Литература

Лазерная локация земли и леса

7.2. Определение запасов и фитомассы древостоев лазерно-локационным методом

Как уже отмечалось в предыдущих разделах, лазерная локация, составляющая новейшие методы и технологии геоинформатики при современном приборном обеспечении, является высокоэффективным инструментом в решении многих исследовательских и практических задач лесной таксации, лесоведения и лесоэкологического мониторинга, что принципиально важно также для оперативности и точности получаемой информации о земной поверхности.

При воздушной лазерной съемке достигается «сантиметровая» точность измерения геометрических параметров деревьев, которая сопоставима только с наземными инструментальными измерениями на пробных площадях. Уровень производительности при выполнении измерений морфометрических параметров деревьев лазерно-локационным методом (с использованием современной компьютерной техники) не сопоставим с трудоемкими и дорогостоящими наземными измерениями и превосходит их на порядки.

Принципиальным отличием лазерной локации от классической аэрофотосъемки является то, что лазерный луч, проникая сквозь полог леса до самой земли, сканирует все ярусы растительности с высокой плотностью (5–10 и более лазерных точек сканирования на 1 кв. м), позволяя получать трехмерные изображения отдельных деревьев с высокой точностью. Полученный «лазерный портрет древостоя» позволяет наблюдать его на экране монитора с любой точки, произвольно меняя проекции (ракурсы) изображения, что очень важно, в частности, для анализа морфологической и пространственной структуры насаждения и анализа распределения органического вещества в лесных биогеоценозах. При этом отпадает необходимость в рутинной и достаточно длительной обработке изображений (получение стереоэффекта, вычисление высот деревьев методом продольных параллаксов и пр.), характерной для классических фотограмметрических методов обработки снимков.

В работах, выполненных ранее в России и за рубежом, установлено, что по лазерно-локационным данным, крупно- и среднемасштабным аэрофотоснимкам и материалам космического зондирования структура, запасы и фитомасса древостоев определяются достаточно точно при использовании регрессионных зависимостей с их морфометрическими показателями и отражательными свойствами полога (Солодухин и др., 1977, Столяров и др., 1987, Means et al., 2000, Данилин и др., 2001, Harding et al., 2001, Hudak et al., 2002, Lefsky et al., 2002, 2005, Lim et al., 2002, 2004, Данилин, 2003, Remote Sensing, 2003, Holmgren, 2004, Gobakken et al., 2004, Danilin et al., 2004, Maltamo et al., 2004, Morsdorf et al., 2004, Nelson et al., 2004, Patenaude et al., 2004, St-Onge et al., 2004, Wulder et al., 2004, Andersen et al., 2005, Данилин и др., 2005, Nasset et al., 2005).

Использование данных воздушной лазерной локации при характеристике лесных ландшафтов позволяет получать достаточно высокие по точности результаты оценки структуры и древесного запаса насаждений (рис. 94).

pic_94.jpg
Рисунок 94. Использование данных воздушного лазерного сканирования для характеристики лесных ландшафтов в Западном Орегоне (Means et al., 2001)

На рисунке 94 показана территория размером 4.6 x 1.6 км (1 пиксел = 10 мsimbol) в Западном Орегоне, вблизи города Блю Ривер. Доминируют насаждения пихты Дугласа (Douglas fir), среди которых наиболее густые и высокие представлены древостоями возрастом более 400 лет. Данные лазерного зондирования лесного покрова сопровождаются характеристикой рельефа и наземной цифровой моделью местности, как это показано на нижнем снимке (Elevation Range). Способность лазерного сканера определять структуру древостоя, видна на примере разграниченных 40-летних насаждений пихты Дугласа, пройденных рубками прореживания различной интенсивности: С – рубки прореживания не проводились (контроль), L – проведены рубки прореживания низкой интенсивности, H – рубки прореживания высокой интенсивности, LP – рубки прореживания низкой интенсивности и сплошные рубки участками, VH – рубки прореживания высокой интенсивности. На верхнем снимке разграниченные насаждения одинаковы по высоте (Max Vegetation Height). На втором сверху снимке видно различие в пологе древостоя в связи с прореживанием различной интенсивности (Cover Percent of 15 Meters Above Ground). На третьем снимке представлен древесный запас, оцененный на основе регрессионной зависимости с данными лазерных измерений (Estimated volume, msimbol/ha). Результаты наземного тестирования показали, что наиболее точно древесный запас определен в левой верхней части изображения, на участке древостоя, пройденного рубкой прореживания низкой интенсивности с относительно более высокими деревьями и общим запасом (Means et al., 2001).

