Помощь в написании студенческих работ
Антистрессовый сервис

Методика картографирования вымокания лесов по космическим снимкам: на примере территории Курганской области

Диссертация: Методика картографирования вымокания лесов по космическим снимкам: на примере территории Курганской области
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Апробация работы. Основные положения диссертационной работы представлены на 4 международных и российских конференциях: XIII Международной конференции студентов, аспирантов и молодых ученых «ЛОМОНОСОВ — 2006» (Москва, 2006), Четвёртой всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2006), IV Международной научно-технической… Читать ещё >

Методика картографирования вымокания лесов по космическим снимкам: на примере территории Курганской области (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. ВЫМОКАЮЩИЕ ЛЕСА И ВОЗМОЖНОСТИ ИХ АВТОМАТИЗИРОВАННОГО КАРТОГРАФИРОВАНИЯ ПО КОСМИЧЕСКИМ СНИМКАМ
    • 1. 1. Проблема вымокания лесов
    • 1. 2. Состояние исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них
    • 1. 3. Пути совершенствования методики автоматизированного картографирования природно-территориальных комплексов
  • Выводы
  • ГЛАВА 2. ВЫБОР И ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА КОСМИЧЕСКИХ СНИМКОВ ДЛЯ КАРТОГРАФИРОВАНИЯ ВЫМОКАЮЩИХ ЛЕСОВ
    • 2. 1. Обоснование выбора космических снимков и программных средств их обработки
    • 2. 2. Предварительная обработка космических снимков при картографировании вымокающих лесов
      • 2. 2. 1. Геометрическая коррекция снимков
      • 2. 2. 2. Радиометрическая коррекция снимков
      • 2. 2. 3. Устранение влияния атмосферы
  • Выводы
  • ГЛАВА 3. МЕТОДИКА ВЫДЕЛЕНИЯ ВЫМОКАЮЩИХ ЛЕСОВ НА ОСНОВЕ СПЕКТРАЛЬНЫХ ИНДЕКСОВ
    • 3. 1. Создание индексных изображений как предварительный этап тематической обработки снимков. Обзор используемых в дистанционном зондировании вегетационных индексов
    • 3. 2. Оценка возможностей разделения стадий вымокания лесов по спектральным характеристикам
      • 3. 2. 1. Гипотетические кривые спектральной яркости вымокающих лесов
      • 3. 2. 2. Полевые исследования для проверки возможности разделения стадий вымокания лесов по вегетационным индексам
      • 3. 2. 3. Разработка специального индекса для выделения вымокающих мелколиственных лесов
  • Выводы
  • ГЛАВА 4. СОЗДАНИЕ КАРТ ДИНАМИКИ ВЫМОКАНИЯ ЛЕСОВ
    • 4. 1. Методы анализа разновременных снимков для выявления изменений на местности
    • 4. 2. Обоснование метода автоматизированной классификации для выделения вымокающих лесов (дерево решений по критерию «индекс вымокания»)
    • 4. 3. Общая методическая схема создания карт динамики вымокания лесов
    • 4. 4. Закономерности пространственного распространения вымокающих лесов в зависимости от природных и антропогенных факторов
  • Выводы

Важное социально-экономическое и экологическое значение лесов делает задачи инвентаризации лесных ресурсов, контроля за состоянием лесов и лесопользованием одними из стратегических не только для лесохозяйственной отрасли, но и экономики России в целом. Мониторинг состояния лесов, кроме экономического значения, имеет и ярко выраженную экологическую направленность, обеспечивая, в частности, принятие решений и проведение мероприятий, способствующих поддержанию благоприятных условий жизни населения и устойчивому развитию региона (Исаев, Сухих, Калашников 1991; Сладкопевцев, 1996).

Традиционные методы инвентаризации, мониторинга и контроля за состоянием лесов (пешие обходы и автомобильные объезды, полевые съемки, авиаоблеты, аэросъемка с последующим визуальным дешифрированием) нередко не отвечают главным требованиям сегодняшнего дня — оперативности и минимальным трудовым, временным и финансовым затратам. Поэтому на различных уровнях мониторинга лесов широко применяют аэрокосмические снимки и автоматизированные методы их анализа.

Современные цифровые космические снимки не являются простой заменой аэрофотоснимков, давно используемых в лесной отрасли. Большой объем информации, содержащейся в них, позволяет выполнять с применением специального программного обеспечения их комплексный анализ, в том числе направленный на автоматизированное выявление неблагоприятных процессов, временных изменений, тонких малозаметных процессов в лесах, на получение информации о состоянии лесов и высоте древостоя и т. д.

В системе мониторинга лесов на региональном уровне уделяется внимание ряду неблагоприятных процессов в лесах, таких как пожары, ветровалы, болезни, нашествие насекомых-вредителей. Однако в этой системе пока не нашло отражения исчезновение лесных массивов вследствие комплекса взаимосвязанных причин — длительного застоя воды, подъема уровня грунтовых вод, заболачивания территории, а также засоления почв. В данной работе для характеристики процесса деградации лесов вследствие комплекса перечисленных причин используется рабочий термин «вымокание лесов», а деградирующие леса названы «вымокающими». Этот термин имеет региональное применение (Абросимов, 1999), но пока не получил широкого распространения в литературе по лесоведению, хотя и используется термин «вымокание» лесных культур.

