Радиолокационные данные для характеристики состояния залежей в дельте Волги

0

Е.А. Балдина

Дельта Волги — уникальный регион по природным особенностям ландшафт, который благодаря своему интразональному положению и значительным размерам хорошо выделяется на космических снимках даже относительно низкого разрешения, как оазис среди пустынь и полупустынь. Здесь пересекаются интересы разных видов использования территории: сельскохозяйственного, рыбопромыслового, нефтегазодобывающего, кроме того, особое значение приобретает увеличение рекреационной активности [3], развитие экологического и этнотуризма.

С середины 1960-х гг. на этой территории получило широкое развитие орошаемое земледелие — были обвалованы и распаханы большие площади. В условиях орошения возделывались овощные, кормовые, бахчевые культуры, широкое распространение получило рисосеяние. Впоследствии по ряду причин большинство полей было заброшено, в настоящее время обрабатываются лишь небольшие площади. Обвалованные не обрабатываемые поля не промываются водами половодья, вследствие этого они представляют собой залежи с засолившимися почвами, в разной степени заросшие травянистой и древесно-кустарниковой растительностью, подверженные процессам опустынивания (рис. 1). При зарастании неиспользуемых земель галофитной растительностью процессы засоления активизируются, что требует значительно больших усилий при возвращении их в обработку. Населенные пункты располагаются также на обвалованных участках, прилегающие к ним пустоши засолены, луговая растительность сильно деградирует вплоть до полного исчезновения.

Рис. 1. Некоторые характерные виды залежей в дельте Волги
Рис. 1. Некоторые характерные виды залежей в дельте Волги

Инвентаризация залежных земель, поиск оптимальных путей их рекультивации с учетом географических особенностей необходимы для создания эффективной и динамичной системы управления земельными ресурсами [1].

Хорошо известны достоинства радиолокационной съемки: возможность получения изображений местности в условиях постоянной облачности, независимость от внешнего освещения, предоставление информации о физических свойствах поверхности. Однако современные возможности получения радиолокационных данных опережают их использование в научных и практических целях. Среди причин этого и недостаточная осведомленность природоведов о возможностях радиолокационной съемки в сочетании с высокой стоимостью данных и специализированных программ для их обработки.

Гипотеза о целесообразности применения радиолокационных и, в частности, полностью поляризованных данных для оценки состояния необрабатываемых земель в дельте Волги основывается на том, что известна связь состояния растительного покрова (обилия биомассы) с характеристиками объемного рассеяния. Растительность залежей, расположенных в полупустынной зоне, значительно отличается от лесной растительности, оценка состояния и картографирование которой на основе радиолокационных методов ведется уже несколько десятилетий [2]. Для залежей характерна значительная неоднородность растительного покрова. Обилие и вид растительности зависит от продолжительности периода, в течение которого каждое конкретное поле не подвергалось обработке или орошению, от условий увлажнения территории, которое местами зависит от степени сохранности валов, защищавших поля от половодья, характера современного использования. Предполагается, что данные радиодиапазона, более «чутки» к присутствию разных видов растительности, степени увлажнения и проявлениям процессов засоления на заброшенных землях, чем данные видимого диапазона.

Для экспериментальных работ компанией «Совзонд» были предоставлены данные, полученные спутниковой системой RADARSAT-2 в результате трехкратной съемки осенью 2011 г. (11 сентября, 5 и 29 октября). Они включали многовременные амплитудные изображения высокого разрешения с географической привязкой (SGF) в двойной поляризации (DualPol, VV, VH) и комплексные полнополяризованные данные (QuadPol, HH, HV, VV, VH) с уровнем обработки SLC (Single look complex) от 11 сентября; режим съемки WideFine.

Данные, прошедшие только стадию начальной обработки малопригодны для дешифрирования из-за высокого уровня спекл-шума. Улучшение изобразительных качеств радарных снимков — важный этап их подготовки для дешифрирования, в связи с чем большое внимание уделялось выбору методов фильтрации. Обработка проводилась средствами модуля SARscape программного комплекса ENVI раздельно для полностью поляризованных и разновременных данных.

