Способ автоматизированного определения таксационных показателей леса по аэрофотоснимкам
Союз Советских
Социалистических
Республик
Оп ИСАНИЕ изовеетюния
К АВТОРСКОМУ СВИДЕТЕЛЬСТВУ
Опубликовано23.07.80. Бюллетень № 27 Дата опубликования описания 25.07 80 (51) М. Кл. 01 С 11 06 Гасударатеенный комитет СССР па делам изобретений и открытий (53) УДК 528.77 (088.8) (72) Авторы изобретения Р. И. Эльман и Л. А, Кузенков (7l) Заявитель (54) СПОСОБ АВТОМАТИЗИРОВАННОГО ОПРЕДЕЛЕНИЯ ТАКСАЦИОНН61Х ПОКАЗАТЕЛЕЙ ЛЕСА ПО АЭРОФОТОСНИМКАМ Изобретение относится к фотограмметрии, а именно к автоматизации измерительного дешифрирования космических аэроснимков при решении задач определения лесных ресурсов лесохозяйственными организациями. Изобретение может быть также использовано для получения данных природных объектов в интересах различных отраслей народного хозяйства: сельского хозяйства, геологии и др., использующих . о аэрокосмическую информацию. Известны способы определения таксационных показателей участков леса (запаса, полноты, среднего диаметра ствола и 15 пр.) по аэроснимкам без их прямого измерения на снимках. Определение проводится на основе измерения элементов изображения верхнего полога леса: диаметра крон, количества деревьев, расстояний между ними и т.д. называемых дешифровочными признаками, по фотопробамограниченным площадкам на фотоснимке участка леса (1) 2 Известны также способы визуального определения таксационных показателей на основе сравнения изображений необследованных участков с группой изображений участков, принятых на эталоны, показатели которых известны. Расчет искомых показателей по дешифровочным признакам проводится на основе получаемых заранее регрессионных уравнений связи между дешифровочными признаками и показателями. Вследствие большого разнообразия лесов, последние предварительно разбивают на классы, с тем, чтобы уравнения связи составлять отдельно для каждого класса. При определении регрессионных уравнений и расчете по ним таксационных показателей используются ЭВМ. Эти способы имеют существенный недостаток, состоящий в том, что дешифр<ъвочные признаки определяются визуально человеком. В связи с этим результаты дешифрирования носят субьективный характер и сильно зависят от психофизиологического состояния дешифровщика. Операции 3 7502 дешифрирования трупоемки и утомительны, поэтому не представляются возможным извлекать при дешифрировании статистически достаточно полную информацию, что ведет к снижению возможной точности результатов. Время дешифрирования снимков остается при этом значительным. Известный элемент субъективности вносится и при составлении регрессионных уравнений, так как вид связи зачастую неиэве» стен, и тщательный подбор коэффициентов уравнения приводит лишь к хорошей аппроксимации имеющейся выборки, но, в то же время, к низкой точности определения показателей новых фотопроб. Эти недостатки частично устранены в тех способах, в которых считывание информации со снимков и формирование признаков возлагается на автоматические сканирующие устройства и ЭВМ. Однако большинство известных способов автоматизированной обработки фотоснимков созданы для распознавания объектов на снимках, а не для косвенного измерения невидимых на снимке показателей. 25 Наиболее близок к данному изобретению способ автомат иэиррванного определения таксационных показателей, изложенный в отчетег (2) . В работе способа вместо визуального определения дешифрс вочных признаков производится считывание информации с помощью сканирующего устройства, автоматическое формирование дешифровочных признаков и расчет по ним таксационных показателей насаждений. Это позволило устранить ряд недостатков ранее известных способов. Однако имевшиеся ограничения устра40 иены лишь частично, Этот способ, также, как и предыдущие, использует в качестве дешифровочных признаков размеры крон, их количество и пр. и установленные ранее регрессионные зависимости между 45 ними и таксационными показателями. В действительности же эти признаки могут быть измерены лишь на снимках крупных масштабов среднеполнотных насаждений. На большинстве же материалов съемки 50 (густых и редкостойных насаждений, на мелкомасштабных снимках и др,) эти, признаки в чистом виде не выделяются и установленные зависимости теряют смысл. Поэтому для указанного круга материа55 лов съемки точность определения показателей остается низкой,а выбор связей субъективным, требующим от дешифровщика