Актуальність теми. Однією з умов інвентаризації лісового фонду України при лісовпорядкуванні є використання матеріалів аерофотозйомки. Розвиток космічної галузі та комп'ютерної техніки дозволяє ефективніше використовувати матеріали космічної зйомки для вирішення лісогосподарських завдань завдяки високій інформативності та об'єктивності даних дистанційного зондування Землі (далі ДЗЗ), регулярності їх отримання, широких можливостей при опрацюванні цих матеріалів для великих територій тощо.

Водночас залишаються невирішеними питання дослідження підходів до автоматизованого опрацювання даних дистанційного зондування Землі для конкретних цілей та галузей. Зокрема, до сьогодні не розроблено уніфікованої методики дешифрування зображень для потреб лісового господарства.

Неперервне лісовпорядкування, статистична інвентаризація, поновлення планово-картографічних матеріалів вимагають широкого впровадження матеріалів ДЗЗ у лісову галузь. Для вирішення цих проблем використано та доповнено методики дешифрування космічних знімків для лісового господарства на території Західного Лісостепу України, створено тематичні карти як основу для спостережень за станом та динамікою лісового фонду, що рекомендується для практичного використання спеціалістами лісогосподарських підприємств та проектних організацій.

Зв'язок роботи з науковими програмами, планами, темами. Роботу виконано в рамках держбюджетної теми кафедри лісової таксації та лісовпорядкування НЛТУ України: "Наукові засади створення карти лісів Заходу України за матеріалами дистанційного зондування Землі" (№ 0106U012594), до виконання якої здобувач залучався в якості співвиконавця до розроблення проблеми та написання анотованого звіту; "Інвентаризація насаджень Західного Лісостепу України з використанням матеріалів дистанційного знімання для сталого ведення лісового господарства” (№ 0107U008769), до написання якої здобувач залучався в якості співвиконавця розділу 2.

Мета і завдання дослідження. Мета роботи - виявити можливості та умови використання даних дистанційного зондування Землі для інтерпретації ділянок лісового фонду Західного Лісостепу України; визначити найінформативніші комбінації каналів космічних знімків Landsat для дешифрування зображень земель лісогосподарського призначення та рослинності; виділити вкриті лісовою рослинністю лісові ділянки та створити на основі "лісової маски" цифрову карту лісів Західного Лісостепу України. Для досягнення поставленої мети сформульовано такі завдання:

- визначити умови застосування космічних знімків Landsat для інтерпретації земель лісогосподарського призначення та рослинності;

- опрацювати теоретико-методичні аспекти дешифрування зображень лісового фонду за матеріалами сканерної космічної зйомки;

- встановити можливість поєднання візуальної інтерпретації та матеріалів наземних спостережень при вивченні рослинності на основі даних ДЗЗ;

- визначити спектральні характеристики вкритих та не вкритих лісовою рослинністю лісових ділянок для їх кількісного дешифрування;

- встановити умови проведення фільтрування створених тематичних карт;

- опрацювати методи покращення просторової роздільної здатності космічних знімків та оцінити їх вплив на точність дешифрування даних ДЗЗ;

- оцінити параметричні правила контрольованої класифікації при дешифруванні космічних знімків Landsat;

- провести розподіл насаджень за групами порід;

- створити цифрову карту лісів Західного Лісостепу України.

Об'єкт дослідження - дешифрування зображень земель лісогосподарського призначення за сканерними космічними знімками.

Предмет дослідження - особливості дешифрування зображень земель лісогосподарського призначення за сканерними космічними знімками в умовах Західного Лісостепу України.

Методи дослідження. В основу теоретичних та методичних досліджень покладено системний підхід. Попереднє оцінювання придатності супутникових знімків для лісової інвентаризації виконували методом візуальної інтерпретації. Для створення цифрової карти лісів Західного Лісостепу України та проведення контрольованої класифікації використали індуктивний метод поряд зі специфічними - методи кількісного та математичного аналізу тощо. Для виділення "лісової маски" застосовано дедуктивний метод та візуальну інтерпретацію. Для покращення просторової роздільної здатності космічних знімків використали методи принципових компонент, мультиплікативний та метод Бровея. Оцінювання якості створених тематичних карт проводиться на основі математичних та математико-статистичних підходів.

