являются также хранилищем органического углерода и улавливают из атмосферы поллютанты и углекислый газ, что очень важно для стабильности биосферы.
Обезлесивание рассматривается часто как одна из основных причин
возникновения теплового эффекта «greenhouse effect». Деревья изымают углерод из атмосферы в виде углекислого газа в процессе фотосинтеза. Как
разложение, так и непосредственное горение древесины возвращает углерод
обратно в атмосферу. Это влияет и на гидрологический цикл. Деревья задерживают воду корнями, выделяют ее в атмосферу испарением, и когда лес
уничтожается, на данной территории невозможно удерживать прежнее количество воды, климат становится более сухим.
Попытки остановить или замедлить процесс обезлесивания принимаются многими государствами. Ищутся другие материалы для замены древесины в производстве товаров, для восстановления лесов используются лесопосадки. Но, к сожалению, они эффективны только в районах с хорошим ув-
105
лажнением, так как в других случаях молодые посадки лесов уничтожаются
засухами и пожарами, не достигнув спелого возраста.
В нашей стране в последние годы широко применяется дистанционное
зондирование для обнаружения незаконных вырубок. Создаются геоинформационные системы, содержащие информацию о лесном фонде на определенной территории, заносятся контуры разрешенных вырубок. Затем по данным средне– и крупномасштабного дистанционного зондирования выделяются реальные территории вырубок.
Лекция 17.Анализ геологических, геофизических и метеорологических процессов.
Применение ДЗ в геологии разнообразно. По космическим изображениям обнаружены кольцевые структуры («кимберлитовые трубки»), связанные с месторождениями алмазов. Разломы земной коры, т.н. линеаменты,
дешифрируемые на изображениях из космоса, используются при поиске полезных ископаемых. Широко используются косвенные дешифровочные признаки (например, приуроченность определенных типов растительного покрова к нефтегазовым месторождениям). В геофизике зондирование из космоса
применяется для анализа движения геоплатформ, исследования вулканической деятельности.
Широко применение ДЗ в метеорологии, прогнозе тайфунов и цунами.
С помощью спутников ведется контроль состояния и динамики озонового
слоя Земли.
Атмосферные процессы, которые развиваются на обширных территориях и значительны по масштабам, относятся к звеньям общей циркуляции
атмосферы. Исследования этих процессов опираются на физические законы,
определяющие изменения свойств воздуха и его движение; при этом учитываются широта места, с которой связано количество притекающей солнечной
энергии, а также характер и свойства подстилающей поверхности (суша, характер её рельефа, море), реализующей эту энергию.
Общая циркуляция атмосферы – система крупномасштабных воздушных течений над земным шаром. В тропосфере сюда относятся пассаты,
муссоны, воздушные течения, связанные с циклонами и антициклонами, в
стратосфере – преимущественно западные переносы воздуха с наложенными
на них длинными волнами. Создавая перенос воздуха, а с ним тепла и влаги
из одних широт и регионов в другие, циркуляция атмосферы является важнейшим климатообразующим процессом.
Воздушные массы - большие по объему массы воздуха, занимающие
пространства, соизмеримые с частями материков и океанов и имеющие оди-
106
наковые свойства. Перемещаясь с течениями общей циркуляции атмосферы,
воздушные массы под влиянием подстилающей поверхности постепенно теряют свои свойства, приобретая новые качества, этот процесс называется
трансформацией воздушных масс.
Атмосферные фронты – промежуточные, переходные зоны между разнородными воздушными массами в тропосфере.
Зона атмосферных фронтов очень узка по сравнению с разделяемыми
ею воздушными массами, поэтому её приближённо рассматривают как поверхность раздела двух воздушных масс разной температуры и называют
фронтальной поверхностью. По той же причине на синоптических картах атмосферные фронты изображают в виде линии (линия фронта). Размеры атмосферного фронта по горизонтали - от 500 км до 5000 км и более, по вертикали - до высот 5000 – 7000 м.
У земной поверхности атмосферный фронт характеризуется увеличенными горизонтальными градиентами температуры воздуха – в узкой зоне
фронта температура резко переходит от значений, свойственных одной воздушной массе, к значениям, свойственным другой, причём изменение иногда
превышает 10° C, меняются во фронтальной зоне также влажность воздуха и
его прозрачность.
