Материал: 384

рожная сеть и соответствующие сооружения; объекты гидрографии; границы и ограждения; земли сельскохозяйственного назначения; леса; болота; земли несельскохозяйственного назначения; земли, подвергшиеся радиоактивному загрязнению.

Современные технологии производства работ по дешифрированию основаны на использовании цифровых методов картографирования и включают:

•подготовительные работы: подбор необходимых картографических материалов, сбор сведений об официальных названиях и категориях населенных пунктов, информации о дорожной сети, данных государственного учета земель и лесного фонда, данных инвентаризации и государственного земельного кадастра, сведений о характеристиках и составе лесных земель и т. д.;

•камеральное дешифрирование фотоплановИ(ортофотопланов)

смаксимальным использованием собранных в подготовительный период материалов и сведений; Д

•полевое обследование копий фотопланов (ортофотопланов) с

результатами камерального дешифрирования, включающее их контроль и уточнение отображенияА; определение и уточнение числовых характеристик объектов, полученных в камеральных условиях видов и качественного состава бземель; нанесение объектов, не изобразившихся на материалах аэрофотосъемки; согласование с руководителями хозяйств данныхио хозяйственном использовании земель и др.

•контроль качества результатов исполненных работ и их приемку. С

Перечисленные работы выполняются как составная часть работ по созданию (обновлению) топографических или иных карт, планов или информационных систем соответствующего назначения.

Задачи топографического и сельскохозяйственного дешифрирования объединяются при создании «базовой картографи-

ческой модели местности», содержание которой соответствует

требованиям к топографической карте масштаба 1:10000, а полнота дешифрирования и набор характеристик объектов сельскохозяйственного назначения определяется документами, регламентирующими порядок государственного учета земель.

3

1.2. Спектральный образ как дешифровочный признак

Сельскохозяйственное производство связано с культивированием, в основном, травянистой растительности. В дистанционном изучении растительности можно выделить следующие основные направления:

–изучение естественных кормовых угодий;

–дешифрирование сельскохозяйственных культур, наблюдение за их развитием, прогнозирование урожайности;

–обнаружение заболеваний и повреждений растений. Современные возможности многозональной цифровой съёмки

позволяют в значительной степени успешно решать задачи перечис-

чения в интервале длин волн λλ = 0,4 – 2,6 мкм зависит, в основном,

от интенсивности поглощения радиации хлорофиллом в видимой области и водой в средней ИК (инфракрасной) зоне спектра, а также от интенсивности отражения, обусловленногоА особенностями гистологии листьев, в ближней ИК зоне λλ = 0,75 – 1,3 мкм.

Многочисленными бисследованиями установлено, что спектральная отражательная спосо ность здоровых зеленых травянистых растений различныхивидов мало варьирует.

Типичный ход кр вой КСЯ (коэффициентов спектральной яркости) растений показанСна р с. 1 .

Рис. 1. Типичный ход кривой КСЯ растений

В видимой области спектра происходит наиболее интенсивная ассимиляция лучистой энергии растениями. Максимум поглощения

4

приходится на интервалы λλ = 0,40–0,47 мкм в синей и в красной зонах спектра λλ = 0,59–0,68 мкм, максимум отражения – в зеленой' зоне с экстремумом около 0,54 мкм.

В ближней ИК зоне отражательная способность растений максимальна – 40–50% и более. Зависит она от структуры мезофилла листьев. Поскольку структурные межвидовые различия бывают существенны, то наибольшие различия КСЯ растений наблюдаются именно в этой зоне спектра.

Ход кривой КСЯ в средней зоне λλ = 1,3–2,6 мкм определяется интенсивностью поглощения радиации водой в интервалах с максимумами около 1,4; 1,9 и 2,6 мкм. Интегральный уровень отражения в этой зоне зависит от содержания влаги в листьях – зависимость об-

Фенологическая д нам ка растений, а также изменения, обусловленные дефицитом питательных веществ и воды, избыточной засоленностью почв, приводят к большей или меньшей трансформации исходной кривой КСЯ. По мере развития растений, пока окраска их определяется хлорофиллом, наблюдается некоторое снижение интенсивности отражения в видимой области спектра и увеличение в ближней ИК зоне. В период созревания культур и увядания, вследствие неблагоприятных условий произрастания, в формировании цветового аспекта растений начинают превалировать каротины, центофиллы (желтые пигменты) и антицианины (красные пигменты). Интенсивность отражения в видимой области спектра при этом увеличивается, ход кривой КСЯ выравнивается с постепенным повышением по мере увеличения λ и несколько уменьшается в области ближней ИК зоны.

