РАСЧЕТ ИНДЕКСА NDVI ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ И ПРОВЕДЕНИЕ НА ЕГО ОСНОВЕ ГЕОАНАЛИЗА С ЦЕЛЬЮ ОПРЕДЕЛЕНИЯ ГРАНИЦ, ПЛОЩАДИ И ИЗМЕНЕНИЯ ЗЕЛЕНЫХ НАСАЖДЕНИЙ

CALCULATION OF THE NDVI INDEX BASED ON EARTH REMOTE SENSING DATA AND CONDUCTING GEO-ANALYSIS BASED ON IT IN ORDER TO DETERMINE THE BOUNDARIES, AREA AND CHANGES IN GREEN SPACES

Angelina Kaunova

student, Peoples' Friendship University of Russia,

Russia, Moscow

Sofya Smirnova

student, Peoples' Friendship University of Russia,

Russia, Moscow

АННОТАЦИЯ

Дистанционное зондирование Земли (ДЗЗ) — наблюдение поверхности Земли наземными, авиационными и космическими средствами, оснащёнными различными видами съёмочной аппаратуры. Рабочий диапазон длин волн, принимаемых съёмочной аппаратурой, составляет от долей микрометра (видимое оптическое излучение) до метров (радиоволны). Методы зондирования могут быть пассивные, то есть использующие естественное отраженное или вторичное тепловое излучение объектов на поверхности Земли, обусловленное солнечной активностью, и активные — использующие вынужденное излучение объектов, инициированное искусственным источником направленного действия. Данные ДЗЗ, полученные с космического аппарата (КА), характеризуются большой степенью зависимости от прозрачности атмосферы. Поэтому на КА используется многоканальное оборудование пассивного и активного типов, регистрирующее электромагнитное излучение в различных диапазонах.

Познакомиться с базовым функционалом ГИС QGIS по работе с растровыми данными и дополнительными ее возможностями по работе с векторными данными. Научиться рассчитывать вегетационный индекс NDVI на основе космических снимков, полученных в красном и ближнем инфракрасном спектральных каналах. Приобрести навыки интерпретации (дешифрирования) разнотипной растительности и ее границ по космическим снимкам высокого разрешения и рассчитанному слою NDVI. Произвести расчет площади зеленых насаждений, присутствующих в границах заданного района работ, в гектарах и в % от общей площади района работ. Подготовить итоговую карту-отчет с результатами проведенного в ходе работы анализа.

Работа выполнена в программе QGIS версии 3.22.6.

 В ходе проведения работы был сделан анализ участка на предмет нахождения на нем зеленых насаждений в процентном соотношении от общей площади.

ABSTRACT

Remote sensing of the Earth (remote sensing) is the observation of the Earth's surface by ground, aviation and space means equipped with various types of shooting equipment. The operating range of wavelengths received by the shooting equipment ranges from fractions of a micrometer (visible optical radiation) to meters (radio waves). Probing methods can be passive, that is, using natural reflected or secondary thermal radiation of objects on the Earth's surface due to solar activity, and active — using forced radiation of objects initiated by an artificial directional source. Remote sensing data obtained from the spacecraft (spacecraft) are characterized by a high degree of dependence on the transparency of the atmosphere. Therefore, the spacecraft uses multi-channel equipment of passive and active types, registering electromagnetic radiation in various ranges.

Get acquainted with the basic functionality of the QGIS GIS for working with raster data and its additional capabilities for working with vector data. Learn how to calculate the vegetation index NDVI based on satellite images obtained in the red and near infrared spectral channels. To acquire the skills of interpretation (decoding) of different types of vegetation and its boundaries from high-resolution satellite images and the calculated NDVI layer. Calculate the area of green spaces present within the boundaries of a given work area, in hectares and in % of the total area of the work area. Prepare a final map-report with the results of the analysis carried out during the work.

The work was carried out in the QGIS version 3.22.6 program.

During the work, the site was analyzed for the presence of green spaces on it as a percentage of the total area.

Ключевые слова: дистанционное зондирование Земли, длина волны, электромагнитное излучение, спектр.

Keywords: remote sensing of the Earth, wavelength, electromagnetic radiation, spectrum.

