МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М. В. Ломоносова Географический факультет ПРИМЕНЕНИЕ ЦИФРОВЫХ МЕТОДОВ ОБРАБОТКИ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ ПРИ ЛАНДШАФТНЫХ ИССЛЕДОВАНИЯХ НА ПРИМЕРЕ районА Рыбинского водохранилища Дипломная работа студентки V курса кафедры ФГМиГ Рублевой М. А. Научный руководитель кандидат географических наук ст. научный сотрудник Калуцкова Н. Н. Научный консультант кандидат с/х наук ст. научный сотрудник Щербенко Е. В. Москва - 1999 Содержание Стр.
Введение ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
Цель работы ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
Задачи работы ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
Краткое содержание работы ... ... ... ... ... ... ... ... ... ... ... . Некоторые характеристики использованных
технических средств ... ... ... ... ... ... ... ... ... ... ... ... ... ...
Использованные материалы и средства обработки ... ... ... ... ... .
I. Методика работы ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
Метод главных компонент и его применение ... ... ... ... ... ... ... . Объединение снимков с различным разрешением ... ... ... ... ... . Выделение объектов по яркостному порогу ... ... ... ... ... ... ... ... Метод вычисления вегетационного индекса NDVI ... ... ... ... ... ... Основные понятия и методика кластерного анализа ... ... ... ... ... . Методика проведения работы ... ... ... ... ... ... ... ... ... ... ... .
II. Физико-географическая и ландшафтная характеристика района Рыбинского водохранилища ... ... ... ... ... ... ... ... ... ... ... .
2. 1 Климат ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
2. 2 Геолого-геоморфологическая структура ... ... ... ... ... ... ... ... .
2. 3 Почвы ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2. 4 Растительность ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2. 5 Ландшафты ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
2. 6 Ландшафты Дарвинского заповедника ... ... ... ... ... ... ... ... ...
Iii. Оценка возможностей цифровых методов обработки космических изображений при дешифрировании природных и антропогенных структур района Рыбинского водохранилища ... ... ... ... ... ...
3. 1 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом главных компонент ... ... ... ...
3. 2 Анализ результатов дешифрирования изображения, полученного путем обработки исходных снимков методом “наложения” (merge) ... ... ... .
3. 3 Анализ результатов дешифрирования изображений, полученных путем вычисления индекса NDVI по исходным снимкам... ... ... ... ... ... .
3. 4 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом кластерного анализа ... ... ... .
Заключение ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .
Список литературы ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
Приложения ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ВВЕДЕНИЕ Цель работы
В настоящее время новым этапом в развитии методов дешифрирования ландшафтов являются методы, основанные на цифровой обработке космических изображений, которые уменьшают трудоемкость и увеличивают степень объективности дешифрирования некоторых характеристик ландшафтов и их компонентов по сравнению с визуальными методами. Многие из них также позволяют выявить особенности ландшафтов не только на качественном, но и количественном уровне. Целью данной работы является оценка применимости при ландшафтных исследованиях регионального масштаба нескольких таких методов, становящихся все более широко используемыми, — метода главных компонент (МГК), метода “наложения” (merge), метода вегетационных индексов (в частности NDVI), выделения объектов по яркостному порогу и метода кластерного анализа. В частности, интересно рассмотреть совокупное использование нескольких методов, приводящее к получению дополнительной информации, недоступной при использовании каждого из данных методов по отдельности. Задачи работы
Для оценки применимости данных методов цифровой обработки космических изображений при ландшафтных исследованиях регионального масштаба был выбран район Рыбинского водохранилища (в частности Молого-Шекснинский полуостров). Для достижения данной цели было необходимо решить следующие задачи: 1. Выделение на территории района Рыбинского водохранилища тестового участка с проведенными на нем ландшафтными исследованиями;
2. Дешифрирование космических изображений на территорию тестового участка с помощью визуальных и цифровых методов обработки и сравнение результатов дешифрирования с данными полевых исследований;
3. Экстраполяция результатов исследования тестового участка на территорию района Рыбинского водохранилища, охваченную снимками. Краткое содержание работы Структурно настоящая работа представляет собой:
анализ данных космической съемки, картографических, фактических, статистических и других материалов по данной теме, представленный в тексте; дешифрирование многозональных космических снимков среднего и высокого разрешения, полученных со спутника “Ресурс-03”;
анализ информации, полученной на основе обработки данных изображений цифровыми методами, перечисленными во Введении.
Текстовая часть состоит из введения, основной части и заключения. В введении указана цель и задачи работы, характеристика ее структуры и используемых материалов. Основная часть делится на несколько глав.
В первой главе излагаются основные понятия и описание используемых методов цифровой обработки изображений, а также методика проведения работы (принципы выделения тестового участка и последовательность действий при обработке изображений). Во второй главе дается подробная физико-географическая и ландшафтная характеристики рассматриваемой территории и тестового участка. Итогом всей работы стала третья глава, в которой приводятся результаты цифровой обработки космических изображений и собственно оценка возможностей используемых методик при ландшафтных исследованиях регионального масштаба. Некоторые характеристики использованных технических средств
Основным материалом для проведения данной работы являлись снимки, полученные с космического аппарата “Ресурс-03”, который оснащен бортовой измерительной аппаратурой высокого и среднего разрешения, обеспечивающей съемку поверхности Земли в нескольких диапазонах видимой и инфракрасной зоны спектра и включающей в себя:
а) моноблок из двух многозональных оптико-электронных сканирующих устройств высокого разрешения МСУ-Э, установленных на общей поворотной платформе; б) два комплекта многозонального оптико-механического сканирующего устройства среднего разрешения с конической разверткой МСУ-СК.
Камера МСУ-Э имеет следующие технические характеристики, наиболее важные для дальнейшей обработки изображений: — рабочие диапазоны: 0. 5-0. 6, 0. 6-0. 7 и 0. 8-0. 9 мкм;
—пространственная разрешающая способность в надире: 45 м - поперек направления полета и 35 м - вдоль направления полета;
— радиометрическая точность: 256 уровней квантования сигнала; ширина полосы обзора: 45 км и др.
Предусмотрены два основных режима передачи информации с камер МСУ? Э: детальный (передача данных полного пространственного разрешения с одной камеры), либо обзорный (передача данных с обеих камер, но с ухудшенным вдвое пространственным разрешением), при котором передается каждая вторая строка детального изображения. В обзорном режиме обеспечивается просмотр полосы шириной не менее 80 км, образующейся за счет объединения полос обзора двух камер с 10-км перекрытием.
В камере МСУ-СК реализован принцип конического сканирования, заключающийся в перемещении визирного луча по поверхности конуса с осью, направленной в надир. МСУ-СК имеет следующие технические характеристики:
—рабочие диапазоны: 0. 5-0. 6, 0. 6-0. 7, 0. 7-0. 8, 0. 8-1. 1 мкм (видимые и ближние ИК участки спектра) и 10. 4-12. 6 мкм (тепловой ИК участок);
—пространственное разрешение: 140 м (в видимом и ближнем ИК участках) и 550 м (в тепловом ИК участке);
— радиометрическая точность: 256 уровней квантования сигнала; — ширина полосы обзора: 600 км и др.
Передача видеоинформации со сканирующих устройств сопровождается передачей дополнительной телеметрической информации, которая используется как для оперативного контроля некоторых параметров бортовой измерительной аппаратуры, так и для пространственной привязки, геометрической и фотометрической коррекции видеоинформации при ее вторичной обработке на средствах потребителя. Аппаратура КА серии “Ресурс-0” удовлетворяет основным требованиям (обеспечиваемое пространственное разрешение, используемые спектральные диапазоны, периодичность наблюдения и др. ) к информации для дистанционного зондирования Земли для решения многих тематических задач. Использованные материалы и средства обработки
В данной работе использовался один трехзональный снимок высокого разрешения, полученный сканером МСУ-Э на западную часть Рыбинского водохранилища (Молого-Шекснинский полуостров) от 13. 04. 97 и четырехзональный снимок среднего разрешения (сканер МСУ-СК) на территорию всего района Рыбинского водохранилища от 31. 05. 97. Вся обработка данных снимков проводилась в “ERDAS Imagine”, ГИС ''ArcView’’ и графических редакторах ''Adobe Photoshop'', “Power Point” и “СorelDRAW”. Для проведения работы также использовались следующие картографические материалы:
1. Ландшафтная карта Дарвинского заповедника. М-б 1 : 50 000. 2. Карта ландшафтной структуры Дарвинского заповедника. М-б 1 : 100 000. 3. Карта земельных угодий СССР. М-б 1 : 4 000 000, 1989.
