Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений

Подождите немного. Документ загружается.

I lc

техногенный компонент деградации

лесов

обусловлен перестой-

pwii.K) насаждений, неудовлетворительным состоянием лесовозоб-

рИлиния,

отчасти грибковыми заболеваниями. Кроме

того,

дестабили-

(рукицее влияние на состояние притундровых лесов оказывает

Цйенение климата.

сумме эффект факторов, не связанных

загряз-

РШК'М,

оценивается в 20%.

•

Норильский феномен» представляет наиболее крупную техноген-

tyH> катастрофу в зоне северных (бореальных) лесов.

5.4. КОНТРОЛЬ СОСТОЯНИЯ ВОДОЕМОВ

Космические средства контроля окружающей среды очень эффек-

HHU

при изучении Мирового океана

внутренних водоемов. Для ис-

|Доиания Мирового океана созданы специальные спутники

—

«Оке-

Q» (Россия), MOS (Япония), SeaWiFS (США) и др. В частности,

спутнике NIMBUS-7 (США) был установлен сканер CZCS со спек-

ьными каналами:

1-й

—

0,433—0,453

мкм (голубой) для измерения хлорофилла

воде;

2-й

—

0,51—0,53

мкм (зеленый) для измерения хлорофилла в воде;

3-Й

—

0,54-0,56

мкм (желтый) для измерения содержания желтого

шества в воде, для определения солености воды;

4-й

—

0,66-0,68

мкм (красный) для оценки содержания аэрозоля

ггмосфере;

5-й

—

0,7—0,8

мкм (ближний ИК) для выделения суши и облаков;

6-й

—

10,5—12,5 мкм (дальний ИК) для определения температуры.

Океан

—

это

не

только кладовая ресурсов, но

один из главных эле-

нтов общей системы экологического равновесия на Земле. Он силь-

влияет

на

состояние атмосферы, формирование погоды, климат, энер-

Щтический и газовый балансы планеты, круговорот веществ в природе.

Институте биофизики СО РАН и Красноярском государственном

•руническом университете выполняется цикл работ по программе «Зе-

ння волна»

[

10],

соответствии с которой разработаны методы мони-

|ринга пространственной структуры, состояния и продуктивности

Орских и пресных водоемов, а также биоценозов суши на основе из-

рения распределения фитопигментов

биомассы

биосфере.

Пред-

Лужены новые эффективные методы измерения содержания хлоро-

Илла

других фитопигментов на планете, позволяющие оперативно

Пределять продуктивные зоны, следить за

их

динамикой.

Использует-

||Я информация со сканеров CZCS

AVHRR, при дешифрировании ко-

смических данных учитывается подспутниковая информация с тесто-

ГЙЫХ

участков, применяется атмосферная коррекция.

221

На первом этапе обработки спутниковых данных пикселы со

сх<> i

ными спектрами объединяются в классы по критерию минимальны

расстояний (4.18), при этом выделяются основные объекты суши, И"

ды и атмосферы. Далее оцениваются характеристики природных во

программные средства используют алгоритмы многомерного статис

111

ческого анализа и учитывают оптические свойства вод. В частное!и

концентрация хлорофилла

воде определяется по уравнениям регрс.

сии, связывающим концентрацию

яркость водной поверхности

в рп

ных

спектральных

каналах.

Подобным

же

образом формируется инф<ч

мация о концентрации минеральных взвешенных веществ в во

термодинамической структуре вод, интенсивности волнения

дру|

характеристиках, описывающих состояние водных экологических сп

стем. Найденные характеристики лежат

основе классификации тип<"

вод непараметрическими статистическими методами классификации

с обучением.

Разработанная информационная система мониторинга позволяет

i n •

первичной продуктивности оценивать динамические процессы в во

ных экосистемах

выдавать диагноз отклонений отсреднемноголетт

го для данного района и времени года; своевременно регистрирован

и отслеживать динамику и развитие последствий экологических каы

строф;

оценивать антропогенное воздействие на живую оболочку Зсм

ли;

прогнозировать изменения экологических систем на основе обуч.

