Сопоставительное дешифрирование серии зональных снимков основано на использовании спектральных образов изобразившихся на снимке объектов. Спектральный образ объекта на фотографическом снимке определяется визуально по тону его изображения на серии зональных черно-белых снимков; тон оценивается по стандартизованной шкале в единицах оптической плотности. По полученным данным строится кривая спектрального образа, отражающая изменение оптической плотности изображения на снимках в разных спектральных зонах. При этом откладываемые по оси ординат значения оптической плотности отпечатков D, в отличие от принятого, вверх по оси убывают, чтобы кривая спектрального образа соответствовала кривой спектральной яркости. Некоторые коммерческие программы предусматривают автоматическое построение графиков спектральных образов по цифровым снимкам. Логическая схема сопоставительного дешифрирования многозональных снимков включает этапы: определение по снимкам спектрального образа объекта - сопоставление с известной спектральной отражательной способностью - опознавание объекта.
При дешифрировании контуров на всей площади снимка спектральный образ с успехом используется и для определения границ распространения дешифрируемых объектов, что осуществляется приемами сопоставительного дешифрирования. Поясним их. На каждом из зональных снимков по тону изображения разделяются определенные совокупности объектов, причем на снимках в различных зонах эти совокупности разные. Сопоставление зональных снимков позволяет разделить эти совокупности и выделить индивидуальные объекты. Такое сопоставление может быть реализовано совмещением («вычитанием») схем дешифрирования зональных снимков на каждой из которых выделены разные совокупности объектов или получением по зональным снимкам разностных изображений. Сопоставительное дешифрирование наиболее применимо при изучении растительных объектов, в первую очередь лесов и сельскохозяйственных культур.
При последовательном дешифрировании многозональных снимков используется также тот факт, что темные на более светлом фоне контуры растительности в красной зоне благодаря повышению яркости ее изображения в ближней инфракрасной зоне как бы «исчезают» со снимка, не мешая восприятию крупных черт тектонического строения и рельефа. Это открывает возможность, например, при геоморфологических исследованиях дешифрировать по разным зональным снимкам формы рельефа разного генезиса - эндогенного по снимкам в ближней инфракрасной зоне и экзогенного - в красной. Последовательное дешифрирование предусматривает технологически сравнительно простые операции поэтапного суммирования результатов.
Дешифрирование разновременных снимков. Разновременные снимки обеспечивают качественное изучение изменений исследуемых объектов и косвенное дешифрирование объектов по их динамическим признакам.
Исследования динамики. Процесс извлечения динамической информации со снимков включает выявление изменений, их графическое отображение и содержательную интерпретацию. Для выявления изменений по разновременным снимкам их нужно сопоставить между собой, что осуществляется путем поочередного (раздельного) или одновременного (совместного) наблюдения. Технически визуальное сопоставление разновременных снимков осуществляется наиболее просто их поочередным наблюдением. Очень старый способ «миганий» позволяет, например, достаточно просто обнаружить вновь появившийся отдельный объект быстрым поочередным рассматриванием двух разновременных снимков. Из серии снимков изменяющегося объекта может быть смонтирована иллюстративная кинограмма. Так, если получаемые через 0,5 ч с геостационарных спутников в одном и том же ракурсе снимки Земли смонтировать в анимационный файл, то возможно многократно воспроизвести на экране суточное развитие облачности.
Для выявления небольших изменений оказывается более эффективным не поочередное, а совместное наблюдение разновременных снимков, для чего используются специальные приемы: совмещение изображений (монокулярное и бинокулярное); синтезирование разностного или суммарного (обычно цветного) изображения; стереоскопические наблюдения.
При монокулярном наблюдении снимки, приведенные к одному масштабу и проекции и изготовленные на прозрачной основе, совмещают наложением один на другой и рассматривают на просвет. При компьютерном дешифрировании снимков для совместного просмотра изображений целесообразно использовать программы, обеспечивающие восприятие совмещаемых изображений как полупрозрачных или «открывающие» участки одного изображения на фоне другого.
Бинокулярное наблюдение, когда каждый из двух разновременных снимков рассматривается одним глазом, наиболее удобно осуществлять с помощью стереоскопа, в котором каналы наблюдения имеют независимую регулировку увеличения и яркости изображения. Бинокулярные наблюдения дают хороший эффект при обнаружении изменений четких объектов на относительно однородном фоне, например изменений русла реки.
По разновременным черно-белым снимкам, возможно, получить и синтезированное цветное изображение. Правда, как показывает опыт, интерпретация такого цветного изображения затруднена. Этот технический прием результативен лишь при изучении динамики простых по структуре объектов, имеющих резкие границы.
При исследовании изменений вследствие движения, перемещения объектов наилучшие результаты дает стереоскопическое наблюдение разновременных снимков (псевдостереоэффект). Здесь можно оценить характер движения, стереоскопически воспринять границы движущегося объекта, например границы активного оползня на горном склоне.
В отличие от поочередного приемы совместного наблюдения разновременных снимков требуют предварительных коррекций - приведения их к одному масштабу, трансформирования, причем эти процедуры часто более сложны и трудоемки, чем само определение изменений.
