способ определения количества деревьев в лесном массиве

Формула изобретения

Способ определения количества деревьев в лесном массиве по его изображению, представленному матрицей цифровых отсчетов функции яркости I(х, у) от пространственных координат, обработкой сигнала матрицы и расчета ее характеристик, отличающийся тем, что последовательно от начала массива разбивают матрицу на окна размером (3×3) смежных элементов, в каждом окне рассчитывают конечные разности по координатам х, у, находят локальные максимумы матрицы изображения и подсчитывают их число N₁, специализированной программой рассчитывают среднее расстояние между локальными максимумами и отождествляют его со средним расстоянием между деревьями [а, м], находят число деревьев N₂ из соотношения N ₂=F/a², а количество деревьев N в насаждении определяют как среднее геометрическое , где F - площадь лесного массива, м², при этом для получения изображения используют цифровую фотокамеру, обеспечивающую снимки с пространственным разрешением 0,58 м/пиксель в диапазоне изменения яркости сигнала от 15 до 132 стандартной шкалы квантования от 0 255 уровней.

Описание изобретения к патенту

Изобретение относится к лесному хозяйству, в частности к оперативной оценке таксационных характеристик насаждений на неучтенных территориях путем получения и обработки изображений лесных массивов.

Таксация насаждений проводится по элементам леса, под которыми понимаются такие параметры, как: количество деревьев на участке (N), средняя высота древостоя (h), полнота древостоя (Р), запас (М, м³/га) и др. За время становления лесной науки разработано множество методов натурной таксации насаждений и выявлены статистические закономерности между элементами леса, представленные в различных справочниках в виде табличных данных.

Известен способ определения количества деревьев на 1 га, в зависимости от среднего расстояния между деревьями [см., например, Справочник «Общесоюзные нормативы для таксации лесов», изд. «Колос», М., 1992 г., стр.122 - аналог]. Способ-аналог представляется следующими табличными данными.

Среднее расстояние между деревьями, м	Количество деревьев, шт/га	Среднее расстояние между деревьями, м	Количество деревьев, шт/га	Среднее расстояние между деревьями, м	Количество деревьев, шт/га
10,7	100	4,1	700	2,7	1600
8,6	150	3,9	750	2,6	1700
7,6	200	3,8	800	2,5	1800
6,8	250	3,7	850	2,4	2000
6,2	300	3,6	900	2,3	2200
5,7	350	3,5	950	2,2	2400
5,4	400	3,4	1000	2,1	2600
5,1	450	3,2	1100	2,0	3000
4,8	500	3,1	1200	1,8	3500
4,6	550	3,0	1300	1,7	4000
4.4	600	2,9	1400	1,6	4500
4,2	650	2,8	1500	1,5	5000

Известен способ определения количества деревьев на участке путем измерения средних расстояний между деревьями [см., например, Анучин Н.П. «Лесная таксация», учебник, 5-е издание. Лесная промышленность, М., 1982 г., стр.344-347 - аналог].

В способе-аналоге, исходя из случайно выбранной точки В участка, измеряют расстояние a₁ до наиболее близкого дерева, а₂ - расстояние до второго из более близких деревьев, а₃ - до третьего и т.д. На основании многих измерений установлено, что среднее расстояние между деревьями «а» находится между а ₃ и a₄. Принимают среднее расстояние между деревьями равным а₃ и вводят поправку K_i исходя из следующего статистического ряда:

a3, м	1	1,5	2	2,5	3	3,5	4	4,5	5	5,5	6
поправка	1,16	1,12	1,07	1,04	1,01	0,99	0,97	0,94	0,96	0,98	1,03

Количество деревьев (N) на участке рассчитывают из соотношения:

N=F/a²=F/(K_i·a₃)² ,

где F - площадь участка, м².

Недостатками аналога являются:

- большая трудоемкость, связанная с необходимостью натурных измерений каждого участка;

- ограниченность выборки измерений, что приводит к ошибкам вычисления расчетного параметра а;

- большая погрешность оценок при распространении результата измерений отдельных участков (пробных площадок) на весь таксируемый массив.

На настоящем этапе интенсивно развивают дистанционный мониторинг лесов космическими средствами, на основе получения и обработки изображений лесных массивов. Использование информационных технологий мониторинга лесов открывает возможности для количественного измерения ряда новых элементов леса, ранее не определяемых методами натурной таксации, таких, например, как площадь рельефа древесного полога (S_p) или относительная полнота насаждений (Р).

Ближайшим аналогом к заявляемому техническому решению из дистанционных методов мониторинга лесов является «Способ оценки запаса древостоя». Патент RU № 2.130.707, A01G, 23/00. В способе ближайшего аналога получают изображение лесного массива в виде зависимости яркости I(х, у) от пространственных координат, последовательно преобразуют функцию яркости изображения участков в матрицу цифровых отсчетов размерностью |m×n| элементов, вычисляют характеристики электрического сигнала матрицы: математическое ожидание, среднеквадратическое отклонение, огибающую пространственного спектра, по которым рассчитывают запас насаждений анализируемого участка: М=N_cp·g·h, где М - запас древостоя на участке, м³; - число деревьев на участке с диаметром крон

где - диаметр кроны среднего дерева участка, вычисляемый по огибающей пространственного спектра:

D_{1 ср} = D_i·a_i, м.

