Способ диагностики почвенного покрова по данным дистанционной информации
Использование: почвенное картографирование для нужд сельского хозяйства, в том числе для инвентаризации земель, и контроль за состоянием почвенного плодородия. Сущность изобретения: диагностика почвенного покрова проводится на основе анализа результатов цифровой обработки многозонального изображения методом кластеризации, представляемых в виде таблиц статистик и кластерной карты. Интерпретация выполняется графоаналитическим методом с использованием новых вегетационных индексов-разностей спектральной яркости в зеленом, красном и ближнем ИК диапазоне. Анализ распределения кластеров в этом пространстве позволяет интерпретировать почвенный покров в условиях открытой поверхности, провести генерализацию кластеров, различающихся только по видам и фазам развития культур, а также решить вопросы интерпретации картографических снимков к реальным условиям. 4 ил.
Изобретение относится к почвенному картографированию для нужд сельского хозяйства и может быть использовано в целях инвентаризации земель и контроля за состоянием почвенного покрова.
Наиболее распространенными методами анализа материалов дистанционных съемок в целях составления почвенных карт являются визуальные и визуально-инструментальные. С появлением новых технических средств съема и обработки информации и резким увеличением ее объема усиленное внимание уделяется разработке цифровых методов на базе ЭВМ и анализаторов изображений, что обеспечивает большую объективность и оперативность обработки. Интерпретация результатов цифровой обработки является ключевым вопросом ее использования в целях тематического картографирования. В основе распознавания природных объектов по материалам многозональных съемок лежит анализ изменений их спектральной яркости в различных интервалах видимой и ближней ИК части спектра. С целью повышения объективности результативности интерпретации этих изменений используют вегетационные индексы, представляющие собой различного рода отношения и линейные комбинации каналов съемки. Среди них наиболее часто используют преобразование, предложенное Каутом и Томасом и известное как трансформация "шапочка с кисточкой" ("Tasseled Cap Transformation", kanth R.J. Thomas G.S. 1976). Метод разработан для целей оценки биологической продуктивности, а потому, как в работах этих авторов, так и в последующих (Riohardson A.J.Wiegand C/L. 1977; Haete A. R. Jactson R/D. 1985), почва рассматривается как помеха, маскирующий фактор. Метод Каут-Томаса взят нами в качестве "прототипа". Отличие данного изобретения от него в более простом способе представления старых и выявлении новых закономерностей распределения природных объектов в пространстве, координатами которого являются новые вегетационные индексы разности спектральных яркостей. Цель изобретения повышение результативности интерпретации почвенного покрова по данным цифровой обработки многозональной съемки в условиях открытой поверхности и развитого растительного покров. Пример (конкретное выполнение способа). Разработка методических приемов интерпретации результатов цифровой обработки изображения проводилась на территории степного и сухостепного Предкавказья. Общая площадь объекта 21 час. кв. км. Он представляет собой полосу шириной около 100 км, протянувшуюся с ЮЗ на СВ от длины p. Кубань в окрестностях пос. Кочубеевское до депрессии лимана Бурукшун. Исследования территория включает Ставропольскую возвышенность с ее крутыми юго-западными и пологими северными склонами, западную часть Янкульской котловины, уже упоминавшуюся лиманную депрессию, верховья долин Кубани и Егорлыка и долины из протоков. Среди почвообразующих пород преобладают лессовидные суглинки мощностью 10-25 м. В Янкульской котловине и на южных склонах Ставропольской возвышенности на поверхность выходит майкопские глины. Вершины Ставропольской возвышенности сложены с поверхности известняками и песчаниками, покрытыми лесной растительностью. В почвенном покрове объекта наблюдается переход от черноземной зоны к каштановой. Почвы черноземного типа представлены подтипами обыкновенных и в меньшей степени южных черноземов. На майских глинах подтип обыкновенных черноземов представлен родом слитных. На севере объекта, в районе Букуршунской депрессии, распространены темно-каштановые почвы и почвы каштановых солонцовых комплексов. В речных долинах развиты луговые и аллювиально-луговые почвы, солончаки и солонцы. Последние характеры также и для лиманной депрессии. Наконец, нельзя не отметить присутствие вторично-гидроморфных и засоленных почв орошаемых и подтопляемых территорий. Были использованы следующим материалы: 1) информация, полученная со спутника Космос-1939 аппаратурой высокого разрешения МСУЭ в сентябре и октябре 1988 г. 2) серия тематических карт (Государственная почвенная карта СССР М 1:1000000. Почвенная карта Ставропольского края М 