Применение данных дистанционного зондирования Земли для целей картографирования и анализа ландшафтно-экологических систем является одним из главных современных трендов в географических исследованиях, а соответствующая картографическая информация – узловым звеном в осуществлении ландшафтного планирования, управлении природопользованием [1-4].
Картографирование регионов древнего освоения, к которым относится Республика Мордовия [5], сопряжено с распознаванием по космическому снимку сложной совокупности природных и антропогенно преобразованных ландшафтов [6, 7]. Получаемая при этом классификация земной поверхности является важным источником информации для комплекса топографических и инвентаризационных карт. В мировой практике данная проблематика наиболее полно разработана в программе государств Евросоюза CORINE (Coordination of information on the environment), важным звеном которой являются карты Land cover/Land use (земного покрова/использования земель) [8]. Их проектирование основано на использовании комбинаций многозональных космических снимков, представляющих синтетическую информацию о природных и природно-антропогенных объектах, и автоматизированных алгоритмов их классификации.
В качестве модельного участка для проектирования карты Land cover нами выбран тестовый научно-исследовательский полигон НИП «Чеберчинка» в бассейне р. Чеберчинка. НИП расположен в северной лесостепи Приволжской возвышенности. Особенности природного ландшафта определяются рядом факторов. На территории района исследования северная лесостепь Приволжской возвышенности взаимодействует с интразональными лесными комплексами долины Суры, чем объясняется присутствие большого числа уникальных экосистем. Своеобразие развития лесостепных ландшафтов эрозионно-денудационных равнин полигона связано с активными тектоническими инверсиями в неоген-четвертичное время. Максимальные абсолютные отметки – 280–320 м, величина эрозионного вреза – достигает 120 м [5].
Визуальный анализ данных ДЗЗ в естественных цветах показал, что для территории НИП характерно селитебное, сельскохозяйственное, транспортное, гидромелиоративное освоение. Лесные участки расположены фрагментарно. Визуальное дешифрирование получило логическое продолжение в рамках реализации автоматизированных алгоритмов.
Для цели создания карты Land cover был осуществлен ряд операций по классификации исходного изображения – космического снимка спутника Landsat-8, представленного 11 каналами, большинство из которых имеют разрешение 30 м на пиксель. В качестве программного комплекса использован ScanEx Image Processor, в котором заложен ряд алгоритмов классификации.
Для предварительной интерпретации снимков с неопределенным количеством классов использован метод неконтролируемой классификации ISODATA, в основе которого лежит процедура кластеризации данных, т. е. в кластер объединяются пиксели, характеризующиеся минимальными спектральными расстояниями между центрами классов. При этом необходимо решить ряд взаимосвязанных задач:
1. определить спектральные каналы, которые будут участвовать в кластеризации;
2. определить число классов и итераций;
3. тематически интерпретировать классы в соответствии с общепринятой легендой карт Land cover программы CORINE и, в случае необходимости, переклассифицировать получившиеся изображение;
4. векторизовать конечный растр.
Задача подбора спектральных каналов решается в рамках их комбинирования с целью получения наиболее контрастного изображения. С учетом специфики хозяйственного использования, сложной структуры сочетания сельскохозяйственных, селитебных, лесных и других комплексов была использована комбинация каналов 6-5-4, при которой данные антропогенные ландшафты определяются наиболее контрастными цветами.
Определение числа классов кластеризации во многом осуществляется опытным путем. Однако для проектирования карты Land cover необходимо учитывать общепринятую легенду карт Land cover, состоящую из 44 классов земной поверхности, для которых определены характеристики объектов и цвет на выходной карте. Поэтому изначально было задано 44 класса, которые в ходе перекодировки объединялись в конечные группировки, соответствующие программе CORINE. Количество итераций подбиралось эмпирически.