Актуальность темы

обусловлена большими масштабами явления вымокания лесов в районах нового хозяйственного освоения в лесной и лесостепной зонах территории нашей страны в связи с строительством транспортных систем, в первую очередь, объектов инфраструктуры при нефтегазодобыче. Это приводит к массовой деградации и гибели лесов и вызывает необходимость контроля их состояния путем оперативного автоматизированного картографирования, методы которого остаются неразработанными. Особенно распространено это явление на обширных пространствах Западной Сибири, в частности в Курганской области, на примере которой выполнено настоящее исследование.

Задача диссертационного исследования состоит в разработке методики автоматизированного картографирования по космическим снимкам вымокающих лесов для контроля их состояния.

Для решения поставленной задачи диссертационного исследования было необходимо:

• обосновать возможность выделения по космическим снимкам вымокающих лесов, в частности, мелколиственных, преобладающих в районе исследования;

• исследовать особенности спектральных характеристик вымокающих лесов разной степени деградации;

• оценить применимость используемых при обработке данных дистанционного зондирования спектральных индексов;

• в связи с неэффективностью существующих индексов для картографирования вымокающих лесов разработать на основе полевых исследований новый тип спектрального индекса, позволяющего разделять вымокающие леса по стадиям их деградации;

• провести сравнительный анализ различных алгоритмов обработки и автоматизированного дешифрирования лесных экосистем по космическим снимкам;

• разработать автоматизированную технологию создания карт динамики распространения мелколиственных лесов и карт вымокающих лесов с разделением их по степени деградации на основе компьютерной обработки снимков;

• создать электронную каргу вымокающих мелколиственных лесов с разделением на стадии деградации и выявить основные закономерности распространения вымокающих лесов в районе исследований.

Структура диссертационной работы обусловлена задачей исследования и включает четыре главы. Первая глава посвящена рассмотрению особенностей картографируемого явления — вымокания лесов и состоянию исследований по аэрокосмическому автоматизированному картографированию лесов и неблагоприятных процессов в них. Во второй главе обоснован выбор космических снимков и представлены методики их предварительной обработки при картографировании вымокания лесов. В третьей главе исследована возможность разделения стадий вымокания лесов на космических снимках по спектральным характеристикам. С этой точки зрения оценены используемые в дистанционном зондировании спектральные индексы. Предложен специальный индекс для выделения вымокающих мелколиственных лесов и определены интервалы значений индекса для разделения стадий деградации. В четвертой главе предложена общая методическая схема автоматизированного создания карт динамики вымокания лесов, оценены методики анализа разновременных снимков и предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. По созданным картам динамики распространения мелколиственных лесов и вымокающих мелколиственных лесов с разделением на стадии деградации выявлены закономерности пространственного распространения вымокающих лесов в зависимости от природных и антропогенных факторов.

Материалами для исследовательских работ служили результаты наземных специальных обследований на ключевых участках Курганской области, выполненных при участии автора, разновременные многозональные космические снимки, полученные отечественными и зарубежными спутниковыми системами (Ресурс-О, Landsat-3,4,5,7, Terra, ALOS), топографические и тематические карты (ландшафтные, геоморфологические, геологические и др.).

Научная новизна работы заключается в следующем.

1. Разработан новый способ обработки многозональных космических снимков на основе предложенного автором индекса вымокания для выделения вымокающих лесов по спектральным признакам и определены интервалы значений индекса вымокания для разделения четырех стадий деградации вымокающих лесов. Для расчета предложенного индекса создана подпрограмма к коммерческому программному комплексу ITT ENVI (ПК ENVI), позволяющая автоматически выполнять эту операцию.

2. Предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании и создана подпрограмма к ПК ENVI, позволяющая визуализировать распределение спектральных яркостей исследуемых по снимкам объектов в трехмерном пространстве признаков, что облегчает разделение объектов по спектральным признакам.

3. Разработана методика автоматизированного составления карт вымокающих лесов, включающая выделение лесов на разновременных снимках, создание карты динамики распространения лесов и разделение стадий деградации с помощью предложенного автором индекса вымокания.

4. Впервые создана на основе автоматизированной обработки разновременных многозональных снимков карта вымокающих лесов масштаба 1:25 ООО для участка Курганской области с разделением стадий деградации лесов и выявлены закономерности их пространственного распределения.

Достоверность полученных результатов подтверждается полевыми наземными обследованиями более 300 эталонных участков, многократными натурными проверками результатов исследований на 50 контрольных участках, представительностью и репрезентативностью экспериментального материала, применением новейших космических снимков высокого качества и использованием современных методов обработки и анализа данных.

Диссертационное исследование в своей теоретической и методологической части базируется на достижениях отечественных школ географической картографии, биогеоценологии и аэрокосмических исследований лесов, основанных К. А. Салищевым, В. Б. Сочавой, В. Н. Сукачевым, Г. Г. Самойловичем, и представленных в трудах их учеников и последователей.

A.M. Берлянта, Ю. Ф. Книжникова, В. И. Кравцовой, И. К. Лурье, А. С. Исаева,.

B.И. Сухих.

