3 УДК 528+63 Мониторинг биосферы и дистанционное

3
УДК 528+63
Мониторинг биосферы и дистанционное зондирование
Методические указания по циклу практических занятий
Введение
Практические занятия проводятся с целью закрепления материала, изложенного в лекционном курсе. Предполагается практически использовать
теоретические знания для
– определения параметров систем дистанционного зондирования,
– выявления спектральных признаков природных образований на космических изображениях,
– ознакомления с основными этапами и методами обработки изображений,
– построения баз данных в географических информационных системах,
которые можно рассматривать как форму реализации систем мониторинга.
Практические занятия предусмотрены для второго (Дистанционное
зондирование), третьего (Обработка информации) и четвертого (Системы
мониторинга) разделов курса.
1. Раздел лекций «Дистанционное зондирование».
Дистанционное зондирование (ДЗ)– сбор информации с помощью приборов, установленных на вертолетах, самолетах, спутниках.
Физические основы дистанционного зондирования базируются на теории излучения. 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). В 1859 году Г. Р. Кирхгофом было введено понятие абсолютно черного тела как модели абсолютного излучателя и
поглотителя энергии. Абсолютно черное тело - понятие теории теплового излучения, означающее тело, которое полностью поглощает любое падающее
на его поверхность электромагнитное излучение, независимо от температуры
этого тела. 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 идеаль-
4
ным излучателем. Плотность энергии и спектральный состав излучения, испускаемого единицей поверхности абсолютно черного тела, зависят только
от его температуры, но не от природы излучающего вещества.
Излучение абсолютно черного тела 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
(1)
где с1= 1,188·10-16 Вт·м2, с2=14342 мкм·К.
Максимум излучения определяется по закону Вина:
λ=2898/Т мкм.
(2)
Именно этот закон объясняет видимый цвет звезд, например, красный
цвет Антареса (Т=3500 К) и голубоватый цвет Ригеля (Т=18000 К).
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
(3)
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.
5
Рис. 1. Распределение энергии в спектре излучения черного тела при разных температурах. По оси абсцисс - длина волны в микронах, по оси ординат - интенсивность в
относительных единицах. Из–за разности в интенсивностях кривая для 6000° К на рис. 1 а
не может быть полностью изображена в выбранном масштабе. На рис.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.
Поверхностная плотность потока энергии Ee– это величина потока,
приходящегося на единицу площади:
 e  Вт 
 2
Ee= S ,  м 
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.
Энергетическая яркость – это величина потока, излучаемого единицей
площади в единицу телесного угла в данном направлении:
 2 e
Le 
S cos 
 Вт 
,
2
 срм 
6
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:
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 –
это интегральный по длинам волн показатель отражения энергии. Спектральную картину отражения представляют спектральные коэффициенты яркости,
или спектральные коэффициенты отражения.
Излучение, идущее от Солнца в виде лучей электромагнитных волн
(потока энергии), вступает во взаимодействие с веществом или средой в атмосфере и на поверхности Земли. Разные типы подстилающей поверхности
(растительность, облака, вода, снег, голые почвы, пески и т.д.) имеют различные спектральные характеристики.
Рис. 2. Спектры основных природных образований и интервалы оптического диапазона. 1– вода, 2– растительность, 3– почва.
7
Почвы. Одной из самых важных характеристик отражательной способности сухих почв является увеличение отражательной способности с увеличением длины волны, особенно в видимом и ближнем ИК диапазонах
спектра (линия 3 на рис.2). Однако 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 – 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).
Рис. 3. Кривые спектрального отражения почвы при различной влажности.
Другим фактором, определяющим спектральные свойства почвы, является ее влажность. Увеличение влажности одной и той же почвы ведет к появлению параллельных спектров отражения (рис. 3). 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. 4).
8
Рис. 4. Почвенная линия.
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.
9
Оптические свойства зеленых листьев одинаковы для всех типов
растительности. Здоровый зеленый лист имеет типичные свойства отражения, которые отличаются в функциях трех спектральных областей (рис. 5).
Рис. 5. 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 нм 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 уве-
10
личением количества слоев клеток, размера пространства между клетками и
размером клетки. Альбедо 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. 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.
