Результат интеллектуальной деятельности: Способ выделения границ водных объектов и ареалов распространения воздушно-водной растительности по многоспектральным данным дистанционного зондирования Земли

Изобретение относится к способам определения местоположения береговой линии, границы водного объекта и зон распространения воздушно-водной растительности.

Для кадастрового учета, а также исследования водоемов, в особенности прибрежных экотоных зон, существует необходимость точного выделения действительных границы береговой линии. Экотоная зона - зона между сущей и водой зачастую занята водной растительностью, что усложняет выделение границ объектов. При этом воздушно-водная растительность, зачастую простирается на сотни метров от береговой линии. Водная растительность, играет значительную роль в регулирование процессов, в занятых ей местах обитая. Она защищают береговые линии от эрозии, улавливает взвешенные твердые частицы, производит выделение большого количества углерода и азота. Выделение ареалов распространения водной растительности достаточно важная задача для оценки состояния, динамики развития и определения устойчивости экосистем водных объектов.

Известны три наиболее распространенные способа определения границы водного объекта и зон распространения воздушно-водной растительности по многоспектральным данным дистанционного зондирования Земли: визуальное дешифрирование, кластеризации снимка, классификация на основе индексных изображений.

1. Визуальное дешифрирование космических снимков оператором. Это наиболее простой способ, не требующий специализированного программного обеспечения и квалификации оператора. Недостатками указанного способа являются: низкая точность результатов и высокая трудоемкость при больших размерах объектов.

2. Кластеризации снимка с использованием специализированных алгоритмов. Известны два алгоритма кластеризации: «без обучения», например, ISODATA, и «с обучением», например, методы: минимального расстояния, максимального правдоподобия, спектральной корреляции SAM и др. Суть методов заключается в разделение точек двумерного пространства на подмножества - кластеры, связанные определенным свойством. Результатами реализации известных способов являются тематические изображения, классы которых соотносят с группами объектов на земной поверхности. Известные способы позволяет получать результаты с высокой степенью автоматизации их алгоритмов.

Недостатками известных способов являются: неконтролируемость результатов при использовании классификации без обучения, а также выбор подходящих контрольных полигонов при использовании кластеризации с обучением.

3. Классификация на основе индексных изображений, получаемых путем обработки многоспектральных космических снимков. Наиболее популярными известными способами классификации на основе индексных изображений являются: нормализованный вегетационный индекс (NDVI); почвенный вегетационный индекс (SAVI); нормализованный разностный водный индекс (NDWI) и др. В известных способах классификация объектов производится на основании значений пикселей индексных изображений объектов. Известные способы достаточно удобны и являются наиболее распространенными. К тому же некоторые многоспектральные данные дистанционного зондирования Земли поставляются с рассчитанными значениями NDVI. Недостатками известных способов являются: невозможность контролировать классификацию, а также не эффективность при выделении экотоных зон между водной поверхностью и сушей.

Наиболее близким по технической сущности аналогом к заявляемому изобретению является способ оценки уровня загрязнения акваторий по гиперспектральным данным аэрокосмического зондирования RU 2616716, опубл. 18.04.2017[1], который заключается в последовательной реализации следующих операций:

- вычисление признаков кластеров водной поверхности, относящихся к мощным пленкам нефтепродуктов с толщиной пленки более 0,2 мм и крупнодисперсной взвеси с концентрацией более 200 мг/л;

- исключение областей чистой воды по интегральному показателю отражения во всем анализируемом диапазоне спектра;

- использование полуаналитического подхода для расчета концентрации взвешенных минеральных веществ и хлорофилла «а» по регрессионным зависимостям в спектральных полосах, соответствующих максимальной вариации значений яркости под воздействием взвеси и поглощению излучения хлорофиллом;

- формирование признакового пространства для выделения тонких пленок нефтепродуктов от участков интенсивного распространения хлорофилла «а» и сегментация участков взвесей на фоне мелководья;

- классификация водной поверхности в созданном признаковом пространстве.