1:300000, гипсометрические карты тех же масштабов, карта четвертичных отложений М 1:1500000); 3) данные наземных маршрутных исследований. Цифровая обработка включала кластерный анализ по методу K-средних, который учитывает тоновые и текстурные различия объектов. В работе использовался алгоритм, описанный в работах Асмуса с соавторами (1987, 1988). Идея метода состоит в том, что исходный массив данных на основе некоторого критерия неоднородности разбивается на однородные подмножества, каждое подмножество описывается вектором средних и производится кластеризация этих векторов методом K-средних. В алгоритме заложена возможность правильной кластеризации смешанных точек, а также выделения (N+1) класса. Высокая точность и достаточность результатов обеспечивается комплексным использованием яркостных и пространственных характеристик. Цифровая обработка косметических данных проводилась на ЭВМ ЕС-1060, IBM PC AT. Просмотр и интерпретация исходных изображений и результатов цифровой обработки выполнялись на комплексе Периколор-2000 и IBM PC AT. Интерпретация почвенного покрова по результатам цифровой обработки. Результаты кластерного анализа изображений воспроизводятся в виде двух документов: кластерной карты и таблицы статистик /число измерений в кластере, вектор средних, вектор дисперсий/. Визуальный анализ кластерной карты позволяет оценить особенности пространственного распределения кластеров, преобладающие формы их ареалов, наличие текстуры, наиболее часто встречающиеся сочетания и специфичность кластеров. Форма отдельных выделов на кластерной карте говорит о происхождении почвенного покрова, природном или с участием антропогенного воздействия. Преобладание геометрических форм, прямолинейность и угловатость границ готовят о распространении пахотных угодий. Пятнистые и линейные формы характерны для почвенного покрова, формирующегося в естественных условиях или в условиях ограниченного антропогенного воздействия (луга, пастбищные угодья). При этом линейность, как правило, является индикатором приуроченности к речной или овражно-балочной сети. Внутренняя текстура таких контуров может быть случайной. Тогда ее можно убрать, используя метод медианной фильтрации. При этом, однако, необходима осторожность, так как этот признак может указывать и на микро- и мезонеоднородность почвенного покрова, выраженную через различие состояния посевов. Пространственные изменения в числе и составе кластеров на отдельных фрагментах изображения отражают изменения в числе и составе культур в севообороте и могут служить косвенным признаком изменений и структуре почвенного покрова на микроуровне (Королюк, 1989). Оценка специфичности кластеров имеет важное значение для интерпретаций почвенного покрова. Один и тот же кластер может соответствовать почвенному покрову, формирующемуся в разных геоморфологических позициях и разных условиях увлажнения. Это связано с тем, что дистанционные методы регистрируют спектральную яркость системы, состоящей из почвы и растительности. Влияние последней вносит в нее существенные коррективы, иногда стирая различия, обусловленные почвой. Поэтому для повышения результативности интерпретации почвенного покрова необходимо предварительное совмещение снимка с картой геоморфологического районирования или с топокартой с выделенными на ней водосборами, речными долинами, склонами крутизны и другими элементами геоморфологии. Визуальный анализ спектральных кривых, построенных по средним спектральным яркостям кластеров, показывает, что природные объекты степного и сухостепного Предкавказья делятся на 4 группы (фиг. 1). Первая соответствует водным объектам, для которых характерно постепенное падение кривой от зеленой и ближней ИК зоне. Наблюдаемый иногда прогиб в красной зоне может быть связан с зарастанием водоемов. Вторая группа объединяет спектральные кривые почв, полученные в условиях открытой поверхности или при незначительном покрытии ее растительностью (например, всходы или посевы на ранней стадии развития). Кривые этой группы максимально приближаются к спектральному образу почв (Кринов, 1974). В этой группе наиболее ярко проявляется влияние почвенных свойств (гумусности, карбонатности, засоленности) на спектральную яркость системы почва-растительность, что сказывается в положении над осью абсцисс графита. Третья и четвертая группы соответствуют классу растительных образований, для которого характерен прогиб в красной зоне и подъем в ближней ИК. Уменьшение отражения в первой связано с поглощением света в результате абсорбции хлорофиллом. Увеличение отклика во второй с внутренней структурой листа (Kniphling, 1970). Таким образом, соответствующие отклонения спектральной кривой в названных диапазонах связаны с присутствием зеленой биомассы. Выраженность этих изменений отражает объем биомассы, определяемый плотностью и состоянием растительности, а, следовательно, и степенью влияния спектральных