Системы космического мониторинга окружающей среды

Разработанные информационные системы спутникового мониторинга  лесных пожаров первоначально базировались на данных с пятиканального сканирующего радиометра AVHRR, размещенного на спутниках NOAA (США). Характеристики этой спутниковой  группировки и оптико-электронных  приборов, созданных для решения  метеорологических задач, оказались  приемлемыми для использования  их в системах спутникового мониторинга  лесных пожаров.

К этим характеристикам относятся: тип орбиты (околополярная, солнечносинхронная) и количество находящихся на орбите спутников (3- 4 одновременно), что позволяет снимать любой район поверхности земного шара с периодичностью более десяти раз в сутки, наличие в приборе AVHRR спектральных каналов в видимой, ближней, средней и дальней ПК области спектра.

Впечатляет полоса обзора прибора AVHRR - почти 3 ООО км. Основной недостаток этого прибора — сравнительно низкое пространственное разрешение радиометра AVHRR (в надире 1,1 км). Эта характеристика обуславливает сложность использования данных этого прибора для эффективного решения проблемы раннего обнаружения лесных пожаров.

Обнаружение пожаров с  использованием AVHRR-данных основано на том, что тепловой источник с температурой, характерной для развитой стадии пожара, попадая в поле зрения сканирующей аппаратуры в ИК-диапазоне, вызывает наибольшее увеличение излучения в 3-м канале AVHRR.

Существует несколько  алгоритмов обнаружения пожаров  с использованием AVHRR-данных. Эти  алгоритмы подробно описаны в  аналитическом обзоре.Приведем краткое описание некоторых из них.

В основе алгоритма составной  модели пожара лежит контекстный  алгоритм Объединенного исследовательского центра Европейской комиссии, модифицированный специалистами Центра экологии и продуктивности лесов (ЦЭПЛ) РАН и Международного института леса для сильно задымленных от пожаров территорий.

Для детектирования теплового  источника в условиях сильной  задымленности используется многопороговый подход, основанный на составной модели пожара. В данном алгоритме пиксели, подозрительные на принадлежность к классу «пожар», делятся на несколько классов, различающихся температурами и альбедо.

Выбор данных классов обосновывается анализом ошибок первого рода при  детектировании - пропуска пели. Для  уменьшения числа «ложных тревог», вызываемых отражением солнечного излучения от облачности, пиксели с высокими значениями альбедо первого или второго каналов исключаются из класса «пожар» во всех известных алгоритмах. Интенсивные пожары приводят к значительным выбросам аэрозоля с высокими значениями альбедо. При этом часть пикселей при небольшом ветре не покрыта дымовым шлейфом и проходит тест та альбедо. Большая часть активного пожара покрыта дымовым шлейфом и не детектируется.

Использование высокой вероятности  принадлежности «горячих» пикселей с высокими значениями альбедо к  классу «пожар» при наличии в  некоторой ближайшей окрестности пикселей, с большой вероятностью детектируемых как «пожар», и составляет усовершенствование алгоритма, которое заключается в уменьшении вероятности пропуска «пожара» при сохранении вероятности «ложной тревоги» на прежнем уровне.

В двухшаговом алгоритме на основе потенциальных функций и поверхностей на первом шаге производится разделение участков потенциальных очагов и других объектов с помощью дискриминантной функции стандартного вида . На втором шаге для дальнейшей детальной обработки используется сложная разделяющая поверхность, предварительно описанная потенциальными функциями с помощью заданной обучающей выборки. При подобной схеме использование первого шага упрощает вид потенциальной функции, применяющейся на втором шаге, что увеличивает ее эффективность и значительно сокращает время вычислений.

Нахождение разделяющей  функции на первом шаге проводится на основе анализа спектральных значений потоков излучения в каналах AVHRR очагов пожаров и объектов с похожими спектральными характеристиками, называемых в дальнейшем «ложные очаги» или шумы.

В качестве выборки спектральных характеристик очагов пожаров и  шумов использованы данные результатов спутниковых наблюдений заданной территории. Выборка спектральных характеристик шумов дополнена информацией о наиболее характерных случаях наблюдения фоновых объектов (например, облачность с высокими значениями температуры в канале 3 за счет отражения, оптически тонкая и низкая облачность над теплой поверхностью, перегретые участки поверхности земли в зоне сухих степей и пустынь, солнечные блики). Алгоритм используется в Центре космического мониторинга КАФ (г. Иркутск).

