Дистанционные методы мониторинга растительности бореальных

экосистем Евразии на континентальном уровне :состояние и приоритеты

С.А. Барталев

Институт по окружающей среде и устойчивому развитиюОбъединенный Исследовательский Центр Европейской

Комиссии

Структура сообщения

Новая карта типов земного покрова северной Евразии по данным SPOT 4 - VEGETATION : метод и результаты

Приоритеты развития мониторинга растительности бореальных экосистем Евразии на континентальном уровне с использованием дистанционных методов

IGBP DISCover карта по данным AVHRR/NOAA

Глобальная карта земного типов земного покрова, полученная в рамках проекта IGBP DISCover по данным радиометра AVHRR со спутника серии NOAA

SPOT 4 – VEGETATION Инструмент

пространственное разрешение : 1.15 км при наблюдении в надир

1.7 км при отклонении оси визирования до +/- 500

спектральные диапазоны : 0.43 – 0.47 мкм

0.61 – 0.68 мкм

0.78 – 0.89 мкм

1.58 – 1.75 мкм

SPOT 4 – VEGETATION Инструмент

геометрическая точность :

совмещение изображений в спектральных

каналах 0.1 км

совмещение разновременных изображений 0.3 км

абсолютное местоположение пикселя 0.5 км

периодичность обзора:

до 2-3 раз наблюдений в сутки в бореальной

зоне

Данные SPOT 4 - VEGETATION

Тип данных - Стандартные продукты S10, включая :

измерения спектральной яркости в каналах

вегетационный индекс NDVI

данные о геометрических условиях зондирования

Географический охват : 420N - 750N и 50E - 1800E

Временной интервал : с 3-ей декады марта 1999 по 1-ю декаду ноября 1999

ДанныеSPOT4-

VGT

Детектирование «шумовых»

пикселей

Получение улучшенных продуктов

данных

Этап 1: Предварительная обработка изображений и получение улучшенных продуктов данных

Этап 2: Классификация и тематический анализ данных

BGWI

SARLI

WLI

SCD

ISODATA кластеризация

Начальная идентификация

кластеров

Спектрально временные кластеры

Семантические кластеры

Декомпозиция семантически

сложных кластеров

Моно-семантические

кластеры

Карта типов земного покрова

Слияние в тематические

классы

Метод анализа данных

База данных ГИС

(топографические и тематические карты, DEM и др.)

Маски "шумов"

Тематиче-ские маски

Сезонные

мозаики

From Hall et al., 1998: "Algorithm Theoretical Basis Document (ATBD) for the MODIS Snow-, Lake Ice- and Sea Ice-Mapping Algorithms. Version 4.0"

Нормализованный Разностный Индекс Снега : NDSI

swirblu

swirblu

RR

RRNDSI

Детектирование «шумовых» пикселей

Этап 1: Детектирование пикселей с влиянием снега и

облаков по фиксированным пороговым критериям

пиксель с координатами в фиксированное время наблюдения t*

L

C

S

C

C

C множество пикселей с наличием снега

множество пикселей с наличием облаков

множество пикселей с наличием снега и/или

облаков

),( *tP Θ Θ

CSp CCC 1

Детектирование «шумовых» пикселей

Этапы 2J: Детектирование сбойных пикселей и

пикселей с остаточным влиянием снега/облаков по

адаптивным пороговым критериям с использованием

временных серий данных

jpC м н о ж е с т в о з а ш у м л е н н ы х п и к с е л е й н а j - о м э т а п е д е т е к т и р о в а н и я

)( *ΘjswirM с р е д н е е з н а ч е н и е в о в р е м е н н о й с е р и и ),( tR swir

*Θ

)( *Θjswir с т а н д а р т н о е о т к л о н е н и е в о в р е м е н н о й с е р и и ),( tR swir

*Θ

*Θ ф и к с и р о в а н н ы е к о о р д и н а т ы п и к с е л я

jpjp CCC 1j

p

Создание сезонных мозаик изображений

учет фенологии зональных экосистем

весна лето

осень

временные "окна" по сезонам

По-канальное осреднение во времени свободных от влияния шумов данных наблюдений в границах сезонных "окон":

Весна : апрель - июнь

Лето : июнь - август

Осень : август - октябрь

Сезонные мозаики изображений

весна

лето

осень

Сезонные мозаики изображений и фенологические изменения в

лесах

осеньлето

Насаждения лиственницы в Якутии

Индекс Волнового Подобия - WLI

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

t1 t2 t3 t4 t5 t6 t7 t8 t9 … … … … … tn-1 tn

Время наблюдения

ND

VI

(NDVI e, t e)