Способ состоит в определении контуров и параметров загрязнений по отражательным характеристикам водной поверхности, отличающийся тем, что расчет признаков осуществляется одновременно в спектральных каналах, соответствующих максимальной величине обратного рассеивания взвешенными частицами, полосам поглощения органических примесей в виде фитопланктона, интервалам, близким к максимуму возбуждения люминесцентного свечения нефтяными фракциями в коротковолновой части видимого диапазона спектра, и имеющих ширину от нескольких до десятков нанометров.

Недостатками ближайшего аналога являются:

- ограниченная возможность использования, ввиду ограниченной доступности к получению гиперспектральных изображений со спектральным разрешением не хуже 5-10 нм, тем более в оперативном режиме;

- реализация способа в виде программного комплекса с высокой степенью автоматизации процесса тематической обработки гиперспектральных данных, что в условиях недостаточной квалификации оператора либо слабого контроля получаемой информации создает условия для получения ложных результатов,

- отсутствие учета влияния водной растительности в качестве фактора неоднородностей водной поверхности.

Описание способа

Целью изобретения является повышение эффективности определения границ водных объектов и выделения зон распространения воздушно-водной растительности.

Заявляемый способ иллюстрируется Фиг. 1-10.

Фиг. 1. Характерные коэффициенты отражения водной поверхности и суши (по снимку Landsat).

Фиг. 2. Пример расчета границ водоема на основе деления пикселей ИК-канала по пороговому значению коэффициентов отражения. а) профиль прибрежной зоны на снимке Landsat в ИК-канале; б) график значений коэффициентов отражения прибрежной зоны в ИК-канале; в) пример распределения значений пикселей на участке прибрежной зоны в ИК-канале.

Фиг. 3. Коэффициенты отражения водной поверхности и водной растительности.

Фиг. 4. Оптические параметры модели атмосферы для условий лета в средних широтах. а) Коэффициент пропускания электромагнитного излучения; б) светимость самой атмосферы

Фиг. 5. Границы водных объектов, выделенные по снимку Landsat

Фиг. 6. Пример выделения по космическому снимку Landsat-8 областей распространения воздушно-водной растительности (4 июля 2015 г., Волжский плес, район пос. Старое Мелково).

Фиг. 7. Алгоритм определения зон распространения воздушно-водной растительности по данным сенсора Landsat-8.

Фиг. 8. Спектральные кривые в виде «сырых значений» яркости (DN).

Фиг. 9. Спектральные кривые после радиометрической калибровки в виде значений энергетической яркости.

Фиг. 10. Спектральные кривые после атмосферной коррекции в виде коэффициентов отражения.

Заявляемый способ базируется на использовании многоспектральных данных дистанционного зондирования Земли, а именно многоспектральных снимков спутника Landsat-8. Это свободно распространяемые данные. Они размешаются в открытом доступе на серверах Геологической службы США. Также заявляемый способ может быть использован для обработки данных дистанционного зондирования Земли с других сенсоров производящих съемку поверхности Земли в красном и ближнем ИК-участках спектра.

Известно, что вода поглощает электромагнитное излучение в ИК диапазоне, поэтому этот участок спектра выбран для определения границы между сушей и водными объектами, которые не очевидно различимы в видимом свете Фиг. 1. Наилучшее контрастирование водной поверхности и суши наблюдается при проведении сравнения их коэффициентов отражения в ближнем ИК-диапазоне. Так для многоспектральных снимков спутника Landsat-8 выбран 5-й канал 0,845-0,885 мкм. А для определения границ (создания маски) водоема предлагается использовать разделение пикселей снимка по значению отражательной способности в ближнем ИК диапазоне на группы, соответствующие воде и суше.