Наукова новизна одержаних результатів. Для умов Західного Лісостепу України вперше опрацьовано теоретико-методичні підходи дешифрування зображень земель лісогосподарського призначення за космічними знімками Landsat та закладання серії пробних площадок (полігонів) для оцінювання характеристик лісового фонду наземними та дистанційними методами і доцільні параметричні правила проведення контрольованої класифікації для інтерпретації лісового фонду, основним з яких є правило максимальної правдоподібності, проведено порівняльну характеристику оригінальних знімків та зображень із покращеною просторовою роздільною здатністю різними методами і вперше на основі космічних зображень виділено вкриті лісовою рослинністю лісові ділянки Західного Лісостепу України та створено цифрову карту лісів згідно з розробленою методикою.

Практичне значення одержаних результатів. Для вирішення наукових та виробничих завдань з дешифрування зображень лісів Західного Лісостепу України на основі космічних знімків практичне значення мають опрацьовані положення:

- найінформативніші комбінації каналів космічних зображень Landsat для лісогосподарського дешифрування;

- найприйнятніші космічні зображення Landsat для інтерпретації рослинності;

- методика покращення класифікованих тематичних карт;

- використання тематичних карт при проведенні моніторингу та інвентаризації лісового фонду;

- цифрова карта лісів Західного Лісостепу України.

Особистий внесок здобувача. Сформульовані в дисертації наукові положення та висновки належать особисто автору та є його науковим доробком.

Опрацьовано та доповнено методику дешифрування космічних знімків для умов Західного Лісостепу України, зокрема виділення вкритих лісовою рослинністю лісових ділянок методом класифікації на основі бази знань; визначено найінформативніші комбінації каналів космічних зображень Landsat; проаналізовано параметричні правила для проведення контрольованої класифікації. Зібрано польовий та експериментальний матеріал та здійснено його камеральне опрацювання. Подано логічні висновки на основі результатів досліджень.

Апробація результатів дисертації. Основні теоретичні положення, методики та результати досліджень були заслухані та отримали позитивні відгуки на всеукраїнських науково-технічних конференціях: 55-та науково-технічна конференція професорсько-викладацького складу, наукових працівників, докторантів та аспірантів ЛГФ НЛТУ України "Наукові основи підвищення продуктивності та біологічної стійкості лісових та урбанізованих екосистем" (Львів, 19_21 травня 2005 р.); конференція науково-педагогічних працівників, наукових співробітників і аспірантів та 60-та ювілейна студентська науково-виробнича конференція (Київ, 11_12 квітня 2006 р.), конференція науково-педагогічних працівників, наукових співробітників і аспірантів та студентська наукова конференція (Київ, 4_5 квітня 2007 р.).

Публікації. Результати досліджень опубліковано у трьох наукових статтях, що вміщено у збірниках науково-технічних праць Національного лісотехнічного університету України (м. Львів), збірнику наукових праць "Лісівництво і агролісомеліорація” (м. Харків) та матеріалах трьох конференцій.

Структура і обсяг дисертації. Дисертаційна робота складається зі вступу, чотирьох розділів, висновків, пропозицій виробництву, додатків та списку використаних джерел. Роботу викладено на 195 сторінках друкованого тексту, в тому числі основного тексту - 147 сторінок. Цифровий матеріал систематизовано у 55 таблицях, графічні дані ілюстровано 28 рисунками. Список використаних джерел містить 212 найменувань, у тому числі 34 іноземною мовою. Додатки складаються з 5 таблиць та 18 рисунків, розміщених на 18 сторінках.

Основний зміст роботи

Розділ 1. Розвиток дистанційних методів та їх використання у лісовому господарстві. Дистанційні методи вивчення гідросфери, літосфери та атмосфери реалізуються за допомогою систем дистанційного зондування Землі. ДЗЗ є одним з пріоритетних напрямків сучасної космічної науки і технології, який дозволяє досліджувати не лише фундаментальні глобальні процеси і явища, але й оперативно вирішувати природоресурсні та природоохоронні завдання.