свойств растительности на спектральные характеристики системы почва-растительность. Таким образом, 3-я и 4-я группы спектральных кривых отличаются по плотности и состоянию растительного покрова. Из сказанного очевидно, что характер спектральных кривых объектов содержит существенную информацию о компонентах системы. Однако, визуальная интерпретация их сложена и субъективна. Графический анализ спектральных параметров объектов, сгруппированных в кластеры, в координатах r(0,5-0,6) и r(0,6-0,7); r(0,6-0,7) и r(0,8-0,9) позволил выявить некоторые закономерности их распределения в этих пространствах, которых могут быть полезны при интерпретации почвенного покрова. На графике, построенном в первой проекции, между средней яркостью спектральных классов в каналах (0,5-0,6) и (0,6-0,7) наблюдается линейная зависимость (фиг.2). В распределении кластеров в этих координатах намечаются следующие тенденции. Все разнообразие кластеров может быть разделено на 4 группы. Первую, с характерным для растительных образований спектральным образом, создают кластеры, соответствующие залесенным территориям. Вторая группа отражает орошение земли (после полива), а также зарастающие водоемы. И четвертая, самая представительная, образована кластерами системы почва-растительность. Внутри этой группы намечается разделение на автоморфные, полу- и гидроморфные почвы. Среди автоморфных почв в свою очередь можно выделить области концентрации кластеров, соответствующих: черноземам среднегумусным, черноземам малогусмусным, черноземам южным и каштановым солонцовым комплексам с участием солонцов до 10% каштановым солонцовым комплексам с участием солонцов от 10 до 25% и солонцам степным, а также полугидроморфным и гидроморфным солончаковым. Однако значительный разброс кластеров позволяет говорить лишь о намечающихся тенденциях такого разделения. Второй вариант графического анализа убедительно продемонстрировал высокую информативность съемки в каналах 0,6-0,7 и 0,8-0,9 мкм. Распределение кластеров в этой плоскости образует облако треугольной формы с наиболее влажными, заросшими густой растительностью почвами в вершине треугольника /B/ и открытыми почвами в его основании. По основании треугольника кластеры располагаются в порядке возрастания из средней спектральной яркости, обусловленной почвенными свойствами. Это позволяет назвать ее вслед за Каут и Томасом "линией почв". Указанные закономерности хорошо известны и еще раз подтверждаются в наших исследованиях картографической и наземной информацией. Однако, достаточно хаотическое распределение кластеров внутри треугольника не позволяет выявить закономерностей, которые можно было бы использовать для выработки единых принципов интерпретации почвенного покрова. В поисках таких закономерностей мы обратились вновь к анализу спектральных кривых почв и растительности. Их сопоставление показывает, что для разделения этих объектов наиболее информативен канал 0,6-0,7. Спектральная кривая почв здесь сохраняет тенденцию постепенного подъема от зеленой к ближней ИК части спектра, а растительность дает резко выраженный прогиб. Разность отражения r(0,5-0,6) r(0,6-0,7) показывает интенсивность развития растительности и ее состояние. Если она развита слабо (всходы) или малосочная (сено, растительность на менее влагообеспеченных почвах), эта величина будет отрицательной или близкой к нулю. Если растительность густая и сочная (посевы на более влагообеспеченных почвах, а также в полугидроморфных и гидроморфных условиях), эта величина будет положительной. Разность в каналах ближний ИК минус красный показывает интенсивность подъема спектральной кривой в ближнем ИК диапазоне, который может быть связан с густым и сочным растительным покровом /тогда большим значениям r(0,8-0,9) r(0,6-0,7) будут соответствовать большие положительные значения r(0,5-0,6) - (0,6-0,7) /или с яркостью самой почвы/ тогда r(0,5-0,6) r(0,6-0,7)![](https://img.poleznayamodel.ru/chr/8773.gif)
Формула изобретения
Способ диагностики почвенного покрова по данным дистанционной информации, включающий проведение космической съемки, сбор тематических картографических материалов и проведение выборочных наземных исследований, отличающийся тем, что, с целью повышения результативности дешифрирования проводят многозональную съемку в трех каналах видимой и ближней инфракрасной части спектра, полученные результаты обрабатывают методом кластерного анализа, на основании которого составляют карту спектральных классов и таблицу их статистик, средние яркости кластеров представляют в координатах разностей спектральных яркостей r (0,5 - 0,6) мкм-r (0,6 0,7) мкм и r(0,8 0,9) мкм-r (0,6 0,7) мкм и координатах r (0,5 0,6) мкм и r(0,6 0,7) мкм, по положению кластеров в указанных координатах выполняют интерпретацию почвенного покрова, используя тематические карты и данные наземных исследований.РИСУНКИ
Рисунок 1, Рисунок 2, Рисунок 3, Рисунок 4