Спутниковые данные используются для решения многих задач, связанных с наблюдением атмосферных течений. В первую очередь это связано с
климатическими моделями предсказания погоды и предупреждения о стихийных бедствиях. Облачный покров, его движение, атмосферные фронты
хорошо различимы на космических изображениях в оптической части спектра.
Мониторинг пожаров.
Современные леса несут на себе отпечаток длительных воздействий
пожаров, которые сыграли значительную роль в формировании облика современной растительности. Пожары определяют не только состояние лесов,
но и направленность лесообразовательного процесса. В настоящее время в
Сибири нет насаждений, которые не имели бы следов воздействия одного
или нескольких пожаров. Кроме того, в связи с сильным антропогенным
прессом и лесными пожарами редко встречаются насаждения старше 200-300
лет. Современные растительные ландшафты Сибири – это результат воздействия
пространственно-временной
динамики
пожаров
с
физикогеографическими и климатическими особенностями регионов.
На возникновение и распространение пожара влияют климатические,
физико-географические и биотические факторы. Известно, что лесные пожары оказывают определенное воздействие на почву. Температура на поверхности почвы при пожаре может превышать 900ºС, а температура в 200ºС и
выше является обычной при горении. В современных условиях на территории Сибири можно выделить два полярно различных пожарных режима: в
107
лесах Западной и Восточной Сибири. Редкая повторяемость пожаров определяет пожарный режим заболоченных темнохвойных лесов Западной Сибири.
И, наоборот, высокая горимость и частая повторяемость пожаров присуща низкогорным светлохвойным лесам Восточной Сибири.
Очень сложные и динамичные пожарные режимы наблюдаются в районах промышленного освоения лесов, на территории которых возникает
больше половины всех пожаров. Это связано с повышенной антропогенной нагрузкой, интенсивной грозовой деятельностью и наличием больших площадей вырубок. Из-за большого запаса горючих материалов, в связи с захламленностью, пожарная опасность на вырубках сохраняется в течение 5-6
месяцев. Обилие зеленой массы трав и кустарников в летний период не снижают ее, и пожары беспрепятственно распространяются, переходя на окружающие
насаждения.
Пожарные режимы могут быть охарактеризованы частотой пожаров, их
силой и интенсивностью, размером, сезонностью и пространственным распространением. Частота пожаров, выражаемая через межпожарный интервал – это
число пожаров в данном насаждении или на данной конкретной территории за
определенный период времени.
Экстремальные пожарные ситуации возникают в результате сильных засух. На фоне многочисленных массовых пожаров возникают крупные пожары
и как следствие этого, огромные территории, пройденные пожарами. В последние десятилетия почти ежегодно возникают подобные пожароопасные сезоны,
сопровождаемые массовыми лесными пожарами. Это и 1998 год на Дальнем
Востоке, и 2002 год в Якутии, и 2003 год в Иркутской области и Забайкалье, когда ресурсов пожаротушения было недостаточно, чтобы справиться с экстремальными ситуациями.
Отклонения современных пожарных режимов от исторических значительны. В США и Канаде знание прошлых и современных пожарных режимов
используется в широкомасштабных экологических оценках и в широком
планировании управления природными ресурсами.
Пожарные режимы взаимосвязаны во времени и в пространстве. В связи с
развитием дистанционных методов зондирования в последние десятилетия стало возможным получение координат и площадей пожаров при анализе снимков
со спутников различного разрешения. Но они требуют дешифрирования и валидации. Хотя в последние годы и удается картировать периметры пожаров по
спутниковым данным, но в большинстве случаев это только точки.
Дендроклиматический анализ позволяет получить реконструкцию различных метеоэлементов. Например, реконструированы температуры летних
месяцев для всего северного полушария. Сравнения реконструированной динамики засух с динамикой пожаров, восстановленных по пожарным подсушинам на деревьях показывает, что за многовековой период пожаров возникало
больше тогда, когда температура воздуха была выше. Выявлена связь частоты
108
пожаров с высотой над уровнем моря, типом растительности и с засухой.