Початком становлення дистанційних методів можна вважати 1858 р., а дистанційні дослідження рослинності започатковані у першій половині ХХ ст. (І.Г. Тихов, П.А. Морозов, (1914); Е.Л. Кринов, (1934)). Із запровадженням кольорової спектрозональної зйомки значно розширилося коло завдань лісового господарства, які вирішуються на основі даних ДЗЗ, зокрема санітарне, лісопатологічне, протипожежне, агролісомеліоративне дослідження (Г.Г. Самойлович, 1952; С.В. Белов, 1960). Наприкінці 60-х років впроваджується багатоспектральна фото- і сканерна апаратура, яка дозволила отримувати дані в різних діапазонах електромагнітного спектру випромінювання. З початку 70-х років широко використовують дані космічної зйомки для вирішення проблем лісового господарства, зокрема для лісоінвентаризації. Завдяки розвитку комп'ютерної техніки інтерпретація даних ДЗЗ переходить від емпіричних до математичних методів.

Сучасні світові тенденції розвитку космічних технологій свідчать, що дистанційне зондування Землі належить до категорії найважливіших напрямків, у рамках якого вирішуються найактуальніші природоресурсні та природоохоронні завдання. Ринок ДЗЗ має тенденцію до щорічного зростання на 15 %. Найпопулярнішими діючими космічними системами природно-ресурсного та екологічного моніторингу є Spot, Landsat, EOS, IRS, ERS, Ресурс-О, Океан-О. Станом на 2006 р. на навколоземних орбітах працювало близько 40 супутників спостереження Землі, до 2012 року прогнозується зростання їх кількості до 170.

Діапазон детальності сучасних космічних знімків досить великий - їх просторова роздільна здатність становить від часток метра до десятків кілометрів. Знімки з просторовою роздільною здатністю 30-10 м забезпечують вирішення найбільшого кола завдань. Найширше інформація ДЗЗ використовується в лісовій, заповідній справі та рибному господарстві (В.С. Готинян, І.С. Дронова, 2002).

Технологія отримання даних дистанційного зондування, їх подальше опрацювання та інтерпретація постійно розвиваються на основі синергетичних підходів, тобто на основі комплексних методів одержання, опрацювання та інтерпретації аерокосмічної інформації, що ґрунтуються на спільному використанні даних, які різняться за методами отримання і енергетичними діапазонами. Розробкою та удосконаленням методик дешифрування космічних знімків займалися R.M. Haralick, L.G. Shapiro (1985), M. Baatz, A. Schдpe (1999), J.A. Richards, T. Lee (1998), F.F. Sabins (1999), T.M. Lillesand, J. Kiefer (2000), F. Bretschneider, Y.C. Kao, H.N. Gross, J. R. Schott (1998), S. Sanjeevi, K. Vani, K. Lakshmi, Y. Zhang (2002) та інші. Використанням даних дистанційного зондування Землі за кордоном для потреб лісового господарства займалися E. Ivits, T. Koukal (2004), R. Mueller, C. Boryan, M. Craig (2003), J. McCallum (2002) та інші, а на теренах СНД - Г.Г. Самойлович (1952), В.В. Богомолов, А.В. Полупан, В.І. Волошин (2006), С.І. Миклуш, О.Г. Часковський (2007), Е.П. Данюліс, В.М. Жирін, В.І. Сухих, Р.І. Ельман (1989), В.І. Кравцова (2004), В.І. Лялько (2005) та багато інших.

Дистанційні методи дозволяють отримувати оперативну, об'єктивну та відносно недорогу інформацію про стан земної поверхні. Дані ДЗЗ можуть широко використовуватися для вирішення лісогосподарських проблем: інтерпретації земель лісогосподарського призначення, змін їх площ, виявлення санітарного стану лісів тощо. Дослідження лісових ресурсів повинно опиратись на опрацьовані методики, технології робіт, що забезпечують отримання результату при мінімальних затратах коштів та часу.