Дешифрирование по динамическим признакам. Закономерности временных изменений географических объектов, для которых характерна смена состояний во времени, могут служить их дешифровочными признаками, которые, как уже отмечалось, называют временным образом объекта. Например, тепловые снимки, полученные в разное время суток, позволяют распознавать объекты, имеющие специфический суточный ход температуры. При работе с разновременными снимками используются те же приемы, что и при дешифрировании многозональных снимков. Они основаны на последовательном и сопоставительном анализе и синтезе и являются общими для работы с любыми сериями снимков.
Полевое и камеральное дешифрирование. При полевом дешифрировании опознавание объектов производится непосредственно на местности путем сличения объекта в натуре с его изображением на снимке. Результаты дешифрирования наносятся на снимок или прикрепленную к нему прозрачную накладку. Это самый достоверный вид дешифрирования, но и самый дорогой. Полевое дешифрирование может выполняться не только на фотоотпечатках, но и на экранных (цифровых) снимках. В последнем случае обычно используется полевой микрокомпьютер с чувствительным экраном-планшетом, а также специальное программное обеспечение. Результаты дешифрирования отмечаются в поле на экране с помощью компьютерной ручки, закрепляются набором условных знаков и записываются в текстовой или табличной форме в несколько слоев памяти микрокомпьютера. Возможен ввод дополнительной звуковой информации об объекте дешифрирования. При полевом дешифрировании нередко приходится наносить на снимки недостающие объекты. Досъемка производится глазомерным или инструментальным способом. Для этого применяются приемники спутникового позиционирования, позволяющие определять в поле координаты объектов, отсутствующих на снимке, практически с любой необходимой точностью. При дешифрировании снимков масштаба 1:25 000 и мельче удобно использовать портативные спутниковые приемники, соединенные с микрокомпьютером в единый полевой комплект дешифровщика.
К разновидности полевого дешифрирования относится аэровизуальное дешифрирование, которое наиболее эффективно в тундре, пустыне. Высоту и скорость полета вертолета или легкого самолета выбирают в зависимости от масштаба снимков: они тем больше, чем мельче масштаб. Аэровизуальное дешифрирование результативно при работе с космическими снимками. Однако выполнение его непросто. Исполнитель должен уметь быстро ориентироваться и распознавать объекты.
При камеральном дешифрировании, которое представляет собой основной и наиболее распространенный вид дешифрирования, объект распознается по прямым и косвенным дешифровочным признакам без выхода в поле и непосредственного сличения изображения с объектом. На практике обычно комбинируют оба вида дешифрирования. Рациональная схема их сочетания предусматривает предварительное камеральное, выборочное полевое и окончательное камеральное дешифрирование аэрокосмических снимков. Соотношение полевого и камерального дешифрирования зависит и от масштаба снимков. Аэроснимки крупного масштаба дешифрируют преимущественно в поле. При работе с космическими снимками, охватывающими значительные площади, возрастает роль камерального дешифрирования. Наземная полевая информация при работе с космическими снимками нередко заменяется картографической, получаемой по картам - топографическим, геологическим, почвенным, геоботаническим и др.
Эталонное дешифрирование. Камеральное дешифрирование основано на использовании дешифрованных эталонов, создаваемых в поле на типичные для данной территории ключевые участки. Таким образом, дешифровочные эталоны представляют собой снимки характерных участков с нанесенными на них результатами дешифрирования типичных объектов, сопровождаемые характеристикой дешифровочных признаков. Далее эталоны используются при камеральном дешифрировании, которое выполняется способом географической интерполяции и экстраполяции, т. е. путем распространения выявленных дешифровочных признаков на участки между эталонами и за их пределами. Камеральное дешифрирование с использованием эталонов получило развитие при топографическом картографировании труднодоступных районов, когда в ряде организаций создавались фототеки эталонов. Картографической службой нашей страны были изданы альбомы образцов дешифрирования различных типов объектов на аэрофотоснимках. При тематическом дешифрировании космических снимков, в большинстве своем многозональных, такую обучающую роль выполняют подготовленные в МГУ им. М.В.Ломоносова научно-методические атласы «Дешифрирование многозональных аэрокосмических снимков», содержащие методические рекомендации и примеры результатов дешифрирования различных компонентов природной среды, социально-экономических объектов, последствий антропогенного воздействия на природу.
Подготовка снимков для визуального дешифрирования. Для географического дешифрирования редко используют оригинальные снимки. При дешифрировании аэрофотоснимков обычно применяют контактные отпечатки, а спутниковые снимки желательно дешифрировать «на просвет», используя диапозитивы на пленке, которые более полно передают мелкие и малоконтрастные детали космического изображения.
Преобразование снимков .Для более быстрого, простого и полного извлечения из снимка необходимой информации выполняют его преобразование, которое сводится к получению другого изображения с заданными свойствами. Оно направлено на выделение необходимой и удаление излишней информации. Следует подчеркнуть, что преобразование изображения не добавляет новой информации, а только приводит ее к виду, удобному для дальнейшего использования.
