Способ оценки запаса насаждений

 

Использование: лесное хозяйство, при оперативной оценке запаса древостоя на обширных площадях неучтенных территорий. Сущность изобретения: в способе оценки запаса насаждений получают изображение лесного массива, разбивают кадр изображения на мозаику участков, последовательно преобразуют изображения участков в матрицу цифровых отсчетов зависимости яркости от пространственных координат, вычисляют запас по статистическим зависимостям параметров сигнала матрицы и таксационных характеристик. При этом в границах участка выделяют все локальные максимумы матрицы и вычисляют параметры локальных максимумов: радиус от максимума яркости до точек, где градиент яркости равен нулю или меняет знак, периметр, площадь, подсчитывают число локальных максимумов и отождествляют их средний радиус с размерами крон, рассчитывают среднее расстояние между каждым максимумом и ближайшими максимумами по всему массиву матрицы и отождествляют его со средним расстоянием между деревьями. Предложенный способ позволяет повысить точность и достоверность результатов оценки запаса насаждения по его изображению путем расчета и использования дополнительного статистического параметра, учитывающего пространственную морфологию древостоя. 3 табл., 3 ил.

Изобретение относится к лесному хозяйству, в частности к оперативной оценке запаса древостоя на обширных площадях неучтенных территорий.

За период становления лесной науки разработано множество методов натурной таксации насаждений и оценки запаса, такие как: метод модельных деревьев, метод угловых проб, статистический метод и т.д. Чаще всего оценку запаса древостоя осуществляют на основе учетных площадок путем индивидуального пересчета особей и измерения их параметров. При всех методах расчета запаса (M) необходимо вычислять, как минимум, три основных параметра древостоя: высоту дерева (H_i), площадь поперечного сечения ствола (g_i) и количество деревьев (N_i). Тогда запас разнородного участка исчисляется как сумма произведений: Известен метод оценки запаса путем измерения средних расстояний между деревьями (см. , например, Н. П. Анучин, "Лесная таксация", изд. 5-е, М., Лесная промышленность, 1982 г. стр. 344...348 - аналог).

В способе-аналоге, исходя из случайно выбранной точки участка, измеряют расстояние a₁ до наиболее близкого дерева, a₂ - расстояние до второго из более близких, a₃ - до третьего и т.д. На основании измерений вычисляют среднее расстояние (a), определяют сумму площадей сечений Σ g_i и среднее дерево по g, по номограмме (либо замером высот) находят среднюю высоту (H). Зная площадь таксируемого участка S, рассчитывают количество деревьев N = S/a², вычисляют запас как произведение (N · g · H).

Для статистически устойчивого результата расчета необходимо вносить поправочный коэффициент. Опыт показал, что в самом однородном древостое расстояние между деревьями широко варьируется, а поправочный коэффициент изменяется в интервале от 0,8 до 1,1 в зависимости от значений (a).

Недостатками известного аналога являются: - большая трудоемкость, связанная с необходимостью учета натурного обмера деревьев; - ограниченность статистических измерений средних расстояний между деревьями, что приводит к ошибкам расчета; - погрешность оценок при распространении результатов измерений отдельных участков на весь таксируемый массив.

Ближайшим аналогом по технической сущности к заявляемому является "Способ определения запаса насаждений" (патент РФ N 2080051, 1977 г., A 01 G 23/00 - ближайший аналог). В способе ближайшего аналога получают изображение лесного массива, разбивают изображение на мозаику участков, последовательно преобразуют изображение каждого участка в матрицу цифровых отсчетов пространственной зависимости яркости 1 (x, y) размерностью |m×m| элементов, вычисляют характеристики электрического сигнала матрицы: огибающую пространственного спектра, среднеквадратическое отклонение, рассчитывают запас насаждения по статистическим зависимостям параметров сигнала и таксационных характеристик.

Недостатками ближайшего аналога являются: - присутствие в огибающей пространственного спектра кроме диаметров крон деревьев неидентифицируемых прогалин, больших разрывов между деревьями, что существенно искажает амплитуду огибающей, особенно в области низкочастотных составляющих; - неточность расчета полноты насаждения, связанная с искажением амплитуды огибающей; - статистическая неустойчивость результатов оценок в связи с использованием фактически одного статистического параметра, а именно, огибающей пространственного спектра.