Определение морфометрических параметров деревьев по лазернолока-ционным данным методически выполняется в автоматическом режиме в программной оболочке Altexis 2.0, при этом, как уже отмечалось выше, экранный «портрет» насаждения может быть представлен средствами трехмерной компьютерной графики в любом ракурсе для детального анализа его структуры и распределения биомассы (рис. 95).

pic_95.jpg
Рисунок 95. Визуализация лазерно-локационных данных, выде-ление коридоров и измерение параметров лесной растительности в плановой, профильной и трехмерной проекциях Altexis

Построение цифровой модели лесного полога

 

Цифровая модель (поле распределения) лесного полога генерируется из исходных данных лазерной локации способом фильтрации импульсов сканера, отраженных от земной поверхности и растительности, путем интерполяции точек земли, как это уже было показано прежде, с последующей триангуляцией точек растительности, что позволяет получать детальные координаты и морфо-структурные характеристики как древостоя, так и отдельных деревьев средствами трехмерной компьютерной графики в оболочке ArcView 3D Analyst или другими, известными на сегодняшний день, средствами (рис. 96).

pic_96.jpg
Рисунок 96. Трехмерная цифровая реконструкция и визуализация массива точек лазерного сканирования лесного участка площадью 0.4 га: а) – исходный массив точек лазерной локации, б) – тот же массив, после выполнения процедуры фильтрации, в) – цифровая модель (поле распределения) лесного полога с фиксированным размером пикселя 0.3 м, г) – цифровая модель стволов и крон деревьев, интегрированная с цифровой моделью рельефа, д) – полная трехмерная реконструкция древостоя, е) – плановая проекция полога древостоя с оконтуренными кронами деревьев основного яруса. Точки, кодированные цветом, соответствуют различным элементам рельефа

Теоретически и математически решение данной задачи основывается на морфологическом анализе модели поверхности лесного полога, применяемого при обработке и дешифрировании изображений леса на снимках (Haralick et al., 1987, Soille, 1999), а также при компьютерном анализе геометрии нечетких (fuzzy) и рассеянных структур и изображений, который находит применение во многих областях знаний (Pal et al., 1992, Аникин и др., 2003).

Морфологический анализ модели поверхности лесного полога 

Математическая морфология (или просто морфология) как теория, созданная в конце 60-х годов для обработки изображений, впоследствии развитая и математически обоснованная Г. Матьероном (Matheron, 1988), обеспечивает количественный подход при анализе геометрической структуры модели поверхности полога леса. В частности, специфическая последовательность морфологических преобразований (трансформаций) бинарных (двоичных) и полутоновых изображений может быть использована для вычленения отдельных деревьев, составляющих поверхность полога леса, а также может обеспечивать алгоритм измерения отдельных деревьев. Несмотря на то, что изначально теория математической морфологии разрабатывалась применительно к анализу двумерных бинарных (т.е. черно-белых) изображений, в дальнейшем она была также распространена и на трехмерные полутоновые образы (Choi et al., 1996), где величины шкалы яркости (шкалы уровней серого цвета) представляют интенсивность или другие атрибуты пикселов (минимальных элементов изображения), таких, например, как высотные отметки элементов рельефа.

