Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634620)
Контекстум
.
Известия высших учебных заведений. Лесной журнал  / № 1 2016

Использование материалов детальной спутниковой съемки для таксации лиственницы сибирской в Архангельской области (90,00 руб.)

0   0
Первый авторБогданов
АвторыАлешко Р.А., Шошина К.В., Демиденко С.А.
ИздательствоСеверный (Арктический) федеральный университет имени М.В. Ломоносова
Страниц9
ID347079
АннотацияСохранение и восстановление лиственницы является важной задачей лесопромышленного комплекса Архангельской области в виду особых качеств древесины. Учитывая сложность таксации и высокую стоимость полевых исследований, в статье проанализирован опыт исследовательской работы по определению лиственницы с использованием данных детальной спутниковой съемки на базе алгоритма бинарной классификации. Для этого в геоинформационной среде QuantumGIS с помощью информации, собранной в полевых условиях, были выделены кроны деревьев, относящихся к лиственнице си-бирской. В качестве исходных данных использовали снимки сверхвысокого разрешения GeoEye-1 (пространственное разрешение – до 0,5 м на пиксель; спектральное разреше-ние – 3 видимых диапазона, ближний – инфракрасный). На снимке было выделено не-сколько крон деревьев, отмеченных в полевых условиях с использованием приборов глобального позиционирования. На основе выделенных эталонов крон был применен алгоритм бинарной классификации. Несомненным достоинством работы является клас-сификация дешифровочных признаков лиственницы: крона лиственницы окрашена в светло-фиолетовый цвет при комбинации каналов ближний инфракрасный спектр–красный–зеленый; в сомкнутых насаждениях отраженный солнечный свет несет ин-формацию не только о разреженной кроне лиственницы, но и о нижних ярусах растительности, зачастую меняя тон в зависимости от его состава и структуры напочвенного покрова. Результат работы алгоритма – сетка растра, ячейками которого является веро-ятность принадлежности пикселя к искомому классу. Далее проводилась экспериментальная оценка порогового значения в целях отсечения пикселей, для которых мала вероятность принадлежности к классу «лиственница», при этом достаточный порог достоверности – 0,5. Установлено, что эталонные значения контуров лиственницы в большинстве своем совпадают с полученными классифицированными пикселями изображения. Отмечается высокая достоверность полученных данных при сравнении с полевыми исследованиями. Полученная методика автоматизированного дешифрирования лиственницы может быть применена для других пород при инвентаризации лесного фонда Архангельской области
Использование материалов детальной спутниковой съемки для таксации лиственницы сибирской в Архангельской области / А.П. Богданов [и др.] // Известия высших учебных заведений. Лесной журнал .— 2016 .— № 1 .— URL: https://rucont.ru/efd/347079 (дата обращения: 20.04.2024)

Предпросмотр (выдержки из произведения)

Северной Двины, 17, г. Архангельск, Россия, 163002; е-mail: aleksandr_bogd@mail.ru Сохранение и восстановление лиственницы является важной задачей лесопромышленного комплекса Архангельской области в виду особых качеств древесины. <...> Учитывая сложность таксации и высокую стоимость полевых исследований, в статье проанализирован опыт исследовательской работы по определению лиственницы с использованием данных детальной спутниковой съемки на базе алгоритма бинарной классификации. <...> Для этого в геоинформационной среде QuantumGIS с помощью информации, собранной в полевых условиях, были выделены кроны деревьев, относящихся к лиственнице сибирской. <...> В качестве исходных данных использовали снимки сверхвысокого разрешения GeoEye-1 (пространственное разрешение – до 0,5 м на пиксель; спектральное разрешение – 3 видимых диапазона, ближний – инфракрасный). <...> На снимке было выделено несколько крон деревьев, отмеченных в полевых условиях с использованием приборов глобального позиционирования. <...> На основе выделенных эталонов крон был применен алгоритм бинарной классификации. <...> Несомненным достоинством работы является классификация дешифровочных признаков лиственницы: крона лиственницы окрашена в светло-фиолетовый цвет при комбинации каналов ближний инфракрасный спектр– красный–зеленый; в сомкнутых насаждениях отраженный солнечный свет несет информацию не только о разреженной кроне лиственницы, но и о нижних ярусах растительности, зачастую меняя тон в зависимости от его состава и структуры напочвенного покрова. <...> Результат работы алгоритма – сетка растра, ячейками которого является вероятность принадлежности пикселя к искомому классу. <...> Далее проводилась экспериментальная оценка порогового значения в целях отсечения пикселей, для которых мала вероятность принадлежности к классу «лиственница», при этом достаточный порог достоверности – 0,5. <...> Установлено, что эталонные значения контуров лиственницы в большинстве своем <...>