АНАЛИЗ ИЗМЕНЕНИЯ БИОМАССЫ С ИСПОЛЬЗОВАНИЕМ МЕТОДА ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ сочинение пример

ООО "Сочинения-Про"

Ежедневно 8:00–20:00

Санкт-Петербург

Ленинский проспект, 140Ж

Сочинение на тему АНАЛИЗ ИЗМЕНЕНИЯ БИОМАССЫ С ИСПОЛЬЗОВАНИЕМ МЕТОДА ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ

1. Введение

Большая часть населения Руанды живет в фермерских общинах, где сельское хозяйство является основным источником дохода и средств к существованию. Это может привести к серьезной деградации земель из-за сельскохозяйственной деятельности и высокого спроса на дрова. Кроме того, расчищается большое количество земельных участков.

Биомасса играет важную роль, предоставляя различные экосистемные услуги, которые могут помочь в адаптации и смягчении последствий глобального изменения климата. Данные спектрального индекса растительности используются для изучения взаимосвязи между климатом и растительностью на уровне ландшафтов, для оказания помощи в управлении земельными ресурсами и устойчивого использования лесных и других растительных ресурсов, а также для изучения последствий изменения климата и связывания углерода различными типами растительности (Nurhussen, 2016 ). В настоящее время глобальный растительный покров уменьшается из-за антропогенной деятельности, в основном за счет вырубки лесов для других нуждающихся видов землепользования.

Дистанционное зондирование в широком смысле определяется как наука о сборе и интерпретации информации о цели без физического контакта с ней (Sabins, 1997). Процесс дистанционного зондирования в основном заключается в анализе и интерпретации данных, собранных датчиком. Подходы дистанционного зондирования предоставляют полезную информацию об исследуемом объекте с разных точек зрения и включают в себя разнообразные методы – от традиционных методов визуальной интерпретации до методов извлечения цифровой информации с использованием сложного компьютерного процесса.

Это исследование было направлено на анализ сезонного изменения биомассы с использованием данных дистанционного зондирования спутников, район Мусанзе, Руанда, с учетом конкретных задач; составить карту существующего и текущего состояния биомассы в секторе кимонии, составить карты NDVI и тренды классов биомассы по всему району исследования, провести сезонную оценку состояния растительности, выявить сезонные изменения в растительной биомассе. Таким образом, исследование показало, что дистанционное зондирование является мощным инструментом для мониторинга изменения биомассы в определенный период, и, следовательно, непосредственно способствует любой деятельности по планированию, особенно в области деградации окружающей среды и сельского хозяйства.

2. Методология

2.1 Описание учебного района

Кимонийский сектор является одним из пятнадцати секторов района Мусанзе в северной провинции Руанды. Сектор Кимони имеет 4 ячейки, включая Бириру, Бурамиру, Мбици и Кивумуи. Население города составляет пятнадцать тысяч пятьсот восемьдесят девять (15 589) (НИСР, 2012). Реле сектора Кимоний в части вулканической равнины со средней высотой 1860 м и площадью 21 60 км2 (Luis & Byizigiro, 2012). В области исследования имеется четыре сезона: длинный сезон дождей, который начинается с марта по май, длинный сухой сезон, который начинается с июня до середины сентября, короткий сезон дождей, который начинается с октября по ноябрь, и, наконец, короткий сезон дождей, который начинается с С декабря по февраль.

2.2 Обработка спутниковых данных

Для выполнения этого исследования с веб-платформы USGS (www.earthexplorer.usgs.gov/) были загружены четыре изображения Landsat 8 OLI / TIRS за май 2016 г., август 2016 г., ноябрь 2016 г. и январь 2017 г. Датчики спутников Landsat предоставляют данные в 11 спектральных диапазонах с пространственным разрешением 30 м для мультиспектрального диапазона и 15 м для панхроматического диапазона.

3. Предварительная обработка и анализ изображений

3.1 Регистрация геометрического изображения

Регистрация геометрического изображения была выполнена с целью минимизации всех геометрических искажений, присущих изображению. Изображения Участок СБ L8 OLI был зарегистрирован в общей универсальной поперечной проекции Меркатора (UTM) проекции, 35 зоны с WSG84 как Datum, устраняя тем самым большое количество геометрических ошибок в исходных данных.

3.2 стека слоев

Этот шаг был выполнен для объединения отдельных полос в одно многоспектральное изображение. Комбинированные полосы для Landsat 8 OLI: band2, band3, band4, band5, band6 и band7 (Barsi et al., 2014). Это позволяет проводить исследования для выделения и анализа растительного покрова с использованием изображений Landsat, полосы 3,4 и 5 наиболее Подходит для этого анализа, поскольку они сочетают в себе наиболее важные аспекты спектральной отражательной способности растительности.

3.3 Разрешение слияния

Было выполнено слияние с разрешением, где мультиспектральные полосы были объединены с панхроматической полосой, чтобы получить изображение с разрешением 15 метров, чтобы улучшить и увеличить видимость изображений (Johnson et al., 2012).

Плитка Landsat намного больше, чем область изучения проекта. В этом случае выгодно установить загруженное изображение так, чтобы оно оставалось только в интересующей области (JARS, 1993). Шейп-файл области исследования был перепроецирован для получения проекции, аналогичной проекции спутникового изображения. Затем он был использован для создания подмножества этого спутникового изображения с помощью программного обеспечения Erdas ima 2014

4.1 Визуальная интерпретация изображений

Интерпретация изображения – это процесс ручного и цифрового исследования цифрового изображения с дистанционным зондированием для извлечения необходимой информации или для определения характеристик этого изображения. Характеристики изображения (также называемые атрибутами изображения) состоят из семи элементов, которые используются для получения информации об объектах в изображении

4.2 NDVI-вычисление

Нормализованный разностный вегетационный индекс (NDVI) был рассчитан с использованием инструмента создателя модели в ERDAS Imagine. Обычно это соотношение между измеренной отражательной способностью в красной (band4) и ближней инфракрасной (band5) частях электромагнитного спектра. Значения NDVI находятся в диапазоне от -1 до 1. NDVI рассчитывается по следующей формуле (Richardson & Everitt, 1992):

NDVI = (NIR (band5) -RED (band4)) / (NIR (band5) + RED (band4) (1)

4. 3 Индекс состояния растительности (VCI)

VCI количественно определяет погоду. Связанный с погодой конверт NDVI линейно масштабируется до 0 для минимального NDVI и до 100 для максимума для каждой ячейки сетки и недели (Parrinaz et al., 2008). Он определяется как VCI = (NDVI-NDVImin) / (NDVIMAX-NDVI Min) (2)

Где NDVI max и NDVI min – максимальное и минимальное значение этого изображения NDVI. VCI изменяется от 0 до 100, что соответствует изменениям состояния растительности от-до крайне неблагоприятных для оптимальных.

4.5 Классификация NDVI

Рассчитанный NDVI был переклассифицирован в ArcGIS 10.3. Переклассификация выполняется для назначения значений предпочтения, чувствительности, приоритета или некоторых аналогичных критериев для растра. Для настоящего исследования NDVI был реклассифицирован в три основных класса.

Поделиться сочинением
Ещё сочинения
Нет времени делать работу? Закажите!

Отправляя форму, вы соглашаетесь с политикой конфиденциальности и обработкой ваших персональных данных.