Практическая значимость работы обусловлена потребностями общества в сохранении природной среды, в частности лесов, и необходимостью контроля за их состоянием, в первую очередь в районах хозяйственного освоения, особенно нефтегазодобычи на залесенных территориях, где вымокание лесов принимает широкие масштабы. Разработанные методические подходы апробированы на примере участка Курганской области и могут быть использованы в региональных органах управления лесами, природоохранных организациях, территориальных фондах информации Курганской и других областей лесной и лесостепной зон, в Центре экологии и продуктивности лесов РАН. Ряд ключевых этапов методики по предварительной обработке данных ALOS/AVNIR-2, автоматическому выделению контуров лесов по космическим снимкам внедрены в работу Научно-аналитического центра рационального недропользования Ханты-Мансийского автономного округа. Методические разработки по автоматизированному дешифрированию лесов могут быть использованы в учебных курсах по геоэкологии, геоинформатике, аэрокосмическим методам исследований на природоведческих факультетах университетов России.

Апробация работы. Основные положения диссертационной работы представлены на 4 международных и российских конференциях: XIII Международной конференции студентов, аспирантов и молодых ученых «ЛОМОНОСОВ — 2006» (Москва, 2006), Четвёртой всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2006), IV Международной научно-технической конференции «Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве» (Москва, 2007), Юбилейной Открытой Всероссийской конференции «Дистанционное зондирование Земли из космоса» (Москва, 2007), а также на семинарах по аэрокосмическим методам географических исследований и заседаниях кафедры картографии и геоинформатики географического факультета МГУ имени М. В. Ломоносова.

По теме диссертации автором опубликовано 8 печатных работ в российских научных журналах и сборниках докладов конференций.

Диссертация подготовлена в период с 2005 по 2008 гг. на кафедре картографии и геоинформатики географического факультета МГУ в лаборатории аэрокосмических методов в рамках темы НИР 6.2. «Аэрокосмические технологии исследований динамики природной среды» № 0120.0 603 975, гранта РФФИ 04−05−64 285 и исследований по программе Ведущей Научной школы географической картографии, грант НШ-05.08.171. Подготовку диссертации предваряли экспериментальные работы автора, выполненные с 2003 по 2005 гг. в лаборатории геоинформационных исследований и технологий Курганского государственного университета. Благодарности. Автор выражает глубокую благодарность научному руководителю д. г. н. В. И. Кравцовой, признателен заведующему кафедрой картографии и геоинформатики д. г. н., профессору A.M. Берлянту, заведующему лабораторией аэрокосмических методов д. г. н. профессору Ю. Ф. Книжникову за доброжелательное отношение и поддержку и всем сотрудникам кафедры картографии и геоинформатики за полезные замечания, высказанные при обсуждении диссертационной работы. Автор особо благодарен своему первому научному руководителю в Курганском госуниверситете к. г. н. А. В. Абросимову за помощь и поддержку на всех этапах работы.

Выводы.

1. Обзор имеющихся методик работы с разновременными снимками и анализ большого числа приемов, которые можно использовать при оценке изменений площадей лесов, показали, что большинство из этих приемов подходят только для визуального сопоставления разновременных снимков. Приемы, эффективные при автоматизированном выделении таких объектов, как сплошные вырубки, оказались мало пригодными при выделении вымокающих лесов.

2. Для оперативной оценки площадей вымокания и закономерностей распространения деградирующих лесов предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. При создании аддитивного цветного синтезированного изображения рекомендованы наиболее информативные для выделения вымокающих лесов спектральные зоны — зеленая за позднюю дату, зеленая за раннюю дату и красная за позднюю дату. Такое синтезированное изображение позволяет оценить не только площади деградирующих лесов, но и степень деградации по насыщенности цвета.

3. Проведенный анализ существующих алгоритмов классификаций показал малую пригодность большинства алгоритмов (способ параллелепипеда, способ минимального расстояния, способ максимального правдоподобия) для выделения вымокающих лесов. Недостаток большинства алгоритмов классификации — вынужденное выделение большего числа классов, чем это нужно в исследовании. В связи с этим, для автоматического выделения класса лиственных лесов предложено использовать способ дерево решений, реализующий альтернативный выбор по двум параметрам: значению предложенного индекса вымокания и коэффициента отражения лесов в ближней ИК зоне.

4. Разработана методика автоматизированного составления карт вымокающих лиственных лесов с применением предложенного индекса вымокания. Разработанная методика автоматизированного картографирования вымокания лесов предусматривает следующие этапы:

• Предварительная подготовка космических снимков к автоматизированному дешифрированию;

• Автоматическое выделение лиственных лесов на разновременных снимках на основе дерева решений по значению индекса вымокания и коэффициента отражения лесов в ближней ИК зоне;

• Фильтрация избыточно мелких контуров и автоматическая векторизация границ лиственных лесов;

• Создание карты динамики распространения лиственных лесов;

• Создание карты вымокающих лиственных лесов на разных стадиях деградации с разделением лесов по стадиям вымокания на основе предложенного индекса вымокания.

В результате апробирования предложенной методики впервые созданы карты: «Динамика распространения мелколиственных лесов за 1987;2006 гг.» и «Вымокающие мелколиственные леса на разных стадиях деградации (на 2006 г.)» масштаба 1:25 ООО для участка Курганской области с разделением 4 стадий деградации лесов.

5. На основе созданных карт определены масштабы распространения вымокания, охватившего на исследуемом участке Курганской области 58% лесных массивов. Выявлены закономерности пространственного распределения вымокающих лесов, а именно их связь с транспортными магистралями и приуроченность к прадолинам и ложбинам поверхностного стока, в пределах которых требуется особая осторожность при прокладке сети коммуникаций.