Для минимизации влияния на радиометрические свойства полога растительности таких факторов, как оптические свойства почвы, освещение,
геометрия наблюдения или измерения, а также метеорологических факторов
(ветер, облака), отражательные способности в отдельных областях, характеризующиеся коэффициентами отражения, 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 отражательной способности 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 коэффициентов
отражения или альбедо, а по значениям яркости, если яркость измерена при
тех же условиях освещенности (то есть без перехода к физическим величинам спектральной плотности энергетической яркости). Большинство вегетационных индексов, основанных на отношении, используют красный канал,
который связан с поглощением света хлорофиллом (рис. 3), и ближний инфракрасный канал, который связан с плотностью зеленой растительности,
потому что два эти канала содержат более 90% информации о растительном
пологе. В красном и ближнем ИК каналах различия между растительностью
и почвой максимальны.
11
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.
Вегетационный индекс нормированной разности (NDVI) 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
Практическое занятие 1. Дистанционное зондирование в сельском
хозяйстве; оценка состояния почв и сельхозкультур (3 часа).
Материал для работы – летний снимок Landsat ETM+ на какой–либо
район, содержащий сельскохозяйственные угодья. Для примера разбирается
снимок на г. Красноярск и окрестности, охватывающий большие массивы
пригородных сельхозугодий.
Работа проводится в ГИС ERDAS IMAGINE, ход работы демонстрируется через проектор.
1. В первую очередь устанавливаются признаки, по которым поля можно выделить из других типов подстилающей поверхности. Во–первых, поля
на снимках характеризуются характерной формой с прямолинейными границами. Второй отличительной особенностью является цвет. Цвет представления снимка во вьюере зависит от выбранных для визуализации каналов.
Нужно рассмотреть несколько комбинаций, стандартных для снимков
Landsat ETM+. Это комбинации каналов номеров 3-2-1 (красный–зеленый–
синий спектральные каналы датчика), 4-3-2 (ближний ИК–красный–
зеленый), 4-5-3 (ближний ИК–средний ИК–красный), 7-4-2 (средний ИК–
ближний ИК–зеленый) для красного, зеленого и синего каналов монитора
соответственно. Поля, засеянные разными культурами, отличаются друг от
друга и от другой растительности по цвету. Определить визуально, какая
комбинация каналов дает максимальную дифференциацию полей.
2. Определение спектральных признаков полей по почвенной линии и
вегетационным индексам. На изображении выбирается фрагмент, содержа-
12
щий поле, определяются значения пикселов в прямоугольном окне размером
примерно 10х10 пикселов (процедура вьюера ERDAS позволяет узнать значение пиксела изображения в каждом спектральном канале). Значения пикселов в окне записываются, по ним рассчитывается почвенная линия и вегетационный индекс нормированной разности. Для этого может быть использована любая программа, например, Microsoft Excel.
Вычисления повторяются для нескольких фрагментов, результаты
сравниваются.
В ERDAS IMAGINE имеется встроенный модуль вычисления некоторых вегетационных индексов. С его помощью проводится вычисление других
индексов для выяснения оптических свойств полей, показывающих свойства
почвы (гидротермический, минеральная композиция, содержание оксидов
железа, глинистые компоненты, компоненты железа). По виду формул вычисления каждого из индексов определяется и объясняется, как предлагаемые в индексах композиции каналов показывают те или иные свойства почвы, опираясь на сведения о том, чем определяется отражение или поглощение, а также излучение энергии в разных диапазонах спектра (рис. 2).
В результате занятия делается обобщение, какие спектральные диапазоны и каким образом могут быть полезны для мониторинга состояния сельскохозяйственных угодий.
Практическое занятие 2. Дистанционное зондирование в лесном
хозяйстве; определение породного состава и состояния лесной растительности (3 часа).
Материал для работы – три изображения Landsat (MSS, TM, ETM+)
для лесных территорий части Томской области, снимок Landsat ETM+ с окрестностями г. Красноярска. Снимки TERRA/MODIS или NOAA/AVHRR
лесных территорий Красноярского края.
Работа проводится в рамках ГИС ERDAS IMAGINE.
1. Разница спектров отражения мелколиственных (березовых, осиновых) и темнохвойных (еловых, пихтовых) насаждений, а также сосновых насаждений определяется для разных комбинаций спектральных каналов при
визуальном оценивании, как это осуществлялось на практическом занятии
№1. Для известных студентам территорий, расположенных вблизи г. Красноярска (заповедник Столбы, другие окрестности), составляются «спектральные портреты» лесных насаждений разного породного состава. В ERDAS с
помощью специального модуля представляются спектральные портреты Разных видов природных образований в виде графиков. Указывается на различия отражения–излучения энергии в видимых и ИК каналах для лесов разного породного состава: березовых, сосновых, темнохвойных.
13
2. Изменение со временем спектральных портретов лесов является признаком, позволяющим оценивать динамику развития лесного покрова (процесс смены преобладающей породы, спектральные свойства которой определяют спектральный портрет насаждения).
