Анализ ледовой обстановки в Обско-Тазовской губе c использованием ERDAS IMAGINE

Елена Шевнина, Государственная Полярная Академия, Санкт Петербург,
тел.: (812) 167 0903, E-mail: aqua@aari.nw.ru

Введение

Для обеспечения доставок грузов в труднодоступные районы Крайнего Севера уже много лет используется водный транспорт. Период навигации в высоких широтах недолог, поэтому важной задачей является оперативный мониторинг ледяного покрова на всем протяжении Северного Морского пути и на устьевых участках крупных сибирских рек.

В 1960-1980-х годах в Советском Союзе для целей мониторинга ледового покрова активно использовалась полярная авиация, позже эта система развалилась из-за недостатка финансирования. В настоящее время районам Крайнего Севера вновь начали уделять серьезное внимание, что потребовало проведения наблюдений за ледовой обстановкой. Одним из самых перспективных направлений в оперативном мониторинге состояния ледяного покрова является использование данных, полученных с искусственных спутников Земли.

Далее приведены результаты использования данных радиометра MODIS для целей мониторинга очищения Обско-Тазовской устьевой области ото льда в весенний период 2004 года. Выбор был обусловлен тем, что данные MODIS имеют достаточное пространственное разрешение и их можно получить бесплатно.

Исходные данные и методика решения задачи

Для разработки и проверки технологии дешифрирования с целью получения тематических карт положения ледовой кромки и анализа ее перемещения в весенний период в Обско-Тазовской устьевой области были отобраны снимки за 20, 27 июня и 6 июля 2004 г. Композиты снимков MODIS на Обско-Тазовскую губу (табл. 1) получены от предприятия SCANEX (www.scanex.ru). Основной особенностью этих данных является то, что они прошли этапы предварительной обработки, включая коррекцию нескольких видов: радиационную, радиометрическую, геометрическую и калибровку.

Таблица 1. Свойства данных и объекты исследования.

Качество полученных снимков оставляет желать лучшего: на снимках за июнь месяц отчетливо видны черные полосы поврежденной информации. На снимке от 27 июня устье Обской губы на выходе в море закрыто облачностью.

Более точное трансформирование и привязка снимка к определенной координатной системе выполнялись в ERDAS IMAGINE с использованием интерактивно задаваемых опорных точек с помощью инструмента Geometric Correction (рис. 1). В качестве набора контрольных точек (GCP) для привязки выбраны характерные точки, хорошо опознаваемые на снимке. Оценка точности географической привязки проводилась с использованием тематического слоя береговой линии, полученной из лицензионной цифровой карты масштаба 1:1000000, предоставленной предприятием «Севзапгеоинформ» (www.szgi.ru) Федеральной службы геодезии и картографии России.

Рис. 1. Использование инструмента геометрической коррекции для привязки снимков.

Привязка изображений Обско-Тазосвкой губы в системе координат WGS84 проводилась с использованием полиномиальной (второй степени) геометрической модели. В этой модели контрольных точек должно быть не менее шести, избыточные (поверочные) точки позволяют оценить погрешность географической привязки снимка (табл. 2). Привязка снимков выполнена с удовлетворительной для поставленной задачи точностью (RMS<0.5).

Таблица 2. Точность привязки снимков.

Из-за разного качества исходного материала для привязки снимков использовался разный набор контрольных точек, то есть адекватность геометрической коррекции снимков существенно зависела от их качества. Наилучшие результаты получены для июльского снимка, которому соответствует наибольшее количество контрольных точек (рис. 2).

Рис. 2. Снимок за 6 июля 2004 года, привязанный в географической системе координат.

Следующим этапом дешифрирования является классификация композитов снимков MODIS. Существуют несколько методов классификации изображений [1, 2]. При решении задачи классификации композитов снимков Обско-Тазовской губы в период вскрытия использовалась классификация с обучением (Supervised Classification), основанная на эталонах (инструмент Signature Editor набора Classification). Для проведения классификации были собраны и оценены эталоны, характеризующие тот или иной класс водной поверхности. Основной задачей являлось разделение открытой воды и ледяного покрова, поэтому для классификации достаточно трех образцов (табл. 3).