Розділ 2. Об'єкт, методика та матеріали досліджень. Західний Лісостеп України охоплює південні райони Волинської і Рівненської областей, центральну і північну частини Львівської, Тернопільську, Хмельницьку (без північних районів), а також північні райони Івано-Франківської і Чернівецької областей. На основі літературних джерел описано географічне положення, геологічні та ґрунтово-кліматичні умови регіону досліджень (В.П. Брусак, 1999; С.А. Генсірук, 1981, 1992, 1998, 2002; С.В. Шевченко, В.С. Бондар, 1981; М.С. Нижник, Л.І. Копій, 1998; П.С. Пастернак, П.І. Молотков, 1990; П.Г. Шищенко, 1985). В ґрунтовому покриві переважають сірі лісові ґрунти на лесах і лесоподібних суглинках різного ступеня опідзолення, зустрічаються опідзолені чорноземи. Ліси в регіоні зростають на площі 890 тис. га, що становить 10,8 % загальної площі лісів України. Вони є високопродуктивними І^а, І і ІІ бонітетів. У західній та північно-західній частинах округу переважають сосново-дубові та соснові насадження, рідше сосново-букові, вільхові деревостани, в центральній частині - букові та дубово-букові, у східній - дубові та дубово-грабові ліси. Частину площ, крім цього, займають грабняки, осичники, березняки. Окрім згаданих основних лісотвірних порід, як домішка трапляються клен гостролистий, клен-явір, ясен звичайний, в'яз шорсткий, в'яз гладкий, в'яз граболистий, липа серцелиста, у східній частині - липа широколиста, клен польовий, горобина лопатева. У долинах річок - верба ламка, верба біла, тополя чорна.

Для проведення дешифрування на основі даних дистанційного зондування Землі необхідно визначити найінформативніші комбінації каналів космічних зображень. Кількісна оцінка інформативності проводиться на основі методики P. S. Chavez'а та ін. (1996), в основі якої лежить визначення стандартного відхилення спектральних характеристик та кореляції між спектральними яскравостями каналів знімка. Першим етапом дешифрування космічних знімків було відокремлення вкритих лісовою рослинністю лісових ділянок від не вкритих за допомогою методики класифікації на основі бази знань, результатом чого є тематична карта ("лісова маска”). Перевірка точності виділення "лісової маски" проводиться на основі топографічних карт. Інтерпретацію лісових насаджень проводили методом контрольованої класифікації з попереднім створенням класових сигнатур. Метод контрольованої класифікації дозволяє проводити дешифрування космічних знімків трьома параметричними правилами: максимальної правдоподібності, мінімальної відстані та відстані Махаланобіса. Для класифікації зображень необхідно: визначити та оцінити класи об'єктів земної поверхні, які представлені на космічному знімку; провести контрольовану класифікацію та оцінити точність створених тематичних карт (рис. 1). Перевірка точності класифікації зображень ДЗЗ проводилася на основі картографічних даних лісовпорядкування, які попередньо переведені у цифровий формат.

Дослідження базуються на спектральних характеристиках знімків Landsat - 5 та Landsat - 7 183-186 рядів 24-26 кадрів. Джерелом лісоінвентаризаційної інформації є плани лісових насаджень та планшети регіону досліджень, а також таксаційні описи, топографічні карти масштабу 1: 100000 станом на 1988 рік.

Для інтерпретації різних категорій земель лісогосподарського призначення закладено 5 полігонів розміром 1Ч1 км з сіткою 200Ч200 м, на кутах якої Рис. 1. Принципова схема проведення дешифрування космічних зображень для потреб лісового господарства.

Закладалися кругові пробні площадки постійного радіусу та реласкопічні пробні площадки із зняттям координат за допомогою ГПС-приймача. В результаті отримали 180 пробних площадок, характеристики яких використали для статистичної оцінки параметрів класифікації при накладанні на космічне зображення. Для виділення вкритих лісовою рослинністю лісових ділянок на основі космічних знімків було використано матеріали 120 моніторингових пробних площадок, що закладені Львівською державною лісовпорядкувальною експедицією у 2003-2004 роках на території Львівської та Тернопільської областей.

При виконанні досліджень використано засоби та програмні продукти, що призначені для опрацювання зображень на персональних комп'ютерах, зокрема Erdas Imagine, ARC/VIEW та ARC/GIS, які вибиралися залежно від завдання та можливостей програмного забезпечення.