4. Ландшафтная карта СССР. М-б 1 : 4 000 000, ред. А. Г. Исаченко. 5. Карта растительности Европейской части СССР. М-б 1 : 2 500 000, 1974. 6. Карта Ярославской области. М-б 1 : 200 000, 1993.
7. Карта торфяных месторождений Нечерноземной зоны РСФСР. М-б 1 : 1 500 000, 1980. 8. Комплексные атласы Ярославской и Вологодской областей.
9. Нечерноземная зона РСФСР. Карта использования земель. М-б 1 : 1 500 000, 1976.
10. Нечерноземная зона РСФСР. Карта сельского хозяйства. М-б 1 : 1 500 000, 1978.
11. Нечерноземная зона РСФСР. Карта мелиорации земель. М-б 1 : 1 500 000, 1978.
12. Нечерноземная зона РСФСР. Карта охраны растительного мира. М-б 1 : 1 500 000, 1980.
13. Нечерноземная зона РСФСР. Почвенная карта. М-б 1 : 1 500 000, 1978. I. МЕТОДИКА РАБОТЫ
В данной работе использовалось пять методов цифровой обработки космических изображений, которые можно подразделить на три основные группы (как, впрочем, и другие цифровые методы, не использовавшиеся здесь):
методы улучшения качества изображения (для последующего визуального дешифрирования – метод главных компонент и метод “наложения”); интерактивные методы(пользователь участвует непосредственно в процессе обработки, задавая определенные условия– выделение объектов по яркостному порогу); автоматизированные методы(пользователь практически не участвует в процессе обработки изображений, лишь на последнем этапе идентифицируя выделенные машиной объекты– кластерный анализ и вегетационный индекс NDVI). 1. 1 Метод главных компонент и его применение
Метод главных компонент (МГК) используется как эффективный инструмент анализа данных. Он позволяет выявить основные закономерности анализируемых изображений, выявляя и подавляя помеховые сигналы. В конечном итоге, объем данных уменьшается, а их информативность увеличивается. Изображения, полученные с помощью МГК, дополняют друг от друга, и обычно легче поддаются интерпретации, чем исходные данные.
Процесс обработки данных МГК можно пояснить на примере распределения яркостей пикселов в двухканальном спутниковом изображении. Нарис. показано распределение их значений на плоскости. Координатные оси соответствуют яркостям пикселов в каждом канале. Если данные в обоих каналах имеют нормальные распределения, то итоговое распределение имеет характерную форму эллипса.
В n-мерной системе координат эллипс (2 измерения), эллипсоид (3 измерения) или гиперэллипсоид (более чем 3 измерения) формируются, если распределение в каждом канале нормальное или близкое к нормальному. Для удобства будем использовать далее термин “эллипс” вне зависимости от числа рассматриваемых каналов.
Основной идеей МГК является вращение осей спектрального пространства таким образом, чтобы добиться максимальной некоррелированности координат анализируемых точек. Очевидно, что при этом происходит изменение координат каждого пиксела относительно новых осей, т. е. меняются их яркостные значения. Продольная секущая, которая соответствует главной (самой длинной) оси эллипса, называется первой главной компонентой (ПГК) данных.
Направление первой главной компоненты - первый собственный вектор, а ее длина первое (максимальное) собственное число. Новая ось спектрального пространства определяется этой первой главной компонентой, а точкам в системе координат, соответствующей этой оси, теперь присваиваются новые координаты.
Первая компонента показывает направление и длину главной оси эллипса. Вдоль нее яркости пикселов будут иметь в среднем наибольший диапазон изменчивости, что облегчает разделение объектов по различным яркостным градациям. Нарис. легко видеть, что первое собственное число (длина наибольшей оси эллипса) будет всегда больше, чем дисперсии измерений в исходных каналах, так как гипотенуза прямоугольного треугольника всегда длиннее любого из его катетов. В двухмерной системе координат вторая главная компонента соответствует второй оси эллипса.
В вероятностном смысле она описывает наибольший разброс данных измерений, которые не учитывает (из-за ортогональности) ПГК. В общем случае в n измерениях имеются n основных компонент. Каждая последующая главная компонента: - является самой длинной из оставшихся осью эллипса и ортогональна к предыдущим компонентам в n-мерном пространстве системы координат.
- ее длина количественно соответствует дисперсии оставшейся (неучтенной предыдущими основными компонентами) изменчивости данных.
После применения МГК количество каналов, данные которых анализируются, остается прежним, т. к. поворот осей в n? мерном пространстве не понижает его размерности. Однако, несколько первых новых каналов учитывают максимальный разброс данных - в некоторых случаях почти 100%, ?поэтому данными остальных каналов часто можно пренебречь без потери полезной информации. Таким образом, практически МГК позволяет уменьшить объем данных и понизить количество используемых каналов.
Отдельный анализ различий по второй и последующим компонентам может выявить минимальные различия данных основных составляющих каналов. По этим компонентам, после устранения влияния предыдущих, можно выделить очень тонкие детали изображения, которые были затенены более высоким контрастом в первоначальном изображении. В ряде случаев они могут использоваться, наоборот, для целей фильтрации, исключая характерный шум в данных (например, помехи в данных, полученных со старых или неисправных сканеров).
Обратное преобразование изображения, обработанного МГК, в исходное со снижением уровня шумов после удаления последних главных компонент, содержащих эти шумы, называетсяинверсией главных компонент. Этот прием используется для более качественного и точного распознавания объектов и их свойств другими цифровыми методами. 1. 2 Объединение снимков с различным разрешением
В ‘’ERDAS Imagine’’существует функция, позволяющая объединить два снимка различного разрешения для получения третьего изображения, обладающего лучшими характеристиками обоих исходных снимков.
Данная функция как бы “накладывает” один из каналов изображения с высоким разрешением на каждый канал изображения среднего разрешения, что можно наглядно описать следующей формулой: Е х (1S + 2S + 3S + 4S) = 1ES + 2ES + 3ES + 4ES, где
Е – один из каналов исходного изображения с высоким разрешением; 1S, 2S, 3S, 4S – каналы исходного изображения со средним разрешением; 1ES, 2ES, 3ES, 4ES –получившиеся каналы синтезированного изображения, имеющие высокое пространственное разрешение и цветовую подложку от снимка среднего разрешения. 1. 3 Выделение объектов по яркостному порогу
Данный метод используется в ситуациях, когда известен приблизительный разброс яркостей выделяемого объекта в том или ином канале рассматриваемого изображения. Этот разброс можно получить, используя гистограмму и ход спектральных кривых объекта, полученных по тестовым точкам(рис. ). В таком случае пользователь задает приблизительные значения (пороги), в пределах которых может колебаться яркость выделяемого объекта, и выделить его с необходимой степенью точности. 1. 4 Метод вычисления вегетационного индекса NDVI
Методы вычисления вегетационных индексов (в т. ч. индекса NDVI) заключаются в выделении зеленой растительности с помощью простого арифметического преобразования и относятся к полностью автоматизированным методам, в которых участие пользователя ограничивается лишь одним последним этапом– идентификацией выделенных объектов. Использование вегетационных индексов возможно благодаря специфическому ходу спектральных кривых зеленой растительности(рис. ). Нормализованный вегетационный индекс NDVI равен отношению разности яркостей пиксела изображения в инфракрасном и красном диапазоне спектра к их сумме, т. е. ИК – К .