а _i - удельный вес амплитуды соответствующей гармоники пространственного спектра;

F - площадь анализируемого участка, равная линейным размерам изображения, умноженным на масштаб снимка;

Р=D² _{1 ср}/D² _{2 ср} - полнота насаждения, где D_{2 ср} - диаметр кроны среднего дерева, вычисленный по статистической зависимости шероховатости полога, D_{2 cp} 1,3(2 )^0,46;

g - площадь сечения среднего дерева участка, вычисляемая по статистическим зависимостям g= d²/4;

d - диаметр ствола среднего дерева, d 1,7 D^2,4 _{1 cp};

h - высота среднего дерева, м, h 6,8 D^1,1 _{1 ср}.

Недостатками ближайшего аналога являются:

- элементы леса определяются не напрямую, а вычисляются через промежуточные параметры матрицы изображения, что увеличивает результирующую ошибку измерений;

- методическая погрешность способа (рассчитываемая как полный дифференциал, равный частной производной домноженной на приращение аргумента) из-за высокого показателя степени регрессионных зависимостей (D^2,4 ₁) неприемлемо высока.

Задача, решаемая изобретением, состоит в повышении точности определения количества деревьев в лесном массиве путем использования скрытых закономерностей морфологии древостоя, содержащихся в его изображении, и учета при обработке каждого пикселя.

Технический результат достигается тем, что способ определения количества деревьев в лесном массиве по его изображению, представленному матрицей цифровых отсчетов функции яркости I(х, у) от пространственных координат, обработкой сигнала матрицы и расчета ее характеристик отличается тем, что последовательно от начала массива разбивают матрицу на окна размером |3×3| смежных элементов, в каждом окне рассчитывают конечные разности по координатам х, у, находят локальные максимумы матрицы изображения и подсчитывают их число N₁, специализированной программой рассчитывают среднее расстояние между локальными максимумами и отождествляют его со средним расстоянием между деревьями [а, м], находят число деревьев N₂ из соотношения N₂=F/а², а количество деревьев N в насаждении определяют как среднее геометрическое , где F - площадь лесного массива, м².

Изобретение поясняется чертежами, где

фиг.1 - определение среднего расстояния между деревьями в способе-аналоге;

фиг.2 - исходная матрица изображения лесного массива (распечатка с ПЭВМ);

фиг.3 - сечение древесного полога перпендикулярной плоскостью по координате х;

фиг.4 - окно матрицы изображения размером |3×3| элемента;

фиг.5 - нахождение локального максимума в окне расчетом конечных разностей;

фиг.6 - функциональная схема устройства, реализирующего способ.

Техническая сущность изобретения заключается в следующем. Отражательные свойства растительных сообществ характеризуются коэффициентом спектральной яркости. На величину отраженного от растительности светового потока оказывают влияние как фенофаза растений, так и морфологические параметры: высота деревьев, густота, форма крон. Как правило, вершина кроны дерева лучше освещена и отражает (почти зеркально) падающий световой поток, поэтому обладает на изображении наибольшей яркостью. Часть светового потока поглощается в промежутках между деревьями (из-за диффузного отражения) и не поступает к регистратору. Таким образом, распределение значений яркости крон деревьев в пределах изображения предоставляется двумерной, ассиметричной, колоколообразной функцией. При этом изображение содержит скрытую информацию геометрии расположения деревьев в насаждении, т.е. локальные яркости совпадают с точками стояния деревьев. В существующих космических системах фотонаблюдения используют цифровые фотокамеры с диапазоном изменения тона на изображении в шкале от 0 до 255 уровней квантования. Максимальная яркость соответствует большим цифровым значениям. Распределение яркостей в сечении древесного полога иллюстрируется фиг.3. Поиск локальных максимумов двумерной функции яркости сигнала I(х, у) цифровой матрицы реализуют следующим алгоритмом. Как известно, в точке экстремума производная функции равна нулю. Для нахождения производной, последовательно от начала массива, разбивают матрицу на окна размером |3×3| смежных элемента и рассчитывают производные по координатам х, у относительно центрального пикселя:

;

;

Процедура нахождения локального максимума яркости в окне |3×3| элемента иллюстрируется фиг.4, фиг.5. В цифровой матрице приращения заменяют конечными разностями. Приращения по (х, у) тождественно равны единице (одному пикселю). Последовательно анализируя окна конечных разностей, находят точки, для которых конечные разности стремятся к нулю, и подсчитывают количество таких точек. Отождествляют выделенные точки с локальными максимумами матрицы изображения (N₁). Рассмотренный алгоритм реализуется специализированной программой, приведенной ниже в примере реализации способа.

