Без рубрики

Количество классов при проведении кластерного анализа космических снимков при мониторинге состояния лесов

Ю.Ф. Рожков*, М.Ю. Кондакова**

Показать больше


*Государственный природный заповедник «Олекминский»
**Гидрохимический институт
e-mail: [email protected][email protected]

Поступила в редакцию 15.05.2017

УДК 57.036:504.064.37

Аннотация. Проведена оценка возможности совместного использования двух инструментов кластерного анализа в мониторинге состояния лесов. Мультиспектральные космические снимки высокого разрешения Landsat TM/ЕТМ+ и RGB-покрытие DigitalGlobe сверхвысокого разрешения и их фрагменты подвергались двухэтапной обработке. Вначале проводилась неуправляемая классификация методом ISODATA (Iterative Self-Organizing Data Analysis Technigue). Затем проводился расчет тематической разности результатов классификации. Показана связь между количеством классов и количеством объектов, определяемых при классификации на два, четыре, шесть, десять классов. Проведено определение оптимального количества классов для выделения различных уровней структурной организации лесных экосистем. При классификации на два класса в случае снимков высокого разрешения оценивается лесистость выделенных фрагментов снимков. При классификации снимков сверхвысокого разрешения на два класса определяется соотношение между площадью крон и площадью между кронами деревьев. При классификации снимков высокого разрешения на четыре класса выделяются подклассы более густого и редкого древостоя, подклассы с открытыми пространствами и участки, покрытые кустарниками и редколесьями.

Ключевые слова: дешифрирование космических снимков, классификация ISODATA, тематическая разность, количество классов при проведении кластеризации.

Список литературы
  1. Исаев А.С., Князева С.В., Пузаченко М.Ю., Черненькова Т.В. Использование спутниковых данных для мониторинга биоразнообразия лесов
    // Исследование Земли из космоса. 2009. № 2. С. 1–12.
  2. Литинский П.Ю. Трехмерное моделирование структуры и динамики таежных ландшафтов. Петрозаводск: Карельский научный центр, 2007. 107 с.
  3. Кочуб Е.В. Анализ методов обработки материалов дистанционного зондирования Земли
    // Вестник Полоцкого государственного университета. Серия F. Строительство. Прикладные науки. Геодезия. 2012. № 16. С. 132–140.
  4. Коросов А.В., Коросов А.А. Техника ведения ГИС. Приложение в экологии. Петрозаводск: Изд-во ПетрГУ, 2002. 188 с.
  5. Фомин В.В., Залесов С.В., Магасумова А.Г. Методики оценки густоты подроста и древостоев при зарастании сельскохозяйственных земель древесной растительностью с использованием космических снимков высокого пространственного разрешения // Аграрный вестник Урала. 2015. № 1. С. 125–129.
  6. Кравцова В.И. Методические подходы в аэрокосмических исследованиях северной границы леса //География и природные ресурсы. 2012. № 3. С.133–139.
  7. Балдина Е.А., Грищенко М.Ю. Методика дешифрирования разновременных космических снимков в тепловом инфракрасном диапазоне // Вестник МГУ. Серия 5. География. 2014. № 3. С. 35–42.
  8. Рожков Ю.Ф., Кондакова М.Ю. Мониторинг состояния лесов с использованием кластерного анализа при дешифрировании космических снимков среднего и высокого разрешения // Наука и образование. 2016. № 3. С. 95– 101.
  9. ArcView Image Analisis. Руководство пользователя. М.: Дата+, 1998. 270 с.

Добавить комментарий

Ваш адрес email не будет опубликован.