ИК + КПри этом, чем больше значение данного индекса, тем более яркой является рассматриваемая растительность и тем в более хорошем состоянии она находится. 1. 5 Основные понятия и методика кластерного анализа
Кластерный анализ относится к цифровым автоматизированным методам обработки космических изображений и позволяет выделять контура с неконтрастной по спектральной яркости структурой. Это могут быть как непосредственно выделяемые растительность, открытые почвы, вода, облака и другие объекты (рис. ), так и некоторые особенности территории, выделяемые по косвенным признакам, например, увлажнение, степень продуктивности почв, литологический состав пород и т. д.
Алгоритм кластеризации производит спектральный анализ исходного многозонального растрового изображения и пересчитывает его в однозональное, распределяя все пикселы в кластеры по их яркостным характеристикам.
Метод кластеризации ISODATA использует спектральные расстояния как основу, но классифицирует пикселы в несколько приемов (итераций), переопределяя критерии для каждого класса и классифицируя снова таким образом, что спектральные расстояния составляющих исходных данных постепенно уточняются. Также он пересчитывает статистику.
Метод ISODATA использует минимальное спектральное расстояние, чтобы определить соответствующий кластер для каждого пиксела. Процесс начинается с назначения случайного (приближенного) среднего значения кластера и повторяется до тех пор, пока это значение не достигнет величины среднего для каждого кластера исходных данных. Начальные средние значения кластеров распределяются равномерно вдоль центрального вектора спектрального пространства. Количество кластеров задается пользователем.
В течение первой итерации пространство равномерно разбивается на области, центром каждой из которых являются средние значения кластеров (рис. ). Пикселы анализируются с левого верхнего угла изображения к нижнему правому, блок за блоком. Вычисляется спектральное расстояние между пикселом и средним значением кластера. Пикселы назначаются в тот кластер, где это расстояние минимально (рис. ). При этом назначенные центры кластеров смещаются, т. к. их средние значения меняются в зависимости от преобладающих яркостей попавших в них пикселов. Для того, чтобы определить расположение новых центров, производится второй пересчет. В процессе второй итерации снова определяются минимальные спектральные расстояния между точками и новыми средними значениями кластеров. В результате этого пикселы снова перераспределяются.
Такие пересчеты повторяются до тех пор, пока все точки с 95%-й вероятностью не попадут в какой-либо кластер (рис. ). Пользователь может сам задать максимальное количество итераций. Результатом кластеризации методом ISODATA является тематический растровый слой и набор статистик, включающих средние значения кластеров, минимальные и максимальные значения яркостей входящих пикселов, среднее квадратическое отклонение и ковариационную матрицу между спектральными каналами. Также, используя данный метод, пользователь может оценить пространственные характеристики различных объектов, однако, при этом ему необходимо переводить изображение в какую-либо равновеликую или равнопромежуточную картографическую проекцию, позволяющую рассчитывать площади.
В данной работе была использована проекция Меркатора для стран широт Северной Америки. Функция самоорганизации позволяет обойтись минимальным вмешательством человека в процесс распределения кластеров, пользователю лишь необходимо задать цвета для каждой получившейся градации и идентифицировать их. 1. 6 Методика проведения работы
Для того, чтобы оценить возможности цифровых методов при дешифрировании и обработке изображений, полученных со спутника, были взяты два снимка высокого и среднего разрешения на район Рыбинского водохранилища. На значительную часть этого района, занимаемую Дарвинским Государственным заповедником, в результате длительных полевых исследований был накоплен очень обширный фактический, картографический и статистический материал. Это сыграло определенную роль в выборе территории исследования, и заповедник был выбран в качестве тестового участка.
Работа состояла из нескольких этапов. Первый заключался в дешифрировании природных и антропогенных структур района Рыбинского водохранилища и, в частности, Молого-Шекснинского полуострова по исходным космическим снимкам. По снимку среднего разрешения от 31. 05. 97, как по более информативному для визуального дешифрирования и охватывающему большую территорию, была составлена схема дешифрирования и легенда к этой схеме.
На втором этапе проводилась обработка исходных снимков цифровыми методами и анализ полученных результатов.
Последний, третий этап заключался в непосредственном анализе возможностей цифровых методов обработки при дешифрировании природных и антропогенных структур района Рыбинского водохранилища и их свойств. Он осуществлялся с помощью перечисленных в Введении тематических и общегеографических карт на данный район.
II. ФИЗИКО-ГЕОГРАФИЧЕСКАЯ И ЛАНДШАФТНАЯ ХАРАКТЕРИСТИКА РАЙОНА РЫБИНСКОГО ВОДОХРАНИЛИЩА 2. 1 Климат
Данная территория располагается в западной подобласти атлантико-континентальной лесной климатической области и характеризуется достаточным и устойчивым увлажнением. Годовая сумма инсоляции составляет 78-80 ккал/см2 в год. Радиационный баланс составляет 19-20 ккал/см2 в год. Значительный радиационный баланс (19-20 ккал/см2в год) способствует трансформации (прогреванию и увлажнению) воздушных масс и обуславливает недостаточно полное испарение выпадающих осадков, которое составляет 500-600 мм в год, в отдельные сезоны и года наблюдается избыток влаги. Такое избыточное увлажнение территории связано с циклоническим режимом погоды.
Средняя температура в январе составляет около -10о С, в июле +17.... +18о С. Сумма активных температур составляет приблизительно 1800оС, безморозный период длится 120 дней. Зимой устанавливается снежный покров, предохраняющий почву от сильного промерзания.
Рыбинское водохранилище, занимающее наиболее пониженную часть Молого-Шекснинской низменности и имеющее площадь около 4. 5 км2, является крупным местным фактором, влияющим на климат. Обширное водное пространство способствует усилению ветра и некоторому уменьшению суточных колебаний температуры и влажности воздуха в летние месяцы. 2. 2 Геолого-геоморфологическая структура
Согласно физико-географическому районированию Нечерноземного центра (1963) район исследования входит в Молого-Сарагожский зандрово-болотный, Рыбинский и Пошехоно-Тутаевский холмисто-равнинный районы южно-таежной подпровинции Верхневолжской провинции. Она занимает преимущественно полого-холмистыевозвышенные моренные и моренно-эрозионные равнины в области среднечетвертичного оледенения и обширные низменные озерно-ледниковые песчаные равниныс возвышающимися над ними “островами” моренных гряд и всхолмлений. Первые характеризуются приуроченностью к пластовым равнинам, сложенным пермскими и мезозойскими преимущественно пестроцветными отложениями. Дочетвертичные породы перекрыты московской (реже днепровской) мореной, обычно размытой и маломощной. Внутренние площади водоразделов часто заболочены. Озерно-ледниковые песчаные равнины обычно приурочены к широким, часто долинообразным понижениям в коренных породах. Сложены песками и супесями, обычно маломощными, подстилаемыми мореной, ленточными глинами или дочетвертичными породами. Рельеф слабо террасированный, дренаж недостаточный(4). Эрозионное расчленение равнины связано с развитием речной сети бассейна верхней Волги.