Понимание таких взаимосвязей между пожарами и климатом необходимо как
для долгосрочного прогнозирования, так и для оценки отклика лесов на глобальное изменение климата.
Пожары воздействуют на содержание углерода в атмосфере и экосистемах, а также и на потоки углерода. Основная часть углерода, содержащегося в живых организмах, заключена в биомассе лесов. Бореальные лесные
экосистемы представляются в настоящее время как сток углерода для атмосферы с интенсивностью его аккумуляции от 0,03 до 0,3  1012 кг·С/год.
При ожидаемом изменении климата пожары могут стать катализатором изменений в растительности. Возможно, они будут вызывать более резкие изменения, чем те, которые можно ожидать, исходя из скорости отклика самой растительности на изменения температуры воздуха и степени доступности влаги. Таким образом, пожары являются более важным фактором, определяющим территориальную устойчивость и миграцию растительных видов, нежели прямое
воздействие изменения климата. С потеплением климата ожидается увеличение частоты пожаров. В то же время прогнозировать изменения региональных
и локальных пожарных режимов трудно, так как эти изменения могут быть
уравнены вероятными изменениями в источниках огня, например, увеличение
грозовой активности.
Влияние человека на пожарные режимы – тоже серьезная проблема.
Статистика последних трех лет показывает, что в России более 85% пожаров
возникают по вине человека. Увеличение активности пожаров, вызванное
климатическими трендами, может привести в бореальных лесах Сибири как к
увеличению выгоревшей площади, так и обострению экологических последствий. Более того, увеличение горимости бореальных лесов вызовет такое возрастание чистого СО2, которое приведет к возможности положительной обратной связи с глобальными температурами и к значительным последствиям для экосистем, если не будет соответствующих программ управления накоплением горючих материалов и пожарами.
Северные леса России занимают площадь около 600 млн. га, почти четверть из них приходится на Красноярский край. Зона лесов характеризуется
малой плотностью населения. В настоящее время спутниковые данные – это
единственно доступная информация о лесных пожарах в неохраняемых северных лесах и существенное дополнение к информации, получаемой с помощью обычных методов в охраняемых территориях. Космический лесопожарный мониторинг способен решать следующие задачи:
– оценку пожарной опасности лесных регионов и прогноз ее динамики;
– обнаружение ЛП и определение их интенсивности, прогноз поведения крупных пожаров;
– инвентаризацию послепожарного состояния лесов.
109
Возникший пожар имеет характерную форму кольца, вытянутого в направлении ветра. При этом подветренная часть кромки (фронт) имеет увеличенную ширину по сравнению с наветренной (тыл), причем их отношение
пропорционально скорости ветра под пологом древостоя. Излучательные характеристики горящей кромки неоднородны. На фронте средняя термодинамическая температура пламенной зоны Тп = 1100 К, углеродистой зоны Ту
= 800 К, пульсации температуры в газовой фазе составляют ΔТ = 200 К, средняя частота пульсаций f = 10 Гц. В тыльной области температуры составляют
Тп = 1000 К и Ту = 800 К.
Коэффициент теплового излучения пламени ε = 0,8. Эти данные позволяют оценить средний по кромке лучистый поток в диапазоне 2-14 мкм. Он
составляет около 80 кВт/м2. Мощность излучения кромки горения площадью
300 м2 равна 24000 кВт. Это лишь около 20% энергии пожара, остальные 80%
расходуются на прогрев слоя атмосферы над пожаром (конвекционной колонки), на прогрев почвы и несгоревших материалов.
Восходящее от пожара излучение ослабляется пологом древостоя и атмосферой. Коэффициент пропускания ИК излучения пологом варьирует от
0,3 до 0,9. Принимая его среднее значение 0,6, получаем мощность результирующего лучистого потока, выходящего в атмосферу, равную Ф = 14000 кВт.
Пожарная опасность лесных регионов и возможность возникновения
пожара определяются влагосодержанием проводников горения (напочвенный
покров при низовых пожарах, подстилка и торф при подземных пожарах,
древесно-кустарниковый ярус при верховых пожарах). Подавляющее большинство лесных пожаров возникает в результате загорания напочвенного покрова, что позволяет ограничиться при оценке условий их возникновения
расчетом влагосодержания только этой группы лесных горючих материалов
(ЛГМ).