Дистанционное зондирование является методом получения информации об объекте или явлении без непосредственного физического контакта с данным объектом. Дистанционное зондирование является подразделом географии. В современном понимании термин в основном относится к технологиям воздушного или космического зондирования местности с целью обнаружения, классификации и анализа объектов земной поверхности, а также атмосферы и океана, при помощи распространяемых сигналов (например, электромагнитной радиации). Разделяют на активное (сигнал сначала излучается самолётом или космическим спутником) и пассивное дистанционное зондирование (регистрируется только сигнал других источников, например, солнечный свет). Дистанционное зондирование предоставляет возможность получать данные об опасных, труднодоступных и быстродвижущихся объектах, а также позволяет проводить наблюдения на обширных участках местности. При помощи орбитальных космических аппаратов ученые имеют возможность собирать и передавать данные в различных диапазонах электромагнитного спектра, которые, в сочетании с более масштабными воздушными и наземными измерениями и анализом, обеспечивают необходимый спектр данных для мониторинга актуальных явлений и тенденций, таких как Эль-Ниньо и другие природные феномены, как в кратко-, так и в долгосрочной перспективе. Дистанционное зондирование также имеет прикладное значение в сфере геонаук (к примеру, природопользование), сельском хозяйстве (использование и сохранение природных ресурсов), национальной безопасности (мониторинг приграничных областей).

При ДЗЗ, как правило, применяется обработка цифровых данных, так как именно в этом формате получают данные ДЗЗ в настоящее время. В цифровом формате проще производить обработку и хранение информации. Двумерное изображение в одном спектральном диапазоне можно представить в виде матрицы (двухмерного массива) чисел I (i, j), каждое из которых представляет интенсивность излучения, принятого датчиком от элемента поверхности Земли, которому соответствует один пиксель изображения. Изображение состоит из n x m пикселей, каждый пиксель имеет координаты (i, j) — номер строки и номер колонки. Число I (i, j) — целое и называется уровнем серого (или спектральной яркостью) пикселя (i, j). Если изображение получено в нескольких диапазонах электромагнитного спектра, то его представляет трёхмерная решетка, состоящая из чисел I (i, j, k), где k — номер спектрального канала. С математической точки зрения нетрудно обработать цифровые данные, полученные в таком виде. Для того чтобы правильно воспроизвести изображение по цифровым записям, поставляемым пунктами приема информации, необходимо знать формат записи (структуру данных), а также число строк и столбцов. Используют четыре формата, которые упорядочивают данные как: последовательность зон (Band Sequental, BSQ); зоны, чередующиеся по строкам (Band Interleaved by Line, BIL); зоны, чередующиеся по пикселям (Band Interleaved by Pixel, BIP); последовательность зон со сжатием информации в файл методом группового кодирования (например, в формате jpg). Файлы изображений обычно снабжаются следующей дополнительной информацией, относящейся к снимкам: описание файла данных (формат, число строк и столбцов, разрешение и т. д.); статистические данные (характеристики распределения яркостей — минимальное, максимальное и среднее значение, дисперсия); данные о картографической проекции.

