ИССЛЕДОВАНИЕ ЗЕМЛИ ИЗ КОСМОСА, 2008, № 1, с. 73-81
ИСПОЛЬЗОВАНИЕ КОСМИЧЕСКОЙ ^^^^^^^^^^ ИНФОРМАЦИИ О ЗЕМЛЕ
УДК 528.873.041.3+551.521
НЕЧЕТКОЕ ЭКОЛОГИЧЕСКОЕ ЗОНИРОВАНИЕ ЛЕСОВ В РАЙОНЕ ПРОМЫШЛЕННЫХ ИСТОЧНИКОВ ХИМИЧЕСКОГО ЗАГРЯЗНЕНИЯ
© 2008 г. О. Б. Бутусов, О. Ю. Савельева, Н. И. Редикульцева
Центр по проблемам экологии и продуктивности лесов РАН, Москва Московский государственный университет инженерной экологии Тел.: (495)267-10-90, E-mail: butusov@cepl.rssi.ru Поступила в редакцию 12.04.2007 г.
Для экологического зонирования по космическим снимкам лесов, расположенных в зоне влияния газовых выбросов промышленного предприятия, предлагается в алгоритмах нечеткой классификации использовать дополнительную модулирующую функцию, пропорциональную степени деградации лесов в зависимости от расстояния от источника. Использование модулирующей функции отличает предложенный алгоритм от других алгоритмов классификации, работа которых основана только на анализе яркостных полей изображения. С помощью разработанной методики проведено экологическое зонирование лесов в районе Карабашского медеплавильного комбината на Южном Урале, результаты которого находятся в удовлетворительном соответствии с данными наземных исследований.
ВВЕДЕНИЕ
В настоящее время как у нас в стране, так и за рубежом для индикации различных видов нарушений лесного покрова: пожары, рубки, фитофаги, заболачивание, промышленные зоны и пр., — широко применяются космические снимки [1—5]. К числу наиболее физиономичных нарушений относятся пожары, рубки и фитофаги. Эти нарушения хорошо регистрируются на космических изображениях. Влияние промышленных загрязнений в большинстве случаев носит невыраженный характер и проявляется в виде различных косвенных признаков, как то: изменение спектральных характеристик вследствие дехромации и дефолиации лиственного покрова [1—3]; изре-живание древостоя [6—9]; увеличение коэффициента мозаичности лесов [10] и пр. Следует отметить, что согласно европейским стандартам [11] критическая пороговая нагрузка на леса определяется из условия 10% уменьшения биомассы.
Для количественной оценки ущерба лесам от промышленных выбросов (в дальнейшем пром-выбросов) авторами [6—10] была разработана специальная методика, основанная на реакциях "доза—эффект" и специальных интегральных индексах экологического состояния лесов. При этом масштабы техногенного воздействия на леса могут быть определены из оценок размеров импакт-ной и буферной зон.
Импактная зона представляет собой техногенную пустыню вокруг источников загрязнений, лишенную не только лесов, но и других видов растительного покрова. Она хорошо видна на
космических изображениях. Наиболее сильный эффект техногенного воздействия на леса имеет место в горных котловинах. Так, площадь им-пактной зоны вокруг Карабашского медеплавильного комбината на Южном Урале составляет 5.5 тыс. га при суммарной мощности источника 300 тыс. т выбросов в год [6—8]. Площадь аналогичной зоны вокруг металлургического комбината "Печенганикель" (Мурманская обл.) составляет около 9 тыс. га при меньшей мощности источника в 200 тыс. т выбросов в год [10]. Эти цифры свидетельствуют о существенной зависимости эффектов техногенного воздействия на леса от природно-географических условий: климата, рельефа, гидрологии и пр.
Буферная зона представляет собой структурно нарушенные леса с явными (дефолиация, усыха-ние и пр.) и скрытыми деградациями. Площадь буферной зоны вокруг Карабашского медеплавильного комбината составляет 34 тыс. га, а ущерб от нее по запасу древесины — 3 млн. 400 тыс. куб. м [6—8]. Подобная картина наблюдается и в окрестностях других мощных источников химического загрязнения. Так, площадь антропогенной зоны вокруг Тульско-Новомосковской индустриальной агломерации равна 14 тыс. кв. км. Аналогичных примеров можно привести множество. Цифры свидетельствуют о грандиозности масштабов техногенного воздействия и важности оценок размеров импактной и буферной зон для адекватного учета промышленного воздействия на лесные насаждения.
= X йкЬк
= X
йк
В
к
к ( Вк)
(1)
где] = 1, 2, ..., N — номер пробной площади; к = 1, 2, ..., К — номер биогеоценотического параметра; Б^ — результат измерения к-го биогеоценотического параметра на]-й пробной площади; (Бк])тах — максимальное значение к-го биогеоценотического параметра, рассчитанное по всем пробным площадям; йк — весовые коэффициенты.
ККДЛ и ИКС связаны следующим соотношением:
Б( г) = 1 -1( г),
(2)
Рис. 1. Вид функции принадлежности для треугольных симметричных нечетких чисел: т, 2а — центр и ширина нечеткого числа; штриховка — результат операции произведения.
Лесные земли, расположенные за пределами буферной зоны, получили в работах [6—10] название фоновой зоны.