ния модели по циклической динамике.

качестве примера рассмотрим результаты спутникового мони

и •

ринга пространственно-временной изменчивости температуры

пове|

ности Тихого океана. Температура воды

океане

—

наиболее важная \.i

рактеристика поверхностных водных

масс.

Распределение температура

воды определяется не только зональными климатическими особенно

стями, но и формированием высокоградиентных температурных зон

(температурных фронтов)

115]

из-за взаимодействия различных стру i

тур течений, круговоротов и вихрей.

Данные о состоянии крупномасштабных полей температуры по

верхности океана (ТПО)

температурных фронтов позволяют обнар\

жить зоны аномального нагрева или выхолаживания вод, что важп"

при оценке энергообмена между океаном и атмосферой. Кроме тою

карты фронтальных зон

данные

горизонтальных градиентах ТПО

i и

обходимы для оценки действия различных гидродинамических про

иессов в океане, таких как ветровые нагоны, синоптические вихри

меандрирование течений.

Важным свойством фронтальных зон является формирование

ги

робиологических неоднородностей

океане. Фронтальные зоны

MOI

\ >

влиять на распределение планктона и рыб или служить своеобразно"

222

ридкой границей, существующей длительное время

ограничивающей

£§»имодействие

другими типами вод и соответственно с биологиче-

скими структурами.

северной части

Тихого

океана выявлена фронтальная зона, устой-

^ИВия уже

течение шести лет

образованная течениями Ойясио

Ку-

росио (рис. 5.7). Размеры этой зоны около 2000 км в поперечнике

4000 км в длину. Средние температурные градиенты составляют

§,7-0,8

К/км. Для сезонной изменчивости этой фронтальной зоны ха-

уржктсрна структура

виде прерывистых фронтальных зон размерами по-

рядка 1000 км. Сезонная изменчивость в этом районе проявляется

^размывании границ фронтальной зоны весной

осенью из-за умень-

шения разности температур водных масс Ойясио

Куросио

ослабле-

нии процесса переноса

вод.

При переходе

от

холодного сезона

тепло-

му ц Беринговом море формируется фронтальная зона, ось которой

|№жет иметь как зональное, так и меридиональное направление.

PHI

V7. Поверхностная температурная фронтальная зона

Тихом океане, найденная по

iu ппенным

за

лет градиентам ТПО

223

По

спутниковым данным проведены значительные

по

объему исст

дования сезонной и межгодовой динамики концентрации хлорофилл.i

в поверхностном слое Мирового океана в глобальном и региональном

масштабах. Это,

частности, позволяет находить

зоны,

перспективны

для океанического рыболовства.

Разработанные программные средства используются для выявлен in

динамики гидробиологических

гидрологических характеристик Кр;к

ноярского водохранилища

Енисея с помощью спутниковых измерс

ний. Эти средства можно также применять

для

исследования динами

ки пигментов фотосинтеза наземной растительности и решение

практических задач при диагностике антропогенного воздействия

кру:

ных энергетических комплексов и промышленных предприятий на oi

ружающую среду, при мониторинге других природных динамически

процессов, таких каклесные пожары, весеннее снеготаяние

паводки

На основе разработок Института биофизики СО РАН в Краснея|>

ском государственном техническом университете созданы пакеты при

кладных программ «Зеленая волна»

и «NOA»

для обучения студентов ог

новам экологического мониторинга водных объектов. Программ.!

«Зеленая волна» использует карты распределения концентрации хлоро

филла на поверхности океана, полученные путем усреднения по ква.ч

ратам размерностью 20x20 км данных за различные периоды работы

сканера

CZCS.