Разновременные данные. Для совместной обработки данные разных сроков съемки были взаимно согласованы как геометрически, так и по уровню шума (многовременная фильтрация). Синтез цветного изображения (RGB-композит) из трех разновременных снимков разной поляризации выявляет различия в цвете исследуемых объектов, обусловленные их особенностями, и характером изменения их состояния между сроками съемки (рис. 2).

Рис. 2. Радиолокационное RGB синтезированное изображение, компоненты: R — снимок 11 сентября, VV поляризация; G — 5 октября, VH поляризация; B — 29 октября, VH поляризация
Рис. 2. Радиолокационное RGB синтезированное изображение, компоненты: R — снимок 11 сентября, VV поляризация; G — 5 октября, VH поляризация; B — 29 октября, VH поляризация

Цветовой синтез, выполненный из разновременных снимков отдельно для согласованной вертикальной и кросс-поляризаций, позволяет продемонстрировать влияние поляризации радиолокационного сигнала на особенности изображения местности.

Сравнение увеличенных фрагментов многовременных композитов (рис. 3) показывает, что при согласованной вертикальной поляризации интенсивность обратного сигнала выше, чем при кросс-поляризации. Радиолокационные изображения, полученные при кросс-поляризации, передают более «тонкие» различия в свойствах объектов, однако ослабление принимаемого сигнала может сделать неразличимыми объекты с ровной гладкой поверхностью. Общий зеленый цвет изображений объясняется повышенным уровнем яркости снимка 5 октября, который при синтезе окрашивается зеленым. Съемка проводилась после продолжительного дождя, и повышенная увлажненность территории в целом повлияла на интенсивность обратного рассеяния.

Рис. 3. Фрагмент RGB синтезированного многовременного снимка (R —11 сентября, G — 5 октября, B — 29 октября): левый — VV-поляризация, правый — VH поляризация
Рис. 3. Фрагмент RGB синтезированного многовременного снимка (R —11 сентября, G — 5 октября, B — 29 октября): левый — VV-поляризация, правый — VH поляризация

При сопоставлении многовременных изображений с данными наземных обследований и снимками видимого диапазона было установлено, что наиболее однозначно определяются обрабатываемые в текущем году земли (яркие, почти белые участки с прямолинейными границами). Необрабатываемые поля — многолетние залежи — различаются по яркости основного цвета на многовременном радиолокационном изображении в зависимости от степени увлажнения и зарастания. На участках, относительно недавно перешедших в категорию залежей, еще читаются границы полей в виде ярких линий — растительности вдоль оросительных каналов.

По особенностям радиолокационного изображения можно разделить многолетние залежи на две группы:

  1. залежи сухие, почти лишенные в осенний период растительности. Характер отражения радиосигнала от поверхностей такого типа близок к характеру отражения от бугров Бэра или водной поверхности (на изображении они наиболее темные);
  2. залежи более влажные, неравномерно заросшие травянистой растительностью с разным проективным покрытием и кустарниками (тамарикс, лох). Растительность выделяется на общем темном фоне более светлыми пятнами.

После дополнительно проведенной фильтрации оказалось возможным провести обработку многовременного снимка методами, принятыми для обработки многозональных снимков, в частности, кластеризацию с применением алгоритма ISODATA. Результат существенно зависит от количества задаваемых кластеров. При задании 8 и больше кластеров результат получается трудно интерпретируемым без дополнительных сведений о реальном состоянии местности в момент каждой из съемок. Задание меньшего числа кластеров, например, 6 (рис. 4) позволяет получить результат, который может быть проинтерпретирован с выделением сведений о состоянии местности. На фрагменте к первому кластеру отнесены все участки, характеризующиеся

Рис. 4. Фрагмент результата кластеризации. Объяснения обозначений в тексте
Рис. 4. Фрагмент результата кластеризации. Объяснения обозначений в тексте

практически неизменно высоким уровнем обратного рассеяния во все три срока съемки и при обеих поляризациях: им соответствуют обрабатываемые между съемками сельскохозяйственные поля, населенные пункты, а также небольшие участки галерейных лесов вдоль проток. 2 и 3 кластеры соответствуют участкам с высоким уровнем интенсивности обратного рассеяния и его отчетливо выраженным изменениям между съемками, что говорит о присутствии растительности в разном состоянии и с разным объемом биомассы; 4 кластер также соответствует растительным сообществам, но в отличие от 2 и 3 кластеров растительность вероятно разрежена. Для участков, отнесенных к 5 и 6 кластерам, характерен стабильно низкий уровень обратного рассеяния, свидетельствующий о практически полном отсутствии растительного покрова, такие же характеристики имеют и относительно спокойные водные поверхности. В целом этот результат подтверждает, что обработка радиолокационных изображений позволяет получить сведения, недоступные при обработке снимков в других диапазонах спектра.