ЗАКЛЮЧЕНИЕ

.

В итоге диссертационного исследования получены следующие новые научные результаты.

1. Разработан новый способ компьютерной обработки многозональных космических снимков для выделения вымокающих лесов на основе расчета предложенного индекса вымокания и установлены интервалы его значений для разделения четырех стадий деградации лесов. Необходимость введения такого индекса связана с тем, что анализ 12 применяемых в аэрокосмических исследованиях вегетационных индексов, использующих соотношение коэффициентов отражения в красной и ближней инфракрасной спектральных зонах, показал, что они не позволяют разделить стадии деградации вымокающих лесов.

Индекс вымокания разработан на основе анализа особенностей спектральных характеристик вымокающих лесов, полученных по большому объему полевых наблюдений, расчетов и графических построений. Формула индекса отражает выявленные связи между передаваемыми съемочными системами значениями коэффициентов отражения в зеленой, красной и ближней инфракрасной спектральных зонах и стадией вымокания. В работе выполнен расчет значений индекса по снимкам Lancisat5/TM, Landsat7/ETM+, Terra/ASTER, ALOS/AVNIR-2. Для расчета предложенного индекса создана подпрограмма к ПК ENVI, позволяющая автоматически выполнять эту операцию.

2. Разработана методика автоматизированного составления карт вымокающих лиственных лесов с применением предложенного индекса вымокания и впервые созданы карты: «Динамика распространения мелколиственных лесов за 1987;2006 гг.» и «Вымокающие мелколиственные леса на разных стадиях деградации (на 2006 г.)» масштаба 1:25 ООО для участка Курганской области с разделением 4 стадий деградации лесов.

На основе созданных карт определены масштабы распространения вымокания, охватившего на исследуемом участке Курганской области 58% лесных массивов. Выявлена закономерность пространственного распределения вымокающих лесов, а именно их связь с транспортными магистралями и приуроченность к прадолинам и ложбинам поверхностного стока, в пределах которых требуется особая осторожность при прокладке сети коммуникаций.

3. Для оперативной оценки площадей вымокания и закономерностей распространения деградирующих лесов предложен вариант цветового синтеза разновременных многозональных снимков для выделения вымокающих лесов при визуальном дешифрировании. При создании аддитивного цветного синтезированного изображения рекомендованы наиболее информативные для выделения вымокающих лесов спектральные зоны — зеленая за позднюю дату, зеленая за раннюю дату и красная за позднюю дату.

4. Создана подпрограмма к ПК ENVI, позволяющая визуализировать распределение спектральных яркостей исследуемых по снимкам объектов в трехмерном пространстве признаков, что облегчает выбор параметров для разделения объектов по спектральным признакам. Оценка распределений коэффициентов отражения в 3-мерном пространстве спектральных признаков позволяет визуально определить спектральные границы между разными классами объектов, повысить достоверность при автоматическом выделении объектов.

Таким образом, в результате диссертационного исследования решена задача — разработана и успешно апробирована методика автоматизированного картографирования вымокающих лесов на основе предложенного индекса вымокания, что имеет существенное значение для аэрокосмического картографирования лесов.