Задача, решаемая данным изобретением, заключается в повышении точности и достоверности результатов оценки запаса насаждения по его изображению путем расчета и использования дополнительного статистического параметра, учитывающего пространственную морфологию древостоя.

Поставленная задача решается тем, что в способе оценки запаса насаждений, при котором получают изображение лесного массива, разбивают кадр изображения на мозаику участков, последовательно преобразуют изображения участков в матрицу цифровых отсчетов зависимости яркости 1 (x, y) от пространственных координат, вычисляют запас по статистическим зависимостям параметров сигнала матрицы и таксационных характеристик, дополнительно, в границах участка выделяют все локальные максимумы матрицы, вычисляют параметры локальных максимумов: радиус от максимума яркости до точек, где градиент яркости равен нулю или меняет знак, периметр, площадь, подсчитывают число локальных максимумов (N) и отождествляют их средний радиус с размерами крон (D), рассчитывают среднее расстояние между каждым максимумом и ближайшими максимумами по всему массиву матрицы и отождествляют его со средним расстоянием между деревьями (a), оценивают запас по статистической зависимости:
где N_i - количество выделенных из N деревьев участка, принадлежащих данному классу Лорея;
H_i - высота среднего дерева класса H_i 7 · D^1,2;
g_i - сечение ствола среднего дерева класса g_i 120 · D^0,8_i [см²];
α (a) - табличный поправочный коэффициент, зависящий от среднего расстояния между деревьями.

Синтезируют из последовательно проанализированных участков запас древостоя по всей площади кадра изображения.

Сопоставительный анализ заявляемого решения с ближайшим аналогом показывает, что заявляемый способ отличается от известного введением новых технологических операций, обеспечивающих достижение новых свойств. Действительно, в ближайшем аналоге статистические характеристики древостоя определяются на основе двумерного Фурье преобразования матрицы яркости изображения и выделения огибающей пространственного спектра. При этом пространственные гармоники в виде прогалин, разрывов идентифицируются при программном расчете как "развесистые кроны". Последнее вносит существенные искажения. Кроме того, запас зависит и от морфологии древостоя. Чем реже древостой, тем "развесистее кроны" и тем больше их диаметр. Неучет среднего расстояния между деревьями в древостое также приводит к накоплению суммарной ошибки. Основными информационными параметрами заявляемого способа являются: количество деревьев на участке (N), площадь участка (S), диаметр крон (D), проективное покрытие (P), среднее расстояние между деревьями (a). Чем больше определяемых таксационных параметров, тем выше статистическая устойчивость оценок. Это позволяет утверждать, что заявляемый способ имеет существенные отличия и удовлетворяет критерию "изобретательский уровень".

Техническая сущность изобретения заключается в следующем. Отражательные свойства природных и искусственных объектов описываются коэффициентом спектральной яркости (КСЯ). На величину КСЯ оказывают влияние как фенофаза растений, так и морфологические параметры: высота, густота, форма кроны, проективное покрытие. Как правило, вершина кроны дерева лучше освещена и отражает (почти зеркально) падающий световой поток, поэтому обладает на изображении больше яркостью. (см., например, Чапурский Л.И. "Отражательные свойства природных объектов в диапазоне 400...2500 нм" часть 1, МО СССР, 1986 г, стр.6, 44-46). Остальная часть кроны из-за взаимного затемнения и диффузного отражения имеет меньшую яркость. Часть светового потока поглощается в промежутках между деревьями и не возвращается к регистратору. Таким образом, распределение значений яркости в пределах изображения одного дерева представляется двумерной, асимметричной, колоколообразной функцией. Выделение крон на оцифрованном изображении сводится к поиску локальных максимумов с определенными сопутствующими параметрами: яркость вершины, радиус кроны, площадь кроны. Поиск локальных максимумов двумерной функции представляется стандартной математической операцией пространственного дифференцирования и входит в комплект специализированного программного обеспечения MATHCAD. 6.6 PLUS (см. Mathcad, издание 2-е, стереотипное, М. информ-издат. дом Филинъ, 1997 г). Для получения контура кроны дерева вычисляется градиент двумерной функции по восьми направлениям: (возле каждого пиксела дискретного изображения расположено восемь соседних элементов, из которых можно выделить четыре пары соседей, расположенных под углом 0^o, 45^o, 90^o и 135^o). Обычно, для вычисления градиента функции дискретного изображения используют оператор Робертса (или производные от него маски операторов Собела, Лапласа ) вида:
r(i, j)=[I(i, j)-I(i+1, j+1)] + [(i, j+1)-I(i+1, j)].