Операции математической морфологии определяются в терминах теории множеств (в нашем случае множества – это поле рассеяния отраженных лазерных импульсов). В контексте морфологии множества представляют формы, которые взаимосвязанно формируют двоичные или полутоновые изображения. На двухмерных изображениях множестваописывают передний план поля, а на трехмерных образах они могут описывать варьирование в пределах поверхности распределения точек.

Целью любой морфологической операции является получение информации о геометрической структуре изображения, сопоставляя данное изображение с другимимножествами, специфических размеров и формы, известных как элементы структурирования. Размер и форма элементов структурирования подбираются в соответствии с информацией о типе формы исследуемой поверхности, которая должна быть получена на изображении. В формальных терминах морфологическая операция – это преобразование (трансформация) изображения с элементами структурирования, которые служат как параметры для данного преобразования. Результатом единичного преобразования (морфологической операции), выполняемого с данным элементом структурирования, является информация относительно содержания формы поверхности исходного изображения.

Изменение размера элементов структурирования может приводить к различным преобразованиям изображений поверхности лесного полога и тем самым получать больший объем информации о содержании снимка.

Основными морфологическими операциями являются расширение (dilatation) и размытие (erosion). Если исходное изображение полога представить как множество А, а элемент структурирования – как другое (меньшее) множество B, то результат расширения изображения А элементами структурирования В можно выразить как области, где элемент структурирования В соприкасается с множеством А (Soille, 1999). Формализованно, в терминах теории множеств, если А и В представить как подмножестваразмерного пространства, то расширение множества А посредством В будет определяться как:

formula_84.png

При обработке снимков операция расширения часто именуется терминами наполнение (fill), растягивание (expand) или рост (grow). Двойственная (парная) расширению – это операция размытие. Используя приведенное выше выражение, размытие множества А элементами структурирования множества В укажет на те области, где элементы структурирования соответствуют множеству А. Формализованно, размытие множества А элементами структурирования определяется как:

formula_85.png

В процессе обработки изображений операция размытия часто именуется также как усадка (shrink) или сокращение (reduce). На практике операции расширения и размытияиспользуются и выполняются совместно. Например, размытие, выполняемое вслед за расширением, делает возможным выполнение следующей операции, называемой раскрывание(opening).

Практический эффект морфологического раскрывания заключается в удалении из изображения поверхности полога деталей, меньших по размеру, чем элементы структурирования без искажения общей геометрической структуры неподавленных признаков.

Процедура раскрывания, следовательно, имеет тенденцию к разрушению узких перемычек в поле рассеяния точек поверхности полога (в нашем случае это точки и совокупности точек в местах смыкания крон деревьев) и удаления небольших совокупностей шумовых точек на двоичных изображениях.

Полутоновая морфология приводит к распространению рассмотренных выше понятий из двухмерных множеств – к трехмерным функциям. Выполнение данной процедуры требует определения вершины (наивысшей отметки) поверхности множества и теневого отображения (тени) (umbra) функции. Для множества А в трехмерном поле рассеяния, где первые две координаты (x, y) отображают пространственное расположение точек, а координата z определяет точки на поверхности полога, вершиной поверхности T [A] множества точек лазерных импульсов является наибольшая величина z, как (x, y) simbol_44.png A. Теневое отображение функции f, обозначаемое как U [f], представляет собой множество, составленное поверхностью и всеми другими множествами точек, находящимися под данной поверхностью. Для данной функции (полутонового изображения) f и трехмерного элемента структурирования k, полутоновое расширение через k определяется как поверхность расширения их теневых отображений:

formula_86.png

Полутоновое размытие функции f элементом структурирования k определяется как поверхность размытия их теневых отображений:

formula_87.png

Таким образом, полутоновое раскрывание функции f элементом структурирования можно выразить как:

formula_88.png

Операция полутонового раскрывания может быть интерпретирована геометрически, посредством наложения элемента структурирования на поверхность полога и последующего смещения его в нижнюю часть поверхности. Раскрывание поверхности элементом структурирования является наивысшей точкой, достигаемой элементом структурирования в процессе его смещения в нижнюю часть поверхности (Haralick et al., 1987).