процессе анализа необходимо выявить пространствен

но-временную структуру распределения концентрации хлорофилла m

выделенной территории, найти участки с относительно устойчивым

типом динамики концентрации.

Программа «NOA» предназначена для анализа температурных по

лей океанической поверхности и использует карты распределения тем

пературы, полученные путем усреднения по квадратам размерностью>

18x18 км спутниковых данных со сканеров CZCS

AVHRR.

Впроцес

се анализа необходимо выявить пространственно-временную изменчп

вость

температуры поверхности океана, построить последовательное

изображений, на которой прослеживается динамика фронтальных зон

и фронтальных разделов.

5.5. КОНТРОЛЬ СНЕГОВОГО И ЛЕДОВОГО ПОКРОВА

Важнейшее практическое применение спутниковая информации

находит

гидрологии и гляциологии при наблюдении снегового и ле

дового покрова, при мониторинге паводковых явлений, при обеспече-

нии судоходства в арктических морях. Особенно это актуально

для

Си

224

ри в районах с малой плотностью населения и редкой сетью мстео-

Ю1

ических

гидрологических постов.

Обнаружение

техногенного загрязнения

местности.

Снеговой покров

мой и в начале периода снеготаяния

—

удобный индикатор техноген-

m загрязнения местности. Например, при исследовании деграда-

ции несов в Норильском промышленном районе выявлено соответст-

вие

между ореолом загрязнения снегового покрова, обнаруженного по

1имиим космическим снимкам, и концентрацией тяжелых металлов

tWi Ni, Со) в почве, которая

верхних почвенных горизонтах (0-10см)

восходит фоновый уровень в 10-1000 раз в радиусе до 40 км от ис-

иика эмиссий [14].

Определение

площади

заснеженное™. Важной задачей наблюдения

Истового покрова является оперативное определение площади засне-

нности, что

необходимо для

прогноза стоков рек

со

снеговым питани-

, типичным для севера Сибири

для горных

рек.

качестве примера

смотрим результаты исследований, проведенных

использованием

формации со спутника NOAA

по

бассейну Нижней Тунгуски в

1995

г.

ft,

I7|.

Эта река

со

снеговым питанием отличается экстремальными пе-

пядами уровня воды, которые могут достигать 20

и более.

При обработке весенних изображений бассейна Нижней Тунгуски

жде всего было необходимо разделить пикселы на три вида: а) со-

ржашие изображение снега

(льда);

б) относящиеся к изображению об-

нов;

в) содержащие изображения почвы и растительности. Снег

об-

обусловливают наиболее яркие фрагменты изображения в видимом

Цветке спектра (1-й канал AVHRR

—

0,58—0,68

мкм), причем облака

Мекгг приблизительно одинаковую яркость в видимом участке и в

нжнем инфракрасном диапазоне (2-й канал

—

0,725—1,0

мкм). Яр-

iOvib

снега (льда) во 2-м канале меньше, чем облаков, и может состав-

ть менее

60%

их

яркости.

Изображения почвы

растительности име-

Т мо

2-м канале большую яркость, чем в 1-м.

Для разделения пикселов на три указанных вида целесообразно ис-

Ш'Ювать

вегетационный индекс NDVI(\.\2), что позволяет

удобной

рме выделять снег

(лед) на фоне

облаков

участков, свободных

от

сне-

жила).

Значениям

NDVIставились в

соответствие условные

цвета:

уча-

и,

содержащие снег

лед,

на экране окрашивались

голубой

цвет,

об-

кн - в белый, участки с изображениями почвы и растительности

—

красновато-бурый. Это дает возможность уверенно различать снег,

ака и свободную от снега поверхность. При этом талый, насышен-

Ыи водой снег выглядит серо-синим или даже сине-черным. Четко

ннляется рисунок рельефа:

долинах,

где теплее, мокрый снег более

рый, чем сухой снег на водоразделах, который выглядит здесь светло-

-пиубым.