(NDVI max, t max)

(NDVI b, t b)

a

b -

1

b -

1

d

d

a

t

t t

p

NDVI

NDVINDVIWLI dctbSinaNDVI p ))(

2(

где

Пахотные земли

Двуспектральный Градиентный Индекс

Влажности - BGWI

SWIR

NIR

BGWI

Заболоченные земли

BGWI-NDVI- BGWIЛетняя мозаика

изображенийNIR-MIR-RED

Вода

Анализируемый пиксель

Угловые эффекты освещения и наблюдения поверхности :

BRDFVZA SZA Изображение

VZA - зенитный угол наблюдения

SZA - зенитный угол Солнца

PHA - фазовый угол

SZA

S N

E

Z

SZAVZA

VAA

SAA

Анизотропность отражения поверхности : помеха или полезная

информация ?

From Boston University Department of Geography and Center for Remote Sensing Bi-directional Reflectance Distribution Function (BRDF) and Albedo Research web-page (http://geography.bu.edu/brdf)

Z

N

SZA

VAA

SAA

M(PHA) - M(VZA) - M(SZA)

Статистический анализ угловых условий зондирования при

селекции наблюдений по критерию максимума NDVI

M () = Mj ( (*, t) t CP(*, t) 1)

- один из угловых параметров условий зондирования

t - время наблюдения

* - координаты пикселя

CP(*, t) - множество "шумовых" пикселей

M () - среднее от

Несут ли угловые параметры отселектированных по max NDVI

наблюдений информацию ?

M(PHA)

M(VZA)

M(SZA)

Карта лесов СССР

MRPV BRDF модель

gbkGH mo

ms cos)cos(coscoscosln)1(ln

),(ln 00

ms - коэффициент отражения поверхности

),( GH - hot- spot фактор

mbk ,,0 - параметры модели

g,,0 - зенитный угол Солнца, зенитный угол наблюдения и

фазовый угол соответственно

SARLI - относительные линейные индексы

анизотропности отражения поверхности njijij

ni RLLR 21

где ),(ln

GHR

msn

i и j - индексы спектральных каналов

niR и

njR- нормализованные на hot-spot фактор значения

коэффициента отражения в спектральных каналах i и j соответственно

1ijL и

2ijL - коэффициенты линейного уравнения для пары

спектральных каналов i и j

1ijL - SARLI1

2ijL - SARLI2

t=4

Оценка SARLI по временным сериям наблюдений

Оценка SARLI1 и SARLI2 скользящим окном вдоль временного профиля наблюдений в спектральных каналах NIR и SWIR

y = -0,17x - 2,50

R2 = 0,10

-2.5

-2

-1.5

-1

-0.5

0

-4 -3 -2 -1 0

y = -0.41x - 2.93

R2 = 0.15

-2

-1.8

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

-3.55 -3.5 -3.45 -3.4 -3.35 -3.3 -3.25 -3.2 -3.15 -3.1 -3.05

y = 0,71x + 1,08

R2 = 0,68

-1.8

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

-3.8 -3.7 -3.6 -3.5 -3.4 -3.3

y = 0.58x + 0.60

R2 = 0.93

-1.8

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

-3.8 -3.7 -3.6 -3.5 -3.4 -3.3 -3.2 -3.1

y = 0.55x + 0.45

R2 = 0.89

-1.8

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0-3.8 -3.7 -3.6 -3.5 -3.4 -3.3 -3.2 -3.1

y = 0.25x - 0.72

R2 = 0.09

-2

-1.8

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

-3.8 -3.7 -3.6 -3.5 -3.4 -3.3 -3.2 -3.1

...

...максимум

R2= 0.93

SWIR

NIR

SARLI1 = 0.58

SARLI2 = 0.60

Оценка анизотропных свойств отражения поверхности

северной Евразии по SARLI

RED-NIR: SARLI1 - SARLI1 - SARLI2

NIR-SWIR: SARLI1 - SARLI1 - SARLI2

Z

N

SZA

VAA

SAA

SARLI и структурные свойства наблюдаемой поверхности

R2 = 0,87

0

10

20

30

40

50

60

70

80

90

100

-1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0

SARLI1 по данным спектральных каналов NIR и SWIR

Полн

ота

наса

жден

ий

SARLI1 и полнота насаждений

Основные этапы тематической классификации

ISODATA кластеризация сезонных мозаик изображений в каналах Rred , Rnir и Rswir [ 3 мозаики х 3 канала ] для

выявления однородных в спектрально-временном отношении групп пикселей [150 кластеров] ;