Принципиально важным для корректной оценки биомассы древостоя по данным лазерного профилирования, цифровой фото- и видеосъемки и результатам наземных измерений на пробных площадях представляется последующая детальная реконструкция геометрии крон отдельных деревьев с корректным разделением их по породам, а также определение местоположения стволов и отдельных морфоструктурных элементов крон, что достигается выполнением векторных операций и детальной визуализации точек лазерного сканирования лесного полога (рис. 97).

pic_97.jpg
Рисунок 97. «Сочлененная» реконструкция морфологической структуры лиственничного древостоя по данным лазерной локации (точки, окрашенные зеленым и красным цветом) и наземным измерениям на координатной пробной площади (63°34' 08'' с.ш., 90°47'15'' в.д.)

Методами автоматической классификации и сепарации лазерных импульсов, отраженных от поверхности земли и лесного полога, достигается полная трехмерная дигитализация рельефа поверхности, расположенной под кронами деревьев (рис. 98).

pic_98.jpg
Рисунок 98. Цифровая модель земной поверхности на основе автоматизированной классификации лазерных импульсов, отраженных от поверхности лесного полога (5 x 10simbol, первый отраженный сигнал), верхнее фото и земли (2.7 x 10simbol, последний отраженный сигнал), нижнее фото, «очищенное» от лесной растительности, на тестовом участке Капитол Форест, штат Вашингтон (46°56' – 46°57' с.ш., 124°38' – 124° 40' з.д.) (Сredit: Ward Carson, USDA Forest Service) <

Принципиальным является вопрос оценки точности и корректности трехмерных компьютерных построений при проведении морфологического анализа.

С этой целью выполняется параметризация и верификация данных лазерной локации, по маршруту съемки закладываются наземные пробные площади, на которых проводятся сплошной перечет и картирование древостоя, срубаются модельные деревья для определения фитомассы весовым методом (рис. 99, табл. 22, 23).

pic_99.jpg
Рисунок 99. Обмер модельного дерева и инструментальное весовое определение фитомассы на пробной площади №16 маршрута лазерной съемки в районе р. Бахта

Таблица 22. Основные описательные статистики морфометрических показателей лиственничного древостоя (Центральная Эвенкия)
table_22.png

Таблица 23. Размеры и фитомасса модельных деревьев лиственницы Центральная Эвенкия)
table_23.png
*Фитомасса всех фракций приведена в кг, в абсолютно сухом состоянии. 
– Отсутствие компонента фитомассы.

Анализ данных лазерной локации выявляет определенные закономерности в распределении лесной растительности по элементам рельефа и в зависимости от глубины залегания мерзлоты в почве по маршруту съемки, что, в частности, выражается в уменьшении среднего диаметра, объема стволов деревьев и общей продуктивности насаждений по мере их удаленности от берегов водотоков (рис. 100, 101).

pic_100.png
Рисунок 100. Структура вертикальных (высотных) профилей лесной растительности, сопряженная с топографической поверхностью на маршруте лазерной съемки и тестовых участках на протяжении 200 км в бассейне реки Бахта (Красноярский край)

pic_101.png
Рисунок 101. Эффект «прибрежной зоны», регистрируемый на лазерной профилограмме лесной растительности

По данным наземных измерений на пробных площадях по маршруту лазерных трансектов в районе реки Бахта были выявлены и апробированы регрессионные зависимости для определения наземной биомассы лесных насаждений через общую площадь лесной растительности в границах лазерного профиля. Калибровка данных лазерного профилирования по наземным измерениям на пробных площадях показала относительно высокую степень регрессионной связи показателей биомассы насаждений от общей площади растительности. Рассчитаны регрессионные зависимости морфометрических показателей и фитомассы деревьев лиственницы, которые достаточно адекватно и эффективно аппроксимируются параболическими уравнениями вида: y = aX2.png1X2(табл. 24).