Непосредственно на рассматриваемой территории с северо-востока к Рыбинскому водохранилищу подходит возвышенная моренно-эрозионная равнина (Карта ландшафтов СССР, прил. ), перекрытая тяжелыми покровными суглинками и глинами, а также средними и легкими моренными завалуненными суглинками (Почвенная карта, прил. ). Ее абсолютные высоты увеличиваются с запада на восток в сторону Рыбинско-Сухонской зоны поднятий от 130-140 до 200-250 м. Всю остальную территорию занимает озерно-ледниковая низменная песчаная равнина, включающая практически полностью Молого-Шекснинский полуостров и окаймляющая водохранилище со всех сторон, кроме северо-восточного побережья, с абсолютными высотами не более 150 м. Она сложена аллювиально-зандровыми и озерно-ледниковыми песчаными отложениями, перекрытыми вдоль юго-западного побережья водохранилища средними и легкими покровными суглинками, которые в его южной части, в излучине Волги, сменяются завалуненными озерными и аллювиальными супесями. К северо-востоку от г. Рыбинск при приближении к долине р. Согожи начинают встречаться территории, перекрытые тяжелыми глинами и суглинками, как и вся территория к северо-востоку от водохранилища. В районе г. Череповца картина более мозаичная, город находится непосредственно на стыке ареалов подстилающих пород нескольких типов: средние и легкие карбонатные моренные каменисто-валунные суглинки, озерные и аллювиальные супеси и суглинки. Долины рек Мологи и Суды выполнены аллювиальными и озерными песками. Молого-Андожское междуречье, как и Молого-Шекснинский полуостров, характеризуется очень низкими абсолютными высотами местности, слабо расчлененным рельефом и слабой степенью дренированности. 2. 3 Почвы
Почвенная структура данной территории оценивалась по почвенной карте Нечерноземной зоны РСФСР (прил. )В целом, на рассматриваемой территории распространены суглинистые и супесчаные дерново-подзолистые почвы разной степени оподзоливания, часто оглеенные. Очень широко распространены различные типы болотных почв.
В восточной части данной территории преобладают глинистые и суглинистые дерново-сильноподзолистые почвы, в основном, массивами на междуречьях, а также присутствуют небольшими островками к юго-западу от водохранилища. На остальной территории рассматриваемого района, кроме Звано-Андожского междуречья и Молого-Шекснинского полуострова, преобладают суглинистые и супесчаные дерново-средне- и слабоподзолистые почвы. Долинные комплексы рек, впадающих в водохранилище с севера, имеют песчанистые слабо-дерново-подзолистые иллювиально-железистые почвы, а на их междуречьях и в центральной части Молого-Шекснинского полуострова распространены торфяные и торфяно-глеевые почвы верховых болот. Также на полуострове широко представлены торфянисто-глеевые иллювиально-гумусовые подзолы и дерново-подзолисто-глеевые и глееватые почвы, которые встречаются отдельными вкраплениями и на остальной части рассматриваемой территории. Рыбинское водохранилище играет очень значительную роль в постепенном изменении условий почвообразования на окружающих его территориях, вызванном их подтоплением (например, тенденция усиления процесса оглеения почв). 2. 4 Растительность
Данная территория почти полностью расположена в подзоне южной тайги, лишь небольшая ее часть к югу от р. Волги принадлежит подзоне смешанных лесов. Растительность этого района в значительной степени изменена человеческой деятельностью, коренные хвойные леса на большей части лесных площадей заменены вторичными мелколиственными модификациями. Максимальное распространение условно-коренная растительность имеет на Молого-Шекснинском полуострове, небольшие массивы сохранились к северу от г. Череповец и от г. Рыбинск, а также на междуречье рек Большой Юг и Согожа. В остальных местах естественные леса занимают очень незначительные площади (Карта охраны растительного мира, прил. ). Лесистость территории колеблется от 30% до 55% (14). Структура лесов района Рыбинского водохранилища очень мозаична и характеризуется мелкоконтурностью (Карты лесов Вологодской и Ярославской областей, прил. и ). Основными коренными породами, произрастающими на данной территории, являются ель и сосна, причем в их расположении видна четкая зависимость от состава почвообразующих пород: сосна приурочена в основном к песчаным и супесчаным субстратам, она занимает наибольшие площади на Молого-Шекснинском полуострове, в районе г. Череповец, в долине Волги на юге рассматриваемой территории. Ель распространена в меньшей степени, ее основные массивы находятся на междуречье Согожи и Большого Юга и междуречье Ухры и Волги. Гораздо большие территории заняты вторичными березовыми и осиновыми лесами, они встречаются практически повсеместно, однако больше всего их в восточной части рассматриваемого района. Болотная растительность характеризуется гораздо меньшей измененностью, чем леса, она коренным образом изменена лишь в районах торфяных месторождений (Карта торфяных месторождений, прил. ). В структуре растительности широко распространенных на низменных территориях Молого-Шекснинского полуострова и в районе г. Череповца комплексов верховых болот преобладает сфагнум (Sphagnum angustifolia, S. obtusum, S. mediumи др. ), присутствуют болотные кустарнички (кассандра, багульник, морошка, голубика, клюква). Часты болота с развитым ярусом из сосны и березы. Для переходных болот, располагающихся по окраинам большинства верховых, характерно сочетание сфагновых мхов с пушицей, шейхцерией, осоками или гипновыми мхами. Более редкие на этой территории низинные болота (единственное, но достаточно крупное болото расположено к востоку от г. Рыбинска) характеризуются сильным зарастанием травами (осоки и влаголюбивое разнотравье) и гипновыми мхами, а местами черной ольхой и ивняком(14).
О распространении и составе культурной растительности данной территории дают некоторое представление карты использования земель и сельского хозяйства (прил. и ). На данной территории наибольшие площади заняты под посевы зерновых и кормовых культур, льна, посадки картофеля и овощей, а также под растительностью естественных кормовых угодий. 2. 5 Ландшафты
Большая часть территории района Рыбинского водохранилища относится к Пошехоно-Тутаевскому холмисто-равнинному району, расположенному к востоку от водохранилища, Рыбинскому району, включающему в себя непосредственно водохранилище и окружающие его низменные пространства, и Молого-Сарагожскому зандрово-болотному району (14, 1963). Они относятся к южно-таежной подпровинции Верхневолжской провинции, которая представлена преимущественно ландшафтами полого-холмистыхвозвышенных моренных и моренно-эрозионных равнин в области среднечетвертичного оледенения и обширными низменными озерно-ледниковыми песчаными равнинами, с возвышающимися над ними “островами” моренных гряд и всхолмлений, со смешанными лесами на дерново-подзолистых и подзолисто-болотных почвах. Первые характеризуются приуроченностью к пластовым равнинам, сложенным пермскими и мезозойскими преимущественно пестроцветными отложениями. Дочетвертичные породы перекрыты московской (реже днепровской) мореной, обычно размытой и маломощной. Внутренние площади водоразделов часто заболочены. Озерно-ледниковые песчаные равнины обычно приурочены к широким, часто долинообразным понижениям в коренных породах. Сложены песками и супесями, обычно маломощными, подстилаемыми мореной, ленточными глинами или дочетвертичными породами. Рельеф слабо террасированный, дренаж недостаточный(4). Значительное место занимают естественные кормовые угодья и пашни. 2. 6 Ландшафты Дарвинского заповедника
Дарвинский заповедник относится к ландшафтам низменной озерно-ледниковой песчаной равнины и находится в переходной полосе между зонами выпуклых олиготрофных торфяников и эвтрофных и олиготрофных сосново-сфагновых торфяников, что обуславливает здесь широкое распространение как грядово-мочажинных олиготрофных болот, так и сосново-сфагновых болотных массивов.
На территории заповедника было выделено два ландшафта: ландшафты древней озерно-водноледниковой равнины и молодой прибрежной абразионно-аккумулятивной равнины (5). Второй ландшафт включает в себя зону временного затопления с абсолютными отметками 100-102 м, периодически освобождающуюся из-под воды, и аквальные комплексы, являющиеся неотъемлемой частью прибрежной полосы (лагуны, устья рек); он входит в территорию заповедника и окаймляет с юго-запада, юга, востока и северо-востока ландшафт озерной водно-ледниковой равнины. Вся водораздельная часть Дарвинского заповедника представляет собой ландшафт плоской слабодренированной (на большей части территории) озерно-водноледниковой равнины, сложенной мощными тонкозернистыми пылеватыми песками, подстилаемыми маломощными моренными отложениями, с дерново-подзолистыми и подзолисто-болотными почвами под еловыми и сосновыми преимущественно заболоченными лесами и системами крупных олиготрофных болот. В этом ландшафте выделяются восемь местностей, которые по степени дренированности их можно отнести к трем видам (рис. ). Степень дренированности обусловлена особенностями геолого-геоморфологического строения местностей.
