Картографирование лесов по многоспектральным спутниковым данным высокого пространственного разрешения

Материалы » Разработка методики региональной экологической оценки состояния лесов по данным спутниковых наблюдений » Картографирование лесов по многоспектральным спутниковым данным высокого пространственного разрешения

· изображения опорных участков не должны содержать признаков качественных изменений лесов в период между датами получения спутниковых изображений.

При этом площадь каждого опорного участка на изображении должна превышать площадь пикселя в несколько раз, что позволяет при последующей оценке средних значений яркости внутри участков скомпенсировать влияние случайных факторов.

Измеренные пары значений средней спектральной яркости для опорных участков в зонах перекрытия изображений используются для оценки методом линейного регрессионного анализа значений коэффициентов уравнения (2) независимо для каждого канала. Получаемые при этом значения линейной корреляции R2 могут служить критерием достоверности оценок коэффициентов уравнения и, следовательно, потенциальной эффективности взаимной яркостной нормализации пары изображений.

Завершающим этапом процедуры нормализации является по канальное преобразование спутникового изображения с использованием коэффициентов линейного уравнения с целью компенсации яркостных различий на покрытых лесом территориях.

В соответствии с указанными выше критериями в зонах перекрытия изображений было выбрано по 30 опорных участков размером 3х3 пикселя. Полученные значения коэффициентов уравнения регрессии и корреляции для пары спутниковых изображений представленные в качестве примера в таблице 1. Как видно из приведенных данных, наиболее высокие значения R2 характерны для спектральных каналов TM4 и TM5, в то время как значение коэффициента корреляции для TM3 может свидетельствовать об относительно невысокой эффективности нормализации изображений в данном канале.

Таблица 1

Пример значений коэффициентов уравнения регрессии и корреляции при яркостной нормализации изображений (на примере сцен №2 и №5)

Оценка эффективности нормализации выполнялась с учетом ее влияния на возможности распознавания типов лесов, а ее основой служило сравнение значений критериев внутриклассовой изменчивости (стандартное отклонение уровней яркости внутри класса) и межклассовой разделимости (трансформированная дивергенция) до и после нормализации (таблицы 2 и 3). Влияние яркостной нормализации на гистограммы яркости лесного покрова демонстрируется приведенными на рисунке 3 графиками.

Таблица 2

Оценка влияния взаимной нормализации изображений на величину стандартного отклонения спектральной яркости классов лесного покрова

Табликца 3

Влияние взаимной нормализации изображений на значения трансформированной дивергенции между классами лесного покрова (до нормализации / после нормализации)

Это интересно:

Геосистемно – бассейновый подход в географии – интегрирующий методологический подход к комплексному изучению природной среды
Геосистемно-бассейновый подход сфорулирован в условиях 21 века, когда начинается проблема загрязнения воды и воздуха. Практически все реки за посл. 20-30 лет зарегулированы. Сток оказывается под воздействием политики и потерял свой баланс ...

Технопарки, технополисы, кластеры как новая форма территориальной структуры производительных сил в условиях научно-технического перевооружения экономики. Опыт зарубежных стран
Начало технопаркам было положено в США в начале 50-х годов, когда был организован научный парк Стэндфордского университета (штат Калифорния). В 80-е годы технопарки в США стали появляться один за другим. На сегодняшний день в США насчитыв ...

Ситуация в России
Россия представлена в Списке 13 культурными и 8 природными объектами. По количеству природных объектов Россия делит 3-4 место с Канадой после Австралии (11 объектов) и Америки (12). Статус объекта всемирного наследия имеют 30 российских О ...