Каждый вид ЛГМ в напочвенном покрове характеризуется предельным
влагосодержанием, при котором возможно распространение горения. Такое
состояние ЛГМ обычно наступает в лесу через 85-150 часов сушки в случае
отсутствия жидких осадков, при наличии солнечной радиации и слабой облачности.
В Институте леса им. В.Н. Сукачева СО РАН проведены обширные исследования сушки ЛГМ. Интенсивность высыхания лесных горючих материалов в большей мере определяется температурой материала Тм, чем температурой воздуха t, поскольку последняя не отражает напрямую процесс радиационного теплообмена ЛГМ с окружающей средой. Оказалось, что если в
течение периода сушки суммировать ежедневные температуры ЛГМ, то накопленная сумма температур ΣТ связана линейной зависимостью с влагосодержанием ЛГМ – чем выше ΣТ, тем меньше влагосодержание. Тесная связь
между ΣТ и влагосодержанием ЛГМ позволяет по величине суммы температур за некоторый период времени оценивать влагосодержание и определять
110
пожарную опасность как степень готовности лесных горючих материалов к
самопроизвольному поддерживанию горения.
Это открывает возможность использовать спутниковую информацию о
радиационных температурах ЛГМ для оценки пожарной опасности. Коэффициент теплового излучения ЛГМ ε = 0,94-0,96, и потому радиационная температура Тр меньше температуры материала Тм всего на 4-6 %. Максимум излучения подстилающей поверхности лежит в диапазоне 8-14 мкм, этот участок попадает в окно прозрачности атмосферы. Таким образом, радиационная
температура Тр является достаточно надежной оценкой температуры лесного
горючего материала Тм. Радиационную температуру ЛГМ можно определить,
например, с помощью спутника NOAA (4 и 5 каналы сканера AVHRR). При
этом учитывается, что хотя кроны деревьев и могут частично экранировать
восходящее излучение от подстилающей поверхности, но сами имеет такую
же или даже несколько большую температуру.
В соответствии со сказанным выше метод состоит в суммировании поля радиационных температур подстилающей поверхности. Суммирование
производится ежедневно и от одного момента выпадения жидких осадков до
другого по результатам съемки в 13-15 часов местного времени, когда наблюдается суточный минимум влагосодержания ЛГМ. Моменты выпадения
жидких осадков определяются по данным метеостанций и данным о влажности воздуха, получаемых с радиометра HIRS спутника NOAA. Далее используется пороговый метод классификации, участки лесной территории относят
к определенному классу пожарной опасности путем сравнения с заданными
порогами суммы температур для каждого пиксела. Анализ серии полей радиационных температур дает прогноз динамики пожароопасной ситуации.
В случаях, когда часть поверхности на момент съемки закрыта кучеводождевыми облаками, производится дополнительный анализ поля радиационных температур на других витках, полученных в тот же день, путем взаимного наложения полей и исключения облачности.
По результатам расчета ежедневно составляются картосхемы текущей
пожарной опасности, которые интегрируются в ГИС мониторинга лесных
пожаров, передаются в органы МЧС и авиалесоохраны. Эти сведения помогают подразделениям авиалесоохраны планировать полеты патрульных самолетов и, в конечном итоге, приносят экономический эффект.
Обнаружение лесных пожаров – наиболее сложная часть лесопожарного мониторинга с использованием искусственных спутников Земли. При
обнаружении возникают трудности, связанные как с природными причинами
(затененность лесного пожара кронами, облачность, дым), так и с техническими (недостаточная разрешающая способность и чувствительность регистрирующей аппаратуры, несовершенство элементов схемы передачи и обработки информации).
В настоящее время известно несколько подходов в обнаружении лес-
111
ных пожаров с использованием данных радиометра AVHRR, установленного
на спутниках серии NOAA. Вегетационные индексы, рассмотренные в разделе 2, могут быть использованы не только для контроля состояния растительности, но и для обнаружения пожаров. Нормализованный вегетационный
индекс дает возможность построить изображение, на котором шлейфы дыма
от лесных пожаров выделяются на фоне растительности. Кроме дымовых
шлейфов, можно обнаруживать шрам в ландшафте, оставленный сильным
повреждением растительности, этот шрам может использоваться как исходные данные для оценки площади распространения пожара.