Преобразование снимков можно выполнить фотографическими, оптическими и компьютерными способами или при их сочетании. Фотографические способы основаны на различных режимах фотохимической обработки; оптические - на преобразовании светового потока, пропущенного через снимок. Наиболее распространены компьютерные преобразования снимков. Можно сказать, что в настоящее время альтернативы компьютерным преобразованиям не существует. Распространенные компьютерные преобразования снимков для визуального дешифрирования, такие, как компрессия-декомпрессия, преобразование контрастности, синтезирование цветных изображений, квантование и фильтрация, а также создание новых производных геоизображений.
Увеличение снимков. При визуальном дешифрировании принято использовать технические средства, расширяющие возможности глаза, например лупы с различным увеличением - от 2х до 10х. Полезна измерительная лупа со шкалой в поле зрения. Необходимость увеличения становится ясной из сравнения разрешающей способности снимков и глаза. Разрешающая способность глаза на расстоянии наилучшего зрения (250 мм) принимается равной 5 мм- 1 . Для различия, например, всех деталей на космическом фотографическом снимке, имеющем разрешающую способность 100 мм- 1 , его необходимо увеличить в 100/5 = 20 раз. Только в этом случае можно использовать всю информацию, заключенную в фотоснимке. Необходимо учитывать, что получить снимки с большим увеличением (более 10х) фотографическими или оптическими способами не просто: требуются фотоувеличители крупных размеров или очень высокая сложно осуществляемая освещенность оригиналов снимков.
Особенности наблюдения снимков на экране компьютера. Для восприятия снимков важны характеристики экрана дисплея: наилучшие результаты дешифрирования достигаются на экранах большого размера, воспроизводящих максимальное количество цветов и имеющих высокую частоту обновления изображения. Увеличение цифрового снимка на экране компьютера близко к оптимальному в тех случаях, когда одному пикселу экрана pix соответствует один пиксел снимка.
Если известен размер пиксела на местности PIX (пространственное разрешение), то масштаб изображения снимка на экране дисплея равен:
Например, цифровой космический снимок TM/Landsat с размером пиксела на местности PIX = 30 м будет воспроизведен на экране дисплея с pix d = 0,3 мм в масштабе 1:100 000. При необходимости рассмотрения мелких деталей экранный снимок с помощью компьютерной программы можно дополнительно увеличить в 2, 3, 4 раза и более; при этом один пиксел снимка изображается 4, 9, 16 пикселами экрана и более, но изображение принимает заметную для глаза «пиксельную» структуру. На практике наиболее распространено дополнительное увеличение 2 - Зх. Для одновременного просмотра на экране всего снимка в целом изображение приходится уменьшать. Однако в этом случае отображаются только каждые 2-е, 3-й, 4-е и т.д. строки и столбцы снимка и на нем неизбежны потери деталей и мелких объектов.
Время эффективной работы при дешифрировании экранных снимков короче, чем при визуальном дешифрировании отпечатков. Необходимо учитывать также текущие санитарные нормы работы на компьютере, регламентирующие, в частности, минимальное расстояние глаз дешифровщика от экрана (не менее 500 мм), длительность непрерывной работы, интенсивность электромагнитных полей, шума и т.д.
Приборы и вспомогательные средства. Часто в процессе визуального дешифрирования необходимо произвести несложные измерения и количественные оценки. Для этого применяют различного рода вспомогательные средства: палетки, шкалы и таблицы тонов, номограммы и т.д. Для стереоскопического рассматривания снимков применяют стереоскопы различных конструкций. Лучшим прибором для камерального дешифрирования следует считать стереоскоп с двойной наблюдательной системой, обеспечивающей просмотр стереопары двумя дешифровщиками. Перенос результатов дешифрирования с отдельных снимков на общую картографическую основу обычно выполняют с помощью небольшого специального оптико-механического прибора.
Оформление результатов дешифрирования. Результаты визуального дешифрирования наиболее часто представляют в графической, текстовой и реже цифровой формах. Обычно в итоге дешифровочных работ получают снимок, на котором графически выделены и обозначены условными знаками изучаемые объекты. Закрепление результатов дешифрирования выполняют и на прозрачной накладке. При работе на компьютере результаты удобно представлять в виде принтерных отпечатков (твердых копий). По космическим снимкам создаются так называемые схемы дешифрирования, которые по своему содержанию представляют фрагменты тематических карт, составленных в масштабе и проекции снимка.
Автоматизированное дешифрирование – интерпретация данных, находящихся в снимке, выполняемая электронно-вычислительной машиной. Данный метод используется благодаря таким факторам, как обработка огромного количества данных и развитие цифровых технологий, предлагающих изображение в формате, подходящим для автоматизированных технологий . Для дешифрирования снимков используется определенное программное обеспечение (ПО): ArcGIS, ENVI (см. рис.5), Панорама, SOCETSET и т.д.
Рис.5. Интерфейс программы ENVI 4.7.01
Несмотря на все плюсы использования ЭВМ и специализированных программ, постоянное развитие технологий, у автоматизированного процесса есть и проблемы: распознавание образов на машинной классификации с помощью узко формализованных дешифровочных признаков .