Таблица 24. Коэффициенты регрессии морфометрических показателей и фитомассы деревьев лиственницы
table_24.png

Исследования, проведенные в лиственничных лесах в Центральной Эвенкии и Туруханском районе Красноярского края, показывают, что наиболее точно и достоверно структура и фитомасса древостоев по лазерно-локационным данным определяются по характеристикам рядов распределения деревьев по основным морфометрическим признакам – диаметру и высоте стволов, вертикальной и горизонтальной протяженности крон, которые взаимосвязаны и тесно коррелированны во всех случаях (рис. 102, 103, табл. 25; рис. 104, 105, табл. 26).

pic_102.png
Рисунок 102. Распределение деревьев лиственницы по морфометрическим показателям стволов и крон, аппроксимированное функцией Вейбулла: а) – D1.3, б) – H, в) – Dкр., г) – Lкр., д) – Sкр., е) – G f (Dкр.)


pic_103.png
Рисунок 103. Совмещенная матрица гистограмм распределения и коррелированных полей рассеяния основных морфометрических показателей лиственничного древостоя (Центральная Эвенкия)

Таблица 25. Корреляционная матрица (R) таксационных и морфометрических показателей лиственничного древостоя (Центральная Эвенкия)
Показатель D1,3 HDкр. Lкр.Sкр.
D1,3 1.00 0.98 0.93 0.95 0.91
H 0.98 1.00 0.92 0.96 0.89
Dкр. 0.93 0.92 1.00 0.90 0.97
Lкр. 0.95 0.96 0.90 1.00 0.87
Sкр. 0.91 0.89 0.97 0.87 1.00
Среднее статистическое 2.74 4.05 1.27 3.11 1.50
Стандартное отклонение 2.03 1.92 0.56 1.66 1.45
Количество наблюдений 205 205 205 205 205

pic_104.png
Рисунок 104. Парные линейные зависимости между морфометрическими показателями деревьев лиственницы, полученные по лазерно-локационным данным, и наземным измерениям на координатных пробных площадях: а) – H, Lкр., Dкр. f (D1.3); б) – Lкр., Dкр. f (H); в) – Lкр. f (Dкр.); г) – Sкр. f (D1.3), где H – высота дерева, м; Lкр. – длина кроны; Dкр. – диаметр кроны; D1.3 – диаметр ствола на высоте 1.3 м от его основания; Sкр. – площадь кроны

pic_105.png
Рисунок 105. Трехмерное поле распределения морфометрических параметров деревьев в лиственничнике, полученное в результате сопряженной регрессии лазерно-локационных и наземных данных: а) – D1.3  f (H, Dкр.), б) – D1.3  f (H, Lкр.), в) – Sкр. f (H, Dкр.), г) – Sкр. f (H, D1.3)

Таблица 26. Корреляционная структура связи (R) размеров и массы фракций деревьев лиственницы (Центральная Эвенкия)
table_26.png

Приведенные выше зависимости имеют общий характер и основываются на закономерности, выявленной немецким лесоводом Ф. Эйхорном при составлении таблиц хода роста сомкнутых пихтовых древостоев и гласящей, что: «…общая фитомасса есть функция только высоты древостоя без учета его возраста и класса бонитета», т.е. «…одной определенной высоте для всех классов бонитета и возраста соответствует одна и та же общая фитомасса древостоя» (Eichorn, 1902) (цитировано по В.А. Усольцеву, 1998, с. 405).

Данная закономерность была многократно подтверждена эмпирически, апробирована для древостоев других пород (сосна, ель, бук) и впоследствии была интерпретирована как проявление закона аллометрии, согласно которому объем стволов (V) определяется как функция их высоты (H):

formula_89.png

где а – константа начального роста, b – аллометрическая константа (Усольцев, 1998).