Расчет порогового значения между группами пикселей производится на основе профилей переходной зоны. Для расчета порогового значения при помощи ГИС-редактора составляется несколько графиков профилей прибрежной зоны в ближнем ИК-диапазоне, содержащих береговую и водную поверхности Фиг. 2а. Использование нескольких профилей позволяет повысить репрезентативность получаемых данных. Еще более информативным для определения порогового значения между сушей и водоемом является использование распределения значений отражательной способности пикселей для полигонального участка прибрежной зоны Фиг. 2в. Этот подход отличается трудоемкостью, поэтому в заявленном способе он используется как дополнительный. На Фиг. 2б и Фиг. 2в наблюдаем, что пиксели космического снимка, соответствующие водной поверхности, в ближнем ИК диапазоне имеют низкую отражательную способность, в то время как пиксели соответствующие суше характеризуются более высоким коэффициентом отражения. Опытным путем установлено, что в большинстве случаев, для Европейской части России, пороговое значение коэффициента отражения в ближнем ИК диапазоне между пикселями спутниковых снимков соответствующих суши и водной поверхности составляет около 0,15 в ближней инфракрасной области. В необходимости использования заявляемого способа для других территорий, пороговое значение может быть откорректировано, чтоб соответствовать местным условиям, но следует учитывать, что оно должно находиться в интервале от 0,1 до 0,2. Так как значение коэффициента отражения пикселя спутникового снимка в ближнем ИК диапазоне ниже 0,1 однозначно относит его к чистой водной поверхности, а значение выше 0,2 - к суше. При этом пиксели, имеющие в ближнем ИК диапазоне отражательную способность, меньше порогового показателя интерпретируются как поверхность занятая водой и водой растительностью.

Воздушно-водная растительность, как правило, располагается в прибрежной мелководной зоне, и задача ее определения, по данным космической съемки, сводится к разделению смежных пикселей между чистой водной поверхностью и сушей. На основании космических снимков и полевых обследований, выявлены индивидуальные спектральные характеристики зон развития воздушно-водной растительности. Идентификация данных зон во внутренних водоемах усложняются большим количеством примесей в водах, что делает спектры отражения водных масс и отражения водной растительности сходными. Исследования показали, что присутствие водной растительности проявляется в повышение значений отражательной способности пикселя спутникового снимка в видимом и ближнем ИК-диапазонах Фиг. 3. Для многоспектральных снимков спутника Landsat-8 наиболее значительное увеличение отражательной способности ареалов воздушно-водной растительности наблюдается в 5 канале 845-885 нм.

Но в тоже время увеличение отражательной способности во внутренних водоемах, относительно вод без существенного количества примесей, может быть обусловлено повышением концентрации хлорофилла и/или показателя мутности Фиг. 3.

Экспериментально установлено, что наиболее характерной особенностью зон развития воздушно-водной растительности, является превышение значений отражательной способности пикселя спутникового снимка в ближнем ИК-диапазоне - 5 канал многоспектральных снимков спутника Landsat-8 845-885 нм над значениями отражательной способности в красном участке видимого диапазона - 4 канал многоспектральных снимков спутника Landsat-8 630-680 нм. Поэтому для выделения ареалов распространенности воздушно-водной растительности эффективно использовать оценку значений пикселей снимков в красном участке спектра относительно значений для них в ближнем ИК диапазоне. Для выделения ареалов воздушно-водной растительности можно оценивать участок спектра 630 - 885 нм. Выделение чистой водной поверхности предлагается осуществлять за чет выделения пикселей снимка для которых параметр определяемый соотношением коэффициентов отражательной способности (k) который рассчитывается по следующей формуле:

если k<1, то значения пикселя относятся к воздушно-водной растительности, если k>1, то значения пикселя относятся к водной поверхности, не покрытой воздушно-водной растительностью.

Пример реализации способа

Определение границ водной поверхности Иваньковского водохранилища проводилось по его многоспектральному снимку со спутника Landsat. Получаемые со спутника данные записаны в виде «сырых значений» яркости (DN - Digital Number). Это относительные значения яркости - спектральные кривые в виде DN представлены на Фиг. 8. Примечательно, что применения заявляемого способа достаточно использовать любые мультиспектральные изображения, имеющие красный и ближний ИК каналы. При этом следует отметить, что применяемые спектральные зоны относительно слабо подвержены ошибкам, связанным с влиянием атмосферы и растворенных в воде органических веществ, что благоприятно для получения результатов высоких качества и достоверности.