Полученные сведения о спектральных портретах лесов разного породного состава обобщаются для другого изображения – части территории Томской области. Временная динамика восстановления темнохвойных насаждений после рубок на территории Томской области за период около 30 лет рассматривается с использованием трех снимков одной и той же территории,
выполненных с интервалом в 10–15 лет. В ERDAS IMAGINE сравнение проводится, отображая снимки в одном окне. При визуальном сравнении можно
сделать вывод о том, что после сплошных рубок мелколиственные леса (их
спектральный портрет похож на спектральный портрет таких лесов, полученных на первом этапе практического занятия) сменяются темнохвойными
(на двух последующих снимках спектральные портреты насаждений все
больше приближаются к спектральным портретам темнохвойных лесов).
По известным с предыдущего занятия формулам вычисляется вегетационный индекс нормированной разности NDVI для мелколиственных и для
темнохвойных лесов, а также сосновых лесов (вычисление в двух–трех точках для каждого участка леса, осуществляется вручную). Замечается, что
NDVI мелколиственных лесов выше, чем у темнохвойных.
3. Рассматриваются снимки территории Красноярского края, выполненные системой NOAA/AVHRR или TERRA/MODIS (можно использовать
другие данные низкого пространственного разрешения). Весенняя, летняя,
осенняя фазы вегетационного периода по снимкам AVHRR позволяют выделять леса разного породного состава. Спектральные портреты лесов разного
породного состава по данным мелкомасштабного космического зондирования сравниваются с их портретами, полученными ранее по данным Landsat.
2. Раздел лекций «Обработка информации»
Рассмотрим основные причины искажения данных дистанционного
зондирования и наиболее общие процедуры устранения этих искажений.
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 (на молекулах газов) происходит на микрофлуктуациях плотности воздуха и наиболее сильно в синей части спектра. Рассеяние Ми (молукулы воды в тумане, например) наблюдается в случае, если
размер рассеивающих частиц примерно равен длине волны. Неселективное
рассеяние, наблюдающееся при размерах рассеивающих частиц существенно
более длины волны излучения (пылевые частицы), приводит к ухудшение ка-
14
чества изображений во всем оптическом диапазоне. Во избежание влияния
поглощения излучения газами, содержащимися в атмосфере, 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 7.0-15.0 мкм.
Атмосферное рассеяние света уменьшает прямую солнечную радиацию
и повышает рассеянное, диффузное излучение атмосферы. Рассеяние в коротковолновой части спектра сильнее, чем в длинноволновой. Особенно
сильно оно в ультрафиолетовой и голубой части спектра, поэтому небо имеет
голубой цвет. Рассеянное свечение атмосферы играет очень большую роль в
освещении затененных участков на поверхности Земли, которые приобретают голубой цвет - так называемая дымка. Практически во всех частях земного шара наблюдается этот эффект молекулярного рассеяния света, так же как
в промышленных районах - серая дымка аэрозольного рассеяния.
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. При нормальной, ясной атмосфере
рассеяние не играет никакой роли. Слабая задымленность приповерхностного слоя атмосферы также мало влияет на излучение ближнего ИК, 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.
Второй большой класс искажений спутниковых изображений связан
особенностями формирования изображения сканирующими приборами,
флуктуациями ориентации носителей, формой (кривизной) и вращением Земли. Пусть спутник огибает поверхность Земли по круговой орбите на высоте
H. Это равноценно движению спутника по прямой, но над поверхностью ци-
15
линдра. Кажущееся изображение, которое строит сканер спутника с цилиндрической или линейной разверткой – это проекция на поверхность цилиндра
F (рис. 6).
Рис. 6. Схема формирования спутникового сканерного
изображения. Геометрические искажения.
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,
y = R{  arcsin[(1+H/R0) sin (x/H)]  x/H}.
16
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.
Практическое занятие 3. Коррекция искажений спутниковых изображений (3 часа).
Материал для работы – снимки MODIS, AVHRR, Landsat с наличием
облаков, теней от облаков, дыма, дымки.
Работа проводится в ГИС ERDAS.
1. Для каждого из датчиков дистанционного зондирования показывается, что такие эффекты, как наличие облаков, дымки, дыма пожаров, дыма из
труб промышленных предприятий лучше видны в видимом диапазоне, особенно в синем канале. Эта процедура осуществляется в ERDAS путем выбора
каналов для отображения изображения во вьюере. При включении в список
визуализированных каналов видимого, особенно синего канала, облака и дымы видны отчетливо. При визуализации только ИК каналов дымы пожаров и
труб промышленных предприятий практически незаметны. Объяснение такого эффекта проводится с привлечением знаний о физике рассеяния волн частицами разных размеров.