Наиболее хорошо дренированной является местность Большедворской гряды, расположенной в центральной части Молого-Шекснинского полуострова, но расположенной за пределами территории заповедника. Это высокая (114? 118 м) ступень озерно-водноледниковой равнины, сложенная маломощными (4? 6 м) пылеватыми песками, подстилаемыми моренными отложениями. Эта гряда связана с местным повышением кровли моренных отложений, почти повсеместно подстилающих водно-ледниковые пески на территории заповедника.
Здесь выделяются фоновые сложные урочища основной поверхности водно-ледниковой равнины, характеризующиеся преобладанием еловых, сосновых и березовых зеленомошных либо смешанно-травных лесов, под которыми сформировались дерново-подзолистые почвы. Вся основная поверхность озерно-водноледниковой равнины хорошо дренируется урочищами неглубоких лощин. Сорно-травная растительность занимает здесь господствующее положение, почвы смыто-намытые дерново-подзолистые разной степени оглеенности.
Второй вид местностей — относительно дренированные низкие (102? 108 м) озерно-водноледниковые равнины, сложенные пылеватыми песками, в которых часто встречаются прослои супесей и суглинков. Кровля моренных отложений здесь залегает относительно близко. Территория хорошо дренируется развитой речной сетью (в настоящее время подтопленной). Этот вид на территории заповедника представлен двумя местностями: Захарьинской и Осиновиком.
Захарьинская местностьрасполагается в центральной части заповедника и охватывает долину р. Искры и ее притока р. Санжевы, а также дренируемые ими пространства водораздельной озерно-водноледниковой равнины.
Доминантные урочища этой местности представляют собой основные поверхности озерно-водноледниковой равнины с сосняками зеленомошными на слабоподзолистых почвах. Этот тип урочищ широко распространен во всех местностях водораздельной равнины. Субдоминантными являются урочища влажных и сырых грив, находящихся в переходной зоне от гряд к болотным массивам. Здесь произрастают сосняки и ельники долгомошные (заболачивающиеся), сформировавшиеся на торфянисто- и торфяно-подзолисто-глеевых почвах. Здесь довольно часто встречаются своеобразные урочища с богатым растительным покровом, занимающие также основные поверхности водно-ледниковых гряд. Растительный покров этих урочищ представлен ельниками сложными (липняковыми) на дерново-подзолистых почвах. Главной особенностью данного вида местностей является наличие долин рек. В долине рек Искры и Санжевы на надпойменной террасе преобладают вторичные березовые зеленомошные леса на окультуренных среднеподзолистых глееватых почвах. Террасы давно используются человеком в качестве сенокосов и пастбищ. Местность Осиновикрасполагается в южной части заповедника и охватывает долину р. Ветка и дренируемые ею прилегающие водно-ледниковые равнины. Она идентична по составу доминантных и субдоминантных урочищ Захарьевской местности. Третий вид местностей ландшафта озерно-водноледниковой равнины характеризуется слабой дренированностьюи, как следствие, преобладанием болотных комплексов. Данный вид представлен пятью местностями. Они характеризуются размытостью, неконтрастностью рельефа, небольшими перепадами высот. Дифференциация ПТК здесь в основном определяется условиями увлажнения.
Борокско-Хотавецкая местностьрасполагается в юго-западной части заповедника. Доминантными являются урочища олиготрофных болот. Преобладают облесенные болота, с сосняками сфагновыми, которые произрастают на торфах незначительной мощности по периферийным частям болотных массивов; их открытые центральные части характеризуются мощными торфами и преобладанием сфагнума (Sphagnum fuscum).
Своеобразие данной местности заключается в относительно широком распространении урочищ водно-ледниковых гряд. Они окаймляют болотные массивы почти сплошной полосой со стороны водохранилища и имеют много разновидностей—от самых сухих (с сосняками беломошными на подзолистых слаборазвитых почвах) до сырых, заболачивающихся (с сосняками долгомошными на торфяно-подзолисто-глеевых почвах). Последние занимают переходные к болотным массивам зоны. Также, здесь на водно-ледниковых грядах широко распространены вторичные березняки зеленомошные на окультуренных подзолистых почвах на месте бывших с/х угодий.
Бор-Тимонинская местностьрасположена в южной части заповедника. Здесь так же, как и в Борокско-Хотавецкой местности, доминантными являются урочища болотных массивов с сосняками сфагновыми, субдоминантными—урочища открытых болот со сфагновыми ассоциациями на мощных торфах. В данной местности относительно широко распространены незаболоченные гряды водно-ледниковой равнины. Особенностью этой местности является лучшая выраженность древних эоловых форм. Урочища наиболее высоких поверхностей гряд представлены сосняками беломошными на слаборазвитых подзолистых почвах, основные же поверхности заняты сосняками зеленомошными на слабоподзолистых почвах, а в переходной зоне к болотным массивам— сосняки долгомошные на торфянисто-подзолисто-глеевых почвах. Мороцкая местность, расположенная в северо-западной части заповедника, характеризуется обилием озер разных размеров, находящихся внутри болотных массивов. Это остаточные первичные озера, в настоящее время интенсивно зарастающие. Эта местность относится в основном к охранной зоне заповедника, а непосредственно в сам заповедник входит лишь ее южная часть.
В целом местность характеризуется преобладанием сложных урочищ крупных олиготрофных торфяников. В южной части встречаются в основном урочища переходных болот, которые “прорезаются” вытянутыми с северо-запада на юго-восток урочищами незаболоченных останцов водно-ледниковых гряд. На них развиты сосняки зеленомошные на слабоподзолистых почвах. Часто встречаются заболачивающиеся сосняки и ельники на торфянисто- и торфяно-средне- и сильноподзолистых глеевых почвах.
Янско-Среднедворская местностьзанимает крайнюю юго-восточную часть заповедника и отличается максимальной заболоченностью, до 80-90% территории. Болота представлены здесь сложными системами, состоящими из сросшихся крупных олиготрофных и мезотрофных торфяников (16-18 км протяженностью). Эти урочища являются доминантными. Особенность данной местности: фактическое отсутствие гряд среди болот: они оказались погребены под торфами. В Янско-Среднедворской местности сформировалась своеобразная хорошо развитая система стока с болотных массивов. В местах стока сформировались урочища мезотрофных сфагновых топей, являющихся характерной чертой для данной местности.
Искрецкая местность, расположенная в северной части заповедника, также характеризуется значительным распространением болот. По их распространению она занимает промежуточное место между двумя последними местностями, однако здесь еще не сформировалась сеть мезотрофных топей, а грядово-мочажинный комплекс развит недостаточно. В данной местности среди болотных массивов и особенно вдоль береговой линии водохранилища встречаются также урочища незаболоченных водно-ледниковых гряд, на которых доминируют сосняки зеленомошные на слабоподзолистых почвах.
Несмотря на отмеченное разнообразие выделенных местностей, они обладают значительным сходством по набору урочищ и по характеру ландшафтообразующих процессов. В ландшафте молодой прибрежной абразионно-аккумулятивной равнины основными ландшафтообразующими факторами служат переработка берегов и аккумуляция донных наносов в зоне временного затопления. В ландшафте древней озерно-водноледниковой равнины таким процессом является заболачивание водораздельных гряд.
III. Оценка возможностей цифровых методов обработки КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ при дешифрировании природных и антропогенных структур района Рыбинского водохранилища
Работа состояла в проведении анализа результатов цифровой обработки космических изображений для целей ландшафтных исследований. В качестве опорной информации использовались данные имеющиеся на территорию Дарвинского государственного заповедника (полевые исследования, картографические материалы, летописи природы), а затем при параллельном рассмотрении картографических материалов и результатов цифровой обработки изображений получены выводы, которые экстраполировались на всю рассматриваемую территорию.