долинах снег сходит раньше, поэтому красно-бурые участ-

225

ки сначала появляются

на дне

долин.

В ходе

таяния они постепенно

p;i

растаются, поднимаясь на возвышенные водораздельные пространсти.1

Облака верхнего яруса (перистые и перисто-слоистые), отличаюшисч i

незначительной водностью и почти прозрачные для солнечной радии

ции, как

бы

накрывают участки изображения поверхности земли белом

прозрачной вуалью, через которую «проглядывают» голубой снег

кр;н

но-бурые талые

участки.

Сплошные слоисто-кучевые облака

высоком

водностью и значительной вертикальной мощностью изображают i

в виде рисунка белого сравнительно однородного тона.

Для нахождения площади заснеженности использовалась следую

щая методика. Оператор выбирал фрагменты изображения, на которы

интересующая площадь свободна от облаков. Для создания обучаю

щих выборок задавались два типа эталонных участков: заведомо за

снеженный

заведомо свободный от снега (например, расположенньм

ниже по высоте или южнее исследуемого

района).

Для

каждого типа

эта

лонов

каждого спектрального канала подсчитывались среднее значе-

ние яркости пиксела и стандартное отклонение яркости. Таким обра

зом были получены восемь характеристик

эталонов:

средние значение

яркости для снега (льда)

для фона (почва, растительность) в

1 -м

m •

2-м каналах, а также стандартные отклонения в 1-ми во 2-м каналах

Для автоматического разделения изображения

пределах выделен

ного водосбора на участки двух классов

—

заснеженные

свободные

о i

снега

—

использовался алгоритм (4.17). Заключительная процедура со

стояла в подсчете числа пикселов, относящихся к заснеженным учаа

кам в пределах водосбора, и в вычислении площади заснеженности.

Площадь рассматриваемого бассейна Нижней Тунгуски (от посел

ка Ербагачен

до

поселка

Тура

ниже впадения реки Тембенчи) составля

ет

209 500

км

Определить заснеженность одновременно

для

всей этом

площади не всегда возможно из-за наличия облачности. Поэтому пло

щадь разбивалась на части размером примерно

100 х 100

км и опреде-

лялась заснеженность раздельно для каждой из частей, не закрытом

облаками, предварительно для каждой части было установлено par

пределение площади по высотным зонам в форме таблиц и графиком

(гипсографические кривые), а также составлено

ее

ландшафтное опн

сание. По описанию выявлялись участки, близкие по характеру ланл

шафтов и, следовательно, по условиям снегонакопления, если, конем

но,

они близки и территориально.

Для оценки заснеженности участков бассейна, закрытых облаками

используется метод аналогии: 1) выбирается открытый участок-анало:

по которому по рассмотренной методике оценивается степень засне-

женности;

для этого участка по гипсографической кривой определя

ется высотное положение снеговой

линии;

3) по найденной таким обра

22fi

высоте снеговой линии и гипсографической кривой закрытого об-

ойми участка определяется искомая площадь заснеженности. После

становления всех пропущенных из-за наличия облачности данных вы-

ояется заснеженность

всего

рассматриваемого

бассейна.

Время,

затра-

щемое на определение заснеженности

(с

учетом получения спутнико-

информации

реальном времени, обработки

анализа изображений

Цавтоматизированного расчета заснеженности), не превышает 1час.

Рассмотренная методика определения площади заснеженности

ис-

ьзованием информации со спутников NOAA применена

техноло-

оской схеме оперативного прогноза ежедневных уровней воды.

я расчета уровней воды на основе усредненных за

лет данных была

строена модель стока Нижней Тунгуски

и ее

притока Тембенчи.

