Оцінювання індексу листкової поверхні за даними авіаційної лідарної зйомки - Статья

Київ, Україна; 2The John Paul II Catholic University of Lublin, Lublin, Poland ОЦІНЮВАННЯ ІНДЕКСУ ЛИСТКОВОЇ ПОВЕРХНІ ЗА ДАНИМИ АВІАЦІЙНОЇ ЛІДАРНОЇ ЗЙОМКИ Проведено стислий огляд існуючих методів оцінювання індексу листкової поверхні LAI. Для подібних випадків запропонована методика дистанційного оцінювання індексу листкової поверхні, в основі якої - регресійна модель звязку між значеннями індексу LAI і даними авіаційної лідарної зйомки.Засвоюючи в процесі фотосинтезу двоокис вуглецю, воду, мінеральні компоненти, рослини утворюють органічні речовини - джерело енергії та їжі усіх живих організмів і виділяють життєво необхідний кисень. За участю рослинності формується клімат, підтримуються водний баланс і необхідний для живих організмів склад приземної атмосфери тощо.Індекс LAI сьогодні широко використовується при вивченні особливостей взаємодії рослинності з атмосферою, в моделях вуглецевого циклу, при оцінюванні продуктивності лісів, розрахунках фітомаси, тощо [2-4]. Індекс LAI визначається кількісно, як площа загальної поверхні освітлених листків (сонячним або іншим випромінюванням), що приходиться на одиницю поверхні ґрунту [3], тобто: LAI ? S /G, де S - площа освітлених листків, G - площа ґрунту. Наземні методи першої групи відносять до прямих, методи другої групи називають безконтактними, або непрямими. Зміст найбільш процедурно простого методу прямих наземних вимірювань LAI полягає у тому, що на певній земельній ділянці з рослинністю зрізують все листя, збирають і підраховують його загальну площу. Головна перевага наземних прямих вимірювань - максимальна відповідність (наближеність) оцінок LAI дійсному стану рослинності, тому саме основані на таких вимірюваннях методи звичайно використовують для калібрування інших методів і технологій вимірювання LAI, зокрема дистанційних [8, 9].Так, проведене в [14] дослідження на знімках Landsat-5 показало, що значення NDVI і LAI непогано корелюють між собою, а цей статистичний звязок може бути із задовільною точністю описаний формулою лінійної регресії. У роботі [15] встановлено, що точність оцінок LAI у деяких випадках може бути покращена, якщо розраховувати LAI через індекс RSR. Однак нещодавно було показано [16], що реальним є подальше підвищення точності оцінок LAI за допомогою знімків Landsat-7, якщо є адекватна модель формування оптико-спектрального сигналу та можливість додатково використовувати деякі програмні продукти, що створюються на основі багатоспектральних зображень з космічного апарату MODIS. Однак всім їм притаманні два такі недоліки: 1) більшість багатоспектральних і гіперспектральних аерокосмічних знімків, на які орієнтуються відомі методи дистанційного оцінювання LAI, мають відносно невисоку просторову розрізнювальну здатність; 2) всі оцінки LAI базуються на сигналах, відбитих лише верхнім шаром рослинності, тобто в розрахунках ніяк не враховується тривимірність рослинних обєктів. Щоб подолати вказані недоліки, у світовій практиці для отримання кількісних характеристик рослинності, зокрема LAI, все частіше звертаються до такого активного засобу ДЗЗ, як лазерне сканування ділянок земної поверхні з борта літака або космічного апарата [20, 21, 22].Всі фотографії DHP були зроблені в ранковий період часу до сходу Сонця, як це рекомендовано в [25]. Аерофотознімки використовувалися в роботі для полегшення вивчення території досліджень і визначення місць точок наземного фотографування. Методика дистанційного оцінювання LAI за даними авіаційного лідара реалізується за схемою, представленою на рис. У якості такого був відібраний синий канал, оскільки він, як показано в [26, 27], забезпечує найбільш чітке розмежування між рослинністю, небом і змішаними пікселами, тому як фотозинтезуючі фітоелементи (листя, голки) мають набагато менший коефіцієнт відбиття і пропускання в синій області оптичного спектру. Обчислення LAI проводилися програмою GLA у двох варіантах: 1) аналізується розподіл випромінювання в межах просторового кута ±60o; 2) аналізується розподіл випромінювання в межах просторового кута ±75o.Оскільки необхідні дані про щільність точок ґрунту та рослинності можуть бути отримані з результатів проведеної нами раніше класифікації масивів точок, то індекс LPI також може застосуватися як змінна при побудові формули регресії. 4 показано розподіл цього індексу на територію дослідження; тут значеннями LPI, близькими до 0, відображені ділянки з густою рослинністю, зі зростанням значень LPI збільшується рівень відкритості місцевості. Будемо шукати оцінку LAI, що отримується за допомогою даних авіаційної лідарної зйомки, через модель множинной регресії [30], а саме у вигляді: yi ?b0 ?b xi1 ?b2xi2 ???bp xip; (i ?1,2,...,n). Тут через y позначено відповідну оцінку величини індексу листкової поверхні за даними лідарної зйомки, тобто LAILIDAR; x1,x2,...,xp ? незалежні змінні (регресори); Далі за допомогою певного критерію (у нашому дослідженні був використаний F-критерій) оцінюється внесок кожного регресора в підвищення точності.