Начальная семантическая интерпретация и кодирование с формированием семантических кластеров ;

Последовательная декомпозиция семантически сложных кластеров с использованием доступных улучшенных продуктов данных и вспомогательных данных ;

Формирование тематических классов путем объединения идентичных моно-семантических кластеров

Принципы семантической интерпретации кластеров

Синергизм использования тематических знаний/фактов и физических критериев, а именно :– Географических, ландшафтных и других закономерностей

– Физических свойств поверхности и их временной динамики

Двунаправленность процесса интерпретации, а именно :– выдвижение семантических гипотез на основе априорных

тематических знаний/фактов и оценка их согласованности с физическими свойствами кластеров

– выдвижение семантических гипотез на основе физических свойств кластеров и оценка их согласованности с имеющимися тематическими знаниями/фактами

Тематически обусловленные критерии интерпретации

кластеровГеографическое месторасположениеФизико-географическая характеристика местности

(климат, высота над уровнем моря и т.д.)Ландшафтные закономерности развития экосистемПространственная структура, т. е. компактность или

дисперсностьПространственное окружение / контекстИзвестные факты воздействия (природного или

антропогенного) на экосистему Закономерности динамики экосистем (сезонной,

сукцесионной и т.д.) другие критерии

Физически обусловленные критерии интерпретации

кластеровПоложение и сезонная динамика кластеров в

пространстве спектральных каналов относительно опорных элементов (линия почв, линия максимума LAI - Leaf Area Index) ;

Положения проекций кластеров в пространстве значений отдельных индексов/улучшенных продуктов и их комбинаций, а именно :

– BGWI

– SARLI

– в пространстве WLI и максимального значения NDVI в течении вегетационного сезона

– SCD (продолжительность залегания снежного покрова)

Примеры интерпретации кластеров в RED-NIR спектральном

пространстве разносезонных мозаик

Светлые почвы

Темные почвы

ВодаТемнохвойныелеса

Светлохвойные леса

Лиственничные леса

Лиственные леса

Травяно-луговой покров

Светлые почвы

Темные почвы

ВодаТемнохвойныелеса

Светлохвойные леса

Лиственничные леса

Лиственные леса

Травяно-луговой покров

Светлые почвы

Темные почвы

ВодаТемнохвойныелеса

Светлохвойные леса

Лиственничные леса

Лиственные леса

Травяно-луговой покров

RED

NIR

RED

NIR

RED

NIR

Весна Лето Осень

Легенда карты (рабочая версия)

T yp e n am e h e reT yp e tit le h e re

T yp e n am e h e reT yp e tit le h e re

T yp e tit le h e reТипы земного покрова

Леса КустарникиТравяной

покров Болота ТундраДругая

раститель-ность

Лишенныераститель-

ности

темнохвойные

светлохвойные

лиственничные

лиственные

смешанные I

cмешанные II

cмешанные III

лиственные

хвойные луга

сухие степи

моховые

осоковые

водная мозаика

лишайниковая

моховая

заболоченная

кустарниковая

прибрежная

гари

с.-х. земли

открытая почва

снега, льды

вода

застройки

Смешанные I Смешанные насаждения с преобладанием хвойных пород

Смешанные II Смешанные насаждения с преобладанием лиственных пород

Смешанные III Смешанные насаждения с примерно равным участием хвойных и лиственных пород

Сравнение с имеющимися данными по площади лесов

Покрытая лесом площадь по РФ, тыс. га 

Статистика по всем лесам, 1998 774250.9

Данные РСЛХ, 1998 643048.3

Карта Лесов СССР (ред. А.С. Исаев, 1990) 791049.9

GLC 2000 796047.3

Сравнение с имеющимися данными по площади хвойных

лесов Площадь хвойных вечнозеленых

лесов по РФ, тыс. га Данные РСЛХ, 1998 245521.4

GLC 2000 246412.4

Площадь лиственничных лесов по РФ, тыс. га Данные РСЛХ, 1998 263160.6

Карта Лесов СССР, 1990 364342.9

GLC 2000 368025.4

Сравнение с имеющимися данными по площади лиственных лесов и

болот Площадь лиственных лесов по РФ, тыс. га

 Данные РСЛХ, 1998 134366.3

GLC 2000 181609.5

Площадь болот по РФ, тыс. га 

Данные РСЛХ, ГУЛ 1993 116567.9

GLC 2000 105323.5

Пример сравнения карты GLC 2000 с изображениями SPOT-

HRV

Изображение SPOT-

HRV

Упрощенная GLC 2000

карта

SPOT4-VGT мозаика

Упрощенная карта

лесов СССР

?

