Анализ возможностей и развитие алгоритма детектирования рубок леса по спутниковым данным высокого пространственного разрешения

Алгоритм детектирования изменений в лесах, связанных с вырубками, был разработан и реализован в виде программного модуля в составе информационной системы "ВЕГА-Приморье" (Лупян и др., 2016). Алгоритм был протестирован на тестовых участках в Приморском, Хабаровском краях и Удмуртии. За 2016 год с помощью интерактивной обработки спутниковых данных было выявлено 4092,3 га изменений на территории трех лесничеств Хабаровского края и 7408 га на территории Удмуртии. На территории двух лесничеств Приморского края детектировано 35347,6 га изменений суммарно за 2015 и 2016 год.
Для оценки точности работы алгоритма было проведено сравнение между полученными данными и данными официальной статистики о вырубленных площадях. Для Рощинского лесничества Приморского края доля детектированных изменений в лесу, связанных с рубками, составляет более 68% при доле выборочных рубкок равной 84% от всех вырубленных площадей в регионе. При условии, что алгоритм детектирует все сплошные рубки, доля детектируемых выборочных рубок - 54%. На территории Удмуртии отношение общей площади детектированных изменений в лесу, связанных с рубками, к общей вырубленной площади достигает 79%.
Результаты работы алгоритма были сопоставлены с открытыми данными об изменениях лесов, получаемыми Лабораторией GLAD географического факультета Университета Мэриленд (США)(Hansen et. al. 2013, Hansen et. al. 2016). Точность данных продуктов в регионе сравнения не подтверждена наземными исследованиями. Сравнение построенных изменений с изменениями из рассматриваемых источников показало низкое пространственное совпадение – до 35%. При этом площадь вырубок по данным информационной системы "ВЕГА-Приморье" в 1,3-10 раз на тестовых участках в Приморском и Хабаровском краях.
В рамках анализа работы алгоритма были проведены исследования по оценке влияния времени съемки на точность выявления изменений. Несмотря на то, что алгоритм может использоваться для анализа спутниковых изображений, полученных в любой период, наиболее точные и надежные результаты детектирования получаются по спутниковым данным, полученным в снежный период, из-за низкого влияния фенологии и простоты выбора КСЯ для чистой компоненты «подстилающая поверхность». В ходе проведенных экспериментов было показано, что для бесснежных изображений колебание доли леса в пикселе в зависимости от выбора значений КСЯ для чистой компоненты «подстилающая поверхность» могут доходить до 30-35% по сравнению с 7-9% в снежный период. Данный факт влияет на точность детектирования переходных изменений, не приводящих к смене типа покрова или гибели насаждений, например, выборочных рубок, так как величина изменения должна превышать погрешность вносимую другими мешающими факторами.
Так же проведен эксперимент по оценке влияния пространственного разрешения на размер и вероятность выявления изменений данного размера. На основе проведенного эксперимента на тестовом участке в Приморском крае по оценке влияния разрешения на площадь детектируемых изменений можно утверждать, что хотя при увеличении пространственного разрешения с 30 до 10 метров детектируемая площадь изменений увеличивается менее чем на 1%, детектируемые контуры изменения сильно меняются. Совпадение результатов по площади контуров, выявленных по данным Landsat 8 и Sentinеl-2A, составляет менее 60%. Остальные 40% приходится на новые изменения, не детектируемые по данным Landsat 8. Таким образом, переход к более детальному пространственному разрешению может увеличить вероятность детектирования выборочных рубок и оценку точности работы данного алгоритма.
В виду того, что интерактивная обработка спутниковых данных требует достаточных временных и человеческих ресурсов, для автоматизации применения и улучшению качества работы алгоритма был предложен метод выбора значений чистых компонент на основе гистограммы КСЯ анализируемого изображения. Метод основан поиске пиков, соответствующих классам «лес» и «подстилающая поверхность», на гистограмме КСЯ. В ходе экспериментов метод демонстрирует большую пространственную и временную устойчивость при выборе значений чистых компонент, чем задание чистых компонент экспертом, и поэтому позволяет автоматизировать локальное применений алгоритма на больших территориях.
Работы выполнялась с использованием инфраструктуры Центра коллективного пользования системами архивации, обработки и анализа спутниковых данных ЦКП "ИКИ-Мониторинг" для решения задач изучения и мониторинга окружающей среды (Лупян и др., 2015). Данное исследование проводилось при финансовой поддержке РФФИ, грант №17-05-41152-РГО_а "Создание геоинформационных технологий для мониторинга природно-хозяйственных систем Приморского края на основе комплексного использования современных спутниковых систем дистанционного зондирования".