Ниже представлен анализ результатов обработки исходных снимков по каждому из использованных цифровых методов.
3. 1 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом главных компонент
Метод главных компонент относится к группе цифровых методов, позволяющих улучшить качество изображения для визуального дешифрирования. По результатам анализа изображения, обработанного МГК, можно сделать вывод, что первая главная компонента близка к наиболее яркому каналу исходного изображения и даже более контрастна. Вторая главная компонента подчеркивает текстуру изображения, позволяя четко разделить контура и объекты, имеющие на снимке однородную, ровную текстуру от объектов, характеризующихся зернистостью. При этом может наблюдаться эффект псевдорельефа–объекты с более зернистой текстурой кажутся выпуклыми. Третья главная компонента рассматривалась лишь по изображению среднего разрешения, но она содержит преимущественно шум, только болота и облачность выделяются темным цветом.
Синтез трех первых главных компонент майского снимка среднего разрешения (см. приложение )является более информативным по сравнению с исходным, поскольку б`ольшая контрастность синтезированного изображения в первом канале позволяет очень четко отделить болотные массивы от лесных. Олиготрофные и мезотрофные болота (как облесенные, так и необлесенные) на торфах разной мощности на рассматриваемый сезон характеризуются большей яркостью растительности, чем основные поверхности водно-ледниковых и моренных равнин с сосновыми и еловыми преимущественно зеленомошными лесами, распространенными практически повсеместно на данной территории и обладающими различной степенью дренированности. Комплексы с лесами переувлажненных местообитаний характеризуются темными цветами, что связано с невысоким бонитетом таких лесов.
Эффект псевдорельефа, присутствующий во второй главной компоненте, мало проявляется на данном изображении из-за его невысокого разрешения: благодаря такому разрешению практически все объекты обладают более или менее неоднородной текстурой. Так, сельскохозяйственные угодья с культурной растительностью на дерново-подзолистых окультуренных почвах и селитебные территории на снимке среднего разрешения образуют практически единый, весьма мозаичный контур, обладающий очень крупной зернистостью. При этом с/х земли имеют на синтезированном изображении светло-желтый оттенок благодаря тому, что молодые с/х культуры обладают высокой отражательной способностью. Территории населенных пунктов резко с ними контрастируют и имеют на изображении красный цвет. Промышленные зоны городов Череповец и Рыбинск характеризуются более темными оттенками, чем другие селитебные территории, из-за значительной загрязненности, проявляющейся в снижении отражательной способности.
Необходимо отметить, что некоторые объекты (например, облачность) незначительно, но затрудняют дешифрирование данного изображения, поскольку имеют практически тот же цвет, что и селитебные территории, а тени облаков оказывают на нижележащие контура затемняющее действие.
Синтез двух первых компонент весеннего снимка высокого разрешения (см приложение )показывает совершенно другую картину. Снимок был сделан в то время, когда на рассматриваемой территории держался устойчивый снежный покров, и из-подо льда освободилось лишь русло р. Мологи и большая часть зоны временного затопления (что хорошо видно даже на исходном снимке). Этот факт свидетельствует о том, что дешифрирование данной территории может производиться преимущественно по присутствию и состоянию снежного покрова, а также наличию и плотности древесной растительности, которая его маскирует.
Первая главная компонента, как уже описывалось выше, усиливает контрастность изображения, что вкупе с псевдорельефом во второй главной компоненте создает очень интересный эффект. На снимке ровным сиреневым цветом выделились водные объекты подо льдом, с/х угодья и открытые почвы под снегом, а также олиготрофные и олиготрофно-мезотрофные необлесенные болота на средних и глубоких торфах. Комплексы, обладающие развитым и плотным древесным ярусом (такие, как водно-ледниковые гряды с сосновыми и еловыми зеленомошными лесами на слабоподзолистых глееватых почвах; долины рек с сосново- и елово-березовыми травяными лесами на перегнойно-дерново-подзолистых почвах; растительность зоны временного затопления (с преимущественно ивовыми зарослями) выделились контрастным желто-зеленым цветом и кажутся выпуклыми. Комплексы олиготрофно-мезотрофных и мезотрофных облесенных болот на мелких и средних торфах (стоков с олиготрофных болот) обладают менее выраженным древесным ярусом и дешифрируются по цвету, переходному от сиреневого к желто-зеленому. Необходимо заметить, что присутствие псевдорельефа значительно улучшает визуальное восприятие изображения и облегчает его дешифрирование, несмотря на небогатую цветовую гамму.
Таким образом, по весеннему снимку высокого разрешения, обработанного методом главных компонент, четко выделяются природные комплексы с древесной растительностью, хотя определение породного состава древостоя выглядит затруднительным. Кроме того, ивовые заросли зоны временного затопления сливаются с береговой древесной растительностью, что делает практически невидимой береговую линию и невозможным определение размеров зоны временного затопления.
3. 2 Анализ результатов дешифрирования изображения, полученного путем обработки исходных снимков методом “наложения” (merge)
Метод “наложения” можно также отнести к группе цифровых методов, улучшающих качество изображения для визуального дешифрирования. Совмещение одного из каналов изображения высокого разрешения с каждым каналом снимка среднего разрешения позволяет практически вдвое повысить информативность синтезированного изображения, которое обладает высоким пространственным разрешением и цветовой основой от снимка среднего разрешения. На синтезированном изображении (см. приложение) хорошо различаются с/х и селитебные земли, поскольку цветовые характеристики снимка среднего разрешения подчеркиваются четко выраженной структурой изображения высокого разрешения. Также более четко видны и другие объекты антропогенного происхождения: просеки, дороги и т. д.
С помощью данного метода удалось лучше отдешифрировать структуру болот: однозначно выделились мезотрофные облесенные стоки с них, хотя на исходном снимке высокого разрешения и при его обработке МГК они плохо дешифрировались из-за сходства с сосновыми и еловыми зеленомошными лесами водно-ледниковых гряд, а на изображении среднего разрешения– из-за недостаточности разрешения. Совмещение обоих изображений привело к выявлению береговой линии, что позволило четко выделить зону временного затопления, хотя, как уже указывалось, ни на одном из исходных снимков по отдельности она практически не выделяется. Эта зона имеет на синтезированном изображении наиболее темный цвет. Выделение этих комплексов произошло потому, что при совмещении двух разносезонных изображений четко обозначились их границы: на одном из снимков уровень водохранилища высок (практически сразу после половодья), и хорошо видна береговая линия, а на другом граница снежного покрова обозначает минимальный уровень (после зимней межени). Для удобства дальнейшего анализа зона временного затопления была отделена по яркостному порогу по четвертому каналу синтезированного изображения (наиболее контрастному) и окрашена в синий цвет(см. приложение ). 3. 3 Анализ результатов дешифрирования изображений, полученных путем вычисления индекса NDVI по исходным снимкам
Методы вычисления вегетационных индексов (в т. ч. индекса NDVI) можно отнести к полностью автоматизированным методам, в которых участие пользователя ограничивается лишь последним этапом– идентификацией выделенных объектов. Снимок среднего разрешения (приложение )сделан в конце мая, когда практически вся растительность находится в зеленом состоянии, поэтому на нем территория дешифрируется преимущественно по присутствию (светлые оттенки серого) или отсутствию (темный тон) растительности. Там, где растительность есть, можно выделить ее различное состояние–молодые с/х культуры на дерново-подзолистых окультуренных почвах характеризуются максимальной яркостью, а различные болотные комплексы и основные поверхности водно-ледниковых и моренных равнин различной степени дренированности с сосновыми и еловыми преимущественно зеленомошными лесами практически не выделяются из общего фона. В целом данное изображение недостаточно информативно, поскольку на нем не дешифрируется бонитет лесной растительности и, следовательно, степень дренированности территории. Снимок высокого разрешения после вычисления индекса NDVI представляет из себя более интересную картину(см. приложение ), поскольку на нем ярко проявляются лишь хвойные леса, что позволяет их легко дешифрировать. Древние бугристые сухие материковые дюны с сосновыми беломошными и беломошно-зеленомошными лесами на слабоподзолистых почвах, а также плоские, местами широкие свежие и влажные водно-ледниковые гряды с сосновыми и еловыми зеленомошными лесами на слабоподзолистых и слабоподзолистых глееватых почвах выделяются наиболее светлым цветом. Используя метод выделения объектов по яркостному порогу, эти комплексы были окрашены красным цветом(приложение ). 3. 4 Анализ результатов дешифрирования изображений, полученных путем обработки исходных снимков методом кластерного анализа
Кластерный анализ, как и предыдущий метод, относится к автоматизированным цифровым методам обработки многозональных изображений. Идентификация выделенных с его помощью объектов проводится с привлечением наземной информации, карт, спектральных кривых, а также других методов обработки изображений. Сравнительный анализ ландшафтной карты и кластерного изображения на территорию заповедника показал, что на снимке среднего разрешения(приложение) мы видим различную яркость лесов на тех или иных местообитаниях, которая определяется бонитетом леса, его сомкнутостью и т. д. , что прямо зависит от условий увлажнения территории.