Особенность алгоритма феноменологической модели малоразмерных пожаров заключается  в том, что он ориентирован на обнаружение  малоразмерных очагов пожаров на фоне других источников инфракрасного  излучения. Сложность задачи обнаружения  малоразмерных пожаров по данным прибора AVHRR обусловлена не только низкой 1,1 км разрешающей способностью снимков, составляющей в лучшем случае 1,1 х 2, но и нестационарностью оптико-геометрических условий наблюдения земной поверхности, стохастичностью облачных полей, порождающих артефакты. Алгоритм базируется на построении признаковых пространств нелинейным преобразованием исходного описания, в котором решающее правило обнаружения имеет наиболее простой вид.

Схема вывода решающего правила  следующая. Рассматривается задача обнаружения тепловых аномалий в  случае, когда апертура 1,1 км сканирующего устройства регистрирует элемент 1,1 х2 лишь частично занятым пожаром. Формируемая при этом радиационная температура соответствующего пиксела состоит из температуры фона и температуры горячего участка, которые пропорциональны их площадям.

Для обнаружения горячих  участков поверхности в пределах апертуры сканирующего устройства используется изменение соотношения интенсивностей между 3-м, 4-м и 5-м каналами. При этом исходят из следующих очевидных соображений. Допустим, что на некотором участке площадью S, соответствующем углу зрения радиометра и с температурой Т(, есть горячий участок площадью ,S'; и температурой Тг Считаем, что как холодная, так и горячая области соответствуют модели излучения черного тела. В этом случае интенсивность излучения есть взвешенная сумма интенсивностей холодного и горячего участков, определяемых по формуле Планка.

Далее интенсивности в  разных каналах приводятся к одному масштабу с помощью нормирующих коэффициентов и формируют специального вида величины. На основе этих величин образуют некоторое многообразие трехмерного пространства, в котором и формируют решающее правило. Этот алгоритм действует в Томском центре спутникового мониторинга лесных пожаров (ИОА СО РАН) с 1999 года.

В ИС «Лесной пожар» за основу детектирования пожаров был взят пороговый алгоритм, использующий преимущества многоспектральных данных.

При этом тепловыми источниками  могут быть и другие объекты с  высокой температурой, как природные - нагретые солнцем открытые поляны, камни, песок и др., так и искусственного происхождения - трубы заводов, города и т. п. Эти источники принято называть ложными, а их обнаружение при обработке спутниковых данных - ложными тревогами.

Чтобы выделить лесные пожары среди ложных тревог, могут применяться  различные методы обработки получаемой информации.

Температура относительно небольших  по площади, но высокотемпературных  объектов может быть такой же, как  для больших, но имеющих сравнительно небольшую температуру объектов. Это происходит из-за конечного разрешения радиометра, когда суммарная температура захватываемого фона и пожара равна, например, температуре нагретой поляны, полностью занимающей мгновенное поле зрения.

Для идентификации таких  тепловых аномалий ведется обработка AVHRR- изображений одних и тех  же участков в двух каналах - третьем  и пятом. Разность температур, определенная в этих каналах для пожаров (для  абсолютно черного тела, нагретого  до температуры 900°К), будет больше такой  же разности для нагретых участков, хотя на снимке 3-го канала и те и  другие могут выглядеть одинаково.

Как уже подчеркивалось, недостатком радиометра AVHRR является сравнительно большое мгновенное поле зрения и, соответственно, невысокое разрешение - 1,1 х 1,1 км, один пиксел вмещает изображение с 121 га при наблюдении в надир. Для наиболее успешного тушения ЛП необходимо оперативно обнаруживать ножары площадью не более 1 га. Опыт авиационной охраны лесов показывает, что средняя площадь обнаруживаемых с самолета пожаров составляет 3-5 га.

К сожалению, проблема обнаружения  и оценки площади малоразмерных  тепловых аномалий значительно усложняется, если принимается во внимание влияние атмосферы на световые потоки, регистрируемые оптико-электронными приборами, размещаемыми на борту космических летательных аппаратов.

Выше рассмотрена типичная схема порогового алгоритма обнаружения  тепловых аномалий на спутниковых многоканальных изображениях, в которых пороговое значение или остается постоянной величиной, или дискретно изменяется в зависимости от времени суток. В ИС «Лесной пожар» этот порог подбирается оператором по методике, основанной на анализе опыта применения алгоритма. На рисунке 6.11 представлен пример работы алгоритма.

Рис. 6.11. Результат детектирования пожаров в ИС «Лесной пожар»

В работе показано, что корректный способ задания оптимального значения порога принятия решения (для дневного времени суток), обеспечивающий максимальную вероятность обнаружения малоразмерных источников теплового излучения, требует более тонкого учета оптико-геометрических условий съемки. В частности, необходим учет влияния на отраженные атмосферой и поверхностью световые потоки аэрозольной оптической толщины атмосферы, угла (не только зенитного, но и азимутального) между направлением падения солнечных лучей и направлением на наблюдаемую точку земной поверхности.