Показать весь текст

Список литературы

  1. А.А., Абросимов А. В. Антропогенное вымокание лесов Курганской области по данным полевых и дистанционных исследований // Природопользование в районах со сложной экологической ситуацией. Тюмень: 1999, с. 86−88.
  2. С.А., Жирин В. М., Ершов Д. В. Сравнительный анализ данных спутниковых систем «Космос-1939», Spot и Landsat-TM при изучении бореальных лесов // Исслед. Земли из космоса, № 1, 1995, с.101−114
  3. С.А. Развитие методов обработки спутниковых изображений, геоинформационных систем и ГИС-технологий для обеспечения мониторинга лесов // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 58−60
  4. С.А., Ершов Д. В., Исаев А. С. Оценка дефолиации лесов по многоспектральным спутниковым изображениям методом декомпозиции спектральных смесей // Исслед. Земли из космоса, № 4 1999, с. 76−86
  5. С.А., Лупян Е. А. Спутниковый мониторинг бореальных экосистем // Природа, 2005, № 9, с. 44−53
  6. A.M. Картографический метод исследования. М.: Изд-во Моск. Ун-та, 1988, 251 с.
  7. A.M. Картография. М., Аспект-Пресс, 2002, 336 с.
  8. Болсуновский М. А, Черепанов А. С. Атмосферная коррекция в ПО ENVI. Модуль FLAASH // Геопрофи, № 5, 2006, с. 22−24
  9. Е.А., Сваткова Т. Г., Чистов А. П. Эколого-географическое картографирование. М.: Изд-во Моск. Ун-та, 1999, 84 с.
  10. О.Б., Жирин В. М., Сухих В. И. Оценка по данным космических съемок крупномасштабных изменений в лесном фонде, связанных с временным обезлесиванием покрытых лесом земель // Исследование Земли из космоса, 2005, № 2, с. 67−75
  11. А.С. Рисунок ландшафта. М., 1986,177с.
  12. А.С. Математическая морфология ландшафта. М., 1998, 191 с.
  13. .В. Аэрокосмический мониторинг экосистем. М.: Нау-ка, 1984, 320 с.
  14. Е.А., Сущеня В. А., Шевчкеко JI.A. Экологическое картографирование на основе космической информации. М., 1988, 215с.
  15. Выгодская И. Н, Горшкова И. И. Теория и эксперимент в дистанционных исследованиях растительности. М.: Гидрометеоиздат, 1987, 246 с.
  16. Географическое картографирование: карты природы. М.: Изд-во Моск. Ун-та, 2005, 176 с.
  17. М. Е. Морфоструктуры и морфоскульптуры Юга Западной Сибири. -М.: Наука, 1972,154 с.
  18. П.Л., Абрамчук А. В. Пастбищная деградация пойменных лугов и ее оценка по доле участия синантропных видов // Экология. 1983. № 5. с. 3−10.
  19. ГОСТ 51 794–2001 Аппаратура радионавигационная глобальной навигационной спутниковой системы и глобальной системы позиционирования. Системы координат. Методы преобразования координат определяемых точек.
  20. Е.П., Жирин В. М., Сухих В. И., Эльман Р. И. Дистанционное зондирование в лесном хозяйстве. М.: «Агропромиздат», 1989, 223 с.
  21. Н.В., Ерщов Д. В. и др. Мониторинг усыхания хвойных лесов Европейского севера России по данным спектрорадиометра MODIS // Аэрокосмические методы и геоинформационные системы в лесоведение и лесном хозяйстве. М.: 2006, с. 106−107
  22. Ш. М., Ландгребе Д. А., Филипс Т. Л. и др. Дистанционное зондирование: количественный подход. М.: Недра, 1983, 415 с.
  23. В.А., Баратлев С. А. Анализ временных серий спутниковых данных SPOT-VEGETATION для мониторинга повреждений пожарами бо-реальных экосистем // Современные проблемы дистанционного зондирования Земли из космоса, том 2, Москва, 2004, с. 380−385
  24. В. П. Кривонос Л.А. Почвы Курганской области. Курган, изд-во «Зауралье», 1995,175с.
  25. В.М., Бахтинова Е. В., Артамонов С. И. Аэрокосмический метод инвентаризации защитных насаждений на пастбищных землях пустынь Средней Азии // Использование аэрокосмических съемок в целях охраны природы. М.: Наука, 1988, с. 54−60.
  26. В.М. Технические указания по комплексной технологии аэрокосмической инвентаризации древесно-кустарниковой растительности иоценки состояния кормовых ресурсов в пустынной зоне // М.: Госкомлес СССР, 1991,33 с.
  27. В.М. Приближенная оценка фитомассы лесного (растительного) покрова с использованием значений вегетационного индекса // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 119−122
  28. В.М., Князева С. В. Изучение особенностей лесного полога на основе значений вегетационных индексов, вычисленных по данным космической съемки МСУ-Э // Исследование Земли из космоса, 2003, № 2, с. 73−79
  29. Л.И., Николаев В. А. Космические снимки, полученные системой «Фрагмент», как основа ландшафтного картографирования и физико-географического районирования аридных территорий // Исследование Земли из космоса, 1981, № 5, с. 130−138
  30. А.С., Сухих В. И., Калашников Е. Н. и др. Аэрокосмический мониторинг лесов. М.: Наука, 1991,240 с.
  31. Исследование лесов аэрокосмическими методами. Новосибирск: Наука, 1987, 208 с.
  32. Инструкция по «Фотограмметрическим работам при создании цифровых топографических карт и планов» ГКИНП (ГНТА) 02−036−02, изд. ЦНИИГАиК, 2002
  33. И.П., Красильникова Н. В. Картографирование природных условий и ресурсов. М.: Недра, 1988, 299 с.
  34. В.Б., Сухинин А. И. Дистанционное зондирование Земли и космоса. Цифровая обработка изображений: Учебное пособие. М.: Логос, 2001,264 с.
  35. Д.М., Сергеева В. Л. Ландшафтно-морфологическое картографирование лесов. СПб. М: ВНШЩлесресурс, 1992, 60 с.