Как указано выше, максимум теплового излучения от объекта с температурой Т = 800 К приходится на λ = 3,6 мкм. Длина волны 3,5- 4 мкм попадает в окно прозрачности атмосферы. Сканер AVHRR спутника NOAA имеет
3-й канал на длины волн 3,55-3,93 мкм и может быть эффективно использован для обнаружения пожара. Однако зависимость сигнала на выходе датчика
3-го канала от освещенности нелинейная, с выраженным насыщением.
Самым существенным недостатком сканера AVHRR является сравнительно большое мгновенное поле зрения и соответственно невысокое разрешение – 1,1х1,1 км, один пиксел вмещает изображение с 121 га при наблюдении в надир. Для наиболее успешного тушения пожара необходимо оперативно обнаруживать пожары площадью не более 1 га.
В Институте леса СО РАН в рамках геоинформационной системы мониторинга лесных пожаров разработана методика, позволяющая обнаруживать с помощью сканера AVHRR пожары площадью меньше 10 га. При малоразмерном пожаре в мгновенное поле зрения радиометра попадает как высокотемпературная зона лесного пожара, которая занимает некоторую долю р
пиксела (0 ≤ p ≤ 1) и имеет температуру Tп ~ 800 К, так и «холодный» фон,
который занимает остальную часть пиксела (1 – p) и имеет температуру Tф.
Пусть f3 – яркость некоторого пиксела в 3-м канале. При наличии малоразмерного пожара без учета влияния атмосферы
f3 = pf3п + (1– p)f3ф.
(4.1)
Здесь f3п – яркость от пожара, если бы он занимал весь пиксел; f3ф – яркость от фона, если бы он занимал весь пиксел.
По измеренному значению f3 с использованием формулы Планка можно оценить эффективную температуру Т3 исследуемого пиксела. Наличие
пожара вызывает увеличение Т3.
Первым этапом обнаружения пожара является сравнение Т3 с порогом
То. Если Т3 > Тo, то возникает подозрение на наличие пожара в пределах этого пиксела. Пороговое значение температуры То обычно равно 310-320 К. Бо-
112
лее точный подбор значения То определяется временем наблюдения и погодой. Днем в ясную солнечную погоду порог устанавливается более высоким,
чем вечером или ночью.
Однако обнаружение пожаров только по значению температуры в 3-м
канале затруднено наличием засветок, обусловленных отражением солнечного излучения от облачного покрова и водной поверхности. К тому же высокое значение Т3 может быть вызвано, например, приемом излучения от нагретой солнцем поляны, полностью занимающей весь пиксел.
Вторым этапом является анализ координат пиксела. Если пиксел попадает на водохранилище, озеро, реку, то это действительно ложная засветка
от водной поверхности. Для распознавания облаков используются 1-й и 2-й
каналы сканера AVHRR.
На третьем этапе применяется информация 4-го или 5-го каналов, это
позволяет отличить малоразмерный пожар от нагретой поляны или аналогичного объекта. Для пожаров с температурой Tп = 800 К разность температур третьего и, например, пятого каналов In = Т3 –Т5 будет больше такой же
разности для нагретой поляны. Здесь учтено, что радиационная температура
пиксела, вычисленная по яркости f4 в 4-м или f5 в 5-м каналах, определяется в
основном температурой фона Tф, а излучение от пожара или отражение от
облачного покрова не оказывают существенного влияния на f4 и f5.
При наличии пожара In лежит в пределах 8-14 К. Величину In можно
использовать как пожарный индекс, характеризующий интенсивность лесного пожара. In зависит от времени суток, погодных условий и времени года.
Последним этапом является уточнение площади высокотемпературной зоны пожара. В (4.1.) неизвестным являются р, так как f3п можно заранее
вычислить с помощью формулы излучения Планка при стандартной Tп; яркость фона f3ф можно оценить по интенсивности излучения от пикселов с
низким значением Т3. Из (4.1) находим, что относительная площадь высокотемпературной зоны
p = (f3п– f3ф )/( f3– f3ф),
а абсолютная площадь Sп = р· S, где S = 121 га для спутника NOAA при наблюдении в надир. Площади высокотемпературной зоны соседних пикселов
суммируются.
