Расчет индекса ndvi по данным дистанционного зондирования земли и проведение на его основе геоанализа с целью определения границ, площади и изменения зеленых насаждений

Расчет индекса ndvi по данным дистанционного зондирования земли и проведение на его основе геоанализа с целью определения границ, площади и изменения зеленых насаждений

В данной статье рассматриваются польза и виды дистанционного зондирования Земли.

Авторы публикации

Рубрика

Технические науки

Журнал

Журнал «Научный лидер» выпуск # 10 (55), март ‘22

Поделиться

ВВЕДЕНИЕ

В общем случае дистанционное зондирование - это получение информации об объекте или явлении без установления физического контакта с объектом . Дистанционное зондирование Земли - это процесс обнаружения и мониторинга физических характеристик местности путем измерения ее отраженного и излучаемого излучения на расстоянии, как правило, со спутника, самолета или даже корабля . Спутники или летательные аппараты оснащены различным оборудованием для получения изображений, таким как специальные камеры, которые собирают изображения больших площадей Земли с помощью дистанционного зондирования (это включает поверхность, атмосферу и океаны). Такие изображения используются во многих областях, включая географию и большинство дисциплин науки о Земле по-разному . Некоторые конкретные виды использования изображений Земли, полученных с помощью дистанционного зондирования, включают:

• Крупные лесные пожары могут быть нанесены на карту из космоса, что позволяет рейнджерам видеть гораздо большую площадь, чем с земли.

• Отслеживание облаков, чтобы помочь предсказать погоду или наблюдать за извергающимися вулканами, а также следить за пыльными бурями.

• Отслеживание роста города и изменений в сельскохозяйственных угодьях или лесах в течение нескольких лет или десятилетий.

• Обнаружение и картирование изрезанной топографии океанского дна (например, огромных горных хребтов, глубоких каньонов и ―магнитных полос‖ на океанском дне).

• Дистанционное зондирование позволяет собирать данные об опасных или труднодоступных районах, таких как бассейн Амазонки, Арктические и Антарктические регионы и т.д. Он также заменяет дорогостоящий и медленный сбор данных на местах, гарантируя в процессе, что области или объекты не будут нарушены.

Дистанционное зондирование делится на пассивное и активное дистанционное зондирование.

• Пассивное дистанционное зондирование использует естественное отраженное или вторичное тепловое излучение объектов на поверхности земли. Примеры включают: пленочную фотографию, инфракрасное излучение, устройства с зарядовой связью и радиометры .

• Активное дистанционное зондирование использует стимулированное излучение объектов, инициируемое искусственным источником направленного действия.

РАДАР и лидар являются примерами активного дистанционного зондирования .

Данные дистанционного зондирования Земли, полученные с космических аппаратов, характеризуются высокой степенью зависимости от прозрачности атмосферы. В настоящее время на орбите находится более 150 спутников наблюдения Земли, оснащенных датчиками, измеряющими различные участки видимой, инфракрасной и микроволновой областей электромагнитного спектра.

 

Характеристики приборов зависят от цели, для которой каждый из них был разработан, варьируясь в нескольких аспектах: минимальный размер объектов, различимых на поверхности Земли (пространственное разрешение), размер области регистрируемого электромагнитного спектра (спектральное разрешение), количество цифровых уровней, используемых для выражения собранных данных (радиометрическое разрешение) и интервалы между получением изображений (временное разрешение). Кроме того, количество областей спектра, для которых собираются данные, время, необходимое для повторного посещения одной и той же области Земли, пространственная протяженность полученных изображений и то, следует ли орбита спутника за освещенным солнцем участком Земли (синхронно с Солнцем) или остается над фиксированной точкой на Земле (геостационарная), все зависит от спутников и датчиков, которые они несут. Развитие спутников за последние 50 лет также шло в ногу с ростом вычислительных возможностей. По мере увеличения емкости хранилища данных и скорости обработки увеличивается и способность спутников наблюдения Земли захватывать, обрабатывать и возвращать информацию.

 

Теоретическая часть

В этой части я описываю основы использования индекса NDVI. Здесь я объяснил, что такое индекс NDVI, как он рассчитывается и для чего он используется.

 

Основы использования индекса NDVI

Нормализованный разностный вегетационный индекс (NDVI) - это простая количественная мера количества фотосинтетически активной биомассы (обычно называемая вегетационным индексом) . Его можно использовать для анализа измерений дистанционного зондирования, часто с космической платформы, оценивая, содержит ли цель живую зеленую растительность. NDVI является одним из наиболее распространенных и используемых индексов для решения задач с использованием количественных оценок растительного покрова. Он рассчитывается по следующей формуле.