Радиусы кроны получают усреднением радиусов R_i, вычисленных по восьми направлениям, при этом R₁ определяют от вершины кроны (максимума яркости) до точек, в которых градиент яркости равен нулю или меняет знак. На фиг.1 воспроизведен участок изображения лесного массива с выделенными программным методом кронами деревьев. Фрагмент распечатки результатов программного расчета диаметра крон выделенных деревьев и сопутствующих параметров представлены в табл.1 (см. в конце описания).

Как следует из фиг.1, обработанное изображение лесного участка с выделенными кронами деревьев содержит дополнительную информацию о морфологии древостоя, а именно, о взаимном расположении деревьев относительно друг друга. Зная масштаб изображения, определяют разрешение одного пиксела и вычисляют среднее расстояние между деревьями. Расчет среднего расстояния между деревьями проводится в той же последовательности, что и в аналоге и иллюстрируется фиг.2. Вычислительная процедура реализуется программным методом плавающего окна (см., например, Mathcad, 6.0 PLUS. "Финансовые, инженерные и научные расчеты в среде Windows. 95; Инф. изд. дом Филинъ, М., 1997 г, стр. 511-516). Для чего создается матрица поиска размером n₀ x m₀; n₀ < n, m₀ < m, с центром x_текущ, y_текущ. Поскольку (по аналогу) среднее расстояние между деревьями находится между a₃ и a₄, то в простейшем случае достаточно ограничиться нахождением пяти максимумов в поисковой матрице с плавающим окном. Выполняется 5 раз операция поиска max(A) (см., стр. 202, Mathcad). По карте линий уровня, если 5-и нет, то задают новые размеры окна: n₀=6, m₀=6 с центром x_тек, y_тек. При нахождении пяти максимумов среднее расстояние между ними и текущей точкой вычисляется как:
d_ср= Σd_i/5, i = 1...5,

В итоге получают массив значений d_ср, размером n x m, из которого среднее расстояние (a) по всему анализируемому участку будет равно:

Располагая диаметрами крон (D) выделенного количества (N) деревьев, средним расстоянием между деревьями (a), характеристики древостоя и его запас рассчитывают по среднестатистическим зависимостям. В табл. 2 (см. в конце описания) приведен некоторый массив данных по соотношениям диаметров крон различных древесных пород, полученных аэрофотосъемкой и таксационными характеристиками, полученными натурной таксацией (см., например "Аэрофотосъемка и авиация в лесном хозяйстве", под редакцией Белова С.В., учебное пособие, Всесоюзный Заочный Лесотехнический институт, Ленинград, 1962 г. ). Зависимость высоты от диаметра кроны деревьев I группы, апроксимированная степенной функцией, имеет выражение H_I=7 · D^1,2; для деревьев II группы H_II=5 · D^1,1 для сечения = 120·D^0,8 (см²).

Как следует из табл. 2? разброс среднего и максимального значения диаметров крон, при одном и том же сечении ствола и высоты, существенен. Диаметр кроны дерева зависит от условий произрастания. Чем гуще насаждение, тем меньше диаметр кроны, и чем реже древостой, тем кроны "развесистее". Поэтому, при статических оценках вносят поправку на морфологию древности. По результатам многочисленных наблюдений (см., Н.П. Анучин "Лесная таксация", 5-е изд. , М., "Лесная промышленность", 1982 г., стр. 347, табл. 52), поправочный коэффициент, в зависимости от среднего расстояния между деревьями, составляет (см. табл.3).