В нашем примере в приведенную выше аллометрическую функцию определения объемов стволов и фитомассы деревьев через их высоту, как наиболее точно определяемую по лазерно-локационным данным, дополнительно вводится диаметр стволов и крон деревьев. Диаметры крон с достаточно высокой точностью (±10–15 см) определяются при лазерной локации лесного полога, а диаметры стволов – посредством аллометрических функций, через высоты стволов и диаметры крон. При этом, как было показано выше, детерминированность определения объемов стволов, их фитомассы, а также массы структурных элементов крон деревьев по рассчитанным уравнениям находится в пределах 87–99% (R2.png– 0.87–0.99, табл. 24), что приближается к наземным весовым методам определения фитомассы.

В программной оболочке Altexis измерения могут производиться как по всему маршруту съемки («сплошной перечет»), так и выборочно – методом статистически достоверной репрезентативной выборки, на определенных (указанных) оператором участках маршрута съемки. При этом общий запас древостоя и его фитомасса могут быть определены в автоматическом режиме путем суммированием показателей объемов стволов и фитомассы отдельных деревьев (М = V1 + V2+…Vn; P = P1 + P2 +…Pn), рассчитанных по уравнениям.

Необходимое количество пробных площадей и модельных деревьев для расчета регрессионных уравнений в каждом конкретном случае устанавливается, исходя из разнообразия представленных типов насаждений и варьирования таксационных показателей в пределах элементарной учетной единицы (пробной площади, таксационного выдела, фации и пр.) в районе съемки.

Пробные площади закладываются по принципу репрезентативного представительства типов насаждений, а модельные деревья отбираются по принципу  ступенчатого (по высоте, диаметрам стволов и диаметрам крон) представительства.

Эмпирически было установлено, что для расчета статистически достоверных и эффективных аппроксимаций на маршруте съемки протяженностью 200 км в Средней Сибири достаточно 15–20 таксационных пробных площадей, на каждой из которых отбиралось и обмерялось по 10–15 модельных деревьев.

Для упрощенного определения запасов древесины в объемных и весовых показателях через средние значения диаметров крон и высот древостоев рассчитаны обобщенные уравнения, значения которых находили по результатам замеров на лазерных профилограммах и цифровых аэроснимках 20 случайно отобранных деревьев по маршруту съемки (табл. 27).

Таблица 27. Обобщенные коэффициенты регрессии морфометрических и продукционных параметров древостоев лиственницы
table_27.png
formula_90.png

где:
    М – запас стволовой древесины, м3.png/га;
    Dк – средний диаметр крон древостоя, м;
    H – средняя высота древостоя, м;
    D – средний диаметр древостоя, см;
    P – надземная фитомасса древостоя, т/га (в абсолютно сухом состоянии).

Обобщенная зависимость между запасом и надземной фитомассой лиственничных древостоев и насаждений, рассчитанная по данным пробных площадей маршрута лазерного сканирования, показана на рисунке 106.

pic_106.png
Рисунок 106. Зависимость между древесным запасом (M) и общей надземной фитомассой (P) древостоев и насаждений пробных площадей маршрута лазерного профилирования в районе р. Бахта (Красноярский край)

Данная взаимосвязь по своим показателям и устойчивости близка к функциональной (R2.png  = 0.994–0.995).

Проверка точности метода на таксационно-дешифровочных пробных  площадях показала, что среднеквадратическая ошибка при определении запаса и фитомассы древостоев не превысила ±10%, что удовлетворяет точности дешифровочной таксации простых по составу древостоев применительно к III разряду лесоустройства согласно действующей лесоустроительной инструкции (Инструкция, 1995).

В целом точность лазерных определений биометрических и таксационных показателей деревьев и древостоев с использованием аллометрических функций оказалась выше, чем при традиционных наземных лесоинвентаризационных работах (табл. 28).