Этапы и цели валидации

Этап I. Качественная валидация картывыявление и устранение грубых ошибок в

картеоценка круга потенциальных пользователей

карты

Этап II. Количественная валидация карты

получение численных интегральных оценок пользовательской точности карты, а также в разрезе :

– отдельных экосистем и классов

– отдельных географических регионов

Стратегия качественной валидации

формирование регулярной сети ячеек ( 20 х 40 ) и разработка протокола валидации

систематическая оценка карты экспертами по различным экосистемам (леса, тундра, с.-х. земли и т.д.)

выборочная оценка добровольными экспертами по регионам с использованием Internet-системы доступа к данным, вспомогательным материалам (карты, изображения высокого разрешения и т.д.) и документирования результатов валидации

систематизация и использование результатов качественной валидации для улучшения карты

Стратегия количественной валидации: общие подходы

использование спутниковых изображений высокого разрешения и выборочных наземных данных для обучения и оценки метода анализа

формирование и анализ стратифицированной репрезентативной случайной выборки наблюдений высокого разрешения с учетом :

– представительности отдельных классов

– пространственной сложности / мозаичности отдельных экосистем

– экологической важности классов / регионов анализ результатов и получение численных

оценок пользовательской точности карты

Развитие континентального мониторинга: анализ предпосылок

Потребность в информации Общечеловеческие аспектыМеждународные и межгосударственные отношенияНациональные и региональные задачи

Технические предпосылкиСредства дистанционного зондированияСредства удаленного доступа к данным/продуктам

Экономические предпосылкиСтоимость данных дистанционного зондированияФормирование рынка информационных услуг

Методические предпосылкиМетоды обработки и анализа спутниковых данныхИнтеграция с методами пространственного

моделирования и геоинформатики

Потребности в континентальном мониторинге

растительности моделирование климата и других биосферных процессов ;

международные соглашения : Kyoto protocol, UN CBD и др.;

лесное хозяйство :

стратегическое планирование и управление лесами на федеральном уровне;

охрана лесов от пожаров и оценка их воздействия ;

оценка размеров лесопользования ;

выявление и оценка зон экологической напряженности ;

модели прогноза и оценки урожайности с.-х. культур ;

…

Черты современного этапа развития средств наблюдений

Земли возможности наблюдения в широком диапазоне величин пространственного разрешения (от метров до километров) ;

возможности наблюдений в различных диапазонах спектра ;

временное разрешение (частота) наблюдений ;

возможности многоугловых наблюдений ;

уровень стандартной предварительной обработки данных ;

скорость и простота доставки данных пользователю ;

стоимость данных

Приоритетные оптические средства наблюдения

растительностиДанные низкого и среднего разрешения ( 250 м - 1 км )

AVHRR / NOAA

VEGETATION / SPOT-4

MODIS и MISR / TERRA

MERIS / ENVISAT

Данные высокого разрешения ( 10 - 30 м )

Landsat-7 / ETM

HRVIR / SPOT-4

МСУ-Э / Метеор

Данные сверхвысокого разрешения ( 1 - 3 м )

IKONOS

Quick Bird

Классификация подходов к анализу данных и примеры

Классификация (обнаружение) объектов наблюдения / явлений

Типы земной поверхности / растительности

Действующие пожары, гари

…

Оценивание параметров растительности в непрерывных шкалах

Фракционный состав и структурные свойства покрова

Индекс листовой поверхности LAI

APAR

…

Мониторинг динамики состояния растительности

Сезонные / фенологические явленияКачественные изменения состояния

Приоритетные направления развития методов анализа

данныхИнтеграция физических моделей в процесс анализа :

Моделей спектрального смешения ;

BRDF моделей ;

Моделей сезонной динамики растительности ;

Интеграция тематических фактов и знаний в процесс анализа :

Базы пространственных (не спутниковых) данных ;

Экспертные системы ;

Биоклиматические, экологические и др. модели ;

Мультисенсорный подход (синергизм данных)

На уровне исходных данных ;

На уровне результатов анализа данных ;

Приоритетные тематические задачи

выявление и оценка качественных изменений растительного покрова с использованием данных VEGETATION/SPOT-4 и выборочных наблюдений с высоким разрешением (HRVIR/SPOT и МСУ-Э/Метеор)

мониторинг фенологических изменений растительного покрова по данным VEGETATION/SPOT-4 и NOAA/AVHRR

оценка биофизических параметров и структурных характеристик растительности (поисковая фаза) :

параметры горизонтальной структуры (проективное покрытие, фракционный состав)

параметры вертикальной структуры растительности

LAI, FPAR, APAR, NPP