Для идентификации объектов их разбивают на классы с определенными свойствами, это процесс разделения пространства по участкам и классам объектов называется сегментацией. Из-за того, что объекты при съемке часто бывают закрытыми и с "шумами" (облака, дым, пыль и т.д.), то машинная сегментация носит вероятностный характер. Для повышения качества к спектральным признакам объектов (цвет, отражение, тон) добавляют информацию о форме, текстуре, расположению и взаимном расположении объектов .
Для машинной сегментации и классификации объектов существуют алгоритмы, разработанные на разных правилах классификации:
с обучением (контролируемая классификация);
без обучения (неконтролируемая классификация).
Алгоритм классификации без обучения может достаточно быстро сегментировать изображение, но с большим количеством ошибок. Контролируемой классификации необходимо указание участков-эталонов, в которых присутствуют объекты одного типа с классифицируемыми. Этот алгоритм требует больших затрат от ЭВМ и дает результат с большей точностью.
3.1. Автоматизированное дешифрирование с использованием комплекса envi 4.7.01
Для изучения методов дешифрирования и обработки космических снимков проведено дешифрирование снимка со спутника Landsat-8 на территорию Удмуртской Республики. Снимок получен с сайта Геологической службы США . На снимке отчетливо видны города Ижевск, также без искажений читаются Ижевский пруд, течение реки Кама от города Воткинск до города Сарапул. Дата съемки – 15.05.2013 и 10.05.2017. Процент покрытия снимка 2013 года облаками – 45% и верхняя часть снимка сложно дешифрируется (однако практически весь весенне-летний период съемок содержит высокое содержание облаков на снимке). Поэтому основная работа по анализу информации будет проходить с более актуальным снимком.
Процент покрытия снимка 2017 года облаками – 15% и правый верхний угол снимка не пригоден для обработки из-за группы облаков, закрывающих поверхность территории.
Система координат, принятая к использованию на снимке – UTM– универсальная поперечная проекция Меркатора, основанная на эллипсоиде WGS84.
Программный комплекс (ПК) ENVI – программный продукт, обеспечивающих полный цикл обработки оптико-электронных и радарных данных дистанционного зондирования Земли (ДЗЗ), а также их интеграции с данными геоинформационных систем (ГИС).
К преимуществам ENVI также относится интуитивно понятный графический интерфейс, позволяющий начинающему пользователю быстро освоить все необходимые алгоритмы обработки данных. Логические ниспадающие пункты меню облегчат нахождение функции, которая необходима в процессе анализа или обработки данных. Есть возможность упростить, перестроить, русифицировать или переименовать пункты меню ENVI или добавить новые функции. В версии 4.7 осуществлена интеграция продуктов ENVI и ArcGIS .
Для подготовки снимка к процессу дешифрирования необходимо его обработать и получить само спектральное изображение для анализа. Для получения изображения из серии снимков необходимо скомпоновать все каналы в единый поток/контейнер с помощью команды на панели управления Layerstacking (см.рис.6). После всех преобразований получаем многоканальный контейнер/изображение, с которым можно продолжать работу: фильтрация, привязка, неконтролируемая классификация, выявление динамики, векторизация. Все каналы изображения будут приведены к одному разрешению и к одной проекции. Для загрузки этой команды необходимо выбрать: BasicTools>LayerStackingили Map>LayerStacking .
Рис.6. Интерфейс программы ENVI - компоновка каналов в Layerstacking
Визуализируя мультиспектральное изображение, необходимо в меню программного комплекса ENVI выбрать следующие команды: File>OpenExternalFile>QuickBird. В новом окне AvailableBandsList (см. рис.7) для синтеза изображения в строчках RGB мы выбираем красный, зеленый и синий каналы соответственно - последовательность каналов "4,3,2". В итоге получаем изображение, привычное человеческому глазу (см.рис.8.) и на экране появляется 3 новых окна - Image, scroll, zoom .
Рис.7. Окно AvailableBandsList
Рис.8.
Синтезированное изображение снимка
15.05.2013
г
- последовательность каналов "4,3,2".
С недавнего времени применительно к снимку Landsat-8 в ENVI чаще используют последовательность каналов "3,2,1" для получения изображения в близких к естественным цветам . Для сравнения двух последовательностей проведем процедуру фильтрации (В окне Image есть вкладка Filter), выводя оба результата на экран (см. рис. 9).
Рис.9. Фильтрация снимка в последовательности "3,2,1"
Благодаря этой команде можно улучшить качество снимка: в данном случае, увеличилась прозрачность облаков, появились четкие контуры разделения поверхностей (акватории, лес, антропогенные территории). Фактически Filter помогает корректировать "шумы" снимка.
Неконтролируемая классификация выполняется по принципу распределения пикселей по классам - сходным яркостным характеристикам. В ENVI существует два алгоритма работы с неконтролируемой классификацией: K-means и IsoData. Команда K-means на порядок сложнее: она требует определенных навыков в подборке настроек изображения и выводов результатов. Команда IsoData проще и требует лишь изменения указанных в системе параметров (см.рис.10): главная панель, команда Classification - Unsupervised - K-means/ IsoData (см. рис.11) .