2. Метод построения композитов данных MODIS за 16 дней с использованием значений вегетационного индекса нормированной разности имеет
целью устранение или минимизации влияния облачного покрова. Рассмотрение преимуществ и недостатков таких композитов по сравнению с ежедневными данными проводится визуально. Преимуществом является отсутствие
облачного покрова, недостатком – проведение дополнительного совмещения
изображений и других операций, что не повышает точность географической
привязки данных, а также вносит трудности в оценку коэффициентов отражения по таким обобщенным данным.
3. Примеры преобразований изображений, связанные с геометрической
коррекцией – наложением одного изображения на другое, изменение географической проекции, преобразования искажений рельефа. Эти преобразова-
17
ния проводятся по встроенным процедурам ERDAS с визуализацией вьюеров
в процессе работы.
4. Проведем расчеты геометрических характеристик реальных данных
NOAA/AVHRR. 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.
Обобщаются сведения о коррекции геометрических искажений изображений и величины реального разрешения на местности данных, которые
находятся по краям полосы обзора датчика.
3. Раздел лекций « Системы мониторинга»
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.
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 дета-
18
лизируются. 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.
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.
Практическое занятие 4. Мониторинг лесных экосистем. Мониторинг техногенных воздействий на лесные экосистемы (3 часа).
Материал для работы – снимки Lаndsat на территорию Норильского
промышленного узла. Цифровая модель рельефа на эту территорию. Карта
растительности Таймырского автономного округа. Векторные данные о динамике увеличения площади погибших насаждений с 1970–х годов.
Работа проводится в ERDAS IMAGINE.
1. В начале работы нужно повторить сведения о том, в каких диапазонах видны дымка, дым пожаров, какую информацию извлекают из значений
вегетационного индекса нормированной разности как характеристики растительности.
2. Снимок на Норильский промышленный узел анализируется в
ERDAS. Построение вегетационных индексов нормированной разности (по
встроенной в ERDAS программе) и анализ их значений позволяют сделать
вывод о размере территории, не занятой растительностью (NDVI<0). Эта территория включает как естественные открытые поверхности (горные массивы), так и территорию, на которой леса погибли под воздействием выбросов
промышленных предприятий. Наложение на снимок векторных слоев, показывающих динамику нарастания площади погибших лесов, подтверждает,
что на территориях с погибшими насаждениями вегетационный индекс нормированной разности имеет значение, близкое к нулю или отрицательное.
19
3. Проводится сравнение спектральных характеристик лиственничных
и березовых насаждений, расположенных на разном удалении от промышленных предприятий. Для этого применяется встроенный в ERDAS модуль
построения спектрального портрета. Используя карты погибших насаждений
с 1979 года, анализируется состояния растительности (лесов) на территории в
зависимости от давности гибели лиственничных лесов.
4. Проводится сравнение изображений на район, полученных сканерами NOAA/AVHRR и Landsat ETM+, различающихся пространственным разрешением. Повторяются пункты 1-3 для изображений среднего масштаба
Landsat. Делается вывод об идентичности поведения NDVI, построенного как
по данным низкого пространственного разрешения, так и среднего пространственного разрешения.
Практическое занятие 5. Глобальные климатические тренды; роль
дефорестации (3 часа).
Материал для работы – снимки Landsat MSS и TM на территории северной границы произрастания лиственничных лесов (Полярный Урал и
Ары-Мас). Карты растительности на территорию Полярного Урала. Наземные данные для урочища Ары-Мас.
Работа выполняется в ERDAS IMAGINE.
1. В начале работы необходимо вспомнить сведения о тепловом ИК
диапазоне электромагнитного спектра, оценке температуры поверхности по
радиационной температуре, характеристики подстилающей поверхности,
влияющие на альбедо и, следовательно, на тепловой баланс.
2. Анализ изменения площади лесов и продвижения их в зону тундры,
которое, как показывают исследования, происходит в течение нескольких
последних десятилетий, для двух изученных участков на Полярном Урале и в
урочище Ары-Мас проводится по следующей схеме.
Рассматриваются два изображения за определенный период времени, и
карты растительности, позволяющие провести классификацию изображений
с выделением лиственничных насаждений разной сомкнутости крон.
По результатам классификации растительности, которая проведена ранее, делаются выводы о возрастании площади сомкнутых насаждений и площади редин и их продвижении в зону тундры.
В ходе работы обращается внимание на методы географической привязки изображений и карт, проверки точности привязки снимков, поскольку
данные Landsat MSS и Landsat TM имеют разное пространственное разрешение – 80 м и 30 м соответственно.
