Геодезия. Картография

Учебное пособие подготовлено на кафедре общей геологии и геодинамики геологического факультета Воронежского государственного университета

Рассмотрены основные вопросы теории погрешностей, необходимые при обработке геодезических результатов измерений. Приведены сведения по теории вероятностей и математической статистике, положенные в основу изложения курса. Рассмотрены варианты обработки результатов традиционных методов измерений, а также GPS-измерений. Приведены общие сведения по методу наименьших квадратов. Отдельно рассмотрен вопрос применения метода наименьших квадратов к уравниванию геодезических сетей и построению эмпирических формул.

Российская система национальной (государственной) инвентаризации лесов, действующая с 2007 г., в методическом отношении несовершенна и служит объектом критики и дискуссий. К слабым ее сторонам следует отнести недостаточное внимание, уделяемое дистанционным методам. Возможное направление совершенствования отечественной системы инвентаризации лесов – использование автоматической классификации их характеристик на основе материалов дистанционного зондирования Земли. Одним из перспективных алгоритмов автоматической классификации является метод «ближайшего соседа», или k-NN (k-nearest neighbors) метод, успешно применяемый при проведении инвентаризации лесов в других странах. Он основан на регрессии между спектральными характеристиками пикселов с известными характеристиками лесов и остальных пикселов изображения. Вопросы практического применения этого метода в целях национальной инвентаризации лесов впервые были поставлены и изучены финскими исследователями в 90-х гг. прошлого века. На протяжении двух последних десятилетий в разных странах проведено значительное количество экспериментов в этой области. Цель данного исследования – оценка возможности приме- нения k-NN метода для определения обобщенных характеристик лесов на примере Лодейнопольского лесничества Ленинградской области. Площадь лесничества – 401 866 га, в его состав входят 16 участковых лесничеств. В целях формирования набора тренировочных участков для классификации средствами геоинформационных технологий в пределах лесничества создана регулярная сеть с шагом 1×1 км. В качестве тренировочных участков, расположенных в узлах сети, использовались либо участки круглой формы радиусом 10 м, либо лесотаксационные выделы, которым присваивались лесотаксационные характеристики на основе материалов лесоустройства. Для проведения классификации применялись снимки Landsat-8 (спектральные каналы – GREEN, RED, NIR, SWIR 2). Выполнена автоматическая классификация снимков Landsat-8 по ряду лесотаксационных характеристик – среднему запасу на 1 га, среднему классу бонитета, средней относительной полноте, доле площади хвойных и лиственных насаждений. Результаты классификации k-NN методом сравнивались с материалами лесоустройства. Систематические ошибки оценки запаса, полноты и бонитета для территории Лодейнопольского лесничества составили менее 5 %. Полученные результаты подтверждают перспективность дальнейшего изучения теоретических и практических вопросов применения k-NN метода для определения характеристик лесов. Развитие данного направления может способствовать совершенствованию методики российской государственной инвентаризации лесов. Для цитирования: Черниховский Д.М., Алексеев А.С. Метод определения характеристик лесов на основе материалов дистанционного зондирования Земли, данных лесоустройства и алгоритма k-NN (на примере Лодейнопольского лесничества Ленинградской области) // Лесн. журн. 2019. № 4. С. 45–65. (Изв. высш. учеб. заведений). DOI: 10.17238/issn0536-1036.2019.4.45
The Russian system of National (State) Forest Inventory (NFI) valid from 2007 is methodologically imperfect and serves as a target of criticism and discussion. Insufficient attention paid to remote sensing should be attributed to the system’s weaknesses. A possible way of improving the NFI system is the use of automatic classification of forests’ characteristics based on materials of Earth remote sensing. One of the advanced automatic methods for forest remote sensing materials classification is k-NN or k-nearest neighbors algorithm, which have been successively used in the NFIs in other countries. It is based on regression between the spectral response characteristics of pixels with known forest characteristics and remaining pixels of the image. Questions of practical application of this method for the purposes of NFI were first raised and studied by Finnish researchers in the 1990s. Over the past two decades, a considerable amount of research in this area has been carried out in different countries. The purpose of our research is to assess the feasibility of using the k-NN method for determining the generalized characteristics of forests on the example of the Lodeynopol’skoe forest district in Leningrad region. The forest district area is 401,866 ha. It consists of 16 forest sub-districts. A regular network was created at a pitch of 1×1 km in order to form a set of trial plots for the classification by the means of GIS-technologies within the forest district. Round-shaped plots with a radius of 10 m or forest inventory compartments were used as trial plots located in the network nodes. Forest description for both types of plots was taken from the forest management data. Landsat-8 images were used for the classification (spectral channels: GREEN, RED, NIR, SWIR 2). The Landsat-8 images were automatically classified according to a number of forest inventory characteristics: average growing stock per 1 ha; middle class of bonitet; average relative density; share of coniferous and deciduous plantations area. The results of the k-NN classification were compared with the forest management materials. Systematic errors in the assessment of growing stocks, completeness and bonitet for the territory of Lodeynopol’skoe forest district made up less than 5 %. The obtained results confirm the potential of further study of conceptual and practical issues of the k-NN method application for determining forest characteristics. The development of this direction can contribute to the improvement of the Russian State Forest Inventory methodology. For citation: Chernikhovskii D.M., Alekseev A.S. The Method for etermining Forest Characteristics Based on Earth Remote Sensing Materials, Forest Management Data and the k-NN Algorithm (Case Study of Lodeynopol’skoe Forest District of Leningrad Region). Lesnoy Zhurnal [Forestry Journal], 2019, no. 4, pp. 45–65. DOI: 10.17238/issn0536-1036.2019.4.45

