Расчет категорий проходимости растительности для техники по данным лазерного сканирования

DOI: 10.35595/2414-9179-2022-1-28-314-324

Посмотреть или загрузить статью (Rus)

Об авторах

И.А. Рыльский

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: rilskiy@mail.ru

Т.С. Нокелайнен

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: nokelta@rambler.ru

Т.В. Котова

Московский государственный университет, Географический факультет,
Ленинские горы, 1, 119234, Москва, Россия;
E-mail: tatianav.kotova@yandex.ru

А.Н. Панин

Московский государственный университет, Географический факультет,
Ленинские горы, 1, 119234, Москва, Россия;
E-mail: alex_panin@mail.ru

Аннотация

Определение категорий проходимости растительности для техники (в залесенных районах) является очень востребованной и технически непростой задачей. Ее сложность возрастает по мере увеличения площади исследуемого участка, уменьшения сроков работ и их стоимости. На проходимость лесов влияют такие элементарные характеристики как породный состав, диаметр стволов, среднее расстояние между стволами и прочее.

Примером подобных работ является построение карт проходимости растительности для техники по категориям. Данная задача высоко востребована при проведении строительства новых объектов (трубопроводов, автодорог, железных дорог) и освоении новых месторождений в лесной зоне. Одним их наиболее перспективных методов информационного обеспечения для решения этой задачи является воздушное лазерное сканирование и цифровая аэрофотосъемка. Недостатком данного метода (как и всех методов дистанционного зондирования) является практическая невозможность прямого инструментального измерения ряда параметров растительности (несмотря на 25-летний прогресс в развитии метода лидарной съемки), таких как диаметр ствола, или его точное местоположение. Наращивание плотности сканирования в сочетании с использованием беспилотных летательных аппаратов, выполняющих съемку под большими углами к вертикали, позволяет получить эти характеристики ценой значительного снижения производительности, экспоненциального роста стоимости съемки и обработки данных при незначительной достоверности получаемых характеристик растительности.

В данной работе предлагается альтернативный подход, основанный на выявлении взаимосвязей между характеристиками, которые могут быть непосредственно измерены по данным лазерного сканирования невысокой плотности (высота крон, плотность покрытия, диапазон распределения точек лазерных отражений по высоте относительно земли), и категориями проходимости растительности, измеренными в полевых условиях. Полученные результаты показывают высокую достоверность. Положительной особенностью данного подхода является низкая себестоимость и высокая производительность при определении категорий проходимости местности.

Ключ. слова

лазерное сканирование, растительность, дистанционное зондирование, ГИС, аэрофотосъемка

Список литературы

  1. Варыгин К.А., Данилин И.М., Рыльский И.А. Инвентаризация и мониторинг лесов на основе лазерной локации, цифровой аэро- и космической фотосъемки и спутникового геопозиционирования. Материалы 3-й Международной практической конференции по лесоустройству, 2013. С. 56–59.
  2. Данилин И.М., Фаворская М.Н. Моделирование структуры лесного покрова и рельефа местности по данным лазерной локации. Лесная таксация и лесоустройство, 2011. № 1–2. С. 40–47.
  3. Дворяшин М.В., Скудин В.М., Корец М.А. Аэрокосмические методы мониторинга лесных территорий. Опыт применения в Восточной Сибири. Красноярск: Литера-Принт, 2011. 152 с.
  4. Каплунов В.Я. Сопряженность распределений деревьев по поперечнику крон и диаметру стволов. Лесоведение, 2001. № 3. С. 63–69.
  5. Капралов Е.Г., Кошкарев А.В., Тикунов В.С. Основы геоинформатики. Учебное пособие для студентов вузов в 2-х книгах. М.: Академия, 2004. 480 с.
  6. Руководство по аэрофотосъемочным работам. Министерство гражданской авиации. М.: Воздушный транспорт, 1986. 176 с.
  7. Chen Q. Airborne lidar data processing and information extraction. Photogrammetric Engineering & Remote Sensing, 2007. No. 73 (2). P. 109–112.
  8. Gorgens E., Valbuena R., Rodriguez L. A Method for Optimizing Height Threshold When Computing Airborne Laser Scanning Metrics. Photogrammetric Engineering and Remote Sensing, 2017. V. 83. No. 5. P. 343–350. DOI: 10.14358/PERS.83.5.343.
  9. Holmgren J., Persson A. Identifying species of individual trees using airborne laser scanner. Remote Sensing of Environment, 2004. V. 90. No. 4. P. 415–423. DOI: 10.1016/S0034-4257(03)00140-8.
  10. Korpela I. Mapping of understory lichens with airborne discrete-return LiDAR data. Remote Sensing of Environment, 2008. V. 112. No. 10. P. 3891–3897. DOI: 10.1016/J.RSE.2008.06.007.
  11. Lohr U. Digital Elevation Models by Laser Scanning: Principle and Applications. Third International Airborne Remote Sensing Conference and Exhibition, 1997. P. 174–180.

Для цитирования: Рыльский И.А., Нокелайнен Т.С., Котова Т.В., Панин А.Н. Расчет категорий проходимости растительности для техники по данным лазерного сканирования. ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2022. Т. 28. Ч. 1. С. 314–324 DOI: 10.35595/2414-9179-2022-1-28-314-324

For citation: Rylskiy I.A., Nokelaynen T.S., Kotova T.V., Panin A.N. Calculation of vegetation passability categories for vehicles based on laser scanning data. InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2022. V. 28. Part 1. P. 314–324. DOI: 10.35595/2414-9179-2022-1-28-314-324 (in Russian)