Результаты обнаружения отражаются на карте в электронном виде и
сводятся в таблицу, куда занесены номер пожара, его географические координаты, субъект Российской федерации и район, в котором он обнаружен,
ближайший населенный пункт, удаление от этого населенного пункта до оча-
113
га пожара, направление от населенного пункта на очаг пожара, площадь пожара в пикселах и гектарах. Эти сведения по каналам связи немедленно передаются в органы МЧС и авиалесоохраны.
Метод позволяет обнаруживать пожары полностью в автоматическом
режиме. Тестирование с использованием экспериментальных пожаров показало, что с помощью сканера AVHRR возможно уверенное обнаружение пожаров площадью 6 га и более.
Послепожарная инвентаризация леса, т. е. оценка последствий лесных пожаров – одна из главных компонент мониторинга лесных пожаров.
Сведения о послепожарном состоянии лесов представляют значительный
интерес с точки зрения лесной экологии и углеродного баланса. Эта задача с
использованием космической информации решается методами распознавания
образов.
Другая система мониторинга и предупреждения пожаров разработана в
США. Компьютерное моделирование пожаров позволяет предположить место его возникновения за неделю, месяц, а порою и за год до возгорания.
Специалисты начали моделировать процесс горения с 1976 года. Они составляли номограммы, на которых фиксировались интенсивность процесса, его
направление и другие параметры. В расчетах учитывались состояние леса,
скорость ветра и рельеф местности, т. к. по склону огонь распространяется
гораздо быстрее. Подобные расчеты и схемы используются в полевых условиях, но компьютерное моделирование отличается более высокой точностью.
Программа моделирования пожара способна рассчитать направление и
скорость распространения фронта огня. Введя данные о состоянии лесного
массива, ландшафте и погоде, можно составить прогноз на три дня вперед. В
более новой версии программы при расчетах силы и направления огня используется база климатических данных, тогда можно составить прогноз на
один месяц. Ученым удалось создать модель верхового пожара.
В США изучением пожаров начали заниматься в 1916 г. В 1972 г.
Впервые была создана математическая модель распространения пожара
NFDRS, которая использовалась для информирования о степени пожароопасности. Сегодня на базе расчетов по этой программе создана карта прогноза для всей страны. Для ее составления вводятся сведения с 1800 метеостанций со всей территории США. Кроме этого существует сеть специальных
станций, которые дают сведения о состоянии лесов и погоды. Все это позволяет делать прогноз пожара с точностью до 5 миль для всей территории
США. Используются также данные спутника NASA о влажности поверхности Земли.
Американскими учеными создана модель формирования лесов, с помощью которой можно проследить, как появляются, растут и погибают деревья и кустарники. Можно смоделировать лесной пожар и по результатам определить, какую часть сухостоя убрать, или как лучше организовать самовоз-
114
горание, чтобы очистить лес для появления молодой поросли. Программа позволяет определить, каким будет лесной массив через 50 лет с учетов воздействия на него различных факторов.
Вопросы для самоконтроля
1. Каковы основные задачи мониторинга лесного покрова?
2. Какие временные, пространственные характеристики имеют вспышки массового размножения сибирского шелкопряда? Какие спектральные
диапазоны электромагнитного спектра позволяют выделить пораженные леса?
3. Какие временные, пространственные характеристики имеют повреждения лесов промышленными выбросами? Какие величины, измеряемые датчиками ДЗ, и рассчитанные на их основе, позволяют выделить пораженные
леса?
4. Какие признаки, определяемые по изображениям из космоса, используются для определения состояния сельскохозяйственных полей и прогноза
урожая?
5. Какие параметры воды морей и океанов определяют ее разные спектральные свойства в видимом диапазоне спектра?
6. В каком диапазоне электромагнитного спектра обнаруживаются пожары?
7. Почему по материалам низкого пространственного разрешения можно выделить пожары площадью меньшей, чем пространственное разрешение
датчика?
8. Чем отличаются спектральные свойства лесов и вырубок?
