Смекни!
smekni.com

Аэрокосмические методы в ландшафтной архитектуре (стр. 1 из 2)

Кафедра Лесоведения

К О Н Т Р О Л Ь Н А Я Р А Б О Т А

По дисциплине «Аэрокосмические методы»

Выполнила Студентка 5 курса

факультета заочного отделения

специальности «садово-парковое и

ландшафтное строительство»

группы

Пермь 2009 г.

Введение.

Для устойчивого эффективного управления лесами органами лесного и лесопаркового хозяйства необходима объективная информация о состоянии и динамике лесных экосистем. Для получения информации ежегодно на обширных территориях проводят лесоустройство, инвентаризацию и картографирование лесов, осуществляют комплекс мероприятий по охране их от пожаров, защите от вредителей и болезней, слежению за многоцелевым лесопользованием и воспроизводством лесов.

При выполнении этих задач широко используются аэрокосмические методы – авиация, материалы аэро - и космических съемок и методы, основанные на их применении. Они стали надежной технической основой российского лесоустройства, охраны лесов от пожаров, борьбы с вредителями и болезнями, лесопатологических и иных лесохозяйственных обследований, инвентаризации и картографирования объектов рекреационного лесопользования и садово-паркового хозяйства. Внедрение аэрокосмических методов обеспечило решение ряда важнейших задач, стоявших перед лесным и народным хозяйством страны в двадцатом столетии.

ПРИЗНАКИ ДЕШИФРИРОВАНИЯ.

Дешифрирование - процесс изучения по аэро- и космическим изображениям территорий, акваторий и атмосферы, основанный на зависимости между свойствами дешифрируемых объектов и характером их воспроизведения на снимках. Содержанием и задачей дешифрирования является получение определенного объема качественной и количественной информации о состоянии, составе, структуре, размерах, взаимосвязях и динамике процессов, явлений и объектов с помощью дешифровочных признаков. Различают визуальное дешифрирование, инструментальное, или измерительное дешифрирование и автоматическое дешифрирование. Дешифровочные признаки - характерные особенности природных и антропогенных объектов дешифрирования, позволяющие опознать, выделить и проинтерпретировать эти объекты. Дешифровочные признаки принято подразделять на прямые дешифровочные признаки, присущие изображению самих объектов дешифрирования (например, их геометрические и оптические характеристики), косвенные или индикационные дешифровочные признаки, характеризующие объект дешифрирования опосредованно, через какой либо другой природный компонент, и комплексные. Под дешифрированием понимают распознавание изображенных на снимках объектов и явлений. Для этого используются дешифровочные признаки. К ним относятся форма, размеры объектов, форма их теней на земной поверхности, цвет, взаимное расположение объектов. Примерами использования дешифровочных признаков могут быть различия в формах тени хвойных и лиственных деревьев. Так,например, ель отбрасывает тень в виде треугольника, тень же лиственных деревьев имеет округлую или овальную форму. Примером взаимного расположения объектов может служить расположение дороги на обеих берегах реки без моста между ними. Это говорит о наличии в реке брода. Аэрокосмический снимок рассматривается как информационное поле, на котором изображены объекты дешифрирования (для лесотаксационного дешифрирования - кроны деревьев или полог насаждения). Необходимость тщательного анализа и отбора признаков для практического дешифрирования вызвана следующими причинами:

  • каждый признак представляет различную информацию об объектах дешифрирования и, следовательно, информативность их различна;
  • существуют признаки, значительно коррелирующие между собой, в результате чего использование их в совокупности становится неэффективным;
  • использование всех признаков не всегда и необязательно обеспечивает стопроцентное распознавание объектов, подлежащих дешифрированию.

В соответствии с методикой анализа признаков и задачами дешифрирования объектами распознавания по крупно – и среднемасштабным аэроснимкам являются изображения крон деревьев, по мелкомасштабным аэро – и космическим снимкам – элементарные площади рисунка изображения. Каждая крона или элементарная площадка может быть опознана любой из присутствующей в данном районе древесных пород, классов или групп возраста. Вероятность отнесения одной и той же кроны или элементарной площадки к любому объекту (породе, классу возраста) составляет абсолютную неопределенность, которая численно вырастает полной энтропией. В смысловом выражении полная энтропия характеризует тот объем информации, который необходим для безошибочного распознавания объектов изображенных на снимке. Объем информации, который удается извлечь из аэрокосмических снимков, непосредственно указывает на эффективность используемых материалов и методов дешифрирования. На основании изучения признаков и распределения вероятности можно вычислить условную энтропию, характеризующую остаточную неопределенность после выполнения дешифрирования снимков по этим признакам. Объем полученной информации, используемой при лесотаксационном дешифрировании, определяется по формуле:

H (и)= Но(п)

где Н(и) – используемая энтропия, Но – полная энтропия, Н(п) – условная энтропия: (остаточная неопределенность). Следовательно, чем меньше условная энтропия, тем больше информации предоставляют признаки дешифрирования.