5

Анализ спектральной отражательной способности растений в интервале λλ = 0,4 – 2,5 мкм и ее изменений во времени позволяет на-

деяться, что при правильном выборе параметров многозональной

съемочной системы и сроков съемки можно решить ряд практических задач по определению вида растений и их состояния.

Большое практическое значение имеют исследования возможности дистанционного изучения сельскохозяйственных культур, особенно зерновых, оценка их состояния и развития, прогнозирование урожайности. Одним из важнейших факторов, определяющих спектральную отражательную способность растительных покровов, является их морфология.

Изучению морфологии, в основном применительно к культур-

бера, Р. М. Хоффера и др.) Предполагается, что морфология полога –

ной растительности, уделяется большое внимание в России и за рубежом (работы Ю. К. Росса, Г. К. Сюитса, Т. РИ. Синклера, М. М. Шра й-

пространственное распределение листьевДи их ориентация – изменя-

ется в зависимости от сорта культуры, качества посева, условий произрастания, фенофазы и др. Если это так, то морфология полога может использоваться при оценкеАсостояния посевов и прогнозировании урожайности.

Наиболее распространеннымбкритерием морфологии полога является проективное покрытие (ПП) – процент закрытия почвы растительностью. За рубежоминаходит широкое применение иной критерий

– индекс площади л стьев (ИПЛ), выражающийся отношением площади листьев Ск площади х ортогональной проекции на землю. Оба критерия, как показали многоч сленные исследования, тесно связаны с надземной биомассой, которая, в свою очередь, может использоваться при оценке ожидаемой урожайности культуры, например, зерна. Следовательно, через спектральную характеристику изучаемых культур можно прогнозировать урожайность.

1.3. Особенности дешифрирования космических и цифровых изображений

1.3.1. Особенности дешифрирования космических изображений

На качество дешифрирования космических изображений существенно влияют особенности их получения и методы обработки, полнота и тщательность подготовительных работ, применяемая техноло-

6

гия, квалификация исполнителя и его навыки применительно к космическим снимкам и конкретному ландшафту.

К основным особенностям космических снимков, влияющих на качество дешифрирования, относятся:

–увеличенное количество связей между объектами местности, а следовательно, большее число дешифровочных признаков за счет уменьшения масштаба снимков и изображения в пределах кадра обширной территории;

–повышенная разрешающая способность вследствие значительного уменьшения сдвига изображения и отсутствия вибрации носителя;

–искажение или утрата изображений некоторых объектов, а

также дешифровочных признаков (формы теней, деталей объектов и др.) вследствие мелкого масштаба изображенияИ, наличия «полос нерезкости» между объектами и окружающим их фоном, а в некоторых случаях вследствие значительного отличияДпроекции снимков от ортогональной;

–снижение в ряде случаев изобразительных качеств снимков изза сложности оптимизации экспозицииА, обусловленной резкими изменениями освещенности и отражательной способности ландшафта, а также состояния атмосферыб;

–отображение на снимках о лаков, производственных дымов и атмосферной дымкии, затрудняющих или исключающих процесс дешифрирования;

–наличиеСнезнач тельных перекрытий между снимками, что ограничивает выявлен е деш фровочных признаков при рассматривании стереомодели;

–появление значительных (более 5 градусов) углов наклона снимков, или отличие проекции снимков от центральной.

Названные особенности усложняют дешифрирование, повышают требования к подготовке дешифровщиков.

При использовании для обработки мелкомасштабных космических снимков возникает необходимость дополнительно обращаться к космическим снимкам более крупного масштаба для дешифрирования деталей изображения и набора необходимых характеристик отобра-

жаемых объектов.

Для подготовки дешифровщиков космических снимков рекомендуется создавать специальные группы из специалистов, не имеющих большого опыта дешифрирования аэроснимков, который иногда

7