Статья посвящена проблемам математико-картографического моделирования плотности застройки городской среды как важнейшего показателя, используемого в градостроительной практике. Исследование проводилось на примере территории Пролетарского района г.о. Саранск. Моделирование выполнено в ArcGIS 10.0 на основе созданных электронных слоев и пространственных баз данных. В качестве статистических данных использовались характеристика жилого фонда административного района. Картографической основой послужили карта функциональных зон Генерального плана г. о. Саранск и геоизображения сервиса Яндекс.Карты (программа SAS.Planet). В результате реализации этапов математико-картографического моделирования спроектирована карта плотности застройки Пролетарского района г.о. Саранск. Проведено экспериментальное исследование, направленное на выбор оптимального размера ячейки для регулярной сетки при построении картографической модели. В ходе анализа полученных результатов выявлено, что плотность застройки изучаемой территории соответствует нормативным показателям .

В учебном пособии в соответствии с Государственным стандартом рассматриваются вопросы экологической ситуации города и ее места в составе городского кадастра; структура и содержание работ по мониторингу городской среды; дистанционные и наземные средства мониторинга; информационное обеспечение экологических изменений среды города; устранение влияний негативных процессов.

Рассмотрены основные вопросы теории погрешностей, необходимые при обработке геодезических результатов измерений. Приведены сведения по теории вероятностей и математической статистике, положенные в основу изложения курса. Рассмотрены варианты обработки результатов традиционных методов измерений, а также GPS-измерений. Приведены общие сведения по методу наименьших квадратов. Отдельно рассмотрен вопрос применения метода наименьших квадратов к уравниванию геодезических сетей и построению эмпирических формул.

Наводнение является наиболее распространенным стихийным бедствием и может произойти в любом месте. Основными их причинами являются интенсивные дожди, прорывы дамб и плотин. Для определения затопленных районов, былы использованы разновременные изображения ENVISAT ASAR до и после наводнения. Полученные результаты могут использовать для оценки риска и ущерба от наводнений.

Изложены методы организации и технического обеспечения информационно-аналитического мониторинга природной среды для различных направлений хозяйственной деятельности. Пособие подготовлено в соответствии с программой курса «Аэрокосмические методы съемок» и «Техника и технология дистанционного зондирования Земли».

Монография посвящена вопросам организации и мониторинга инфраструктуры пространственных данных (ИПД). Мониторинг выполняет функции контроля и повышения качества ИПД, в частности, решает задачи оценки эффективности функционирования ИПД и тестирования ее компонентов. Объектом мониторинга является технология организации пространственных данных в условиях работы российской инфраструктуры пространственных данных (РИПД), включая модели геоданных и принципы работы с ними. Показаны пути выработки нового подхода к обработке пространственной информации и мониторинга этой информации в рамках концепции ИПД, применения новых моделей данных и новых алгоритмов обработки метрической, семантической и метаинформации. Последовательно изложены все этапы разработки информационной системы.

Об авторе (Вронченко Михаил Павлович).