МЕТОДИКА ИССЛЕДОВАНИЙ
В настоящее время в практике обработки космических изображений используется большое количество алгоритмов сегментации и выделения контуров [14—20]. Однако работа большинства этих алгоритмов основана лишь на использовании яркостных характеристик изображения. В данной работе для выделения зон деградации лесов на космическом изображении предлагается использовать дополнительную модулирующую функцию, полученную экспериментальным или расчетным путем и пропорциональную степени деградации лесов в зависимости от расстояния от источника промвыбросов. Эта функция получила название комплексного коэффициента деградации лесов (ККДЛ). ККДЛ — интегральный индекс. Интегральные индексы имеют достаточно широкое применение в различных научных и прикладных областях. Как правило, индексы представляют собой алгоритмы сжатия больших объемов информации в отдельные характеристики и показатели. В работах [6—10] для оценки экологического состояния лесов в районе источников промышленного загрязнения предложен интегральный индекс, который получил название интегральный коэффициент сохранности (ИКС). ИКС рассчитывается по следующей формуле:
где Дг), 1(г) — функции ККДЛ и ИКС в зависимости от расстояния от источника выбросов. В предложенных алгоритмах сегментации именно функция Дг) была использована в качестве модулирующей.
Рассмотрим задачу классификации на Я классов многоканального космического изображения, содержащего N пикселов в каждом из Р каналов. Обозначим яркости пикселов изображения хь х2, ..., хм. При этом X] представляет собой Р-мерный вектор, а изображение может быть представлено в виде следующего множества: X = {х1, х2, ..., х^. Известно, что большинство природных объектов на космическом изображении можно отнести к классу нечетких образов. Для выделения объектов этого класса используют методы нечеткой классификации [21, 22], при которой используется функция принадлежности, способная принимать произвольные значения от 0 до 1, т.е. ] е [0, 1], где ] — индекс, нумерующий пикселы, а « — индекс, нумерующий кластеры. При четкой классификации функция принадлежности принимает только два значения: 0 и 1, т.е. и] е {0, 1}. В большинстве алгоритмов используются суммируемые функции принадлежности, удовлетворяющие условию ] = 1, однако в некоторых случаях, как, например, при отсутствии четкой границы между классами, допускается использование не суммируемых функций принадлежности. Для классификации часто применяется треугольная форма функции принадлежности. Пример треугольных нечетких чисел представлен на рис. 1. Для этих чисел характерно сохранение треугольной формы и для их произведения, что упрощает работу алгоритмов классификации. Структура симметричных нечетких чисел имеет следующий вид:
А: = (т, а, аЛ,
(3)
где т] и а] — среднее и стандартное отклонение по скользящему окну. В качестве эталонных были использованы следующие нечеткие числа:
Аа = (та,аа,аа) и АЬ = (тЬ,аЬ,аЬ) ,
(4)
где та, аа — среднее и стандартное отклонения по эталонному окну, определенному для импактной зоны, а ть, аь — среднее и стандартное отклонения по эталонному окну, определенному для фоновой зоны. Как следует из рис. 1, для получения произведения симметричных треугольных нечетких чисел могут быть использованы отрезки длиной — 2а с центром в точке т.
к
к
В
-/ / / // / //
в-
С
9- -В
А
/ / / / / / / / / /
В С А
и = (иа и]о иЪ =
(1, 0, 0), х е А (0, 1, 0), (х, г А)л(х, г 5) (0,2, 0,6, 0,2), х е А п 5,(5) (0, 0, 1), х, е 5
-Е
В
/ / / / / / / / / //п
Рис. 2. Геометрическая интерпретация алгоритма (6). Иллюстрация взаимного расположения пиксела и нечетких характеристик импактной и фоновой зон (отрезки). А, В и С — импактная, фоновая и буферная зоны. Нижняя часть рисунка показывает случай перекрытия импактной и буферной зон.
Для решения задачи нечеткой классификации образов на космических изображениях рассмотрим алгоритм, работа которого основана на анализе принадлежности пиксела (четкое число) отрезкам (нечеткие числа)
А В _[////// /^//////^ / / / / / //-^_
Рис. 3. Две основные комбинации взаимного расположения отрезков, представляющих импактную и фоновую зоны.
функции алгоритм (5) можно представить в следующем виде:
и, = (и]а, и]а иъ) =
(1, 0, 0), е А ( 0, 1, 0), (х, г А)л(х г 5) (0,2, 0,6, 0,2), х, е А п 5, (0, 0, 1), х,(1 -1) е 5
(6)
где ща, щс, ЫуЬ — функции принадлежности у-го пиксела соответственно импактной, буферной и фоновой зонам; А и В — нечеткие числа, характеризующие яркостные свойства соответственно импактной и фоновой зон. Буферная зона рассматривается как пересечение импактной и фоновой зон С = А п В. Конкретные численные значения, использованные в формуле (5), соответствуют экспериментальным оценкам, полученным в работах [6—10].
В алгоритме (5) нечеткая классификация используется только в случае пересечения импакт-ной и фоновой зон. Геометрическая интерпретация алгоритма представлена на рис. 1. При этом в (5) используются только яркостные характеристики изображения. Для включения дополнительной информации умножим яркости пикселов на модулирующую функцию Б(г). При этом для достаточно удаленных от источника точек местности I ~ 0.8 и модулирующая функция будет приводить яркости пикселов к диапазону, соответствующему фоновой зоне. Таким образом, модулирующая функция будет подавлять
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.