Розділ 3. Особливості виділення вкритих лісовою рослинністю лісових ділянок за матеріалами дистанційних зйомок. Космічні зображення представляються у відтінках трьох основних кольорів - червоному, зеленому та синьому (RGB-зображення). Залежно від комбінації каналів знімків, певні об'єкти земної поверхні будуть відображені різними кольорами, що є важливим для фотоінтерпретації. Для кількісного дешифрування даних ДЗЗ необхідно визначити найінформативніші комбінації трьох каналів за методикою P. S. Сhavez'а та ін. (1996) на основі оптимального індекс-чинника (OIF), який залежить від стандартного відхилення спектральних характеристик кожного каналу та коефіцієнта кореляції між спектральними характеристиками каналів.

Величину стандартного відхилення для кожного каналу окремо можна обчислити в стандартних програмних продуктах. Для обчислення кореляції між спектральними характеристиками каналів космічних знімків у GRID-форматі використані можливості програмного продукту ArcView та скрипт, адаптований до даної програми (модифікована версія скрипта Kenneth R. McVay). Обрахунок OIF проводиться для кожного знімка зокрема. На основі восьми космічних знімків Landsat - 7 найбільшими сумарними значеннями оптимального індекс-чинника характеризуються комбінації каналів: 4-5-7 (значення 386,532), 1-4-5 (374,388) та 3-4-5 (362,286), тобто поєднання цих каналів є найінформативнішими при інтерпретації рослинності за космічними зображеннями.

Виділення "лісової маски”, яке поєднує фотоінтерпретацію та кількісний аналіз, проводиться за методикою бази знань (Knowledge-Based Method) і є першим кроком для подальшої ієрархічної класифікації знімків для потреб лісового господарства. Створення "лісової маски" передбачає її використання для визначення лісистості певного регіону, подальшої класифікації вкритих лісовою рослинністю лісових ділянок, встановлення меж і розмірів лісових масивів тощо. Виділення "лісової маски" проводиться із застосуванням фотоінтерпретації та польових даних, координати яких накладені на космічне зображення. В результаті визначення меж спектральної яскравості вкритих лісовою рослинністю лісових ділянок за окремими каналами знімка, створюється дерево рішень, у якому ставиться гіпотеза, правило та межі спектральних характеристик. На основі створеного дерева рішень проводиться дешифрування космічного зображення згідно заданих параметрів. На першому етапі якість створеної тематичної карти вкритих лісовою рослинністю лісових ділянок перевіряється візуально. При незадовільному результаті класифікації коректуються межі спектральних яскравостей. Слід відмітити, що за рахунок різночасовості та різної якості зображень, неможливо провести дешифрування для кількох знімків одночасно, тому класифікація проводиться для окремих зображень, а створені тематичні карти зшиваються у одне цільне зображення.

Оскільки в процесі виділення "лісової маски" виникають вкраплення (поодинокі дерева у полі, у населених пунктах, смуги вздовж автодоріг тощо), необхідно проводити фільтрування тематичної карти. Доцільно використати фільтр 5Ч5 Low Pass. В результаті фільтрування тематичної карти невеликі вкраплення зникають, покращуються краї лісових масивів. Для перевірки якості та достовірності виділення "лісової маски”, окрім візуальної оцінки, отримані дані порівнюються з топографічними картами, які попередньо переведені у цифровий формат та геометрично скореговані. Порівняння отриманих результатів проводимо за двома коефіцієнтами (у відсотках) - кількістю пікселів на "лісовій масці" порівняно з кількістю пікселів на топографічній карті () та кількістю пікселів вкритих лісовою рослинністю лісових ділянок, які не представлені на топографічній карті ():

;

,

Де -кількість пікселів на "лісовій масці”, які віднесені до вкритих лісовою рослинністю лісових ділянок;

00-кількість пікселів на "лісовій масці”, які віднесені до не вкритих лісовою рослинністю лісових ділянок;

лісова ділянка космічний знімок

-кількість пікселів на топографічній карті, які віднесені до вкритих лісовою рослинністю лісових ділянок;

-кількість пікселів на топографічній карті, які віднесені до не вкритих лісовою рослинністю лісових ділянок;

-кількість пікселів на "лісовій масці”, які не представлені на топографічній карті.