Поскольку кроны деревьев асимметричны, то возможны случаи крон с двумя макушками (два локальных максимума) или две кроны с одной макушкой (пропуск локального максимума). Для исключения возможных ошибок дополнительно рассчитывают другой параметр морфологии древостоя, содержащийся в сигнале изображения,- среднее расстояние между локальными максимумами. С методической точки зрения учет двух параметров морфологии древостоя обеспечит большую точность. Для расчета среднего расстояния между локальными максимумами создают окно матрицы [m₀×n ₀| с центром х_текущ. Поскольку среднее расстояние между деревьями находится между а₃ и a₄ , то достаточно ограничиться поиском пяти максимумов в плавающем окне. Расстояние между локальными максимумами находят, как гипотенузы по теореме Пифагора, катетами треугольников в которых являются перпендикуляры между строками (столбцами). Результат расчета усредняют по сумме составляющих. Количество деревьев в насаждении N₂ рассчитывают из соотношения N₂=F/а ², где F - площадь обрабатываемого участка изображения. Вычисление среднего расстояния между локальными максимумами реализуют специализированной математической программой, представленной в примере реализации. Конечный результат определения количества деревьев в лесном массиве представляют как среднегеометрическое .

Пример реализации способа

Заявляемый способ может быть реализован на базе устройства по схеме фиг.6. Функциональная схема устройства фиг.6 содержит орбитальный комплекс наблюдения 1 типа Международной космической станции (МКС) с установленной на ее борту цифровой фотокамерой 2 (типа KODAK, DCS760). Съемка запланированных участков лесов 3, включение фотокамеры 2 осуществляет бортовой комплекс управления 4 (БКУ) по командам, передаваемым из центра управления полетом (ЦУП) 5 по радиолинии управления 6. Информацию изображений лесных массивов 3 с цифровой фотокамеры 2 записывают в запоминающее устройство бортовой телеметрической системы 7 (типа БИТС-2), и в сеансах видимости МКС с наземных пунктов сбрасывает по автономному высокоскоростному каналу передачи данных 8 на наземные пункты приема информации 9 (ППИ), где осуществляют запись массивов информации на видеомагнитофон 10 (типа «Арктур»).

Информацию с ППИ перегоняют по наземным каналам связи в Центр тематической обработки 11 (Центрлеспроект) Министерства Природных Ресурсов, где осуществляют выделение кадров по служебным признакам. Скомпонованные массивы изображений лесных участков по запросам потребителей передаются в Региональные центры учета лесных ресурсов 12, где создают их долговременный архив 13 на базе жестких дисков памяти. Программную обработку изображений лесных участков и определение полноты древостоев осуществляют на ПЭВМ 14 типа «Pentium» в стандартном наборе элементов: процессора 15, ОЗУ 16, винчестера 17, дисплея 18, принтера 19, клавиатуры 20. Расчетное значение элементов леса помещают в базу региональных данных 21 и выводят на сайт сети «Интернет» 22. Программу вычисления среднего расстояния между деревьями записывают на винчестер 17. На винчестер 17 записывают, также, специализированную лицензионную программу привязки космических снимков к топографической основе: ГИС «Topol». «Topol» позволяет работать с растровыми картографическими данными, связывая эти данные с семантической информацией локальной или внешних баз данных. Создание электронной карты местности осуществляют путем сканирования листов топокарты в (системе Гаусса-Крюгера). Созданные электронные карты местности хранят в отдельных файлах. «Topol» позволяет одновременно проводить трансформирование исходных космических снимков, обеспечивая их геометрическую и фотометрическую коррекцию. После привязки космического снимка к топографической основе осуществляют вычисление таксационных характеристик лесных кварталов по выделам или по мозаике произвольно выбираемых участков. В качестве примера на фиг.2 представлен фрагмент космического снимка (матрицы), обработанный по операциям заявляемого способа.

Определение локальных максимумов сигнала изображения матрицы I(х, у) реализуется специальной программой.

Результат расчета иллюстрируется таблицей 2. Расчет среднего расстояния между локальными максимумами сигнала матрицы изображения I(x, y) реализуется программой.

Текст программы расчета среднего расстояния между локальными максимумами.

Результаты обработки иллюстрируются таблицей 2.

Таблица 2.
1. Размер матрицы изображения	508×788
2. Пространственное разрешение снимка, м/пиксель	0,58
3. Площадь участка обрабатываемого изображения	13,6
4. Максимальная яркость сигнала	132
5. Минимальная яркость сигнала	15
6. Среднее значение яркости сигнала	60
7. Среднеквадратическое отклонение сигнала	48
8. Количество локальных максимумов в матрице изображений N1	39667
9. Среднее расстояние между локальными максимумами а, м	1,87
10. Количество деревьев N2=F/а2	38500
11. Количество деревьев в лесном массиве, N	39000
12. Количество деревьев на 1 га	2900

Сравнительная оценка полученных результатов с табличными эталонными данными, полученными на пробных площадках (табл.1, стр.1 описания), показывает, что расхождение составляет не более 3%, т.е. находится в пределах требований лесоустройства по I разряду точности. Заявляемый способ может рассматриваться как метрологический при лесоустройстве с использованием космической съемки.