9. Каковы различия спектральных портретов лесных территорий и тундры?
Список литературы
Барталев, С.А. Классификация некоторых типов сельскохозяйственных
посевов в южных регионах России по спутниковым данным MODIS/ С.А.
Барталев, Е.А. Лупян, И.А. Нейштадт, И.Ю. Савин // Исслед. Земли из космоса, 2006. – №3. – С. 68–75.
Кашкин, В.Б. Дистанционное зондирование Земли из космосаю Цифровая обработка изображений / В.Б. Кашкин, А.И. Сухинин. – М., Логос, 2001.
– 264 с.
115
Кронберг, П. Дистанционное изучение Земли / П. Кронберг. – М.: Мир,
1988. – 350 с.
Кудашев, Е.Б. Электронная библиотека спутниковых данных и развитие информационной инфраструктуры для доступа к космической информации/ Е.Б. Кудашев, А.Н. Филонов// Институт космических исследований
РАН, Институт проблем информатики РАН, 2005. – Том 8, Выпуск 6. –
http://www.elbib.ru.
Эндрюс, П. Предупреждение пожаров. Обзор / П. Эндрюс, М. Финни//В
мире науки. – 2007. – №7. – С. 77–82.
Bobylev, L.P. Arctic environment variability in the context of global
change/L.P. Bobylev, K.Ya. Kondratyev, O.L. Johannessen. – Springer & Praxis
Publishing, UK, 2003. – 472 p.
http://www.rainforestweb.org
http://www.pnas.org/cgi/
http://www.aseanenvironment.info
Whitney, G. G. From Coastal Wilderness to Fruited Plain : A History of
Environmental Change in Temperate North America from 1500 to the Present/
Gordon G. Whitney. – Cambridge University Press, 1996. – ISBN 0-521-57658X.
Williams, M. Deforesting the Earth / M. Williams. – University of Chicago
Press, Chicago, 2003. – ISBN 0-226-89926-8.
Wunder, S. The Economics of Deforestation: The Example of Ecuador / S.
Wunder. – Macmillan Press, London, 2000. – ISBN 0-333-73146-8.
Словарь терминов
Абсолютно черное тело - понятие теории теплового излучения, означающее тело, которое полностью поглощает любое падающее на его поверхность электромагнитное излучение, независимо от температуры этого тела.
Альбедо (отражающая способность) – отношение отраженного излучения к падающему от Солнца.
Биогеохимический цикл – круговорот различных веществ в биосфере
между литосферой, гидросферой и атмосферой.
Биом – это совокупность различных групп организмов и среды их обитания в определенных природных зонах и поясах.
Биосфера - это та часть Земли, в которой обитают и размножаются живые организмы. В биосферу входит часть твердой оболочки Земли - литосферы, водной оболочки - гидросферы, и газовой оболочки - атмосферы.
116
Дистанционное зондирование (ДЗ): сбор информации с помощью
приборов, установленных на вертолетах, самолетах, спутниках.
Коэффициентом поглощения, или абсорбции () называют отношение величины поглощенного потока энергии к величине падающего потока:
=а/i.
Коэффициентом пропускания является отношение прошедшего через
среду потока к падающему потоку: =t/i
Мгновенное поле зрения – это интервал углов ∆φ, в пределах которых
в каждый момент времени на фотоприемник попадает изображение земной
поверхности.
Ламбертовский излучатель – это такой излучатель, у которого яркость постоянна и не зависит от направления (то есть не зависит от положения точки на поверхности и от угла наблюдения)
Ламбертовское рассеяние – это рассеяние света плоской поверхностью по всем направлениям вне зависимости от телесного угла, в пределах
которого падает световой поток. Световой поток выходит после такого рассеивателя равномерно распределенным в пределах телесного угла 2π.
Мониторинг - это регистрация, сбор, передача, накопление, хранение и
анализ информации о качественных и количественных характеристиках состояния биосферы и ее отдельных компонентов - биомов, экосистем - и протекающих в них процессах под влиянием естественных и антропогенных
факторов, а также оценка и прогноз тенденций изменения в них.
Направленное отражение - это отражение без рассеяния.
Неселективное рассеяние имеет место, когда длина волны излучения
много меньше размеров рассеивающих частиц (например, в случае сильно
запыленной атмосферы).