Таблица 28. Объемы стволовой древесины и фитомасса (абсолютно сухая масса) лиственничных древостоев, фактические и вычисленные по лазерно-локационным данным (Красноярский край)
table_28.png

Оценка параметров лесного покрова на канадском трансекте проводилась методом регрессии с индексом листовой поверхности (LAI – Leaf Area Index), или листовым индексом, который понимается как показатель фотосинтезирующей биомассы, равный площади освещенных листьев, приходящейся на единицу поверхности почвы. Максимальная чистая продукция соответствует LAI, близкому к 4, т.е. когда площадь освещенных листьев в 4 раза больше площади, занятой растениями, тогда как максимум валовой продукции достигается при LAI, равном 8–10, уровне, характерном для лесов (Remote Sensing, 2003).

Индекс листовой поверхности определяется по данным наземных (на пробных площадях) и бортовых измерений, с учетом параметров структуры и биоразнообразия насаждений бореальной зоны страны и позволяет получать приемлемые по точности оценки изменения структуры лесной растительности и ее биомассы на достаточно больших площадях в широком географическом градиенте – от сухих прерий до границы притундровых бореальных лесов (Remote Sensing, 2003, Wulder et al., 2004) (табл. 29, рис. 107, 108).

Таблица 29. Характеристика пробных площадей канадского лазерного трансекта
table_29.png

pic_107.png
Рисунок 107. Общая схема оценки биомассы, древесного запаса и индекса листовой поверхности (ИЛП) на канадском лазерном трансекте

pic_108.png
Рисунок 108. Общая схема оценки биомассы, древесного запаса и индекса листовой поверхности (ИЛП) на канадском лазерном трансекте

Вместе с тем нужно отметить, что метод определения древесного запаса и фитомассы через индекс листовой поверхности и общую площадь растительности на лазерном трансекте значительно уступает по точности определения параметров методу регрессионных зависимостей при более детальной оценке морфоструктуры лесного полога и биомассы на уровне отдельного древостоя или дерева, ввиду значительной генерализации получаемых данных (Данилин, 2003).

Результаты практической апробации метода лазерной локации в сочетании с материалами аэро- и космической съемки высокого разрешения свидетельствуют о высокой перспективности его использования для целей анализа и моделирования структуры лесных насаждений средствами трехмерной компьютерной графики, а также для лесоинвентаризации и оперативного экологического мониторинга.

Некоторые выводы по разделу

Структура, объемные показатели стволов, запас и фитомасса деревьев и древостоев по лазерно-локационным данным («лазерным портретам» деревьев и древостоев) определяются с высокой степенью достоверности и точности средствами визуализации и трехмерной компьютерной графики и моделированием аллометрическими функциями на основе регрессионных связей с морфометрическими показателями деревьев – высотой и диаметром стволов, диамет-ром и вертикальной протяженностью крон.

При лазерном сканировании лесного покрова оценка запасов и фитомассы древостоев в каждом конкретном случае сводится к определению соотношений между объемами стволов и фитомассой по породам и их высотой и диаметрами крон, которые, в свою очередь, составляют 87–99% объясненной изменчивости различных фракций надземной фитомассы (стволов деревьев, скелета крон и хвои).

При включении в регрессионные модели высот и диаметров крон деревьев остается некоторая доля неучтенного варьирования, что характерно для высоко сомкнутых насаждений, где диаметры стволов на «лазерных портретах» древостоев читаются нечетко или неполностью. В данных случаях наиболее важную характеристику запаса и фитомассы древостоев – распределение стволов по толщине – рекомендуется аппроксимировать через распределение по диаметрам крон, которым характерна автокорреляция и высокая степень регрессионной сопряженности.