До класу не вкритих лісовою рослинністю лісових ділянок віднесені всі ділянки, які не вкриті деревною рослинністю. Коефіцієнт показує, на скільки точно виділена "лісова маска" співпадає у просторі з даними на топографічній карті. Результати обчислень наведено у табл.1.

Оцінка точності виділення "лісової маски" показує, що вкриті лісовою рослинністю лісові ділянки інтерпретуються достовірно (97,3 % для Landsat - 5 та 92,4 % для Landsat - 7). Відхилення у просторі вкритих лісовою рослинністю лісових ділянок (коефіцієнт ) показує, що до "лісової маски" включаються сади, насадження всередині населених пунктів тощо. Крім того, на значення другого коефіцієнта значний вплив має точність геометричного покращення.

Розділ 4. Дешифрування зображень лісових ділянок на основі матеріалів сканерних космічних знімків. Для дешифрування космічних зображень важливе значення мають спектральна та просторова роздільні здатності. Для покращення просторової роздільної здатності застосовують злиття зображень - метод, який об'єднує геометричні деталі панхроматичного зображення з високою роздільною здатністю і кольорової інформації мультиспектрального зображення з низькою роздільною здатністю для отримання мультиспектрального зображення з високою просторовою роздільною здатністю.

Таблиця 1

Коефіцієнти та 00 для космічних зображень Landsat - 5 та Landsat - 7

Оскільки мультиспектральне зображення Landsat - 7 має просторову роздільну здатність 28,5 м, а панхроматичний канал - 14,25 м, в результаті злиття методами принципових компонент, Бровея та мультиплікативним отримали мультиспектральні зображення з роздільною здатністю 14,25 м. Класифікація проводилася для оригінальних та з покращеною просторовою роздільною здатністю зображень.

Для проведення контрольованої класифікації на основі параметричних правил максимальної правдоподібності, мінімальної відстані та відстані Махаланобіса необхідною умовою є визначення класів, які представлені на космічному зображенні та вибір характерних пікселів (тренувальні дані), які описують ці класи. Тренувальними даними для інтерпретації лісових ділянок на основі космічних знімків слугують матеріали наземних спостережень, координати яких накладені на зображення для створення класових сигнатур (тренувальних полів, еталонів), під якими розуміють область спектральних характеристик з заданим класом, яка в подальшому використовується для контрольованої класифікації згідно з цими еталонами. Створювати нові класові сигнатури необхідно для кожного зображення, складеного з різних комбінацій каналів та різної просторової роздільної здатності. В процесі створення класових сигнатур можуть виникати різного роду помилки за рахунок віднесення пікселів до помилкового класу, що в подальшому знизить точність класифікації зображень. Тому необхідно проводити попередню оцінку якості створених сигнатур різними способами - віддаленості класів та випадкової матриці. При оцінці сигнатур способом віддаленості класів обраховується спектральна відстань (Евклідова відстань, Дженіфер-Матушица відстань, Бгхатахарія відстань тощо), за абсолютним значенням якої можна судити про можливість виділення класів. Спосіб випадкової матриці показує точність розподілу вхідних даних на класи, які використовуються для створення сигнатур. При незадовільній якості сигнатур, останні виключаються з процесу подальшої класифікації та на їх місце створюються нові.

Для оцінки точності проведеної класифікації фрагментів космічних зображень, що представляють територію досліджень, де були закладені полігони, використовуються три показники: повна точність, перша та друга класові точності (E. Ivits-Wasser, T. Koukal, 2004). Посткласифікаційна перевірка фільтрованих тематичних карт здійснюється на основі картографічних матеріалів лісовпорядкування, переведених у цифровий формат за допомогою ГІС-технологій.

