1. Обзор гиперспектрального дистанционного зондирования

Потенциал гиперспектрального дистанционного зондирования для оценки видового разнообразия в лесах является актуальной задачей. Существующие исследования моделей распределения видов с использованиемгиперспектральногодистанционного зондированияиспользуют всевозможные методы для определенияразных видов.Для идентификации различныхвидов растениймогут быть полезны оценки взаимоотношениймежду спектральнымиценностями ираспределениями видов с использованиемхимического составалиствы, фенологии дерева, выбора участков обучающейсигнатуры, основанных наполе измеренногосостава полога,выбора лучших коэффициентов волны и регионовдиапазона волны.Данный обзор представляет собой резюмепо целесообразности, практическому применениюи возможным стратегиямгиперспектральногодистанционного зондированияв лесном хозяйстве, особенно в оценкеего биоразнообразия.Кроме того, рассматриваетсяобработка и анализметодовгиперспектральныхданных вдискриминацииразных видов деревьевлеса.

Гиперспектральные данные дистанционного зондирования могут обеспечить значительное улучшение спектральных возможностей измерений по сравнению с обычными дистанционными системами датчиков, которые могут быть полезны для идентификации и последующего моделирования характеристик земной экосистемы

Отмечается существенное улучшение в информации о спектральном составе, когда используютнесколько каналов для выявления стресса растений, измерения содержания хлорофилла в растениях, идентификации небольших различий в процентах зеленого растительного покрова, извлечения биохимических переменных, таких как азот и лигнин, дискриминации типов растительного покрова, совершенствования методов обнаружения изменений в редкой растительности и оценки абсолютного содержания воды в листьях растений.

Авиационныегиперспектральныетехнологии дистанционного зондирования,с присущими имвысокимиспектрально-разрешающимисвойствами,применяются вразличныхобластях исследованиялесного хозяйства, таких как леснаябиохимияи характеристика структуры насаждений.Разработаны новыегиперспектральныхиндексы, которые обеспечивают теснуюкорреляцию сбиохимическими ифизиологическими свойстваминетронутыхлистьев илипологов.

Типы леса существенно влияют навыбор управленияпроизводительностью ижизнеспособностьюэкосистемы, поэтому классификациялесного покроваважный элементв обоих вопросах управления лесными ресурсамии научного исследования.Тем не менее, большинство исследований были проведеныв областяхдеревьев, которые относительно структурнооднородные.В зонах, гдеструктура деревьевварьируется сильно,структурные различия предпочтительнее, чем видовые, могут преобладать визображении.

Гиперспектральные данные дистанционного зондирования могут быть использованы для создания продуктов поддержки национальных и международных соглашений по устойчивому управлению лесами и Киотскому протоколу. Работающие в данной области ученые продемонстрировали, что гиперспектральное дистанционное зондирование может обеспечить улучшенные, содержательные и точные показатели лесов, которые имеют решающее значение для производства лесоустроительных продуктов лучшего качества. Например, гиперспектральное дистанционное зондирование может повысить точность классификации лесных видов от 77% с мультиспектральными данными (Landsat ETM) до более 90% с гиперспектральными данными (Hyperion и AVIRIS). Более точные карты лесных видов могут быть получены из того, что делает возможным изобразить деревья на фоне подлеском, который не был успешно решен мультиспектральным дистанционным зондированием. Это было сделано с использованием методики спектрального разделения, которая рассматривает подлесок как отдельный крайний элемент и затем отражает его как желанный крайний элемент. Учеными было показано через крайний элемент и методы моделирования, что это возможно для карты возобновления леса, новых рубок, первичных лесов, лесной подстилки и вырубки в лесах Амазонки. Они пришли к выводу, что, объединив модели отражения полога и гиперспектральные данные, гиперспектральное дистанционное зондирование также поможет получить параметры полога леса, включая закрытый полог, индекс листовой поверхности (LAI), или плотность лесонасаждения.

Потенциал гиперспектральных изображенийдля обнаружениядеревьевподчеркнул, как обнаружениекатаклизма в лесубудет решающимдляуправляющих, которые хотятпринимать решения, которые минимизируют воздействие на окружающую средуи потери древесины.Лесныекатаклизмывключают болезни(заболевания голландскоговяза,корневые гнили, белая омела), поражения насекомыми(короеды, дефолиаторы, долгоносики), бурии пожары.Исследователизаявили, чтогиперспектральные изображенияспособны обнаружитьстресс вдеревьях наранних стадияхнападений насекомыхи поэтому могутбыть использованы для борьбыраннейинвазии(“зеленое нападение”), в том время как мультиспектральным изображениямчасто не хватаетчувствительностидля обнаружениятонких изменений вотражении полога деревьев из-зафизиологического стресса от насекомых иливозбудителей.По мере распространениячужеродныевиды растенийстановятсясущественной угрозой длясохранения глобального биоразнообразия иэкосистем, гиперспектральноедистанционное зондирование способно извлечь выгоду из обоих биохимическихи структурных свойствцелевыхзахватчиков ипредлагает расширенныйпотенциал для картографированияинвазивныхвидов.

Использование гиперспектрального дистанционного зондирования для оценки биоразнообразия все больше поощряется. Как недавно разработанные алгоритмы обработки изображений обеспечивают более аналитические инструменты, гиперспектральное дистанционное зондирование позиционируется стать одной из ключевых технологий для геопространственных исследований, рекогносцировки и мониторинга. Этот обзор - попытка оценить потенциал гиперспектрального дистанционного зондирования для критической цели оценки биоразнообразия в однородных и гетерогенных лесах, с фокусированием на дискриминационные виды лесов.

Исследования показали, что различные алгоритмы анализа, такие как производные анализа и вейвлет преобразования, можно анализировать по гиперспектральным изображениям для повышения точности обнаружения различных видов.

Результаты исследований по данной тематике являются обнадеживающимив целях идентификации тропических видов лесов с использованием гиперспектральных данных.