Живые зеленые растения поглощают солнечную радиацию в спектральной области фотосинтетически активной радиации (ФАР), которую они используют в качестве источника энергии в процессе фотосинтеза. Листовые клетки также эволюционировали, чтобы повторно излучать солнечное излучение в ближней инфракрасной области спектра (которая несет примерно половину всей поступающей солнечной энергии), потому что энергия фотонов на длинах волн более 700 нанометров слишком мала для синтеза органических молекул. Сильное поглощение на этих длинах волн приведет только к перегреву растения и, возможно, повреждению тканей. Следовательно, живые зеленые растения кажутся относительно темными в PAR и относительно яркими в ближнем инфракрасном диапазоне. Напротив, облака и снег имеют тенденцию быть довольно яркими в красном (а также в других видимых длинах волн) и довольно темными в ближнем инфракрасном диапазоне. Пигмент листьев растений, хлорофилл, сильно поглощает видимый свет (от 0,4 до 0,7 мкм) для использования в фотосинтезе. С другой стороны, клеточная структура листьев сильно отражает ближний инфракрасный свет (от 0,7 до 1,1 мкм). Чем больше у растения листьев, тем больше влияет на эти длины волн света. Поскольку ранние инструменты наблюдения Земли, такие как ERTS НАСА и AVHRR NOAA, получали данные в видимом и ближнем инфракрасном диапазонах, было естественным использовать сильные различия в отражательной способности растений для определения их пространственного распределения на этих спутниковых изображениях. NDVI рассчитывается на основе этих отдельных измерений следующим образом: где Red и NIR обозначают измерения спектральной отражательной способности, полученные в красной (видимой) и ближней инфракрасной областях соответственно. Эти спектральные коэффициенты отражения сами по себе являются отношениями отраженного от входящего излучения в каждой спектральной полосе индивидуально, следовательно, они принимают значения от 0,0 до 1,0. Таким образом, по дизайну сам NDVI варьируется от -1,0 до +1,0. NDVI функционально, но не линейно, эквивалентен простому соотношению инфракрасный / красный (NIR / VIS). Таким образом, 9 преимущество NDVI перед простым соотношением инфракрасного / красного света обычно ограничивается любой возможной линейностью его функциональной связи со свойствами растительности (например, биомассой). Простое соотношение (в отличие от NDVI) всегда положительно, что может иметь практические преимущества, но также имеет математически бесконечный диапазон (от 0 до бесконечности), что может быть практическим недостатком по сравнению с NDVI. Также в этом отношении обратите внимание, что член VIS в числителе NDVI только масштабирует результат, тем самым создавая отрицательные значения. NDVI функционально и линейно эквивалентен отношению NIR / (NIR + VIS), которое находится в диапазоне от 0 до 1 и, таким образом, никогда не бывает отрицательным или безграничным по диапазону. Но самая важная концепция в понимании алгебраической формулы NDVI заключается в том, что, несмотря на свое название, это преобразование спектрального отношения (NIR / VIS), и оно не имеет функционального отношения к спектральной разнице (NIRVIS).

Открываем заготовку QGIS-проекта В данной работемы получили район работ под номером 20 – в районе Сокольники. Каждый район — это квадратный участок, имеющий размер на местности 5 х 5 км. Система координат шейп-файла района работ - WGS 84 / UTM zone 37N (EPSG:32637), как и у используемого в данной работе космического снимка Sentinel-2. Добавляем шейп-файл границ района работ в QGIS-проект. Добавляем в QGIS-проект два спектральных канала одного космического снимка Sentinel-2B. Рассчитываем слой индекса NDVI по формуле на весь космоснимок. Запускаем «Калькулятор растров» и строим в нем выражение для расчета индекса NDVI: ("S2B_tile_37UDB_20210511_B08@1" - "S2B_tile_37UDB_20210511_B04@1") / ("S2B_tile_37UDB_20210511_B08@1" + "S2B_tile_37UDB_20210511_B04@1"). Вырезаем из целого растрового слоя NDVI фрагмент на данный район работ. Преобразовываем растровый слой индекса NDVI на свой участок в векторный полигональный слой. В результате, в границах квадрата (района работ) создается новый векторный полигональный слой формата шейп-файл и добавляется в QGISпроект. Настраиваем классифицированный стиль полученного векторного слоя NDVI. В результате в панели «Слои» для векторного слоя NDVI создается легенда, позволяющая включать/отключать видимость каждого отдельного класса. Используя расклассифицированный вами векторный слой NDVI, проведем анализ местности в границах района. Путем экспертной оценки определяем граничное (пороговое) значение индекса NDVI, при котором видимая часть слоя NDVI будет максимально точно соответствовать границам древесной и кустарниковой растительности. Рассчитываем площади зеленых насаждений. Определим, из какого количества полигонов (квадратных элементов размером 10х10 м) состоит финальный слойвыборка, покрытие территории которым соответствует границам растительности на местности на момент выполнения космосъемки (11 мая 2021). В ходе анализа участка на предмет нахождения на нем зеленых насаждений в процентном соотношении от общей площади. В нашем случае оно составило 47%.

С помощью NDVI было достаточно легко получить необходимые данные, а в интерфейсе QGIS было так же удобно эти данные визуализировать и упорядочить.

Список литературы:

1. https://innoter.com/sputniki/sentinel-2a-2b/
2. https://www.scanex.ru/data/satellites/sentinel-2/
3. https://ru.abcdef.wiki/wiki/Normalized_Difference_Vegetation_Index
4. https://elar.rsvpu.ru/bitstream/123456789/20421/1/RSVPU_2017_393.pd