Способ автоматизированного определения таксационных показателей леса по аэрофотоснимкам

Союз СоветскихСоциалистическихРеспублик ОП ИСАНИЕИЗОБРЕТЕН ИЯК АВТОРСКОМУ СВИДЕТЕЛЬСТВУ(51)М, Кл,01 С 11 Ю 6 Гасударатвенный комитет СССР па делам изобретений и открытий(54) СПОСОБ АВТОМАТИЗИРОВАННОГО ОПРЕДЕЛЕНИЯ ТАКСАЦИОННЫХ ПОКАЗАТЕЛЕЙ ЛЕСА ПО АЭРОФОТОСНИМКАМ 1Изобретение 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., использующих1 о аэрокосмическую информацию. Известны способы определения таксационных показателей участков леса (запаса, полноты, среднего диаметра ствола и15 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 11 2Известны также способы визуальногоопределения таксационных показателей наоснове сравнения изображений необследованных участков с группой изображенийучастков принятых на эталоны, показатели которых известны. Расчет искомыхпоказателей по дешифровочным признакампроводится на основе получаемых заранеерегрессионных уравнений связи между дешифровочными признаками и показателями.Вследствие большого разнообразия лесов,последние предварительно разбивают наклассы, с тем, чтобы уравнения связисоставлять 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 дешифровочные признаки определяются визуальночеловеком. В связи с этим результатыдешифрирования носят субьективный характер и сильно зависят от психофизиологического состояния дешифровщика. Операции3 7502 дешифрирования трупоемки и утомительны, поэтому не представляются возможным извлекать при дешифрировании статистически достаточно полную информацию, что ведет к снижению возможной точности результатов. Время дешифрированияснимков 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.15Эти 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, 25Наиболее близок к данному изобретению способ автомат иэиррванного определения таксационных показателей, изложенный в отчетеГ (2), В работе способа вместо визуального определения дешифрсм 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 устра 40иены лишь частично. Этот способ, также,как и предыдущие, использует в качестведешифровочных признаков размеры крон,их количество и пр. и установленные ранее регрессионные зависимости между45ними и таксационными показателями. Вдействительности же эти признаки могутбыть измерены лишь на снимках крупныхмасштабов среднеполнотных насаждений.На большинстве же материалов съемки50(густых и редкостойных насаждений, намелкомасштабных снимках и др,) эти,признаки в чистом виде не выделяются иустановленные зависимости теряют смысл,Поэтому для указанного круга материа 55лов съемки точность определения показателей остается низкой, а выбор связейсубъективным, требующим от дешифровщика немалых усилЮ,77 4Цель изобретения - повышение точности и объективности определения таксационных показателей участков леса с расширением круга используемых для этого материалов сьемки сокращения времени решения задачи и высвобождением человекаот трудоемких операций, а также воэможности использования при обработке космических снимков.Блок-схема способа приведена на предлагаемом чертеже,Для достижения поставленной цели вспособе при сохранении таких признаковпрототипа, как считывание информации спомощью сканирующих устройств, автоматическое формирование дешифровочныхпризнаков и определение по ним заданныхтаксационных показателей, вводятся рядновых процедур, В отличие от известныхспособов предлагается в качестве дешифровочных признаков использовать признакидвух типов; детальные характеристикитекстуры фотопробы и обобщенные характеристики внешнего облика изображенногона ней участка леса (на схеме-процедура 1), Их использование позволит резкорасширить круг годных для обработки материалов сьемки лесов:при сохраненииточности определения показателей, К первому типу признаков относятся, такие характеристики текстуры, как различныераспределения выбросов оптической плотности на заданных уровнях, распределениядлительностей выбросов, интервалов между ними, частот, соотношения между последовательными выбросами. Ко второмутипу - такие сравнительно заметные нафотопробе характеристики леса, как густота, группы возраста, группы сомкнутостии пр., легко определяемые визуально,Признаки первого типа формируютсяавтоматически, а второго - автоматически или визуально при подготовке снимковк обработке.