Оценка точности.

Вычисление информативности признаков дешифрирования происходит с некоторой ошибкой, которую необходимо знать для практического использования результатов. Точность вычисления объема информации определяется по сложной для запоминания формуле и в лекции не дается. Формулы занесены в память компьютера и определяются автоматически.

Выбор наиболее информативных признаков.

Информативность каждого признака в отдельности вычисляется на ЭВМ. Затем их ранжируют по информативности и выбирают наиболее информативные. Однако, при их совместном использовании, объем информации может не увеличиваться ввиду взаимной корреляции признаков. Простейший способ оценки информативности комплекса признаков состоит в сплошном переборе всевозможных вариантов их сочетания, а после этого в выборе наиболее удачного класса. Однако работа эта очень трудоемкая.

Другой, более прагматичный подход состоит в том, чтобы рассматривать не всевозможные наборы (классы) признаков, а только те, которые содержат ранее выделенный наиболее информативный класс признаков.

Рассмотрим для примера, в общих чертах, анализ признаков выполняемых в целях распознавания преобладающих древесных пород: сосны, лиственницы, кедра, ели и пихты вместе и лиственных (березы и осины). Признаки кодируются в следующем порядке:

1. цвет изображения;

2. контурная структура рисунка;

3. текстура рисунка;

4. выпуклость групп крон;

5. размер групп крон;

6. размер промежутков;

7. просматриваемость полога;

8. разновысотность полога.

Полная энтропия определяется из расчета равномерного распределения преобладающих пород по территории. Результаты вычислений условной энтропии по каждому признаку берутся в отдельности. Они характеризуются степенью информативности каждого признака в отдельности. Для спектральных космических снимков наиболее информативными являются цвет, затем, по степени информативности признаков располагаются в следующем порядке:

1. размеры промежутков;

2. выпуклость групп крон;

3. разновысотность полога;

4. контурная структура;

5. просматриваемость полога;

6. текстура рисунка.

Информативность признаков дешифрирования древесных пород по сверхкрупномасштабным аэроснимкам, значительно отличается от среднемасштабных, и значительно варьирует в зависимости от масштаба. На сверхкрупномасштабных снимках, разрешающая способность которых достигает до 0,05 – 0,1 м на местности ведущую роль в распознавании играют морфологические признаки, передающие внешний облик крон деревьев.

Для масштабов 1:1000 и 1:2000 наиболее информативным признаком является текстура изображения кроны дерева, затем форма ветвей и вершины крон.

С понижением масштаба аэроснимков значения признака спектральных различий, передаваемых цветами, изображения возрастает. В ранжированном ряду признаков цвет изображения для масштаба 1:1000 занимает 11 место, для М 1:2000 – 8, а для М 1:3000 уже является наиболее информативным и занимает первое место. Наиболее высокой информативностью для распознавания древесных пород и, следовательно, высокой достоверностью дешифрирования характеризуются аэроснимки М 1:2000. при использовании для их дешифрирования всего четырех признаков (текстура, цвет изображения, контурная структура и форма освещенной части кроны) по этим снимкам можно безошибочно определять древесные породы. Информативность классов и отдельных признаков, их ранги и оптимальные сочетания меняются в зависимости от масштаба аэрофотоснимка. Для всех масштабов спектрозональных аэроснимков наиболее важным признаком является цвет изображения, информативность которого до масштаба 1:30000 незначительно снижается, а для мелкомасштабных (1:50000) – возрастает и даже превышает этот показатель для М 1:10000. у остальных признаков, отражающих морфологические особенности крон деревьев, с уменьшением масштаба информативность снижается. Однако следует отметить, что строгий вывод о зависимости информативности признаков от масштаба делать нельзя, так как значительное влияние на нее оказывают технические и природные условия съемки - используемые фотоаппараты и время съемки. По космическим спектрозональным снимкам с разрешением на местности не хуже 20 м дешифрируют преобладающие породы, группы возраста и некоторые категории лесных земель. Наиболее информативным признаком дешифрирования спектрозональных космических фотоснимков является цвет изображения, передающий различия в спектральных яркостях лесных объектов. Для этих снимков цвет предоставляет более 50% информации о лесной растительности. Информативность отдельных признаков и их сочетаний, в значительной степени зависит от природных условий региона, сложности лесов и разнообразия лесорастительных условий.