 

В инфракрасной области спектра (0,7 –1,1 мкм) наблюдается область максимального отражения клеточных структур листа, а в красной области (0,6–0,7) наблюдается максимальное поглощение солнечного излучения хлорофиллом высших сосудистых растений. То есть высокая фотосинтетическая активность (обычно связанная с густой растительностью) приводит к меньшему отражению в области спектра и большему в инфракрасном диапазоне. Соотношение этих показателей друг к другу позволяет четко отделять и анализировать растительность от других природных объектов .

Алгоритм расчета NDVI встроен практически во все распространенные программные пакеты, связанные с обработкой данных дистанционного зондирования. К ним относятся QGIS, анализ изображений ArcView, ERDAS Imagine, ENVI, Ermapper и другие.

Для отображения индекса NDVI используется стандартизированный непрерывный градиент или дискретная шкала, отображающая значения от -1 до 1, в процентах (%) или в так называемой масштабированной шкале от 0 до 255 (используется для отображения в некоторых пакетах обработки данных дистанционного зондирования, соответствующих количеству оттенков серого), или в диапазоне от 0 до 200 (от -100 до 100), что более удобно, поскольку каждая единица соответствует 1 % изменению показателя.

 

При шкале от -1 до 1 отрицательные значения дают поверхность воды, здания, горы, снег, облака; открытая почва обычно соответствует значениям от 0,1 до 0,2. В случае с растениями – это всегда положительные значения от 0,2 до 1. Показатель здоровых растений, густой растительности должен быть выше 0,5; для разреженной – цифры будут варьироваться от 0,2 до 0,5. Однако этот расчет является лишь приблизительным, поскольку учитываются тип культуры, сезон и региональные особенности, чтобы точно понять, что означают данные .

Мультиспектральные изображения позволяют использовать различные опции для синтеза цвета для визуального и автоматического декодирования объектов на поверхности земли. В настоящее время наиболее значительные объемы данных космических снимков среднего разрешения предоставляются спутниками Landsat-5/7/8 и Sentinel-2.

Из-за особенности отражения в КРАСНО-БЕЛЫХ спектральных областях природные объекты, не связанные с растительностью, имеют фиксированное значение NDVI (что позволяет использовать этот параметр для их идентификации).

Являясь искусственным безразмерным индикатором, NDVI был разработан для измерения экологических и климатических характеристик растительности, но в то же время он может показывать значительную корреляцию с некоторыми параметрами совершенно другой области, такими как:

• Производительность (временные изменения)

• Биомасса

• Влажность и минеральное (органическое) насыщение почвы

• Испарение (эвапотранспирация)

• Объем осадков

• Толщина и характеристики снежного покрова

 

Связь между NDVI и параметрами, как правило, не является прямой и связана с особенностями исследуемой территории, ее климатическими и экологическими характеристиками, кроме того, часто необходимо учитывать временное разнообразие параметров и реакцию NDVI .

Благодаря всем этим особенностям карты NDVI используются в качестве одного из промежуточных слоев для большего количества типов комплексного анализа. Результатами которых могут быть карты продуктивности лесных и сельскохозяйственных угодий, карты типов ландшафта, растительности и природных зон, почвенно-аридные, фитогеологические и другие эколого-климатические карты. Также на его основе можно получить числовые данные для использования в расчетах оценки и прогнозирования урожайности и продуктивности сельскохозяйственных культур, биологического разнообразия, степени нарушения и ущерба от различных природных и антропогенных катастроф, аварий и т.д.

В целом, главным преимуществом NDVI является простота получения индекса:

для расчета индекса не требуется никаких дополнительных данных и техники, кроме самой космической съемки и знания ее параметров.

Благодаря минимальному временному разрешению данных MODIS/Terra, расчет NDVI на их основе может предоставить оперативную информацию об экологической и климатической ситуации и возможность отслеживать динамику различных параметров с периодичностью до одной недели. Большой пространственный охват позволяет осуществлять мониторинг территорий, соизмеримых с площадями регионов и целых стран. Данные с камер высокого разрешения, таких как Sentinel-2, Landsat ИЛИ Aster, позволяют отслеживать состояние объектов вплоть до отдельного поля или лесного насаждения.