Рис.10. Окно настройки параметров IsoDataв ENVI
В полученном примере неконтролируемой классификации преобладают инфракрасный и синий каналы, дающие подробную информацию о гидросети на территории снимка.
Рис.11. Неконтролируемая классификация
Через комплекс ENVIлегко и удобно проводить регистрацию изображения с использованием геопривязанного изображения, в последующем полученное изображение используется в MapInfo. Для этого в главном меню выбираем Map>Registration>SelectGCPs: Image to Map . Результат сразу можно вывести в MapInfo для сравнения, сохранив в специальном формате (см.рис.12).
Рис.12. Геопривязка снимка для использования в MapInfo
Векторизация снимка в ENVI происходит с тем же набором данных, что и привязка снимка из ENVI в MapInfo, через команду векторизации: необходимо задать проекцию, эллипсоид, номер зоны (см.рис.13).
Динамика изменений на выбранной территории отслеживается с использованием разновременных многозональных снимков (за 2013 и 2017 гг.). Динамику можно отследить 3 методами:
метод мигания;
метод "сэндвича" - совмещения слоев в MapInfo;
использование карты изменений.
Рис.13. Векторизация снимка
Метод мигания создает два разных окна с 2-мя снимками с помощью команды NewDisplay в окне выбора слоев для показа. Оба снимка связываются при помощи команды LinkDisplaysв окне Image и на экране можно видеть оба снимка, которые двигаются одинаково в разные моменты времени, отображающие одну и ту же местность (см.рис.14). По клику компьютерной мыши дисплеи со снимками будут меняться местами - мигать, что и позволит обнаружить изменения (динамику).
Рис.14. Выявление динамики - метод мигания
Метод "сэндвича" заключается в единовременном совмещении обоих снимков, предварительно сохраненных в формате Jpeg2000/.jp2 с помощью команды File - Save Images. Поочередно оба изображения необходимо открыть в Mapinfo в единой проекции (универсальная поперечная проекция Меркатора). Для комфортного сравнения у верхнего слоя/снимка изменяют прозрачность - 50% и проводят визуальный поиск изменений с последующим выделением ареалов динамики (см.рис.15).
Если 2 полученных снимка имеют геопривязку, разделение по слоям и формат geotiff/tiff, то имеет место быть современный актуальный метод - карта изменений. На обоих снимках необходимо выбрать один и тот же тип слоя, к примеру, третий - зеленый. В итоге преобразований получается карта с большим количество шумов, требующая настройки фильтров.
Рис.15. Выявление динамики - способ "сэндвича"
Если сравнивать все три метода, то автору работы более импонирует метод "сэндвича", т.к. метод мигания дает сильную нагрузку зрению и вызывает преждевременную физиологическую усталость глаз. Создание же карты изменений не всегда эффективно, т.к. полностью шумы убрать невозможно.
Дешифрирование космических снимков - распознавание изучаемых природных комплексов и экологических процессов или их индикаторов по рисунку фотоизображения (тону, цвету, структуре), его размерам и сочетанию с другими объектами (текстура фотоизображения). Эти внешние характеристики присущи только тем физиономическим компонентам ландшафтов, которые имеют непосредственное отражение на снимке.
В связи с этим только незначительное число природных компонентов может быть отдешифрировано по прямым признакам - формы рельефа, растительный покров, иногда поверхностные отложения.
Дешифрирование включает обнаружение, распознавание, интерпретацию, а также определение качественных и количественных характеристик объектов и отображение результатов в графической (картографической), цифровой или текстовой формах.
Различают дешифрирование снимков общегеографическое (топографическое), ландшафтное и тематическое (отраслевое) геологическое, почвенное, лесное, гляциологическое, сельскохозяйственное и др.
Основные этапы дешифрирования космических снимков: привязка; обнаружение; опознавание; интерпретация; экстраполяция.
Привязка снимка - это определение пространственного положения границ снимка. Заключается в точном географическом установлении территории, изображенной на снимке. Осуществляется при помощи топографических карт, масштаб которых соответствует масштабу снимка. Характерными контурами привязки снимка служат береговые линии водоемов, рисунок гидрографической сети, формы макрорельефа (горные массивы, крупные впадины).
Обнаружение состоит в сопоставлении различных рисунков фотоизображения. По признаками изображения (тон, цвет, структура рисунка) осуществляется обособление фотофизиономичных компонентов ландшафтов.
Опознавание, или идентификация объектов дешифрирования, - включает анализ структуры и текстуры фотоизображения, по которым опознаются фотофизиономические компоненты ландшафтов, техногенные сооружения, характер использования земель, техногенная нарушенность физиономических компонентов. На этом этапе устанавливают прямые дешифровочные признаки фотофизиономичных компонентов.
Интерпретация заключается в классификации опознанных объектов по определенному принципу (в зависимости от тематической направленности дешифрирования). Так, при ландшафтном дешифрировании интерпретируются физиономические компоненты геосистем, а опознанные техногенные объекты служат только для правильной ориентировки. При дешифрировании хозяйственного использования внимание обращается на опознанные объекты использования земель - поля, дороги, населенные пункты и т. д. Интерпретация деципиентных (скрытых) компонентов ландшафтов или их техногенных изменений производится ландшафтно-индикационным методом. Полная и достоверная интерпретация снимков возможна только на основании комплексного использования прямых и косвенных дешифровочных признаков. Процесс интерпретации сопровождается рисовкой контуров, т. е. созданием по отдельным снимкам схем дешифрирования.