Среди урочищ гряд водораздельных равнин на снимке среднего разрешения хорошо выделяются занимающие очень незначительные площади древние материковые дюны, бугристые, сухие со слабоподзолистыми почвами под сосновыми беломошными и беломошно-зеленомошными лесами. На кластерном изображении они характеризуются заметным преобладанием темно-зеленого цвета. Четко выделяются плоские, местами широкие, свежие водно-ледниковые гряды со слабоподзолистыми почвами под сосновыми зеленомошными лесами, они дешифрируются по преобладанию сине-зеленого цвета. Урочища плоских влажных водно-ледниковых гряд со слабоподзолистыми глееватыми почвами под еловыми и березовыми зеленомошными лесами дешифрируются менее однозначно, на кластерном изображении они в некоторых местах выделяются как более сырые местообитания, чем это должно быть, судя по карте. Этим урочищам соответствует преобладание сине-зеленого цвета в сочетании со светло-зелеными и коричневым. Урочища, находящиеся в переходной зоне от гряд к болотным массивам, представляют из себя сырые местообитания с торфяно-средне- и сильно-подзолистыми почвами под сосновыми, еловыми и березовыми заболачивающимися лесами. На кластерном изображении они выделяются по сочетанию светло-зеленого и сине-зеленого цветов.
Среди урочищ болотных массивов наиболее четко выделяются занимающие обширные территории на Молого-Шекснинском полуострове открытые олиготрофные и олиготрофно-мезотрофные болота с грядово-мочажинным комплексом на глубоких торфах. Эти урочища определяются по явному преобладанию светло-коричневого цвета. По окраинам этих болот (в основном на местах стоков с них) темно-коричневым цветом обозначаются мезотрофные открытые и облесенные болота на средних и мелких торфах. Остальные урочища болотных массивов выделяются хуже, например, облесенные олиготрофные болота на мелких и средних торфах читаются почти так же, как и облесенные мезотрофные стоки с болот. По всей видимости, это опять-таки связано с маскирующим эффектом древесной растительности.
Растительность сельскохозяйственных угодий на конец мая (которым датируется снимок) характеризуется очень высокой отражательной способностью, что подтверждается ее спектральным профилем нарис. , и имеет на кластерном изображении светло-коричневый цвет, как и растительность болот. Однако, эти контура перемежаются с контурами открытых почв селитебных территорий (голубой цвет кластерного изображения), из чего можно заключить, что это именно культурная растительность, либо растительность естественных пастбищ (отделить пастбища от пашен по снимкам практически невозможно). Антропогенные объекты, такие как населенные пункты, особенно крупные, обладают значительной неоднородностью отражательных свойств в различных их частях. Так центры городов и особенно их промышленные территории, характеризующиеся повышенной загрязненностью (металлургический завод в Череповце, центр Рыбинска), обладают более плотной застройкой, чем окраины. Они имеют на исходном снимке значительно более темный оттенок, выражающийся на кластерном изображении темно-зеленым и даже фиолетовым цветами.
При сравнительном анализе различных карт, исходного и кластерного изображений видно, что за некоторыми исключениями преобладанию каждого цвета кластерного изображения среднего разрешения соответствуют территории с приблизительно одинаковым увлажнением, сходной структурой растительного покрова или одинаковым типом землепользования. Так, в выделенных по исходному снимку лесных контурах на кластерном изображении выделяются более дробные градации по степени дренированности местообитаний: преобладающему темно-зеленому цвету соответствуют сухие и свежие дренированные местообитания с сосновыми зеленомошными лесами и их производными; преобладающему сине-зеленому—свежие и влажные дренированные местообитания с сосновыми и еловыми зеленомошными и смешаннотравными лесами и их производными; сочетанию сине-зеленого и светло-зеленого—влажные и сырые слабодренированные местообитания с хвойными зеленомошными и долгомошными лесами и их производными; сочетанию светло-зеленого и темно-коричневого— сырые местообитания с заболоченными мелколиственными и сосновыми лесами. В пределах болотных контуров выделяются следующие градации: преобладанию светло-коричневого цвета соответствуют открытые купола олиготрофных и олиготрофно-мезотрофных болот с грядово-мочажинным комплексом; сочетанию темно-коричневого со светло-коричневым—мезотрофные облесенные болота, в том числе на местах стока с олиготрофных болот.
По снимку высокого разрешения (датируемому серединой апреля) (приложение ), как уже отмечалось выше, дешифрирование территории может производиться преимущественно по присутствию и состоянию снежного покрова, а также наличию и плотности древесной растительности, которая его маскирует.
Большая часть природных объектов выделяется не однозначно и характеризуется сочетанием цветов. Более темным градациям яркости соответствуют древние материковые дюны, бугристые, сухие с сосновыми беломошными и беломошно-зеленомошными лесами на слабоподзолистых почвах и урочища плоских водно-ледниковых гряд, свежих и влажных, с сосновыми и еловыми зеленомошными лесами на слабоподзолистых и слабоподзолистых глееватых почвах. На кластерном изображении они характеризуются сочетанием преимущественно сиреневого цвета в сочетании с зеленым. Мезотрофные облесенные стоки с болот на мелких и средних торфах выделяются по преобладающему зеленому цвету, т. е. также имеют достаточно невысокую отражательную способность из-за присутствия древесной растительности. Возможно, затемняющий эффект оказывается и состоянием снега, который на местах стоков с болот сходит интенсивнее и поэтому не обладает высокой яркостью, характерной для устойчивого снежного покрова.
Непосредственно болотные комплексы на снимке высокого разрешения обладают высокой яркостью. Облесенные олиготрофные и олиготрофно-мезотрофные болота на мелких и средних торфах выделяются по сочетанию светло-зеленых оттенков, но затемняющее действие древесной растительности все-таки сказывается, и они уступают по яркости олиготрофным открытым болотам на глубоких торфах, характеризующихся сочетанием белого и светло-розового цветов. Необходимо отметить, однако, что данный метод имеет некоторые особенности, которые желательно учитывать при дальнейшем его использовании. Например, необходимо более детальное изучение исследуемой территории или привлечение дополнительных методов дешифрирования в случаях, когда яркости различных по своей природе объектов сходны и программа кластерного метода относит их в одну и ту же категорию. Так, на снимке высокого разрешения растительность зоны временного затопления попала в одну группу с хвойными лесами, а с/х земли и открытые почвы населенных пунктов неотличимы от комплексов открытых олиготрофных болот. Для уточнения этих контуров на кластерное изображение высокого разрешения были наложены выделенные ранее комплексы с хвойными лесами и зона временного затопления(см. приложение ). ЗАКЛЮЧЕНИЕ
В результате проделанной работы были проанализированы трехзональный снимок высокого разрешения на Молого-Шекснинский полуостров от 13. 04. 97 и четырехзональный снимок среднего разрешения на территорию всего района Рыбинского водохранилища от 31. 05. 97 и изображения, полученные путем обработки исходных снимков различными цифровыми методами при сравнительном анализе данных изображений с фактическими, картографическими и литературными материалами. Это позволило сделать следующие выводы:
1. Снимок высокого разрешения весеннего периода позволяет выявить динамику состояния снежного покрова на территории, а также наличие древесной растительности и плотности древостоя.