Попередня оцінка точності створених класових сигнатур полігону 1 (Ківерцівське лісництво ДП "Ківерцівське ЛГ”), де було виділено 5 класів (листяні (8 та більше одиниць листяних порід у складі), хвойно-листяні чи листяно-хвойні (5 - 8 одиниць листяних чи хвойних порід), хвойні насадження (8 і більше одиниць хвойних), лісові культури та не вкриті лісовою рослинністю лісові ділянки (до них можуть включатися і нелісові землі при їх наявності на території досліджень)) показала, що всі класи сформовані достовірно (точність понад 70 %), найкращим для дешифрування є зображення, сформоване зі всіх каналів знімка при класифікації за правилом максимальної правдоподібності. Повна точність проведеної класифікації показала можливість дешифрування всіх зображень (точність дешифрування понад 74 %). Найкраще дешифруються класи хвойних насаджень та лісових культур.

Попередня оцінка точності створених класових сигнатур полігону 2 (ПЗ "Розточчя”), де було виділено 3 класи (листяні, хвойно-листяні чи листяно-хвойні та хвойні насадження; лісових культур та не вкритих лісовою рослинністю ділянок на фрагменті зображення немає) показала, що всі класи сформовані достовірно (найкраще сформований клас хвойних насаджень, точність - понад 86 %), найкращим для дешифрування є зображення, складене зі всіх каналів знімка при класифікації за правилом максимальної правдоподібності. Точність класифікації порівняно з даними лісовпорядкування невисока для всіх класів і лежить у межах 50 %. Достовірно виділити певну комбінацію каналів, параметричне правило чи зображення, які дають найкращі результати, складно, оскільки значення точності досить подібні.

Попередня оцінка точності створених класових сигнатур полігону 3 (Білецьке лісництво ДП "Чортківське ЛГ”), де було виділено 4 класи (дубові, грабові насадження, лісові культури та не вкриті лісовою рослинністю лісові ділянки) показала, що всі класи сформовані достовірно (найкраще сформовані два останні класи, точність - понад 90 %), найкращим для дешифрування є зображення, складене з комбінації каналів 3-4-5 при класифікації за правилом максимальної правдоподібності. Порівняно з даними лісовпорядкування достовірно вдалося виділити тільки клас грабових насаджень, всі інші мають незадовільну точність. На основі польових даних була проведена додаткова класифікація за групами віку насаджень (сформовані класи молодняків (насадження до 40 років) та середньовікових насаджень (вік понад 40 років), лісових культур та не вкритих лісовою рослинністю лісових ділянок). Як і в попередньому випадку, лісові культури та не вкриті лісовою рослинністю ділянки інтерпретуються неточно. Найкращі результати отримали для класу середньовікових насаджень (друга класова точність становить 81,7 %). Найвищу точність дешифрування знімків отримали при використанні правила відстані Махаланобіса та максимальної правдоподібності (понад 54 %). Найкраще класифікацію проводити на зображенні, покращеному мультиплікативним методом.

Попередня оцінка точності створених класових сигнатур полігону 4 (Красівське лісництво ДП "Львівське ЛГ”), де було виділено 5 класів (букові, дубові, хвойні насадження, лісові культури та не вкриті лісовою рослинністю лісові ділянки) показала, що всі класи сформовані достовірно, найкращим для дешифрування є зображення, складене зі всіх каналів знімка при класифікації за правилом максимальної правдоподібності. Недостовірно класифікуються класи дубових насаджень та не вкриті лісовою рослинністю ділянки; всі інші класи мають задовільну точність. Найкращі результати отримані при класифікації за правилом максимальної правдоподібності оригінального 30-ти метрової роздільної здатності зображення.

Попередня оцінка точності створених класових сигнатур полігону 5 (Грицівське лісництво ДП "Старокостянтинівське ЛГ”), де було виділено 5 класів (дубові, мішані дубові, хвойні насадження, лісові культури та не вкриті лісовою рослинністю лісові ділянки) показала, що всі класи сформовані достовірно, найкращим для дешифрування є зображення, складене зі всіх каналів знімка при класифікації за правилом максимальної правдоподібності. Порівняно з даними лісовпорядкування достовірно виділяється тільки клас хвойних насаджень; мішані дубові насадження та лісові культури класифікуються з точністю близько 50 %. Найкращим параметричним правилом є правило мінімальної відстані при класифікації оригінального 30-ти метрової роздільної здатності зображення.

