Per aspera ad astra.

Как компенсировать разницу освещённости северных и южных склонов для интерпретации данных дистанционного зондирования.

Теория.

Рисунок 1. Исходное изображение (167 Кб).

Рисунок 2. Фрагмент исходного изображения (31 Кб).

Рисунок 3. Цифровая модель рельефа (93 Кб).

Рисунок 4. Модель освещения (91 Кб).

Рисунок 5. Подсветка (110 Кб).

Если территория ваших исследований — горная местность в средних и высоких широтах, а цели и задачи вашего проекта связаны с интерпретацией космических снимков, например, создание карты растительности или карты земного покрова, то, скорее всего, вы столкнётесь с проблемой неравномерного освещения склонов разной экспозиции. На рисунке 1 приведён пример такой местности. Даже при наиболее благоприятных услових освещения, когда съёмка произведена летом, близко к полудню, северные склоны в наших широтах всё равно получают гораздо меньше солнечной радиации, чем южные. Вследствие чего количество отражённого света, улавливаемого сенсором при аэрофото- и космосъёмке, также существенно уменьшается. В конечном итоге к нам попадают исходные данные, имеющие существенную неравномерность в освещённости. Сильнее всего будут освещёны склоны, имеющие экспозицию и уклон, равные соответственно азимуту и высоте стояния солнца в момент съёмки. Крутые склоны, имеющие экспозицию, противоположную азимуту солнца, будут выглядеть наиболее тёмными. В некоторых наиболее экстремальных случаях яркость таких участком может быть близкой к нулю во всех каналах. Склоны, имеющие промежуточную ориентацию между этими крайними значениями крутизны и экспозиции будут получать и отражать соответствующее промежуточное количество солнечной радиации. Таким образом один и тот же тип земного покрова в пределах исследуемой территории может широко варьировать по спектральной яркости в зависомости от ориентации склона. Это вызывает серьёзные затруднения при автоматической классификации таких изображений, поскольку "тёмные" растительные сообщества на хорошо освещённых участках могут иметь одинаковые или очень близкие спектральные характеристики с таковыми у "светлых" сообществ, располагающихся на участках с плохим освещением. Поскольку программы тематической интерпретации данных дистанционного зондирования оперируют главным образом спектральными яркостями объектов, неравномерность освешения делает невозможным качественную классификацию территорий, расположенных в горной местности.
Частично обойти эту проблему позволяет алгоритм, называемый топографической нормализацией. Рассмотрим его работу на конкретном примере. На рисунке 2 приведен участок холмистой местности в центральной части полуострова Камчатка. Сенсор — ETM+ (Landsat7), Синтез — 5, 4, 3. В левом нижнем уголу рисунка 2 тёмно-зелёным контуром обведён участок каменного березняка на теневом склоне. Светло-зелёным — участок каменного березняка на освещённом склоне. В правой верхней части изображения красной линией обведено сообщество с преобладанием лиственницы на практически горизонтальном участке. Хорошо заметно, что на теневом склоне каменный березняк имеет яркость близкую к яркости лиственницы на выположенном участке. Если мы попытаемся классифицировать такой снимок, то получим лиственницу на всех склонах северного румба. Чтобы исправить ситуацию нам понадобится DEM — цифровая модель рельефа, имеющая пространственное разрешение равное цене пикселя в исходном снимке. В нашем случае 30 метров (рис. 3). Изготовить такую модель можно на основе гипсометрических данных векторной топоосновы 1 : 200 000. Эту же топооснову можно использовать и для точной привязки космоснимка. Работа же самого алгоритма предельно проста. Сначала создаётся модель освещённости местности прямо противоположная той, которая имела место в момент съёмки (рис. 4). Затем спектральная яркость каждого пикселя изменяется пропорционально яркости этой диаметрально противоположной модели. Чем в более глубокой тени располагался участок земной поверхности в момент съёмки, тем сильнее он подсвечивается (рис. 5).

Практика.

Итак, для работы нам понадобится.

1. Исходный снимок.
2. Растровая или векторная топоснова масштаба 1 : 100 000 или 1 : 200 000.
3. Цифровая модель рельефа.
4. Данные по расположению солнца в момент съёмки.

1. Точно привязать исходный снимок к топографической основе. Для этого лучше всего использовать алгоритм "резиновой плоскости" (rubber sheet), реализованный в Erdas'е, ErMapper'е или ArcInfo. Точная привязка необходима для совмещения исходного снимка с DEM'ом, чтобы совместить соответствующие склоны на обоих типах исходных данных. Чем точнее будет наведено соответствие, тем точнее можно будет компенсировать разницу в освещении.

Для привязки нужно использовать максимально возможное количество объектов, различимых на снимке и имеющихся на топографической основе. Чем больше будет расставлено тиков, тем точнее будут соответствовать друг другу DEM и исходный снимок. В приведённом примере тики были расставлены во всех местах слияния рек, различимых на снимке.

2. В Erdas'е выбрать Interpreter — Topographic Analysis ... — Topographic Normalize ...
3. В появившемся диалоговом окне необходимо заполнить поля Input File: (*.img) — имя исходного изображения; Input DEM File: (*.img) — имя файла или покрытия с цифровой моделью местности; Output File: (*.img) — имя конечного файла (рис. 6).

Рисунок 6. Диалоговое окно (8 Кб)

4. Далее следует ввести азимут и высоту стояния солнца в момент съёмки: Solar Asimuth и Solar Elevation, соответственно. В нашем случае 151.1 и 52.5 (рис. 6).

Эти данные можно получить из заголовка исходного снимка (если вы работаете с данными Landsat или SPOT) — Utility — HFA Info... из меню вьюера. Либо из метаданных, которые обычно поставляются вместе со снимком, либо у дистрибьютера данных.

5. Поставьте галочку напротив Stretch to Unsigned 8 bit, чтобы получить стандартные градации яркостей от 0 до 255 в каналах итогового изображения. Нажмите Ok.

В результате мы получаем изображение с более выровненным освещением на склонах разных экспозиций и крутизны. Сравнение спектральных откликов до и после нормализации можно посмотреть на рис. 7. На графике и снимке слева хорошо заметно, что спектральные характеристики берёзы на теневом склоне исходного изображения (тёмно-зелёные линии на графике и тёмно-зелёный контур на снимке) совпадают с таковым у лиственницы, расположенной на выположенной поверхности (красные линии на графике и красный контур на снимке). На графике справа можно видеть, что спектр каменного березняка на теневом склоне стал значительно более близок к спектру аналогичного сообщества на освещённом склоне, нежели чем к спектру лиственичника на выположенном участке, что позволит с уверенностью разделить эти сообщества при классификации.

Рисунок 7. Сравнение спектральных откликов до и после топографической нормализации. (168 Кб)

Приведённый пример описывает очень простой способ компенсации разницы в освещении — модель отражения Ламберта. Его положительные стороны — простота, быстрота и понятность. Но, к сожалению, описанным выше способом нельзя добиться тонкой настройки работы алгоритма. Например, нальзя повлиять на степень "просветления". То есть, насколько сильно нужно увеличивать яркость затенённых обектов в зависимости от крутизны и экспозиции. Тем не менее, эта проблема решаема. Об этом — в одном из будущих выпусков.