На майском снимке среднего разрешения выделяются леса на тех или иных местообитаниях, их бонитет и т. д. , что прямо зависит от условий увлажнения территории
2. По весеннему снимку высокого разрешения, обработанному методом главных компонент, четко выделяются природные комплексы с древесной растительностью, хотя определение породного состава древостоя выглядит затруднительным. Ивовые заросли зоны временного затопления сливаются с береговой древесной растительностью, что делает практически невидимой береговую линию и невозможным определение размеров зоны временного затопления.
3. С помощью метода “наложения” более четко дешифрируются структуры болотных комплексов. Однозначно выделяются мезотрофные облесенные стоки с болот, хотя на исходном снимке высокого разрешения и при его обработке МГК они плохо дешифрируются из-за сходства с сосновыми и еловыми зеленомошными лесами водно-ледниковых гряд, а на изображении среднего разрешения– из-за недостаточности разрешения. Совмещение обоих изображений позволило выявить береговую линию и зону временного затопления, хотя ни на одном из исходных снимков по отдельности она практически не выделяется.
4. Поскольку вегетационный индекс NDVI чувствителен только к зеленой растительности, то по его изображению на весенний период четко выделяются только хвойные леса.
В конце мая, когда был сделан снимок среднего разрешения, практически вся растительность находится в зеленом состоянии, поэтому территория дешифрируется преимущественно по присутствию или отсутствию растительности, а также ее различному состоянию.
5. Метод выделения объектов по яркостному порогу удобен, поскольку позволяет выделить только интересующие исследователя объекты и наложить их на другие снимки или картографическую основу для большей наглядности. Кроме того, существует возможность автоматического подсчета площадей выделенных объектов, что полностью исключает участие человека в этой трудоемкой процедуре. 6. При сравнительном анализе различных карт, исходного и кластерного изображений было установлено, что за некоторыми исключениями преобладанию каждого цвета кластерного изображения среднего разрешения соответствуют территории с приблизительно одинаковым увлажнением, сходной структурой растительного покрова или одинаковым типом землепользования. В случаях, когда яркости различных по своей природе объектов сходны и программа кластерного метода относит их в одну и ту же категорию, необходимо более детальное изучение исследуемой территории или привлечение дополнительных методов дешифрирования. Так, на снимке высокого разрешения растительность зоны временного затопления попала в одну группу с хвойными лесами, а с/х земли и открытые почвы населенных пунктов неотличимы от комплексов открытых олиготрофных болот. Однако, эта проблема практически снимается наложением выделенных ранее другими методами комплексов с хвойными лесами и зоны временного затопления.
Цифровые методы обработки многозональных космических изображений, оценка возможностей которых проводилась в данной работе, необходимы при уточнении ландшафтных контуров, выявлении динамики и направленности различных природных процессов, влиянии тех или иных объектов друг на друга. СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Викторов С. В. , Востокова Е. А. , Вышивкин Д. Д. Введение в индикационную геоботанику. - М. : МГУ, 1962. - 227 с.
2. Гарбук С. В. , Гершензон В. Е. Космические системы дистанционного зондирования Земли. - М. : Издательство А и Б, 1997. - 296 с.
3. Дистанционное зондирование: количественный подход. / Под ред. Свейна Ф. , Дейвиса Ш. - М. : Недра, 1983. - 415 с.
4. Дэвис Дж. С. Статистический анализ данных в геологии. Пер. с англ. – М. : Недра, 1990. – 427с.
5. Исаев А. С. , Сухих В. И. , Калашников Е. Н. и др. Аэрокосмический мониторинг лесов. – М. : Наука, 1991. – 240 с.
6. Исаченко А. Г. Ландшафты СССР. - Л. : ЛГУ, 1985. - 320 с.
7. Калуцкова Н. Н. Ландшафтный кадастр заповедных территорий: методика составления и использование при организации биосферных заповедников (диссертация). - М. : МГУ, 1985. - 214 с.
8. Книжников Ю. Ф. Основы аэрокосмических методов исследований. – МГУ, 1980 – 137 с.
9. Книжников Ю. Ф. , Кравцова В. И. Принцип множественности в современных аэрокосмических методах и способы дешифрирования серии снимков при сельско-хозяйственных исследованиях. // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. – М. : Наука, 1990 – с. 47-54.
10. Кравцова В. И. Географическое разрешение –новый показатель географо-картографической оценки снимков. // Аэрокосмические методы в почвоведении и их использование в сельском хозяйстве. – М. : Наука, 1990 – с. 34-46.
11. Кринов Е. Л. Спектральная отражательная способность природных образований. – изд-во АН СССР, М. Л. , 1947 – 271 с.
12. Мильков Ф. Н. , Гвоздецкий Н. А. Физическая география СССР. Общий обзор. - М. : Государственное издательство географической литературы, 1958. 351 с.
13. Проблемы природного и сельскохозяйственного районирования и типологии сельских местностей СССР. / Под ред. Гвоздецкого Н. А. , Крючкова В. Г. - М. : МГУ, 1989. 287 с.
14. Рачкулик В. И. , Ситникова М. В. Отражательные свойства и состояние растительного покрова. - Л. : Гидрометеоиздат, 1981. - 287 с.
15. Толчельников Ю. С. Оптические свойства ландшафта. – Л. : Наука, 1974 – 252 с.
16. Физико-географическое районирование Нечерноземного центра. / Под ред. Гвоздецкого Н. А. , Жучковой В. К. - М. : МГУ, 1963. - 451 с.
17. Физико-географическое районирование СССР. Характеристика региональных единиц. / Под ред. Гвоздецкого Н. А. - М. : МГУ, 1968. - 576 с.
18. Щербенко Е. В. , Асмус В. В. , Андроников В. Л. Методика цифровой обработки аэрокосмической информации для составления почвенных карт. //Исследование Земли из космоса, 1990, #4. – с. 102-112.
Billings W. D. , Morris R. J. Reflection of visible and infrared radiation from leaves of different ecological groups. – Amer. J. Bot. , 1951, vol. 38, № 5.
Coulson K. L. , Reynolds D. W. The spectral reflectance of natural surfaces. – J. Appl. Met. , 1971, vol. 10, № 6. Erdas Field Guide. Fourth edition. – USA, 1997.
Tucker C. J. Photocombination for monitoring vegetation. – Remote Sensing of Environment, 1976. ПРИЛОЖЕНИЯ
1. Снимок среднего разрешения на территорию района Рыбинского водохранилища 2. Схема дешифрирования данного снимка с легендой
3. Снимок высокого разрешения на территорию Молого-Шекснинского полуострова 4. Карта ландшафтной структуры Дарвинсого заповедника, сост. Калуцковой Н. Н. , м? б 1 : 500 000
Выкопировки на территорию района Рыбинского водохранилища из следующих карт:
5. Карта торфяных месторождений Нечерноземной зоны РСФСР. М-б 1 : 1 500 000, 1980.
6. Нечерноземная зона РСФСР. Карта использования земель. М-б 1 : 1 500 000, 1976.
7. Нечерноземная зона РСФСР. Карта мелиорации земель. М-б 1 : 1 500 000, 1978. 8. Нечерноземная зона РСФСР. Карта охраны растительного мира. М-б 1 : 1 500 000, 1980.
9. Нечерноземная зона РСФСР. Карта сельского хозяйства. М-б 1 : 1 500 000, 1978.
10. Нечерноземная зона РСФСР. Почвенная карта. М-б 1 : 1 500 000, 1978.