  36. Ю.Ф., Кравцова В. И. Аэрокосмические исследования динамики географических явлений. М.: Изд-во Моск. Ун-та, 1991, 206 с.
  37. Ю.Ф. Аэрокосмическое зондирование. Методология, принципы и проблемы: Учеб. пособие. М.: МГУ, 1997,129 с.
  38. Ю.Ф., Кравцова В. И., Тутубалина О. В. Аэрокосмические методы географических исследований: Учеб. для студ. высш. учеб. заведений. М.: Академия, 2004, 336 с.
  39. С.В. Картографо-аэрокосмический мониторинг лесов национальных парков: автореферат канд. дисс. // МГУ им. М. В. Ломоносова Геогр. фак М., 2006
  40. Комплексное экологическое картографирование. М.: Изд-во МГУ, 1997,146 с.
  41. Космические методы геоэкологии / под ред. В. И. Кравцовой. М.: Географический ф-т МГУ, 1998,108 л.
  42. Т.В., Январева Л. Ф. Проблема согласования в традиционном и геоинформационном картографировании. // Картография на рубеже тысячелетий: Доклады I Всероссийской научной конференции по картографии. М.: Изд-во ИГ РАН, 1997, с. 395−400
  43. В.И., Воробьева Л. В. Оценка космических сканерных снимков низкого и среднего разрешения как материалов для картографирования лесов // Лесоведение, № 5, 2000, с.35−42
  44. В.И. Генерализация аэрокосмического изображения: континуальные и дискретные снимки. М: Изд. МГУ, 2000,252 с.
  45. В.И., Балдина Е. А. Цветовой синтез разновременных снимков как метод изучения динамики природных и хозяйственных объектов // Геодезия и картография, 2006, 3, с. 37−43
  46. Е.Л. Спектральная отражательная способность природных образований. М.: Изд-во АН СССР, 1947,271с.
  47. В.В., Черкашин В. П., Ледовских В. Я. Дистанционная индикация пространственной структуры лесных фитоценозов // Исследование таежных ландшафтов дистанционными методами. Новосибирск, Наука Сиб. отд-ние, 1979, с 75−88.
  48. Х.Б., Назимова Д. И., Федотова Е. В. Использование данных NOAA/AVHRR для изучения растительного покрова Тувы // Исследование Земли из космоса, 2005, № 2
  49. И.А. Дешифрирование аэрокосмических снимков. М., Аспект-Пресс, 2004,184 с
  50. О.Л., Астахова В. Г. Лесные болота. М.: Лесн. пром-сть, 1982, 128 с.
  51. И.К., Косиков А. Г. Теория и практика цифровой обработки изображений // Дистанционное зондирование и географические информационные системы. М.: Научный мир, 2003,168 с.
  52. Н.В. Дистанционное зондирование для изучения лесных экосистем, учета, контроля и управления лесными ресурсами // Лесохозяйст-венная информация, 2002, № 1, с. 31−61
  53. B.C., Сладкопевцев С. А. Ресурсно-экологическая картография. М., Изд-во МИИГАиК, 2005,196 с.
  54. Методика мелкомасштабного картографирования лесного фонда на основе космического фотографирования. М.: В/О Леспроект, 1981, 21 с.
  55. JI.E. Алгоритмы классификации типов лесов на основе анализа радиолокационных изображений // Исследование Земли из космоса, 1999, № 4, с. 56−62
  56. Л.Е. Применение многослойных нейронных сетей для классификации типов лесов на основе анализа радиолокационных изображений // Исследование Земли из космоса, 2000, № 3, с. 63−70
  57. В.А. Проблемы регионального ландшафтоведения. М.: Изд-во Моск. Ун-та, 1979,160 с.
  58. В.А. Космическое ландшафтоведение:Учебное пособие. М: Изд-во Моск. Ун-та, 1993, 81 с.
  59. А.Е. Автоматизированный морфометрический анализ географических объектов по снимкам и картам при тематическом картографировании: автореферат канд. дисс. // МГУ им. М. В. Ломоносова Геогр. фак М., 2004.
  60. Рис У. Г. Основы дистанционного зондирования. М.: Техносфера, 2006, 336 с.
  61. Г. Г. Применение аэрофотосъемки и авиации в лесном хозяйстве. М., 1964, 486 с.
  62. В.Н. Аэрокосмический мониторинг лесного покрова. Новосибирск: Наука Сиб. отд., 1991, 239 с.
  63. В.И., Сухих В. И. Принципы автоматизации и картографирования лесов // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 87−91
  64. Ю.Г. Морфометрический анализ рельефа. Москва Смоленск, Изд-во СГУ, 1998, 272 с.
  65. С.А. Геоэкологическая картография. М., Изд-во МНЕ-ПУ, 1996,108 с.
  66. В.Б. Растительный покров на тематических картах. Новосибирск, Наука Сиб. отд-е, 1979,189 с.
  67. В.И. Экологическое картографирование: Учеб. пособие. М.: Аспект-Пресс, 2003, 251 с.
  68. В.Н. Основные понятия о биогеоценозах и общее направление их изучения // Программа и методика биогеоценологических исследований. М.: Наука, 1966,336 с.
  69. Сурин В. Г, Шубина М. А Исследование биогеохимических аномалий на загрязненных территориях по многозональным космическим снимкам, наземным контрольным данным. Оптический журнал, 2004, № 3, с 48−54
  70. В.И. Аэрокосмические методы и геоинформационные системы в лесоведение и лесном хозяйстве современной России // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998,215 с.
  71. В.И., Харин Н. Г., Бутусов О. Б. Возможность классификации лесов северной тайги по изображениям с ИСЗ «Ресурс-01» // Исследование Земли из космоса, 1999, № 5, с. 65−74
  72. Технические указания по лесоинвентаризации на основе рационального сочетания наземной таксации с камеральным дешифрированием аэрофотоснимков. М.: В/О Леспроект, 1971, 59 с.
