Региональная экологическая оценка характеристик состояния лесов по многоспектральным спутниковым данным MODIS

Статьи по географии » Разработка методики региональной экологической оценки состояния лесов по данным спутниковых наблюдений » Региональная экологическая оценка характеристик состояния лесов по многоспектральным спутниковым данным MODIS

Для проведения экспериментальных работ был использован набор очищенных от влияния облачного покрова сезонных композитных изображений, полученных по данным прибора Modis со спутника Terra. Полученные данные обеспечивают полное покрытие территории области и включают композитные изображения для летнего (июнь-август) и зимнего (декабрь-февраль) периодов 2002 года. При этом использовались данные наблюдений с пространственным разрешением 250 м в красном (620-670 нм) и ближнем инфракрасном (841-876 нм) спектральных диапазонах и разрешением 500 м в среднем инфракрасном (1628-1652 нм) диапазоне.

На первом этапе была выполнена классификация изображений MODIS для построения карты лесов области с выделением темнохвойных, светлохвойных, лиственных и смешанных лесов. Классификация выполнялась в два последовательных этапа с применением алгоритма кластерного анализа ERDAS ISODATA на основе совместного использования изображений летнего и зимнего периода спутниковых наблюдений. На первом этапе был выполнен кластерный анализ зимнего изображения с последующей тематической интерпретацией спектральных кластеров, позволившей построить бинарную маску покрытия территории области лесами. Последующая более детальная классификация типов лесов проводилась по данным MODIS, полученным в летний период. При этом в рассмотрение принимались только пиксели, включенные в бинарную маску лесов на предыдущем этапе. Такая последовательность использования разносезонных спутниковых изображений позволяет достаточно просто исключить ошибки, связанные с перепутыванием классов, относящихся к покрытым и непокрытым лесом территориям.

Оценка по данным MODIS значений спектральных индексов, отражающих относительное содержание хлорофилла и влагообеспеченность лесной растительности, проводилась согласно следующим выражениям:

NDVI = (NIR – RED) / (NIR + RED) (3)

NDWI = (NIR – SWIR) /(NIR + SWIR) (4)

где NDVI - нормализованный разностный индекс растительности; NDWI - нормализованный разностный индекс влагосодержания; RED, NIR и SWIR – соответственно значения спектральной яркости в каналах 620-670 нм, 841-876 нм и 1628-1652 нм.


Материалы по географии:

Государства Закавказья - Грузия, Армения, Азербайджан
Часть Кавказа, к югу от Главного, или Водораздельного хребта Б. Кавказа. Включает большую часть юж. склона Б. Кавказа, Закавказское нагорье, Талышские горы. Выделяется добычей и переработкой руд цв. и черн. металлов, нефти, газа. Пищ. легкая промышленность, машиностроение. Курортное хоз-во. Грузия ...

Агро-географическое положение
Сельское хозяйство формируется как составная часть создаваемого здесь народнохозяйственного комплекса. Регион производит зерна, мяса, молока, картофеля больше, чем потребляет. Значительная часть этой продукции вывозится. Для Тюменского хозяйства характерно высокоразвитое животноводство, прежде всег ...

Природные ресурсы
Природные ресурсы. Китай принадлежит к числу наиболее богатых полезными ископаемыми стран. Здесь добывают: каменный уголь, нефть, магниевые и железные руды, вольфрам, медь, графит и олово. В пределах Синайского щита сосредоточены крупнейшие в стране месторождения каменного угля (который по своему п ...

Разделы

Copyright © 2026 - All Rights Reserved - www.briefgeography.ru