Таблица 3. Характеристики эталонов поверхности.

Образцы оценивались на предмет пригодности для проведения классификации, исходя из свойств гистограмм, характеризующих распределение пикселей внутри того или иного класса. Очевидно, что наилучшим вариантом распределения пикселей в гистограмме эталона является нормальное, которое характеризует единичный класс, в котором отсутствуют пиксели другого класса. Чем ближе распределение к нормальному, тем эталон лучше описывает класс. Другое необходимое условие пригодности эталона к последующему проведению классификации с обучением – это не пересечение границ класса с другими классами в спектральном диапазоне. Третьим обязательным требованием, предъявляемым к гистограмме, характеризующей распределения пикселей в эталоне, является одномодальность [2].

Рис. 3. Средние значения пикселей в отдельных каналах для разных эталонов классов поверхности.

Средние значения пикселей и гистограммы по каналам подобранных для классификации эталонов представлены на рис. 3, 4. Выбранные эталоны пригодны для выделения отдельных классов: средние значения гистограмм не совпадают ни в одном канале, а крайние диапазоны гистограмм, характеризующие классы «вода» (water), «вода+лед» (water+ice) и «лед» (ice) не пересекаются ни в одном спектральном канале. С точки зрения разделения классов «вода» и «лед» выбранных эталонов достаточно для проведения классификации с обучением.

Рис. 4. Гистограммы, характеризующие эталоны классов «Лед» и «Вода+лед» в трех каналах композита снимков MODIS.

На основе полученных эталонов проведена классификация изображений по методу наибольшего правдоподобия (Maximum Likelihood) и получены классифицированные растры. Для выделения участков суши, которые не участвуют в решении задачи о ледовой обстановке в Обско-Тазовской губе, на основе слоя конфигурации побережья цифровой карты масштаба 1:1000000 была получена «маска». Маскированное и классифицированное изображение было генерализовано с целью исключения мелких включений пикселей другого класса, для этого использовался инструмент Clump из набора Interpreter>GIS Analysis. К полученному растру применена операция поглощения (Eliminate), порог поглощения равен 20 пикселям. Полученный растр был подвергнут векторизации (инструмент Raster to Vector набора инструментов Vector) и, в итоге, были получены тематические карты, характеризующие ледовую обстановку в Обско-Тазовской губе за отдельные даты весны 2004 года (рис. 5).

Рис. 5. Перемещение южной части кромки льда при вскрытии Обской губы весной 2004 года.

Результаты

Дешифрирование трех разновременных снимков MODIS на территорию Обско-Тазовской губы позволило зафиксировать динамику южной кромки ледяного покрова. За период с 20 по 27 июня 2004 года среднее положение кромки льда переместилось на юг на 78 км, средняя скорость очищения акватории ото льда составляет 11 км в сутки. С 27 июня по 6 июля ледяная кромка в средней части Обской губы переместилась на 124 км. Максимальное таяние льда наблюдалось в западной части Обской губы, а средняя скорость отступания кромки льда в ее южной части составила 13 км в сутки. Процесс вскрытия Тазовской губы менее динамичен. За период с 27 июня по 6 июля средняя часть ледяной кромки переместилась на 59 км к югу, средняя скорость перемещения составляет 6,5 км в сутки. Особенностью очищения губы ото льда в этот период является активное вытаивание северной части кромки и более медленное очищение губы на юге. Разница в положении южной и северной границы кромки составляет около 50 км.

Проследить динамику таяния северной кромки льда в Обско-Тазовской губе на выходе в море за весь период не удалось ввиду низкого качества двух из трех полученных композитов снимков.

Эта работа была выполнена как пилотный проект — разработка технологии, по которой студенты Полярной Академии будут писать курсовую по данным осенних снимков.

Литература

1. Showengerdt R.A. Techniques for Image Processing and Classification in Remote Sensing. — N.Y., Academic Press, 1983.

2. ERDAS IMAGINE User Guide, On-line documentation.