ка-

ieTi»e

подстроечных параметров модели использовались данные о за-

Сих

воды

снежном покрове перед началом снеготаяния

по

действу-

им пунктам снегосъемок; приближенная оценка на

их

основе средних

учений снегозапасов в бассейне; среднесуточная температура возду-

И ее

суточные суммы

по

ежедневным данным единственной функци-

Ирующей гидрометеостанции в поселке Тура; прогностические зна-

ния этих характеристик на 3-7 суток вперед; ежедневные (на

часов

и)

уровни воды Нижней Тунгуски в пунктах Ербагочен и Тура.

Космическая информация использовалась как важнейший подст-

чный элемент модели. Ежедневно ожидаемые данные о заснежен-

!ТИ

сравнивались

текущей космической информацией; если расхож-

рние превышало 3—4%, то в интерактивном режиме осуществлялась

Май

Июнь

Июль

Рис.

5.8. Фактические (—) и прогнозируемые с заблаговрс-

менностью

суток

( )

уровни воды

р.

Нижней Тунгуски за

период весеннего половодья в 1995 г.

227

корректировка модели. Компьютер выдавал значения прогнозируем:

' уровней воды в поселке Тура за 2—7 суток. Такая методика полное11>

себя оправдала (рис. 5.8).

Обнаружение ледовых заторов на реках. Используя космически

информацию, можно своевременно обнаруживать опасные природ

ные явления на реках. В Институте леса СО РАН и Красноярском i •

сударственном техническом университете накоплен большой опьп и

обнаружению заторов на Лене, Енисее и их притоках (рис. 5.9). К.и

и при определении площади заснеженности, подсчитывался вегетаим

онный индекс NDVI на интересующие районы. Это позволило разли

чать облака, снег/лед, свободную ото льда поверхность воды иучасп и

суши. На космических изображениях хорошо просматривались затон

ленные площади. Эти данные, немедленно передаваемые в орпим

МЧС,

незаменимы при мониторинге чрезвычайных ситуаций в

мал< •

населенных районах и служат основой для планирования разведыи

тельных полетов авиации и мероприятий по уничтожению затором

С использованием данных Красноярской станции HRPT проводили! i

спасательные работы во время весенних наводнений в малонаселен им

районах Якутии и в Красноярском крае.

Контроль ледового покрова. Получению космических изображении

в оптическом диапазоне сильно мешает облачность. С этой точки зр

ния перспективно применение радиолокационных изображений с in

кусственных спутников Земли [18]. В условиях Сибири пассивны

и особенно активные радиоволновые методы целесообразно исполь»

вать для оперативного контроля кромки ледостава на реках и водохр.1

нилищах в осенний, зимний и весенний периоды, для своевременно

Рис.

5.9. Ледяной затор в устье Ангары 3 мая 1995 г.

228

роонаружения и картирования зажорно-заторных явлений, для обна-

ружения разливов рек, пленки нефтепродуктов на поверхности водо-

бои.

;. ()лной из важнейших задач, которую можно успешно решать мето-

£ями активной радиолокации, является ледовая разведка в арктических

Мормх. Судоходство по Северному морскому пути связано с плавани-

гулов в сложной ледовой обстановке. Навигационный период обыч-

но проводится при неблагоприятных погодных условиях

—

частых сне-

Цншднх и туманах, густой облачности. Это затрудняет использование

рМИации и применение спутниковых данных оптического диапазона при

умнрнботке безопасных маршрутов караванов судов.

- Даже при снегопаде, тумане, облачности на радиолокационных

;

Изображениях хорошо просматриваются участки, свободные ото льда.