3. Для участка Ары–Мас проводится анализ с привлечением цифровой
модели рельефа. Показывается, как в ERDAS IMAGINE реализована проце-
20
дура визуализации рельефа, а также на цифровой модели рельефа показывается, в каких именно элементах ландшафта для данной территории лиственничные леса продвинулись дальше в тундру.
Практическое занятие 6. Базы данных систем мониторинга; объединение наземных и дистанционных данных (2 часа).
Наиболее удобной средой для анализа данных дистанционного зондирования являются географические информационные системы.
Географическая информационная система (ГИС) – это компьютерная
система, позволяющая эффективно работать с пространственно-распределенной информацией (карты, планы, аэрокосмические изображения, схемы, сопровождаемые тематической информацией – текстом, таблицами и др.). Это
может быть карта природных ресурсов, результаты экологического мониторинга территории, атлас земельного кадастра и др. ГИС дает возможность
накапливать, интегрировать и анализировать информацию, оперативно находить нужные сведения и отображать их в удобной для использования форме,
оценивать геометрические характеристики объектов (площадь лесного массива, длину улицы, расстояние между городами).
Геоинформационная система мониторинга окружающей среды обычно
включает блоки:
– сбора информации об объектах окружающей среды;
– обработки, сортировки, запоминания и хранения информации;
– моделирования и выявления взаимосвязей между процессами;
– оценки текущего состояния окружающей среды;
– прогнозной оценки (расчета тренда) состояния окружающей среды;
– выполнения специальной обработки данных по заданию пользователя.
Материал для работы – Базы данных в ГИС. Структура реляционной
БД, сведения о координатах объекта, связь БД с объектами на карте. Пример
реализации БД в ГИС.
Работа выполняется в среде ГИС MapInfo или ArcMap.
Рассматривается слой, содержащий объекты с географическими координатами и таблицу атрибутивных данных об этих объектах. В базе данных
ГИС установлено взаимнооднозначное соответствие между объектом карты и
строкой атрибутивной базы данных. Для осуществления этой связи используется уникальный код объекта. Показывается, что при выборе объекта на
карте выбирается соответствующая ему строка атрибутивной таблицы, и наоборот. Так как каждый объекта может характеризоваться большим набором
параметров (например, для однородного участка леса это породный состав,
21
возраст, высота и диаметр стволов, характеристики нижних ярусов и т.д.), в
ГИС строится таблица базы данных с расширенными характеристиками объекта или строится набор связанных друг с другом по ключевому полю таблиц. В ГИС реализован набор операций работы с базами данных, который
позволяет осуществлять выборки объектов по заданным характеристикам.
Выбранные объекты отображаются на карте, что позволяет создавать тематические слои. Например, можно выбрать по запросы участки леса, где в породном составе преобладают деревья какой-либо породы. Можно определить
площадь этих участков, их суммарную площадь и другие характеристики.
Кроме того, можно создавать новые свойства объектов, вычисляя их из существующих (например, на основе знания породы и запаса на участке леса определить объем биомассы в целом и по фракицям).
В ходе работы ставятся задачи нахождения объектов с заданными характеристиками на карте, определения новых параметров (атрибутов).
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.
– 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/
22
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.
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 математи-
23
ческим 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).
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).
Энергетическая яркость– это величина потока, излучаемого единицей
площади в единицу телесного угла в данном направлении.
24
Введение ........................................................................................................ 3
1. Раздел лекций «Дистанционное зондирование». .................................. 3
Практическое занятие 1. Дистанционное зондирование в сельском
хозяйстве; оценка состояния почв и сельхозкультур (3 часа)...................... 11
Практическое занятие 2. Дистанционное зондирование в лесном
хозяйстве; определение породного состава и состояния лесной
растительности (3 часа). ................................................................................... 12
2. Раздел лекций «Обработка информации» ............................................ 13
Практическое занятие 3. Коррекция искажений спутниковых
изображений (3 часа). ....................................................................................... 16
3. Раздел лекций « Системы мониторинга» ............................................. 17
Практическое занятие 4. Мониторинг лесных экосистем.
Мониторинг техногенных воздействий на лесные экосистемы (3 часа)..... 18
Практическое занятие 5. Глобальные климатические тренды; роль
дефорестации (3 часа). ...................................................................................... 19
Практическое занятие 6. Базы данных систем мониторинга;
объединение наземных и дистанционных данных (2 часа). ......................... 20
Список литературы. .................................................................................... 21
Словарь терминов ....................................................................................... 22