  73. Е. В. Харук В.И. Оценка применимости съемки NOAA/AVHRR в картирование лесных территорий Енисейского меридиана // Исследование Земли из космоса, 1999, № 3, с. 67−73
  74. В.В. Мониторинг последствий лесных пожаров // Аэрокосмический мониторинг лесов. М.: Наука, 1991, с. 122−135
  75. Н.Г., Жирин В. М., Татеиши Р. Возможности использования вегетационного индекса (NDVI) для изучения фенологии и состава лесов Сибири // Исслед. Земли из космоса, № 1, 2001, с.73−79
  76. В.И., Кожуковская А. Г. и др. Съемка NOAA/AVHRR в мониторинге вспышек сибирского шелкопряда // Исследование Земли из космоса, 2001, № 1, с. 80−86
  77. А.В., Артамонов С. А., Князева С. В. Выявление вырубок по данным различных спутников систем // Аэрокосмические методы и геоинформационные системы в лесоведении и лесном хозяйстве. М.: 1998, с. 167 169
  78. А.С. Новые возможности компьютерной обработки космических снимков при создании ландшафтных карт лесостепи Западной Сибири // Вестник Моск. ун-та, Серия 5 География, № 3, 2006, с. 66−72
  79. Экология севера Дистанционные методы изучения нарушенных экосистем (на примере Кольского полуострова) под ред. Капицы А. П и Риса У. Г. М., Научный мир, 2003, 248 с.
  80. Р.И., Кузенков JI.A. Методы цифровой обработки изображений леса и ее возможности // Тезисы докладов симпозиума Комиссии Ш МФО. -М.: Изд-во ЦНИИГАиК, 1978,126 с.
  81. Р.И., Кузенков Л. А., Боданский Е. Д. Использование экспериментальной автоматизированной системы обработки аэрокосмической информации о лесах // Лесное хозяйство, 1984, № 6, с. 53−55
  82. Adams J.B., Gillespie A.R. Remote Sensing of Landscapes with Spectral Images: A Physical Modeling Approach, 2006, p. 362
  83. Baret F., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment // Remote Sensing of Environment, 1981, vol. 35, p. 161−173
  84. Baret F., Guyot G., Major D. TSAVI: A vegetation index which minimizes soil brightness effects on LAI or APAR estimation // 12th Canadian Symposium on Remote Sensing and IGARSS. Vancouver, 1990.
  85. Barrett E.C., Curtis L.F. Introduction to Environmental Remote Sensing, Springer, 1992, p. 426
  86. Bartalev S.A., Belward A.S., Erchov D.V., Isaev A.S. A new SPOT4-VEGETATION derived land cover map of Northern Eurasia // International Journal of Remote Sensing. 2003. V. 24, N 9. P. 1977−1982
  87. Bruzzone L., Smits P. Analysis of Multi-Temporal Remote Sensing Images. World Scientific, 2002, p. 440
  88. Canty M.J. Image Analysis, Classification and Change Detection in Remote Sensing: With Algorithms for ENVI/IDL. CRC Press, 2006, p. 348
  89. Castilla G., Hay G.J., Chen G., Powers R. Semi-automated Delineation of Thematic Maps with Size-Constrained Region Merging (SCRM) // Proceedings of the GEOTEC Event 2007, Calgary, Alberta, 14−17 May 2007
  90. Castilla G., Hay G.J., Ruiz, J.R. Size-constrained region merging (SCRM): an automated delineation tool for assisted photointerpretation // Photogrammetric Engineering and Remote Sensing, 2008, 74 (4): c. 409−419
  91. Chander G., Markham B. Revised Landsat-5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges // IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, vol. 41, no. 11, p. 2674−2677
  92. Chavez P. S. Jr. An Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data // Remote Sensing of the Environment, 1988, 24, p. 459−479
  93. Chavez P. S. Jr. Radiometric Calibration of Landsat Thematic Mapper Multispectral Images // Photogrammetric Engineering and Remote Sensing, 1988, 55(9), p. 1285−1294
  94. Chavez P. S. Jr. Image-based atmospheric corrections revisited and revised //Photogrammetric Engineering and Remote Sensing, 1996, 62(9), p. 1025−1036
  95. Clevers J.G. The derivation of a simplified reflectance model for the estimation of leaf area index //Remote Sensing of Environment, 1988, vol 35, p. 53−70
  96. Crippen R.E. Calculating the Vegetation Index Faster // Remote Sensing of Environment, 1990, vol. 34, p. 71−73
  97. Crist E.P., Cicone R.C. Application of the tasseled cap concept to simulated thematic mapper data // Photogrammetric Engineering and Remote Sensing, 1984 vol. 50, p. 343−352
  98. Datt В.A. New Reflectance Index for Remote Sensing of Chlorophyll Content in Higher Plants: Tests Using Eucalyptus Leaves // Journal of Plant Physiology, 1999,154, p. 30−36
  99. Duda R.O., Hart P.E., Stork D.G., Pattern classification. New York: John Willey, 2001, p. 738
  100. Elvidge C.D., Lyon R.J. Influence of rock-soil spectral variation on the assessment of green biomass // Remote Sensing of Environment, 1985, vol. 17, p. 265−269
  101. Hardisky M.A., Klemas V., Smart R.M. The Influences of Soil Salinity, Growth Form, and Leaf Moisture on the Spectral Reflectance of Spartina Al-terniflora Canopies // Photogrammetric Engineering and Remote Sensing, 1983, 49, p. 77−83
  102. Hoffer R.M. Biological and Physical Considerations in Applying Computer-Aided Analysis Techniques to Remote Sensing Data // P.H. Swain& S.M. Davis, Eds.: 1978, p. 227−289
  103. Huete A.R., Jackson R.D., Post D.F. Spectral response of a plant canopy with different soil backgrounds // Remote Sensing of Environment, 1985, vol. 17, 37−53