Ввиду отсутствия в настоящее времяустановленных зависимостей между указанными признаками и таксационными показателями, а также исключая отмеченную выше субьективность, вносимую прииспользовании регрессионного анализа, гпредлагается для определения показателейиспольэовать сами выборки признаков ипоказателей, формируемые заранее дляхарактерных ключевых участков леса различных классов, принимаемых в качествеопорных (процедуры 2). Для этого нятехнических носителях информвнии (магнитных лентах, дисках и пр.) формируются блоки опорных данньос (процедурно,3), 5 750277 6Каждый блок содержит информацию об од- но с последовательным отбрасываниемном ключевом участке, В него могут признаков с наименьшей ш(формативностью,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 инаков, при котором ошибка минимальнанаборы таксационных показателей, изме- (процедура 7), Этот прибор вместе с миренных в этих участках леса при назем- нимальной ошибкой записывается в блокном обследовании с повышенной точно- данных на технический носитель информастью. Одна магнитная лента может сойер- ции (процедура 9),катИ несколько тысяч блоков данных При 10 Далее формируют оптимальные наборыопределении таксационных показателей нс- признаков для участков леса с неиэвествых фотопроб, не входящих в блоки, для ными показателями из информации, полуних после сканирования фоРмиРуются оп- чаемой путем сканирования этих участковтимальные наборы признаков (процедура (процедура 10) на аэрокосмических сним 4), которые сопоставляются с набоРами 1 ках, определяют неизвестные таксационпризнаков блока опорных данных, относя- ные показатели (процедура 11) путем сощегося к этому же классу (процедура 5), поставления одним из распознающих алгоСопоставление проводится с помощью ЭВМ ритмов полученных наборов признаков содним 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 иэ матери- шения задач по определению таксационныхалов сьемки с целью повышения точноо- показателей по аэроснимкам в 2 раза ити определения показателей, предлагает- блся использовать признаки, получаемые со 2 з Эксперименты показали, что изобретеснимков различных масштабов и зон спек- ние позволяет получить объективные дантра, ные, свободные от колебаний, вызванныхНаличие накопленных на технических состоянием дешифровщиков, Кроме того,носителях информации блоков опорных воспроизводимость результатов позвжщданных позволяет вести еще три процеду З 0 ет контролировать процесс определения поры (6,7,8) отличающие данный способ казателей на любом его этапе. Машиннаяот известных направленные на дальней- задача результатов дешифрирования можетшее повышение точности. Каждый блок быть оформлена документально и стандарданных можно использовать для вычисле- тиэировано. Это позволяет, в свою очения по нему ошибки определения такса- 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 фото- ганиэации дешифрирования в целом и спопроб и вычисляется вероятное значение собствует лучшему учету и использованиюпоказателя, Это значение сравнивается с 40 результатов в последующем.1имеющимся в блоке фактическим значе- В экспериментах выявлены также дьнием 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 1 4 ным) определением таксационных показаэта ошибка является устойчивой и по от- телей. Накопление блоков данных позволйтношению 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 участкахвводится процедура оптимизации блоков леса. Это дает возможность сопоставлятьданных, Она состоит в том, что для каж- результаты дешифрирования разновремендого таксационного показателя (а их в ных материалов съемки и выявлять иэмеблоке несколько) отыскивается оптималь- кения показателя, происшедшие за рассный набор признаков, минимизирующий матриваемый период времени. Процедураошибку определения показателя. Для этого оптимизации, примененная к различнымс помощью ЭВМ по признаковой части блокам данных, позволяет проводить ихблока 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 сьемки и наземцедура "прогон" производится многократ- ных данных,От Вор тоиеоциокмагюпоиоююялео ело опорныи клгочеВик ую птноФлеюФ Снаннробонцеуотопрй 1 ПоеунеииеЫгАуя лэожпрмноноооофеопрючЪ Ймияеиые мянотыо прилчоиоо Фвфюпройг Форчароор Форииродан, лоляпрыедя поля поноlа нор блоие телец блооо Раина ооннам Определение Вгпатыегпиыеснод инрорнатыдновти приснооовФормироРамио отпикто жЫаао лрщноноаЮле нам 0 мо твноюпмло Уиеннивныв меоФммоноЮоро щ 3 иеновОЮ/рлюиниеоиир/ оловгаЖенив е евоюРггеем+мщын блоном опорною Ввннав /раетцноооние/ Ыыисление яиибни олУвлвнир яоноеаяьелвдля олову мьюрнис Ьямнярою / ямдоча иоконаю танеоцианнеп нелоеоюелей ыэнамвние еююоЬю,Уопыеч Хеоно огщммеВаннам, нинин. выищи ыоптын. набора прмлмело но телике, нооиеяедч 7 вяиичвеиццИиифеелФинмрнацм 11 НИИПИ Заказ 4618/31 Тираж 801 ПодписноеФилиал ППП "Патент", г. Ужгород, ул, Проектная,4 7 75Ф ор мула изобретения Способ автоматизированного определения таксационных показателей деса 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 щ и й с ятем, 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 статисти 0277 8ческой информативности каждого признака, и ранжированием признаков по информативности и определяют неизвестные таксационные показатели участка леса путемсопоставления распознающим алгоритмом5его оптимальных наборов признаков спризнаками соответствующего блока опорных данных.Источники информации,принятые во внимание при экспертизе1, Самойлович Г, Г, -Применение аэрофотосъемки и авиации в лесном хозяйствеМ., Лесная промышленность, 1964,с. 258-268,2. Огчет по теме "Разработка болеесовершенных методов инвентаризации лесовс применением новых способов аэрофотосъемки и аэропланок, позволяющих получать повышенную информацию и автоматизацию процессов дешифрирования лесов",ЛенНИПЛХ, 1972, 1976 (прототип).