 

Практическая часть

В этой части описываются процессы и действия, предпринятые на разных этапах для выполнения данной задачи. Курсовая работа направлена на выполнение следующих задач:

• ознакомиться с основными функциональными возможностями QGIS для работы с растровыми данными и его дополнительными возможностями для работы с векторными данными

• знать, как рассчитать нормализованный разностный индекс растительности (NDVI) на основе космических снимков, полученных в красном и ближнем инфракрасном спектральном канале

• приобрести навыки интерпретации (декодирования) различных типов растительности и ее границ с использованием спутниковых изображений сверхвысокого разрешения и рассчитанного слоя NDVI

• рассчитайте площадь зеленых насаждений, присутствующих в границах указанной зоны работ, в гектарах и в процентах (%) от общей площади работ

• подготовить окончательный отчет по карте с результатами анализа, проведенного в ходе работы

 

Для выполнения поставленной задачи и архивирования вышеупомянутых целей работа была выполнена в два этапа:

Первым этапом был расчет индекса NDVI на основе данных дистанционного зондирования sentinel-2 от 11 мая 2020 года. Для этого необходимо было:

• Создайте векторный слой с зеленым пространством

• Рассчитать площадь зеленых насаждений в границах указанной зоны работ (в гектарах и процентах (%) от общей площади работ)

• Создайте соответствующую карту

 

В ходе процесса я создал векторный растровый слой, отображающий значения индекса NDVI от -1 до 1. Два спектральных канала были взяты со спутникового снимка sentinel-2A и рассчитаны с

использованием формулы расчета NDVI (i.e.,𝑁𝐷𝑉𝐼 = NIR-RED/NIR+RED). После чего я создал вектор

полигональный слой из растрового слоя, который состоит из 250 000 отдельных полигонов. Каждый отдельный

полигон результирующего слоя имеет отдельный пиксель исходного растрового слоя NDVI размером 10 на 10 м. Затем я проанализировал классифицированный векторный слой NDVI местности в границах региона. Для этого в легенде я отключил классы, которые не относятся к растительности, и сделал скриншот для наглядности, используя спутник Google, и сделал его резервную копию как цветным, так и черно-белым (рис. 1).

 

                                                              Рис. 1.

На втором этапе я рассчитал растровый слой индекса NDVI на основе ретроспективных данных дистанционного зондирования от 12 мая 2018 года, как и на первом этапе. После чего я рассчитал растровый слой изменений растительного покрова. Это привело к съемке разницы растрового слоя индекса NDVI за 11 мая 2020 года и 12 мая 2018 года, как показано на рис.2. Красные и зеленые пятна на рис. 2 указывают на области изменений растительного покрова за двухлетний период, где красные пятна указывают на исчезновение растительного покрова, а зеленые пятна указывают на появление растительного покрова.

 

Рис. 2.

 

Для более точной видимости было разработано отдельное место с этого сайта с помощью специальных функций пиксели на полигоны и было проверено изменение растительного покрова, как их появление, так и исчезновение. На следующих рисунках показаны четыре отдельные части этой области, где произошло наиболее значительное изменение растительного покрова, со всеми результатами, полученными как численно, так и визуально.

 

Вывод

Дистанционное зондирование - это уникальная технология, которая может заменить дорогостоящий и медленный сбор данных для наблюдения и исследования изменений в полевых условиях, гарантируя при этом, что области или объекты не будут нарушены. Это может помочь в постоянном наблюдении и контроле за различными сельскохозяйственными и строительными проектами. С помощью спутниковых снимков, полученных методом дистанционного зондирования, можно не только анализировать и видеть изменения растительного покрова, но и делать очень эффективные прогнозы для мониторинга различных изменений растительного покрова.

Используя спутниковые снимки со спутников sentinel-2A, Google и Bing, было удобно рассчитать индекс NDVI и показать конкретные места, где произошли изменения. Благодаря платформе QGIS, благодаря ее широкому спектру инструментов, стало возможным с высокой точностью выбирать районы, где произошли значительные изменения (появление и исчезновение) растительного покрова.

В курсовой работе были использованы все вышеперечисленные возможности и рассчитано изменение растительного покрова. Результаты представлены, как численно, так и визуально, в виде частей изображения из выбранной области.

Актуальность этой проблемы и перспективы технологии дистанционного зондирования ясно показывают необходимость решения этой проблемы не только для специалистов, потому что опасность загрязнения нашей планеты и исчезновения растительности затрагивает всех нас, и вклад этой технологии никого не оставляет равнодушным к этой проблеме и ее решению.

Список литературы

  1. Данные дистанционного зондирования Земли; Есмагамбет Исмаил
  2. Дистанционное зондирование Земли; Виктор Иванов, Дмитрий Дмитриев, Алексей Фомин, Александр Кармишин, Ольга Дубровская, Валерий Тяпкин, Юрий Фатеев, Александр Борисевич, Валерий Владимиров

Предоставляем бесплатную справку о публикации,  препринт статьи — сразу после оплаты.

Прием материалов
c по
Осталось 4 дня до окончания
Размещение электронной версии
Загрузка материалов в elibrary