На первом этапе снимки подвергаются радиометрической калибровке. Задача радиометрической калибровки заключается в пересчете значений DN в значения спектральной энергетической яркости на верхней границе атмосферы, так для Landsat-8 используется следующая формула:

(2)

где, L _λ - энергетическая яркость для спектральной зоны;

M _L - калибровочный коэффициент масштабирования конкретного канала (в метаданных - RADIANCE_MULT_BAND);

А _L - добавочный коэффициент масштабирования конкретного канала, это калибровочная константа, которая соответствует минимальной величине регистрируемой яркости (в метаданных - RADIANCE_ADD_BAND),

Q _кал - калиброванное значение (DN) [2].

Спектральные кривые в виде значений энергетической яркости представлены на Фиг. 9.

Далее проводится атмосферная коррекция, на основе модели атмосферы MODTRAN. Модель MODTRAN позволяет задавать несколько стандартных вариантов атмосферы. При обработке снимков Иваньковского водохранилища использовалась модель атмосферы для лета в средних широтах (Mid-Latitude Summer), в основе которой лежат следующие средние параметры: толщина слоя водяного пара составляет 3636 атм. см, при этом количество водяного пара на каждый единицу площади земной поверхности составляет 2,92 г/см², температура воздуха у земной поверхности 21 С°. При атмосферной коррекции был произведен учет пропускания электромагнитного излучения и светимость самой атмосферы Фиг. 4. На этом же этапе был осуществлен перевод значений пикселей из энергетической яркости в коэффициенты отражательной способности от 0 до 1. Коэффициент отражения для спектральной зоны может быть определен по следующей, часто используемой в дистанционном зондировании, формуле:

где E_SUN - средняя солнечная внеатмосферная освещенность [Вт/(м² нм)];

D - расстояние от Земли до Солнца в астрономических единицах на конкретную дату;

- энергетическая яркость для спектральной зоны [Вт/(ср≥м²·нм)];

_- угол возвышения солнца (90° - зенитный угол)

Спектральные кривые в виде значений коэффициентов отражения представлены на Фиг. 10.

Для выделения границ водоема производилось разбиение пикселей снимка Landsat-8 на два подмножества (суша и водные объекты). Для этого было использовано полученное ранее пороговое значение коэффициента отражения между пикселями спутниковых снимков соответствующих суши и водной поверхности, которое составило 0,15 для ближней инфракрасной области. Пиксели, имеющие отражательную способность, меньше порогового показателя интерпретировались как водные объекты. На основании этого подхода пиксели снимка были разбит на две группы (водные объекты и суша), таким образом, были выделены границы Иваньковского водохранилища Фиг. 5.

Для выявления спектральных образов, характерных для водной растительности использовались космические снимки Landsat-8, полученные в июле-августе 2015-16 гг. Согласно заявляемому способу участки развития воздушно-водной растительности характеризуются превышения отражательной способности 5 канала, соответствующему ближнему ИК 845-885 нм, над 4 каналом, красный 630 - 680 нм. Для разделения поверхности водоема на две группы (покрытая воздушно-водной растительностью и не покрытая воздушно-водной растительностью) используется коэффициент k, определяемый соотношением коэффициентов отражательной способности (1). Значения пикселей с k<1 идентифицируют их как воздушно-водной растительность, а с k>1 - как водная поверхность, не покрытая воздушно-водной растительностью. На основании этого алгоритма были выделены участки распространения воздушно-водной растительности в акватории Иваньковского водохранилища Фиг. 6.

Схема алгоритма

Общая схема алгоритма, предлагаемого для выделения областей распространения воздушно-водной растительности по данным Landsat-8, представлена на Фиг. 7.

На Фиг. 8-10 представлено изменение характера спектральных кривых при обработке снимков согласно заявляемому способу.

Реализация заявляемого способа не вызывает сомнений ввиду доступности требуемых многоспектральных данных дистанционного зондирования Земли и простоте реализации вычислительных расчетов на стандартной ЭВМ.

Используемая литература

1. Способ оценки уровня загрязнения акваторий по гиперспектральным данным аэрокосмического зондирования Патент RU № 2 616 716 G01N 21/55 2014 г.

2. Landsat 8 (L8) Data Users Handbook Version 5.0. USGS, 2019. 106 p.