Опора деревянной одностоечной и способы укрепление угловых опор: Опоры ВЛ - конструкции, предназначенные для поддерживания проводов на необходимой высоте над землей, водой...
Двойное оплодотворение у цветковых растений: Оплодотворение - это процесс слияния мужской и женской половых клеток с образованием зиготы...
Топ:
Характеристика АТП и сварочно-жестяницкого участка: Транспорт в настоящее время является одной из важнейших отраслей народного...
Методика измерений сопротивления растеканию тока анодного заземления: Анодный заземлитель (анод) – проводник, погруженный в электролитическую среду (грунт, раствор электролита) и подключенный к положительному...
Организация стока поверхностных вод: Наибольшее количество влаги на земном шаре испаряется с поверхности морей и океанов...
Интересное:
Уполаживание и террасирование склонов: Если глубина оврага более 5 м необходимо устройство берм. Варианты использования оврагов для градостроительных целей...
Финансовый рынок и его значение в управлении денежными потоками на современном этапе: любому предприятию для расширения производства и увеличения прибыли нужны...
Что нужно делать при лейкемии: Прежде всего, необходимо выяснить, не страдаете ли вы каким-либо душевным недугом...
Дисциплины:
2018-01-03 | 397 |
5.00
из
|
Заказать работу |
|
|
В главе 1 было установлено, что пожары относятся к одному из основных опасных природных, а в последнее время природно-техногенных катастрофических процессов, влияющих на эколого-экономическое состояние значительных территорий. Большую популярность получили методы выявления пожаров с использованием спутниковых снимков. Данный факт и обосновывает актуальность выбранной темы.
Во втором разделе первой главы описаны алгоритмы и методы для оценки пройденных огнем площадей, и их обоснование применения.
Как мы уже подчеркивали в теоретической части исследования, технологии ДЗЗ открывают возможности создания систем комплексного мониторинга лесов, с высокой степенью эффективности и с большой площадью охвата территории, что наиболее важно для труднодоступных территорий лесных регионов.
Для процедуры оценки последствий лесных пожаров, определение контуров выгоревших территорий, определение контуров гарей для данного исследования были выбраны данные спутников Landsat 5 и Landsat 7, снимки которых обладают высоким пространственным разрешением, 30 метров иэффективны для оценки последствий после пожаров.
Контур гари на спутниковых снимках определялся на основе визуального дешифрирования снимка, так как определение контура гари вручную в большинстве случаев оказывается безошибочным и более эффективным, чем автоматическая обработка изображений.
Для получения изображения для проведения комплексных исследований необходим синтез каналов, которые служат решением для различных задач. Комбинация каналов отражают наилучшую видимость изучаемого объекта в зависимости от видов исследований. В данном исследовании были использованы спектральные каналы 7-4-2 (SWEER-NIR-GREEN), так как результаты многочисленных исследований показывают, что для выявления поврежденным огнем растительности по космическим данным эффективны именно данная комбинация каналов.
|
Для определения контуров гарей были использованы дневные снимки в минимальном значении и в отсутствии облачности.
Физиологическое состояние лесов в значительной степени определяется содержанием хлорофилла и уровнем влагообеспеченности зеленых фракций древесной растительности.
Поэтому, оценка изменения концентрации фитобиомассы растительности исследуемой территории была выполнена, с учетом нормализованного разностного индекса NDVI по трем временным срезам: 1991, 2002, 2009.
NormalizedDifferenceVegetationIndex (NDVI) –является наиболее распространенным вегетационным относительным индексом, широко используемым показателем не только для оценки состояния растительного покрова территории, но и для выявления других экологических характеристик земной поверхности.
NDVI рассчитывается по нижеприведенной формуле, использующей спектральные характеристики:
NDVI = ((NIR - RED)/(NIR + RED)),
где NIR – отражение спектральной яркости в зоне ближнего ИК, RED – отражение спектральной яркости в красной области спектра[35].
Обычно, в ближнем диапазоне инфракрасных длин волн, зеленая растительность показывает лучшее отражение, по сравнению с диапазонами видимых длин волн.
Если лесной покров засыхающий, или мертвый, то он характеризуется
наиболее желтыми цветами, и отображает значительно меньшей способностью в ближнем инфракрасном диапазоне.
Рисунок 2.1‒ дискретная шкала NDVI [35]
Места растительного покрова, пройденные пожарами, отображаются пониженной спектральной яркостью в ближней инфракрасной зоне. Спектральная яркость пораженной растительности в видимой зоне спектра наиболее высокая, по сравнению со здоровой растительностью. Это объясняется уменьшением в составе хлорофилла в вегетативных органах усыхающей растительности.
|
Для отображения индекса NDVI используется стандартная градиентная или дискретная шкала, показывающая значения в диапазоне от -1до 1 [40] (таблица 10).
Таблица 10‒ Идентификация NDVI
Тип объекта | Отражение в красной области спектра | Отражение в инфракрасной области спектра | Значение NDVI |
Густая растительность | 0.1 | 0.5 | 0.7 |
Разряженная растительность | 0.1 | 0.3 | 0.5 |
Открытая почва | 0.25 | 0.3 | 0.025 |
Облака | 0.25 | 0.25 | |
Лед и снег | 0.375 | 0.35 | -0.05 |
Водная среда | 0.02 | 0.01 | -0.25 |
Искусственные материалы (асфальты, бетоны) | 0.3 | 0.1 | -0.5 |
В целом, главным достоинством NDVI является то, что данный индекс часто используется как один из основных инструментов для более трудоемких типов анализа, итогом которых могут являться карты продуктивности лесов и сельскохозяйственных земель, природных зон, карты ландшафтов и опустынивании и другие эколого-климатические карты.
Площади выгоревших участков в данном исследовании была произведена с помощью системы обработки изображений ErdasImagine, являющийся на сегодняшний день наиболее развитым коммерческим продуктом для обработки спутниковых снимков.
ERDAS Imagine включает эффективные средства коррекции изображений, позволяющие сделать снимки не менее точными, чем карты.
Он позволяет также выполнять всевозможные преобразования изображений, подчеркивающие те или иные объекты, которые необходимы для полноценного визуального дешифрирования изображений. И в пакет данной программы входит алгоритм кластерного анализа (независимой классификации) ISODATA, который был применен для распределения дешифровочных признаков для построения карт подвидов лесов. И использование данного алгоритма в процессе исследования позволило выделить 10 спектральных кластеров, последующая визуальная интерпретация которых была проведена с привлечением карты растительности исследуемой территории, результаты которой описаны на 3 главе.
|
|
Архитектура электронного правительства: Единая архитектура – это методологический подход при создании системы управления государства, который строится...
Индивидуальные очистные сооружения: К классу индивидуальных очистных сооружений относят сооружения, пропускная способность которых...
Типы сооружений для обработки осадков: Септиками называются сооружения, в которых одновременно происходят осветление сточной жидкости...
Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!