Окна прозрачности атмосферы – участки электромагнитного спектра,
в которых излучение проходит через атмосферу с относительно малым ослаблением Отражение – возвращение электромагнитного излучения от поверхности среды без изменения частоты монохроматических волн.
Полное диффузное отражение - мощность или интенсивность отраженного потока равновелика во всех направлениях.
Признак – некоторый объем информации, содержащийся в измерениях, который полезен при принятии решения о принадлежности образа к тому
или иному классу. Признак, или вектор признаков, может быть любым математическим преобразованием измеренных характеристик образа.Рассеяние это ослабление направленного потока излучения вследствие отклонения направления его падения, но без поглощения энергии падающего излучения
или перехода светового потока в другие формы энергии.
Рассеяние Ми имеет место, когда длина волны излучения сравнима с
размерами рассеивающих частиц (например, на каплях воды при тумане).
117
Рассеяние Релея имеет место, когда длина волны излучения много
больше размера рассеивающих частиц (например на молекулах воды; объясняет синий цвет неба).
Спектральная плотность энергетической яркости показывает распределение энергетической яркости по спектру.
Спектрорадиометр - спектрометр, предназначенный для измерения и
регистрации спектральных распределений фотометрических величин (сила
света, освещенность, световой поток, яркость, коэффициент пропускания и коэффициент отражения).
Экосистема – сообщество и его среда, рассматриваемые совместно как
функциональная система, образующая единое целое и характеризуемая присущим ей потоком энергии и круговоротом вещества.
Энергетическая яркость– это величина потока, излучаемого единицей
площади в единицу телесного угла в данном направлении.
118
Содержание
РАЗДЕЛ 1. Введение. Понятие биосферы................................................................... 1
Лекция 1. Введение. ....................................................................................................... 1
Вопросы для самоконтроля. .......................................................................................... 6
Список литературы. ....................................................................................................... 6
РАЗДЕЛ 2. Дистанционное зондирование.................................................................. 7
Лекция 2. Физические основы дистанционного зондирования (ДЗ). ....................... 7
Лекция 3. Приборы для дистанционных исследований. .......................................... 17
Лекция 4. Спектрорадиометрическая съемка. ........................................................... 21
Рассмотрим несколько примеров систем дистанционного зондирования. ............... 24
Сканер Landsat7 ETM+: основные характеристики.............................................. 24
Лекция 5. Основы микроволнового зондирования. .................................................. 29
Лекция 6. Применение микроволновой съемки. ....................................................... 41
Лекция 7. Биофизические основы использования спектральных характеристик в
мониторинге биосферы................................................................................................ 46
Вопросы для самоконтроля ......................................................................................... 57
Список литературы ...................................................................................................... 58
РАЗДЕЛ 3. Обработка информации .......................................................................... 60
Лекция 8. Источники искажений и коррекция изображений. ................................. 60
Лекция 9. Прием и обработка изображений. ............................................................. 66
Вопросы для самоконтроля ......................................................................................... 76
Список литературы ...................................................................................................... 77
Раздел 4. Системы мониторинга ................................................................................ 78
Лекция 10. Мониторинг лесных экосистем. .............................................................. 78
Лекция 11.Мониторинг биотических воздействий на лесные экосистемы............ 82
Лекция 12. Мониторинг техногенных воздействий на лесные экосистемы. ......... 85
Лекция 13. Дистанционное зондирование в сельском хозяйстве............................ 88
Лекция 14. Мониторинг акваторий. Гидрологический цикл. .................................. 91
Лекция 15. Глобальные климатические тренды........................................................ 97
Таблица 4.2.................................................................................................................. 101
Потоки углерода между резервуарами .................................................................... 101
Лекция 16.Роль дефорестации. ................................................................................. 103
Лекция 17.Анализ геологических, геофизических и метеорологических
процессов..................................................................................................................... 105
Мониторинг пожаров................................................................................................. 106
Вопросы для самоконтроля ...................................................................................... 114
9. Каковы различия спектральных портретов лесных территорий и тундры? .... 114
Список литературы .................................................................................................... 114
Словарь терминов ....................................................................................................... 115