Оцінка точності проведеної класифікації у розрізі всіх полігонів дозволяє відмітити, що достовірно інтерпретуються хвойні, грабові, букові насадження, молодняки та середньовікові насадження (табл. 2).

Таблиця 2

Оцінка точності проведеної класифікації зображень для всіх полігонів

Основними причинами невисокої точності класифікації окремих класів можна вважати подібність їх спектральних характеристик з іншими класами, невисоку просторову роздільну здатність космічних знімків, недосконалість наземних картографічних матеріалів та параметричних правил проведення класифікації.

На основі матеріалів дешифрування космічних знімків Landsat створено цифрову карту лісів Західного Лісостепу України. Основою створення карти лісів є "лісова маска”. За допомогою моделі mask. gmd на "лісову маску" накладено

космічний знімок, внаслідок чого отримали зображення, яке відображає вкриті лісовою рослинністю лісові ділянки. Для зменшення об'єму та пришвидшення процесу класифікації за правилом максимальної правдоподібності цифрова карта лісів Західного Лісостепу створюється на основі "лісової маски" з накладеними зображеннями 30-ти метрової просторової роздільної здатності, складених з 1, 4 та 5 каналів. Основою створення сигнатур для проведення класифікації слугували характеристики пробних площадок, накладені на космічне зображення на основі координат точок, що розділені на 3 класи - листяні, хвойно-листяні чи листяно-хвойні та хвойні насадження. В результаті дешифрування зображення, сформованого на основі "лісової маски”, за створеними класовими сигнатурами отримуємо тематичну карту розподілу вкритих лісовою рослинністю лісових ділянок на три сформовані класи та додатково клас не вкритих лісовою рослинністю та нелісових ділянок. Точність отриманої карти лісів визначається на основі моніторингових пробних площадок.

У результаті дешифрування космічних зображень точність отриманої цифрової карти лісів Західного Лісостепу України наступна: 61,5 % для хвойних насаджень, 55,6 % для хвойно-листяних чи листяно-хвойних та 19,3 % для листяних насаджень. Оскільки точність виділення класу листяних насаджень незадовільна, тому для кожного класу попередньо задавали рівні "можливості” (probability). У ході класифікації пікселі, що за спектральними характеристиками можуть бути віднесені до одного з двох класів, відносяться до того класу, у якого значення рівня "можливості” вище. Це необхідно для того, щоб класи листяних та хвойних насаджень не класифікувалися як хвойно-листяні чи листяно-хвойні насадження, оскільки останні займають проміжне місце (за спектральними характеристиками) між двома іншими класами. Як базові рівні "можливостей" було апробовано три варіанти: 4-2-4 (перше значення - рівень "можливості” класу листяних насаджень, друге - хвойно-листяних чи листяно-хвойних насаджень та третє - хвойних насаджень), 4-3-4 та 5-3-4 (табл.3). Перевірка точності класифікації космічних зображень із заданими рівнями "можливостей" показала, що значно краще виділяються класи хвойних та листяних насаджень, хвойно-листяні чи листяно-хвойні - гірше (на рис.3 показано фрагмент цифрової карти, створеної із заданими рівнями можливостей).

Таблиця 3

Перевірка точності створеної карти лісів Західного Лісостепу України при різних рівнях "можливості”

Для умов Західного Лісостепу України (внаслідок досліджень методів покращення просторової роздільної здатності, створених класових сигнатур) для дешифрування зображень різними параметричними правилами визначені найкращими - параметричне правило максимальної правдоподібності при класифікації зображень, складених з комбінації каналів 1-4-5 та покращених до 15-ти метрової роздільної здатності мультиплікативним методом.

При створенні цифрової карти лісів Західного Лісостепу України для класифікації земель лісогосподарського призначення доцільно використати знімки 30-ти метрової просторової роздільної здатності. Підвищити точність результуючої карти лісів дозволяє використання обґрунтованих "можливостей”, які при 4-2-4 комбінації "можливостей" є найкращими для Західного Лісостепу України.

Отримані результати можуть слугувати основою для подальших досліджень удосконалення методики дешифрування космічних знімків Landsat, а отримані тематичні карти - для створення лісової ГІС.

Висновки