немалых усилий, 77 4 )1ель изобретения — повышение точности и объективности определения таксационных показателей участков леса с расширением круга используемых для этого материалов сьемки сокрашения времени решения задачи и высвобождением человека от трудоемких операций, а также воэможности использования при обработке космических снимков. Блок-схема способа приведена на предлагаемом чертеже. Для достижения поставленной цели в способе при сохранении таких признаков прототипа, как считывание информации с помощью сканирующих устройств, автоматическое формирование дешифровочных признаков и определение по ним заданных таксационных показателей, вводятся ряд новых процедур, В отличие от известных способов предлагается в качестве дешифровочных признаков использовать признаки двух типов: детальные характеристики текстуры фотопробы и обобщенные характеристики внешнего облика изображенного на ней участка леса (на схеме-процедура 1), Их использование позволит резко расширить круг годных для обработки Материалов сьемки лесов: при сохранении точности определения показателей. К первому типу признаков относятся, такие характеристики текстуры, как различные распределения выбросов оптической плотности на заданных уровнях, распределения длительностей выбросов, интервалов между ними, частот, соотношения между последовательными выбросами. Ко второму типу - такие сравнительно заметные на фотопробе характеристики леса, как густота, группы возраста, группы сомкнутости и пр., легко определяемые визуально. Признаки первого типа формируются автоматически, а второго - автоматически или визуально при подготовке снимков к обработке. Ввиду отсутствия в настоящее время установленных зависимостей между указанными признаками и таксационными показателями, а также исключая отмеченную выше субъективность, вносимую при использовании регрессионного анализа,, предлагается для определения показателей испольэовать сами выборки признаков и показателей, формируемые заранее для характерных ключевых участков леса различных классов, принимаемых в качестве опорных (процедуры 2). Зля этого ня технических носителях информвнии (магнитных лентах, дисках и пр.) формируются блоки опорных данньп (процедуры .3), 5 750277 6 Каждый блок содержит информацию об од- но с последовательным отбрасыванием ном ключевом участке, B него могут признаков с наименьшей информативностью. входить данные от нескольких десятков Каждый раз вычисляется средняя ошибка. до сотен фотопроб: наборы признаков, по- В результате оставляется тот набор призлученные сканированием этих фотопроб и 5 наков, при котором ошибка минимальна наборы таксационных показателей, изме- (процедура 7). Этот прибор вместе с миренных в этих участках леса при назем- нимальной ошибкой записывается B блок ном обследовании с повышенной точно- данных на технический носитель информастью. Одна магнитная лента может содер- ции (процедура 9) жать несколько тысяч блоков данных При 0 Далее формируют оптимальные наборы определении таксационных показателей нь- признаков для участков леса с неизвествых фотопроб, не входжиих в блок для ными показателями из информации, полуних после сканирования формируются оп чаемой путем сканирования этих участков тимальные наборы признаков (процедура (процедура 10) на аэрокосмических сним4), которые сопоставляются с наборами 15 ках, определяют неизвестные таксационпризнаков блока опорных данных, относя- ные показатели (процедура 1 l ) путем сощегося к этому же классу (процедура 5) ° поставления одним из распознающих алгсъСопоставление проводится с помощью ЭВМ ритмов полученных наборов признаков с одним из известных методов распознава- признаками соответствующего блока опорния, например, непараметрическим. 20 ных данных. Дпя того, чтобы извлечь большое ко- Способ позволяет сократить время реличество полезной информации из матери- шения задач по определению таксационных алов сьемки с целью повышения точноо- показателей по аэроснимкам в 2 раза и ти определения показателей, предлагается использовать признаки, получаемые со 25 Эксперименты показали, что изобретеснимков различных масштабов и зон спек- ние позволяет получить объективные дантра. ные, свободные от колебаний, вызванных Наличие накопленных на технических состоянием дешифровщиков. Кроме того, носителЯх информации блоков опоРных воспроизводимость результатов позволяданных позволЯет вести еще три пРоцедУ- >0 ет контролировать процесс определения поРы (6,7,8) отличающие данный способ казателей на любом его этапе. Машинная от известных напРавленные на дальней- задача результатов дешифрирования может шее повышение точности. Каждый блок .