Таблица 4.3.1. Характеристики спектральных каналов спутника Landsat 8
Спектральный канал | Длины волн | Разрешение (размер 1 пикселя) |
Канал 1 - Побережья и аэрозоли (Coastal / Aerosol, New Deep Blue) | 0,433 - 0,453 мкм | 30 м |
Канал 2 - Синий (Blue) | 0,450 - 0,515 мкм | 30 м |
Канал 3 - Зеленый (Green) | 0,525 - 0,600 мкм | 30 м |
Канал 4 - Красный (Red) | 0,630 - 0,680 мкм | 30 м |
Канал 5 - Ближний ИК (Near Infrared, NIR) | 0,845 - 0,885 мкм | 30 м |
Канал 6 - Ближний ИК (Short Wavelength Infrared, S WIR 2) | 1,560 - 1,660 мкм | 30 м |
Канал 7 - Ближний ИК (Short Wavelength Infrared, SWIR 3) | 2,100 - 2,300 мкм | 30 м |
Канал 8 - Панхроматический (Panchromatic, PAN) | 0,500 - 0,680 мкм | 15 м |
Канал 9 - Перистые облака (Cirrus, SWIR) | 1,360 - 1,390 мкм | 30 м |
При анализе снимков были проведены работы по их атмосферной коррекции и фототрансформированию. Одинаковый период съемки позволил создать единую мозаику из снимков летнего периода 2013 - 2014 годов. Значительное количество каналов таблицы позволило автоматически классифицировать большую часть лесорастительных формаций, необходимых для бонитировки охотничьих угодий. Наличие дополнительного 9 канала дало возможность применить при обработке снимков методики по коррекции областей с высокой облачностью.
Все этапы обработки космических снимков, а также их автоматическое дешифрирование проведены в программном комплексе Envi 5.2. В основе примененного подхода автоматического дешифрирования космических снимков лежат принципы последовательности и иерархичности, т.е. набор последовательных действий по отделению компонентов ландшафтов от "основной части" изображения. Анализ мультиспектрального снимка осуществляется на основе эталонов (растровых масок). Дешифрирование ландшафтов и угодий осуществляется от наиболее легко дешифрируемых объектов к наиболее сложно дешифрируемым объектам. Важной составляющей автоматического дешифрирования данных является верификация полученного результата с данными на местности. Лучше всего для этих целей подходят данные полевых наблюдений и описаний лесорастительных формаций в пределах изучаемой территории. При их отсутствии или недостаточном количестве возможно использование информации из других источников.
При проведении работ по верификации данных автоматического дешифрирования снимков нами были использованы материалы учета лесного фонда, данные таксационного описания насаждений, планшеты и планы лесонасаждений в масштабе от 1:10000 до 1:250000, а также материалы полевых исследований, данные космической съемки высокого разрешения для ограниченных территорий, кадастровые карты Росреестра, топографические карты масштабов 1:25000, 1:50000, 1:100000, карты болот, векторные карты OpenStreetMap.
Лучшие результаты классификации позволил получить алгоритм Mahalanobis Distance Classification, использующий принцип определения расстояния от наблюдаемой точки до центра тяжести класса в многомерном пространстве, определяемом коррелированными переменными. При дешифрировании снимков были выделены следующие классы объектов:
хвойные вечнозеленые леса,
смешанные с преобладанием хвойных пород (хвойных пород 60 - 80%),
смешанные с преобладанием мелколиственных пород (мелколиственных пород 60 - 80%),
вырубки (самозарастающие и посадки на месте вырубок) и зарастающие поля, лиственные кустарники, болота верховые, болота травяные,
луговые комплексы,
луга сельскохозяйственного назначения (сенокосы и пастбища), пашни,
водные объекты, береговые комплексы, гари и ветровалы,
территории с нарушенным почвенным покровом в результате добычи полезных ископаемых,
промышленные и рудеральные комплексы, населенные пункты, территории свалок.