Экстраполяция - включает выявление аналогичных объектов по всей территории исследований и составление предварительного макета карты. Для этого на фотоплан или фотосхему наносятся все данные, полученные при дешифрировании отдельных снимков. В ходе экстраполяции идентифицируют аналогичные объекты, явления и процессы на других участках; устанавливают ландшафты-аналоги.
Дешифрирование выполняется по принципу от общего к частному. Всякий снимок - прежде всего информационная модель местности, воспринимаемая исследователем как единое целое, а объекты анализируются в развитии и неразрывной связи с окружающей их средой.
Различают следующие виды дешифрирования.
Тематическое дешифрирование выполняют по двум логическим схемам. Первая предусматривает вначале распознавание объектов, а затем их графическое выделение, вторая - вначале графическое выделение на снимке однотипных участков, а затем их распознавание. Обе схемы завершаются интерпретацией - научным толкованием результатов дешифрирования. При компьютерном дешифрировании эти схемы реализуются в технологиях кластеризации и классификации с обучением.
Объекты на снимках различают по дешифровочным признакам, которые делят на прямые и косвенные . К прямым относят форму, размер, цвет, тон и тень, а также сложный объединяющий признак - рисунок изображения. Косвенными признаками служат местоположение объекта, его географическое соседство, следы взаимодействия с окружением.
При косвенном дешифрировании , основанном на объективно существующих связях и взаимообусловленности объектов и явлений, дешифровщик выявляет на снимке не сам объект, который может и не изобразиться, а его индикатор. Такое косвенное дешифрирование называют индикационным, географическую основу которого составляет индикационное ландшафтоведение. Его роль особенно велика, когда прямые признаки теряют значение из-за сильной генерализованности изображения. При этом составляют особые индикационные таблицы, где для каждого типа или состояния индикатора указан соответствующий ему вид индицируемого объекта.
Индикационное дешифрирование позволяет от пространственных характеристик переходить к временным. На основе пространственно-временных рядов можно установить относительную давность протекания процесса или стадию его развития. Например, по гигантским речным меандрам, оставленным в долинах многих сибирских рек, их размерам и форме оценивают расходы воды в прошлом и происходившие изменения.
Индикаторами движения водных масс в океане часто служат битые льды, взвеси и др. Движение вод хорошо визуализируют и температурные контрасты водной поверхности - именно по тепловым инфракрасным снимкам выявлена вихревая структура Мирового океана.
Дешифрирование многозональных снимков. Работа с серией из четырех-шести зональных снимков сложнее, чем с одиночным снимком, и их дешифрирование требует некоторых особых методических подходов. Различают сопоставительное и последовательное дешифрирование.
Сопоставительное дешифрирование состоит в определении по снимкам спектрального образа, сравнении его с известной спектральной отражательной способностью и опознавании объекта. Вначале на зональных снимках выявляют совокупности объектов, различные в разных зонах, а затем, сопоставляя их (вычитая зональные схемы дешифрирования), выделяют в этих совокупностях индивидуальные объекты. Наиболее эффективно такое дешифрирование для растительных объектов.
Последовательное дешифрирование основано на том, что зональные снимки оптимально отображают разные объекты. Например, на снимках мелководий вследствие неодинакового проникновения лучей разных спектральных диапазонов в водную среду видны объекты, расположенные на разных глубинах, и серия снимков позволяет выполнить послойный анализ и затем поэтапно суммировать результаты.
Дешифрирование разновременных снимков обеспечивает изучение изменений объектов и их динамики, а также косвенное дешифрирование изменчивых объектов по их динамическим признакам. Например, сельскохозяйственные культуры опознают по смене изображения в течение вегетационного периода с учетом сельскохозяйственного календаря.
В век научно-технической революции и освоения космоса человечество продолжает тщательно изучать Землю, наблюдая за состоянием природной среды, заботясь о рациональном природопользовании, постоянно совершенствуя методы оценки теперь уже ограниченных природных ресурсов. Среди развивающихся методов исследований Земли из космоса и космического мониторинга прочно входит в жизнь многозональная фотографическая съемка, открывающая дополнительные возможности повышения достоверности дешифрирования снимков.
В сентябре 1976 г. в рамках международного сотрудничества по программе «Интеркосмос» специалистами СССР и ГДР совместно был проведен космический эксперимент «Радуга», в ходе которого летчики-космонавты СССР В.ф. Быковский и В. В. Аксенов в восьми-суточном полете космического корабля «Союз-22» получили более 2500 многозональных снимков земной поверхности. Съемка проводилась многозональным космическим фотоаппаратом МКф-6, разработанным совместно специалистами народного предприятия «Карл Цейсе Йена»ГДР и Института космических исследований АН СССР и изготовленного в ГДР. Многозональная съемка аппаратом МКф-6 проводилась также с самолетов-лабораторий, а затем и с пилотируемой орбитальной станции «Салют-6». Одновременно с аппаратом МКф-6 был разработан многозональный синтезирующий проектор МСП-4, открывший возможность изготовления высококачественных цветных синтезированных снимков, теперь широко используемых в научной, практической и учебной работе.