ИС «Лесной пожар» представляет собой двухкомпонентую систему, состоящую из блока обработки данных ДЗЗ и ГИС-компонента.

Модульность как главная  основа построения технологии обеспечивает автономность данных на любом технологическом этапе, что создает возможность легкого манипулирования различными модулями, развития многозадачности системы, наращивания новых функциональных блоков для анализа и обработки данных.

Система, основанная на модульности  как функциональной, так и тематической, является легко адаптируемой под  задачи оперативного мониторинга различных  объектов природной среды (мониторинг растительности, паводковые ситуации, сельское хозяйство и др.).

Система подразумевает полный комплекс автоматизированной обработки  спутниковых данных на месте приема — от предварительной обработки до конечного результата.

В первом компоненте перед  детектированием пожаров производятся предварительная обработка, калибровка, географическая привязка спутниковой информации.

Основой ГИС-компонента явилась созданная база данных — цифровая карта (масштаба 1:300 000) кварталов федерального лесного фонда Новосибирской области. Карта содержит около 25 тысяч кварталов, границы лесхозов и лесничеств. Цифровые карты других субъектов, входящих в зону интереса, были получены не в полном объеме. Использование этой базы данных позволяет получать результаты детектирования в принятой у пользователя системе координат единицах лесоустроительной номенклатуры (лесхоз, лесничество, номер квартала). Атрибутивная и топографическая базы данных содержат информацию о классах пожароопасности кварталов, о дислокации пожарно-химических станций, обзорных вышек, авиабаз, вертолетных площадок, пунктов базирования техники, узлов радиосвязи, метеостанций и др.

Связующим звеном двух компонент  системы является модуль, позволяющий интегрировать информацию, полученную в результате обработки данных ДЗЗ в ГИС. В ИС «Лесной пожар» пространственный анализ и подготовка отчетной документации производится в разработанном расширении для среды ГИС Arc View GIS (ESRI Inc.). Функциональные возможности данного расширения позволяют оперировать как пространственными данными, так и атрибутивной информацией о территории, а также выводить твердые копии карт и табличные формы отчетов. Результаты детектирования совмещаются с базой данных исследуемого региона, затем производится оверлейный анализ данных, генерируются текстовые и графические отчеты о текущей лесопожарной ситуации, автоматически обновляется база данных пожаров.

Информационная система  «Лесной пожар» с 2000 г. используется в ЗапСиб РЦПОД для оперативного мониторинга лесных пожаров. В течение пожароопасного периода информация о лесных пожарах регулярно передается в Западносибирскую авиабазу охраны лесов, в областные управления ГО и ЧС, в областные центры по гидрометеорологии и контролю окружающей среды Росгидромета. Многолетний статистический анализ показывает, что достоверность обнаружения пожаров, обусловленная в том числе радиометрическим и пространственным разрешением прибора AVHRR, составляет 70-75%. Это дает существенный экономический эффект.

В 2003 г. была поставлена задача создания аналогичной информационной системы оперативного мониторинга лесных пожаров в Югорском НИИ информационных технологий (г. Ханты-Мансийск) для нужд Ханты-Мансийской авиабазы охраны лесов. Новизна задачи состояла в том, что необходимо было создать новый блок детектирования пожаров на базе данных с прибора MODIS с КА EOS-AM (Terra) и EOS-PM (Aqua) (США).

Данные прибора MODIS также  распространяются оперативно, свободно и бесплатно, хотя для приема требуются более мощные и дорогостоящие станции. В центре ДЗЗ ЮНИИ ИТа с 2003 г: осуществляется регулярный прием информации с КА серии EOS. Данные принимаются станцией приема УППОИ (п. 4.4), которая обеспечивает расчет траектории КА, расчет координат движения антенны, прием и регистрацию данных в исходном формате. Прием и регистрация осуществляются в автоматическом режиме.

Структура данной ИС подобно  структуре ИС «Лесной пожар» включает ГИС- компоненту, посредством которой происходит пространственное наложение результатов обработки данных ДЗЗ на картографическую основу и формирование отчетной документации.

Разработанный комплекс функционирует  в двух режимах: в интерактивном  и в автоматическом режиме. Результаты могут быть предоставлены в виде картосхем  и электронных сообщений, в которых совмещены карта  и таблица . Для ускорения обработки данных ДЗЗ используется высокопроизводительный суперкомпьютер Sun Fire 15000.