Наряду с неконтролируемой классификацией с целью сравнения результатов проведена контролируемая процедура с помощью древовидного классификатора. Принцип работы данного алгоритма заключается в определении результирующего класса путем «голосования» (по всему ансамблю деревьев), а его вероятность оценивается как отношение «проголосовавших» за него деревьев к общему числу деревьев. При обучении для каждой вершины определена часть обучающей выборки (эталон поверхности), которая попадает в нее при шаге существующим в данный момент деревом. Результат классификации методом ISODATA и с помощью деревьев представлены на рисунке 1.
В ходе эксперимента удалось выделить следующие классы, соответствующие программе CORINE:
- искусственная поверхность, представленная селитебными ландшафтами, дорожно-транспортной сетью;
- пашня (открытая почва);
- гетерогенные с/х районы, под которыми понимаются однолетние культуры и многолетние культуры;
- лиственные, хвойные и смешанные леса;
- внутренние воды (водоемы и водотоки).
Рисунок 1. Классы Land cover тестового НИП «Чеберчинка»
Наиболее устойчивы к распознаванию оказались классы водных объектов, пашни и хвойных лесов. Самым трудоемким – выделение классов искусственных поверхностей. В силу отсутствия в сельских населенных пунктах, размещенных на территории полигона, непрерывной застройки, яркостные характеристики пикселей не являются достаточным условием для выделения в отдельный класс методом ISODATA. Значительно лучше искусственные поверхности детектируются с помощью заданных эталонов древовидных классификаторов, при этом выделяются как дорожно-транспортная сеть с твердым покрытием, так и основные грунтовые дороги.
Таким образом, преимуществом классификации с обучением методом древовидных классификаторов для создания карты Land cover является возможность предварительно задать эталонные полигоны выделяемых классов. Данная задача наиболее актуальна для территорий со сложным сочетанием антропогенных и природных ландшафтов. Поэтому для детализации классов земных поверхностей наиболее перспективным направлением являются классификации с возможностью обучения, в которых заложен мощный искусственный интеллект, расширяющий их функциональные возможности. Это позволяет позиционировать рассмотренный метод как перспективный для картографирования земной поверхности с целью определения категорий земель, мониторинга соблюдения вида разрешенного использования земельных участков, обоснования границ территориальных зон и других актуальных задач землеустройства и ландшафтного планирования.
Библиографический список
- Зарубин О. А. Теоретико-методологические особенности анализа ландшафтно-экологических систем староосвоенных территорий // Вектор развития современной науки: сборник материалов X Международной научно-практической конференции. М.: Изд-во «Олимп»,2016. С. 417–426.
- Зарубин О. А. Пространственные аспекты ландшафтно-экологической организации территории // Научный альманах. 2016. № 4–4 (18). С. 54–57.
- Зарубин О. А. К вопросу об использовании синтетической и аналитической ландшафтных карт в изучении ландшафтно-экологических систем // XLIV Огарёвские чтения: материалы науч. конф.: в 3 ч. Ч 2: Естественные науки. Саранск.: Мордов гос. ун-т, 2016. С. 228–233.
- Зарубин О.А. Применение нейронных сетей для целей анализа данных дистанционного зондирования Земли // Современные научные исследования и инновации. 2016. № 8 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2016/08/70887 (дата обращения: 11.09.2016).
- Ямашкин А. А. Геоэкологический анализ процесса хозяйственного освоения ландшафтов Мордовии / А. А. Ямашкин. – Саранск : Изд-во Мордов. ун-та, 2001. – 232 с.
- Ямашкин А. А. Применение ГИС в анализе морфологической структуры ландшафтов / А. А. Ямашкин, С. А. Ямашкин, А. А. Кликунов, А. Г. Акашкина, Ю. С. Шукшин // Вестник УдмГУ. – 2013. – № 6–3. – С. 115–122.
- Ямашкин А. А., Ямашкин С.А. Применение алгоритма выделения краев к решению задачи моделирования границ ландшафтов // Вестн. ВГУ. Сер. География, геоэкология. 2013. № 3. С. 68–78
- Bossard M. CORINE Land cover technical guide / M. Bossard, J. Feranec, J. Otahel. – Copenhagen, 2000. – 105 p.