Настоящий атлас снимков и составленных по ним карт иллюстрирует на типичных примерах возможности применения материалов многозональной аэрокосмической фотосъемки в разнообразных исследованиях природной среды, в планировании и оперативном управлении хозяйственной деятельностью и для многих отраслей тематического картографирования. В атласе представлен широкий круг направлений исследований Земли. Он охватывает изучение природных условий и ресурсов не только суши, но и морских мелководий. Методика дешифрирования при геологических исследованиях горноскладчатых областей представлена на примере района Памиро-Алая. Геоморфолого-гляцио-логические и гидрологические аспекты исследований рассмотрены на примере изучения тектонического строения и рельефа южного Предбайкалья, рельефа берегов Охотского моря, рельефа речных пойм и мерзлотного термокарстового рельефа центральной Якутии, оледенения Памиро-Алая, распространения твердого стока рек в озере Байкал и ледниковых ландшафтов в северной части ГДР. Исследования растительности выполнены на примере полупустынной и пустынной растительности юго-восточного Казахстана и лесной растительности южного Предбайкалья и центральной Якутии. Ландшафтное картографирование охватывает аридные ландшафты предгорных районов и межгорных котловин юго-восточного Казахстана и Средней Азии, горнотаежные ландшафты северного
Прибайкалья, а также ландшафты средней части ГДР. На примерах юго-восточного Казахстана и участка в центральной части ГДР показаны возможности использования космических снимков в целях физико-географического районирования территории. Кроме исследований природных ресурсов, в атласе представлены также некоторые направления социально-экономических исследований - картографирование сельскохозяйственного использования земель и расселения, а также изучение воздействия человека на природную среду на примере картографирования современных ландшафтов с их антропогенными модификациями. Эти исследования выполнены в среднеазиатских районах Советского Союза и в ГДР.
В литературе достаточно подробно изложена методика дешифрирования «классических» аэроснимков. Традиционная и хорошо отработанная технология обработки таких снимков успешно используется на практике. В атласе представлен комплекс методических приемов обработки многозональных аэро- и космических снимков на разном уровне технической вооруженности - визуальном, инструментальном и автоматизированном. При визуальном дешифрировании наиболее универсальна работа с цветными синтезированными снимками. При использовании серии зональных снимков применяется несколько приемов. Наиболее простой прием - выбор оптимальной спектральной зоны для дешифрирования конкретных явлений - эффективен только для некоторых объектов, например береговой линии мелководных водоемов, и поэтому имеет сравнительно ограниченное применение. Сопоставление серии зональных снимков с использованием спектрального образа объектов съемки, приближенно определяемого с помощью эталонированной шкалы плотностей, целесообразно при дешифрировании объектов, характеризующихся специфическим ходом спектральной яркости, в частности для разделения лесообразую-щих пород при картографировании лесной растительности, для выявления границ ледников и фирновой линии по различиям в изображении снега с разным влагосодержанием и т. п.
Последовательное дешифрирование серии зональных снимков, использующее эффект оптимального отображения различных объектов в определенных зонах спектра, применяется для разделения тектонических нарушений разного ранга, последовательного разноглубинного изучения акваторий и т.д.
Дешифрирование многозональных космических снимков ведется с выборочным использованием аэрофотоснимков, полученных в подспутниковых экспериментах. Для выявления тонких различий дешифрируемых объектов, не улавливаемых визуально, например связанных с состоянием посевов сельскохозяйственных культур, используется измерительное дешифрирование, базирующееся на фотометрических определениях спектральной яркости объектов по зональным снимкам с учетом искажений, обусловленных условиями съемки. При этом обеспечиваются спектрофотометрические определения с погрешностью 3-5%.
Для более сложного анализа данных, в том числе при решении оперативных задач, связанных с большим объемом обрабатываемой информации, требуется автоматизированная обработка снимков, возможности которой проиллюстрированы на примере использования земель и классификации посевов хлопчатника в зависимости от их состояния.
Все включенные в атлас карты, составленные по многозональным снимкам, являются картографическими произведениями нового типа и демонстрируют возможности совершенствования тематических карт по материалам аэрокосмических съемок.
Особую роль при решении многообразных задач на относительно небольших, хорошо изученных классическими методами территориях играют многозональные снимки, полученные с борта самолета. Такой метод детального изучения природных ресурсов и контроля окружающей среды является перспективным, например, для территории ГДР. Представленные примеры многозональных самолетных снимков охватывают тестовый полигон в районе оз. Зюссер-Зее в центральной части ГДР, а также районы ферганской долины, Охотского побережья и др. в СССР. Космические снимки, в свою очередь, обладают известными преимуществами обзорности, спектральной и пространственной генерализации изображения. Представленные космические снимки охватывают побережья Балтийского моря, северо-восточного Каспия и Охотского моря, южное Предбайкалье и северное Прибайкалье, центральную Якутию, юго-восточный Казахстан и Среднюю Азию.