При сравнении расчетных (лазерных) значений запасов и фитомассы древостоев с соответствующими фактическими (определенными на пробных площадях весовым методом) варьирование оказалось невысокое. Лазерные данные находятся в пределах ±10% от фактических наземных определений. Разброс объясняется варьированием диаметров стволов в сомкнутых насаждениях, где происходит частичная «потеря» отраженных импульсов от крон деревьев низких рангов и подчиненной части полога древостоев. Данная проблема устранима применением лазеров с большей тактовой частотой и количеством импульсов в единицу времени (лазеры, обеспечивающие до 100 тыс. и более импульсов в секунду и наибольшую плотность точек сканирования, порядка 1 точки на 5–10 см, имеются в промышленности уже сегодня), что обеспечит максимально возможную проницаемость лазерного луча сквозь толщу крон, регистрацию возвращенных сигналов и достоверный, четкий лазерный портрет древостоев со сложной вертикальной и горизонтальной структурой полога.

Применение методологии и технологии бортовой лазерной съемки, совмещенной со спутниковой навигацией и геопозиционированием, а также с информацией, получаемой с воздушных и спутниковых цифровых снимков и интегрированных в геоинформационных системах для целей мониторинга и лесоинвентаризации, позволяет с высокой степенью точности проводить дистанционную таксацию лесов в режиме реального времени, при минимуме наземных работ и значительной экономии времени и материальных средств.

Экономическая эффективность метода обеспечивается принципиальным повышением точности результатов измерений и возможности их повторимости (проверки), не возвращаясь на объект, а также значительным снижением трудоемкости и сложности выполнения работ (как полевых, так и камеральных дешифровочных) за счет высокого уровня автоматизации обработки данных, получаемых в процессе лазерной съемки. Объем полевых работ при этом значительно сокращается и необходим лишь для калибровки результатов лазерного сканирования, поддержки интерактивного дешифрирования и установления базовых закономерностей изучаемого объекта (табл. 30).

Таблица 30. Экономическая эффективность метода лазерной таксации леса по укрупненным показателям (в расчете на 1 млн. га, III разряд лесоустройства)
Традиционные технологии Лазерная таксация
Виды работСтоимость, тыс. руб.
Наземное лесоустройствоНаземная таксация с камеральным дешифрированием аэрофотоснимковВиды работ Стоимость, тыс. руб.
Аналоговая аэрофото-съемка М 1:25000, с печатью аэроснимков 32503250Лазерная, цифровая аэро- и видеосъемка с обработкой и представлением данных 1450
Подготовительные 304 304 Подготовительные 304
Полевые 8000 4000 Полевые 250<
Камеральные 3200 3200 Камеральные 3000
ИТОГО: 14754 10754 ИТОГО: 5004
В переводе на 1 га, руб. 14.8 10.8 В переводе на 1 га, руб. 5.0
Превышение стоимости по сравнению с лазерной таксацией, в переводе на 1 га, руб. +9.8 +5.8 0

Выполненные нами исследования по лазерной локации лесного покрова обеспечивают основу для разработки методологии обработки, дешифрирования и эффективного использования трехмерных данных дистанционного зондирования высокого и сверхвысокого разрешения в системе мониторинга лесов, касающихся закономерностей пространственного распределения структурных компонентов и биомассы лесных экосистем и в том числе динамики растительных горючих материалов. Ожидается, что дальнейшее развитие данной методологии позволит создавать достоверные и высокоточные лесные карты и базы данных различного тематического содержания, которые найдут применение в различных сферах использования, включая оперативный мониторинг природных экосистем, стратегическое и тактическое планирование лесо- и природопользования, объективную оценку параметров состояния и динамики лесных насаждений, включая их биомассу, моделирование развития и распространения катастрофических лесных пожаров и оценку различных природных рисков.

Дальнейшее продолжение исследований в данном направлении будет способствовать получению новых знаний и выявлению закономерностей структурно-функциональной организации и биологической продуктивности лесных экосистем бореальной зоны и окажет существенное воздействие на развитие различных областей науки и новых технологий. Полученные результаты послужат основой для развития принципиально новой методологии и технологии дистанционного зондирования лесного покрова и формирования геоинформационных систем природно-ресурсного и природоохранного содержания и, в перспективе имеют высокую потенциальную коммерческую ценность на рынке дистанционного зондирования и геоинформационных услуг.