Оценка возможностей дешифрирования лесообразующих пород
по космическим снимкам IKONOS

Космические снимки высокого пространственного разрешения, к которым относятся снимки со спутника IKONOS, по своим изобразительным свойствам приближаются к спектрозональным аэрофотоснимкам производственного масштаба лесоустрой-ства. Особенно это касается снимков, полученных в результате слияния панхроматического и многозонального изображений.
Эксперимент по дешифрированию лесообразующих пород проведен на примере лесного массива НП «Лосиный остров». Для него характерна сложная мозаичность древесного полога, связанная с возрастной и породной структурой лесонасаждений среди которых преобладают ель, сосна, береза, липа. Космический снимок IKONOS, полученный 12 июня 2004 г., предоставлен компанией «Совзонд». Для автоматизированного дешифрирования снимка применена гибридная классификация с обучением (методы максимального правдоподобия и минимальных расстояний), цель которой состояла в том, что классификация исходных зональных изображений позволит оценить информативность исходных дистанционных данных, а привлечение для классификации производных изображений (главных компонент, вегетационного индекса NDVI, показателей текстуры) будет способствовать улучшению результата распознавания классов.
Наилучшие результаты распознавания классов получены методом максимального правдоподобия, причем заметна тенденция, что при использовании только исходных зон снимка и при дополнительном использовании текстурных изображений лучше распознаются еловые насаждения, а при добавлении к зональным изображениям индекса NDVI увеличивается достоверность выделения березовых насаждений. В варианте, когда в классификации принимают участие зональные и производные изображения, участие NDVI сильнее влияет на результат классификации, чем текстурные характеристики. Для классов «липа» и «сосна» достоверность распознавания составляет менее 50 % во всех вариантах классификации.
Для оценки распознавания групп хвойных и лиственных насаждений классы «береза» и «липа» объединены в класс «лиственные насаждения», а классы «сосна» и «ель» - в класс «хвойные насаждения», и затем рассчитаны достоверности классификации объединенных классов. Лучший результат распознавания объединенных классов получен при классификации методом максимального правдоподобия исходных зон снимка – достоверность распознавания 85 %. Привлечение текстурных характеристик несколько понижает достоверность классификации. Использование дополнительного изображения индекса NDVI увеличивает распознавание лиственных насаждений до 89%, но снижает распознавание класса «хвойные насаждения» до 81%.
Исходя из полученных данных, можно сделать вывод, что для дешифрирования отдельных пород чистых насаждений, компактно расположенных на территории и занимающих достаточно большие площади, использование производных изображений позволяет повысить достоверность их выделения, но при дешифрировании обобщенных групп хвойных и лиственных насаждений использование дополнительных производных характеристик нецелесообразно.