Аэрокосмический метод исследования Земли по своему принципу является комплексным и междисциплинарным. Каждый снимок пригоден, как правило, для многоцелевого использования в различных направлениях исследования Земли. Этому соответствует и региональная структура атласа, в котором для каждого снимка представлена методика дешифрирования в тех направлениях, где оно оказалось наиболее эффективным. В каждом разделе, открывающемся цветным синтезированным снимком исследуемого района со схемой привязки и текстовой характеристикой территории, приводятся результаты дешифрирования снимков в виде тематических карт, главным образом масштаба 1:400000-1:500000, с краткими текстовыми комментариями. По основным темам даются пояснения и рекомендации по методике тематического дешифрирования многозональных снимков.
Атлас может служить научно-методическим пособием по дешифрированию многозональных снимков для специалистов, занимающихся изучением природных ресурсов дистанционными методами, и использоваться более широко как наглядное пособие по применению космической съемки при составлении тематических карт в картографии, геологии, почвоведами, специалистами сельского и лесного хозяйства, а также специалистами по охране природы. Несомненно, он найдет широкое применение в вузах. Студенты смогут использовать его при изучении теории и практики аэрокосми-
ческих методов, для овладения навыками работы с космическими снимками при разработке и составлении карт и в исследованиях природных ресурсов.
Основная работа по подготовке атласа проводилась Географическим факультетом Московского государственного университета, Институтом космических исследований Академии наук СССР и Центральным институтом физики Земли Академии наук ГДР.
Атлас составлен в лаборатории аэрокосмических методов кафедры картографии Географического факультета Московского университета при участии кафедр геоморфологии, картографии, гляциологии и криолитологии, физической географии СССР, физической географии зарубежных стран, проблемных лабораторий комплексного картографирования и атласов, эрозии почв и русловых процессов того же факультета, а также Геологического факультета, кафедры научной фотографии и кинематографии МГУ, Всесоюзного Объединения «Аэрогеология», в Центре по дистанционным методам исследования Земли Центрального института физики Земли АН ГДР, отделении географии Педагогического института г. Потсдама и отделении географии Университета им. М. Лютера г. Халле-Виттенберга.
Это так называемые многозональные снимки , которые позволяют более надежно распознавать изучаемые объекты и получать цветные синтезированные изображения.
В одном спектральном диапазоне можно получить серию снимков, одновременно используя излучение в нескольких узких спектральных зонах. Подобные снимки называют многозональными. Их делают, например, с помощью специальных фотокамер с несколькими объективами, причем каждый снабжен цветным светофильтром. Получаемая таким образом серия зональных черно-белых снимков позволяет распознавать объекты, пользуясь их спектральными образами. Дело в том, что большинство окружающих нас объектов по-разному отражают солнечные лучи: одни - преимущественно зеленые, другие - красные. Почвы, горные породы, вода, растительность, снег имеют присущий только им набор значений яркости в разных спектральных лучах. Графически это изображается в виде так называемых кривых спектральной яркости. По снимкам в разных зонах можно установить, какие объекты изобразились. Для этого яркость изображения неизвестного объекта на серии зональных снимков (т. е. его спектральный образ) сравнивается с эталонными кривыми, полученными путем специальных измерений на местности и хранящимися в банке данных. Например, если объект темный в красной зоне и очень светлый в ближней инфракрасной, можно с уверенностью сказать, что это растительность.
Спектральный образ часто используется для разделения (классификации) объектов при компьютерной обработке снимков. Так, на приведенных снимках дельты изменение тона изображения, темного в красной зоне и светлого в ближней инфракрасной зоне, говорит о развитии здесь сочной тростниковой , а светлая полоса прибрежных вод в красной зоне - о выносе Дунаем большого количества взвесей.
Многозональные снимки позволяют изготовить цветные синтезированные изображения. Если три черно-белых зональных снимка ввести в компьютер и окрасить их в основные цвета - синий, зеленый, красный, то на экране возникнет яркая разноцветная картина. Выбирая различные сочетания зональных снимков и меняя их окраску, можно синтезировать разные цветные изображения, на которых объекты предстанут в цветах, либо близких к натуральным, либо в условных, намеренно искаженных цветах. На таких синтезированных снимках различные географические объекты будут выделяться более четко и точность их опознавания значительно повысится. Приведенные снимки дельты реки Селенги, образовавшейся при впадении ее в , сделаны при различных вариантах цветового синтеза. В случае, когда для синтеза использовались коротковолновые зоны - голубая, зеленая, на снимках хорошо изобразились окаймляющие дельту подводные валы, бары и струи мутных вод, выносимых . Видно, как загрязненные воды распространяются в озере, где оседают взвеси. Однако береговая линия дельты на этих снимках четко не выделяется. При использовании для цветового синтеза инфракрасной зоны картина меняется - становится четко виден сложный контур береговой линии дельты. Но вынос взвесей на таком снимке уже не прослеживается - вся вода, и прозрачная и мутная, изображается одинаково темным тоном.