Ий них среди льдов любого возраста отчетливо видны каналы и разво-

дим. Различные по своим параметрам льды по-разному воспроизво-

рйтси на изображениях, имеют свои отличительные особенности и ха-

ррктсрный рисунок. Ряд особенностей ледяного покрова выявляется

Црлько при радиолокационном обзоре и не обнаруживается в оптиче-

Йжом диапазоне. Радиоволны без существенного ослабления проника-

Цвтсквозь снежный покров толщиной 40 см и более, если он не насы-

Цйен водой. Под слоем снега четко просматривается структура льда,

ЩййЛеляются замерзшие каналы и разводья, а также некоторые другие

Прсобенности ледяного покрова. Однако определение важнейшей харак-

теристики ледяного покрова

—

его возраста

—

наиболее сложный эле-

мент радиолокационной ледовой разведки, так как возраст можно оце-

нить лишь по косвенным признакам.

j 6.6. ИССЛЕДОВАНИЕ ВЕРТИКАЛЬНЫХ ПРОФИЛЕЙ АТМОСФЕРЫ

К важным достижениям космического дистанционного зондирова-

ния относится оперативное определение поля вертикальных профилей

цмной атмосферы (параметры: температура, влажность

др.).

Соответ-

ствующие исследования проведены во многих странах, в том числе

[

I России [19, 20J. В настоящее время аппаратура TOVS для исследова-

НИ"

поля вертикальных профилей атмосферы установлена на спутни-

Ких серии NOAA.

Радиометр TIROS Operational Vertical Sounder (TOVS) представля-

ет собой комплекс из трех независимых систем, данные которых могут

f ыть использованы для восстановления вертикальных профилей тем-

пературы, влажности воздуха, поля ветра, концентрации озона и дру-

гих параметров:

229

20-канальный сканирующий ИК-спектрофотометр HIRS/2I имсч•>

спектральных каналов в инфракрасной области спектра и один в ни

димой, разрешение в подспутниковой точке 17,4 км, полоса обзор.1

2600 км;

3-канальный сканирующий стратосферный

К-спектрофотоме

11 >

Stratospheric Sounder Unit (SSU) имеет три спектральных канала в по

лосе поглощения углекислого газа, разрешение в подспутниковой точ

ке 147,4 км, полоса обзора 1470 км;

4-канальный сканирующий радиометр Microwave Sounder Unn

(MSU) микроволнового диапазона 50—58 ГГц имеет четыре канала в ru>

лосе поглощения кислорода, разрешение в подспутниковой точк.

109,0 км, полоса обзора 2350 км.

состав программного обеспечения Красноярской станции HRl'i

входит пакет вертикального зондирования атмосферы TOVS ITPP вер

сии 3.0. Пакет содержит программы выделения из потока данных ип

формации TOVS, радиометрической калибровки, географической при

вязки, собственно определения вертикальных профилей атмосферы

С помощью этого пакета можно вычислить вертикальное распредели

ние температуры воздуха, температуру точки росы, значение общего се

держания озона в атмосфере, температуру и давление на поверхноа

Земли и на верхней границе облачности. Поле вертикальных профилен

атмосферы определяется на неравномерной сетке точек (до 600). Объ

ем получаемых данных с одного прохода спутника составляет около

250 кбайт.

Расположенные на различной высоте слои атмосферы имеют pa

ную температуру и давление, при этом вертикальное распределен!),

концентрации некоторых газовых составляющих, например СОг и О

можно считать известным и неизменным. Для измерения характерж

тик атмосферы используют методы спектроскопии газов. Элемент a

мосферы излучает, поглощает, рассеивает радиацию во всех направлю

ниях. Интенсивность и длина волны линий в спектрах ряда газон

например С0

, зависит от параметров состояния элемента атмосферы

(температуры, давления, концентрации газов). Производя измерения

на различных длинах волн внутри конкретной полосы поглощения

удается выполнять вертикальное сканирование атмосферы в определи

ном диапазоне высот, т.е. измерять высотные профили температуры

или удельной концентрации газовых составляющих атмосферы (в зави

симости от выбранной полосы поглощения) [19, 20].

Совокупность процессов излучения, поглощения, рассеяния ра

диации элементом атмосферы описывается уравнением радиационно

го переноса, которое в общем виде имеет сложный характер. В ИК-дп

апазоне можно пренебречь рассеянием и упростить уравнение

230