Поляриметрические данные. Наиболее информативный с точки зрения получения информации о состоянии залежей метод обработки комплексных данных – поляриметрическая декомпозиция, в частности запрограммированный в SARscape, метод Паули. Он позволяет разделить поверхности по преобладающему механизму рассеяния сигнала, зафиксированного при разных поляризациях. Три получаемых при этом преобразовании изображения представляют преобладающие механизмы рассеяния: однократное (плоскость), двойное (здания, вертикальные объекты, не меняющие поляризации) и объемное (растительный покров, меняющий поляризацию на противоположную). На каждом из результирующих изображений наиболее яркими оказываются участки с преобладанием соответствующего механизма рассеяния (рис. 5). Полностью возможности этого метода исследованы не были, поскольку для охваченной поляриметрической съемкой территории отсутствуют материалы наземных обследований, а сами залежи имеют здесь небольшие размеры и распространены в меньшей степени, чем на основной части дельты Волги. Однако и по небольшому фрагменту можно судить о том, что наиболее крупные залежи в южной части территории хорошо разделяются по наличию и обилию растительности.

Рис. 5. Результат применения декомпозиции Паули к полнополяриметрическим данным: 1 — однократное рассеяние; 2 — двойное рассеяние; 3 — объемное рассеяние; 4 — синтез трех изображений
Рис. 5. Результат применения декомпозиции Паули к полнополяриметрическим данным: 1 — однократное рассеяние; 2 — двойное рассеяние; 3 — объемное рассеяние; 4 — синтез трех изображений

По результатам проведенных работ можно выделить два перспективных для географических исследований направления обработки оригинальных радиолокационных изображений. Первое из них – выполнение преобразований, нацеленных на улучшение изобразительных свойств радиолокационных снимков (различные методы фильтрации и синтеза) с целью получения производных изображений, пригодных для дешифрирования или обработки совместно со снимками видимого диапазона. Второй путь — преобразования, возможные только для радиолокационных данных: например, поляриметрические декомпозиции. Использованный в нашей работе метод Паули в сочетании с кластеризацией позволил разделить залежи по степени развития на них растительности. Далеко не все известные возможности обработки радиолокационных данных [4] и комбинирования их с данными оптического диапазона были использованы, работа будет продолжена.

Следует отметить, что поставленная задача – выявление и оценка состояния залежей — не может быть решена применением какого-то одного типа данных, и более того, для выявления состояния залежей необходимо значительное участие специалиста-природоведа. Последнее обстоятельство обусловлено тем, что само понятие «заброшенности земель» является относительным, поскольку в сухостепных районах выведение земель из сельскохозяйственного оборота иногда используется как агротехнический прием, способствующий восстановлению плодородия почв. Важным моментом является и то, что для правильной интерпретации радиолокационных изображений и результатов их обработки необходимо хорошее знание особенностей территории.

СПИСОК ЛИТЕРАТУРЫ

  1. Агроэкологическое состояние и перспективы использования земель России, выбывших из активного сельскохозяйственного оборота // М.: ФГНУ «Росинформагротех», 2008.
  2. Бондур В.Г., Чимитдоржиев Т.Н., Дистанционное зондирование растительности с использованием космических радиолокационных и многоспектральных оптических изображений / // Известия ВУЗов. Геодезия и аэрофотосъемка. – 2008 г. № 6. – C. 112-121.
  3. Иванов А.Н., Лабутина И. А. Эколого-рекреационное зонирование дельты Волги // Вестник Моск. Ун-та. Сер. 5. География. 2006. №4. С. 61-67
  4. Кантемиров. Ю.И. Обзор современных радиолокационных данных и методик их обработки с использованием ПК SARscape//Геоматика, 2010, №3, с. 44-55.