быть оформлена документально и стандарllaHHblx можно использовать длЯ вычисле- тизировано. Это позволяет, в свою очения по нему ошибки определения такса- з редь, оформить процесс определения покационных показателей. Для этого призна- зателей в виде стандартной контролируеки каждой фотопробы блока сопоставляются мой процедуры, что ведет к четкости орпоочередно с признаками остальных фот ганизации дешифрирования в целом и спопроб и вычисляется вероятное значение собствует лучшему учету и использованию показателЯ. Это значение сРавниваетсЯ с 40 результатов в последующем. 1 имеющимся в блоке фактическим значе- В экспериментах выявлены также донием и вычислЯетсЯ ошибка. После "пРо- полнительные преимущества которыми обгона" всех фотопРоб вычислЯетсЯ сРеднЯЯ ладает изобретение по сравнению с визуошибка для данного блока (процедура 8) ° альными и инструментальными (не машинКак показали машинные эксперименты 45 ным) определением таксационных показаэта ошибка является устойчивой и по от- телей. Накопление блоков данных позволит ношению к фотопробам участков леса это- создать банк данных с длительным хранего же класса, не входящим в блок. Далее нием сведений об одних и тех же участках вводится процедура оптимизации блоков леса. Это дает возможность сопоставлять данных. Она состоит в том, что для каж- результаты дешифрирования разновремендого таксационного показателя (а их в Hblx материалов съемки и выявлять измеблоке несколько) отыскивается оптималь- кения показателя, происшедшие за рассный набор признаков, минимизирующий матриваемый период времени. Процедура ошибку определения показателя. Для этого оптимизации, примененная к различным с помощью ЭВМ по признаковой части блокам данных, позволяет проводить их блока данных подсчитывается статистическая сравнение по одинаковому критерию и выявинформативность каждого признака (про- лять лучшие системы признаков, сравницедура 6), признаки ранжирутотся и про- вать качество материалов съемки и наземцедура "прогон" производится многократ- ных llBHHbIK. hoJcMh we eo yge лргоlщвннои тр.рр лтбро тонсоциокмаi„ nosneamened У я опориыи he ve » ырорлео/ ФФЮЮ 1наннро5оние pomohpod Повуюиие обобще лиат лРмнаноо щютолрооа i7eny» ение мвнреиуо hpvJhónoо <оотолаойг ФормиЛойа ДЬРиилр/ае, nonrrizusr4a r:one полове иоб блючФ тввви блоее дание Минаеву 0i prc7enenur Огттатиргпииврной ищ орнатиднооти лРисноео/ Уненнивние иввоеноае надзора иривмамеб /рлюимивацир/ 3риисленив оииибки ел Явление яонааельелвд rw Флееу м воник еен чаи наварн / Jbnvre блоло вирниа фолиан, нинин. аии& и v ennui небом риамемо м тонии. нввиюела 7tghVV renvoi иреvmenb ин мрнец м 11НИИПИ Заказ 4618/31 Тираж 801 Подписное Филиал ППП "Патент", г. Ужгород, ул. Проектная, 4 7 75 Ф ор мула изобретения Способ автоматизированного определения таксационных показателей леса по аэрофотоснимкам, заключающийся в автоматическом считывании информации с помощью сканирующих устройств с фотопроб участков леса, формировании набора дешифровочных признаков и последующем определении таксационных показателей, о тл и ч а ю шийсятем, что, с целью. повышения точности, объективности сокра.— щения времени обработки и воэможности использования способа при обработке космических снимков, создают блоки опорных данных типичных фотопроб, состоящие из поля признаков.и поля показателей путем. формирования для каждого таксационного показателя совокупности признаков, обес.печивающих минимальную ошибку определения показателя, вычислением статисти0277 8 ческой информативности каждого признака, и ранжированием признаков по информативности и определяют неизвестные таксационные показатели участка леса путем сопоставления распознающим алгоритмом его оптимальных наборов признаков с признаками соответствукнцего блока опорных данных. Источники информации, принятые во внимание при экспертизе 1. Самойлович Г. Г, -Применение аэрофотосъемки и авиации в лесном хозяйстве,, М., Лесная промышленность, 1964, с. 258-268. 2. Огчет по теме "Разработка более совершенных методов инвентаризации лесов с применением новых способов аэрофотосъемки и аэропланок, позволяющих получать повышенную информацию и автомат изапию процессов дешифрирования лесов", ЛенНИПЛХ, 1972, 1976 (прототип).