  104. Huete A.R. A Soil-Adjusted Vegetation Index (SAVI) // Remote Sensing of Environment, 1988, vol. 25, p. 295−309
  105. Huete A.R., Liu H., Batchily K., van Leeuwen W.A. Comparison of Vegetation Indices Over a Global Set of TM Images for EOS-MODIS // Remote Sensing of Environment, 1997, 59(3), p. 440−451
  106. Gao B.C. Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space // Proceedings of SPIE, 1995, 2480, p. 225−236
  107. Girard M.C. Processing of Remote Sensing Data, Taylor & Francis, 2003, p. 508
  108. Jackson R.D., Slater P.N., Pinter P.J. Discrimination of Growth and Water Stress in Wheat by Various Vegetation Indices Through Clear and Turbid Atmospheres // Remote Sensing of the Environment, 1983 15:187−208
  109. Jensen J.R. Remote Sensing of the Environment: An Earth Resource Perspective, NJ., Prentice Hall, 2000, p. 544
  110. Jordan C.F. Derivation of leaf area index from quality of light on the forest floor, Ecology, 1969, vol. 50, p. 663−666
  111. Kauth R.J., Thomas G.S. The tasseled Cap A Graphic Description of the Spectral-Temporal Development of Agricultural Crops as Seen by LANDSAT //
  112. Proceedings of the Symposium on Machine Processing of Remotely Sensed Data, 1976, p. 41−51
  113. Kaufman Y.J., Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS // Proc. IEEE Int. Geosci. and Remote Sensing Symp., IEEE, 1992, p.261−270
  114. Kaufman Y.J., Tanre D. Strategy for Direct and Indirect Methods for Correcting the Aerosol Effect on Remote Sensing: from AVHRR to EOS-MODIS // Remote Sensing of Environment, 1996, 55:65−79
  115. Kriegler F.J., Malila W.A., Nalepka R.F., Richardson W. Preprocessing transformations and their effects on multispectral recognition // Sixth International Symposium on Remote Sensing of Environment, 1969, p. 97−131
  116. Landgrebe D.A. Analysis Technology for Land Remote Sensing // Proceedings of IFFF, 1981, Vol. 60, No. 5, p. 628−642
  117. Landgrebe D.A. Signal Theory Methods in Multispectral Remote Sensing, Wiley, 2003, p. 520
  118. Lillesand T.M., Kiefer R.W. Remote Sensing and Image Interpretation, 2nd edition, John Wiley and Sons, 1987, New York, p. 721
  119. Lunetta R., Elvidge C. Remote sensing change detection: environmental monitoring methods and applications. Taylor and Francis, 1999, p. 318
  120. Mather P.M., Computer Processing of Remotely-Sensed Images, Wiley, Chichester, 1987
  121. Penuelas J., Filella I., Biel C., Serrano L., Save R. The Reflectance at the 950−970 Region as an Indicator of Plant Water Status // International Journal of Remote Sensing, 1995,14:1887−1905 *
  122. Pinty В., Verstraete M.M. GEMI: A Non-Linear Index to Monitor Global Vegetation from Satellites // Vegetation, 1991, vol. 101, p. 15−20
  123. Ray T.W. FAQ on Vegetation in Remote Sensing, 1995 terrill@marsl.gps.caltech.edu, created by Terrill W. Ray Div. of Geological and Planetary Sciences California Institute of Technology, Mail Code 170−25, Pasadena, С A 91 125
  124. Richardson A.J., Everitt J.H. Using spectra vegetation indices to estimate rangeland productivity // Geocarto International, 1992, vol. 1, pp. 63−69
  125. Richardson A.J., Wiegand C.L. Distinguishing vegetation from soil background information // Photogrammetric Engineering and Remote Sensing, 1977, vol. 43, p. 1541−1552.
  126. Richards J.A., Xiuping J. Remote Sensing Digital Image Analysis: An Introduction. Birkhauser, 2005, p. 439
  127. Rouse J.W., Haas R. H., Schell J. A., Deering D.W. Monitoring vegetation systems in the great plains with ERTS // Third ERTS Symposium, 1973, NASA SP-351, vol. 1, p.309−317
  128. Schott J.R. Remote Sensing: The Image Chain Approach. Oxford University Press US, 2007, p. 688
  129. Sellers P.J. Canopy Reflectance, Photosynthesis and Transpiration // International Journal of Remote Sensing, 1985, 6:1335−1372
  130. Sims D.A., Gamon J.A. Relationships Between Leaf Pigment Content and Spectral Reflectance Across a Wide Range of Species, Leaf Structures and Developmental Stages//Remote Sensing of Environment, 2002, 81:337−354
  131. Toutin T. Geometric Processing Of Remote Sensing Images Models, Algorithms And Methods // International Journal of Remote Sensing, 2004, vol. 25, no. 10, p. 1893−1924
  132. Tucker C.J. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation // Remote Sensing of the Environment, 1979, 8, p. 127−150
  133. Qi J., Chehbouni A., Huete A.R., Kerr Y. H. Modified Soil Adjusted Vegetation Index // Remote Sensing of Environment, 1994, vol. 48, p. 119−126.
  134. Qi J., Kerr Y., Chehbouni A. External Factor Consideration in Vegetation Index Development // Proc. of Physical Measurements and Signatures in Remote Sensing, ISPRS, 1994, p. 723−730.
  135. Vogelmann J.E., Rock B.N., Moss D.M. Red Edge Spectral Measurements from Sugar Maple Leaves // International Journal of Remote Sensing, 1993, 14:1563−1575
  136. Wulder M., S. Franklin, Remote sensing of forest environments, Introduction: The transition from theory to information // Remote Sensing of Forest Environments: Concepts and Case Studies, 2003, Dordrecht / Boston / London, 519 p.
Заполнить форму текущей работой

Сессия? Спокойно!