С учетом поправки ( α ), аналитические выражения высоты дерева в зависимости от диаметра кроны представлено в виде:

Проективное покрытие (p) вычисляют как отношение суммы площадей крон Σ D_i к площади участка (S).

Разбивая область значений диаметров крон на пять интервалов (классов ступеней толщины Лорея), вычисляют диаметр кроны среднего дерева класса и оценивают запас:

Пример реализации способа.

Высокодетальные фото (видео) изображения лесов получают космической либо авиационной съемкой. Обработка снимков может быть реализована на базе комплекса программно-аппаратных средств по схеме (фиг.3). Устройство (фиг. 3), реализующее способ, содержит изображение (кадр) 1 лесного массива, сканер 2, гибкие магнитные диски 3, вычислительный комплекс на базе ПЭВМ в составе процессора 4, винчестера 5, дисплея 6, принтера 7. Процедура оценки запаса древостоя осуществляется в следующей последовательности. Высокодетальное фотоизображение 1 по мозаичным участкам последовательно оцифровывается посредством ввода, сканера 2 (сканер типа Panasonik с разрешением от 600 до 2400 точек на дюйм), и записывается на магнитные диски 3. ПЭВМ типа "Переколор-2000E с растром 1024 х 1024 или 2048 х 2048 элементов. Специализированные программы обработки (выделения локальных максимумов, расчета среднего расстояния между максимумами) типа MATHCAD 6.0. PLUS ... записываются на винчестере 5. Программный расчет числовых характеристик оцифрованной матрицы изображения осуществляется вычислителем-процессором 4. Результаты программного расчета отображаются на дисплее 6 и распечатываются на принтере 7 в виде таксационных параметров D, a, N, P. Дальнейшая оценка может осуществляться по регрессионным зависимостям, в интерактивном режиме, либо по сервисным программам, автоматически. В частности, для участка фиг.1 получены следующие таксационные характеристики:
Площадь участка, - 2,4 га
Количество выделенных крон, - 811
Среднее расстояние между деревьями, - 5,2 м
Средний диаметр кроны участка - 3,1 м
Проективное покрытие - 0,3
Густота - 338 д/га
Оцениваемый запас древостоя: 530 м³.

Эффективность заявляемого способа оценивается точностью расчета запаса и затратами на получение и обработку изображений. Поскольку заявляемый способ позволяет выделить и учесть каждое дерево, а также по представительной выборке рассчитать несколько статистических таксационных параметров, метод может быть использован как метрологический. В свою очередь, использование высокодетальных снимков и заявленной технологии позволяет решить в целом проблему оценки запаса неучтенных территорий.

Формула изобретения

Способ оценки запаса насаждений, при котором получают изображение лесного массива, разбивают кадр изображения на мозаику участков, последовательно преобразуют изображения участков в матрицу цифровых отсчетов зависимости яркости I (x, y) от пространственных координат, вычисляют запас по статистическим зависимостям параметров сигнала матрицы и таксационных характеристик, отличающийся тем, что в границах участка выделяют все локальные максимумы матрицы, вычисляют параметры локальных максимумов: радиус от максимума яркости до точек, где градиент яркости равен нулю или меняет знак, периметр, площадь, подсчитывают число локальных максимумов N и отождествляют их средний радиус с размерами крон D, рассчитывают среднее расстояние между каждым максимумом и ближайшими максимумами по всему массиву матрицы и отождествляют его со средним расстоянием между деревьями (а), запас оценивают по статистической зависимости

где N_i - количество выделенных из N деревьев участка, принадлежащих данному классу Лорея;
Н_i - высота среднего дерева класса, Н_i = 7 D_i^1,2;
g_i - сечение ствола среднего дерева класса, g_i = 120· D_i^0,8, см²;
α(a) - табличный коэффициент, зависящий от среднего расстояния между деревьями,
синтезируют из последовательно проанализированных участков запас древостоя по всей площади кадра изображения.

РИСУНКИ

Рисунок 1, Рисунок 2, Рисунок 3, Рисунок 4, Рисунок 5, Рисунок 6, Рисунок 7