Интервью было опубликовано в журнале Metsamees

Текст: Сандер Сильм
Фото: Лаури Кулпсоо

Начнем с определения. Что значит удаленный мониторинг?

Удаленный мониторинг – это получение информации об удаленных объектах бесконтактными методами. В основном мы имеем в виду измерения, сделанные с самолетов или спутников.

Противоположностью этому в контексте измерения леса был бы контактный мониторинг, когда таксатор выезжает в лес, измеряет там диаметр и высоту дерева, определяет породу дерева, смотрит на тип почвы и т. д. Цели удаленного мониторинга – сбор аналогичных данных, но уже со спутников, самолетов и, в последнее время, дронов. Правда, большим недостатком дронов в настоящее время остается короткое время полета, но эти технологии развиваются очень быстро.


Удаленный мониторинг делится на пассивный и активный. Чем они отличаются?

При пассивном удаленном мониторинге приборы регистрируют пассивное природное излучение, которое отражается от исследуемых объектов или их ближайшего окружения. Суть активного удаленного мониторинга противоположная: нам больше не нужно солнце, а устройство само посылает сигнал и регистрирует его отражения.
Однако результатом разных технологий является похожий набор данных, состоящий из пикселей, т. е. квадратиков, которые на первый взгляд часто не несут большого объема информации. Однако, если мы заглянем за цветные пиксели, то в действительности сможем увидеть цифры, полученные в результате измерения. Цель практических приложений удаленного мониторинга – понять, как увидеть за этими цифрами лес.

И как увидеть за цифрами лес?

Для этого сначала необходимо прийти в лес, сделать пробные площадки и измерить характеристики, которые важны для нас и которые мы хотим оценить в дальнейшем: возраст и запас леса, высоту древостоя, природные ценности, породный состав древостоя, средний диаметр, условия произрастания, площадь поперечного сечения ствола на высоте груди и т. д. Теперь давайте возьмем эти два набора данных – пиксели удаленного мониторинга и данные пробной площадки – соединим их вместе и начнем моделирование. Когда у нас есть связи и модели, описывающие эти связи, мы можем начать применять эти модели к территориям, где в реальности в лесу не проводились измерения, но имеются различные слои данных удаленного мониторинга, или, короче говоря, мы можем «измерить» лес, не посещая его.

У меня 6 га леса, в котором в свою очередь 14 выделов, поэтому леса очень разные. Каков процент погрешности при распространении данных пробных площадок на большие массивы?

Конечно, есть процент погрешности, его необходимо учитывать при любой оценке и даже измерении. Точно так же и в случае классического лесоустройства существует погрешность оценки и допустимые коэффициенты погрешности. Однако при измерении высоты леса результаты лидара аналогичны или даже более точны, чем при измерении в лесу.


Это и понятно – если кто-то пробовал, например, измерить высоту осины или березы в густом высоком лесу, он знает, как это трудно. Если, например, на основе руководства по лесоустройству процент погрешности, допустимой для лесных запасов, составляет 20, процент погрешности для моделей на основе воздушного лидара находится в том же диапазоне.

Самой большой проблемой удаленного мониторинга является определение видового состава древостоя, потому что в случае с лидаром для этого требуется гораздо более плотный набор данных, чем имеется в настоящее время. В случае спутниковых спектральных измерений важным ограничением является облачный покров и способность данных измерений различать разные лиственные деревья. Поэтому удаленный мониторинг точно не отнимет работу у таксаторов. Удаленный мониторинг делает работу таксаторов проще и эффективнее, ведь, приходя в лес, таксатор уже имеет предварительную информацию.

Является ли воздушный лидар ключевой фразой для удаленного мониторинга лесов?

Именно, воздушный лидар, или воздушный лазерный сканер, установленный на самолете, вертолете или дроне, который летает над лесом. Преимущество лидара в том, что мы также можем видеть, что происходит под пологом. Это отличается, например, от ортофотопланов, где видны только кроны деревьев, и в малой степени то, что видно откуда-то в промежутках между кронами. Однако лидар способен регистрировать отражения вплоть до поверхности земли, где он вычисляет координаты XYZ каждого отраженного импульса для формирования набора данных лидара – облака точек, изображающих лес.

Эстония – прогрессивная в этом отношении страна, мы занимаемся воздушным лазерным сканированием земли с 2008 года в рамках государственной программы Земельного департамента, и эти данные доступны всем бесплатно. В 2017 году сканер заменили на более мощный и плотность точек стала выше: ~1 точка на квадратный метр во время полета летом и почти в два раза больше – весной.

При такой плотности данных невозможно создать наборы данных на основе деревьев, поэтому приходится делать обобщения. При нынешнем наборе общенациональных данных оптимальный размер пикселя составляет 10 x 10 метров, тогда в этом пикселе уже достаточно информации, чтобы делать достоверные оценки. Однако, если использовать в качестве плотности сканирования, скажем, 150 точек или более на квадратный метр, набор данных уже позволяет четко различать вершины кроны, определять на ее основании породы деревьев или при необходимости даже измерять количество лежащей в подлеске древесины.


Мы говорили об удаленном мониторинге, облегчающем жизнь таксаторам, но оказывает ли он большее влияние на лесной сектор?

Удаленный мониторинг всегда был частью классического лесоустройства, ортофотоснимки использовались для визуальной интерпретации очень давно. Независимо от методики, дистанционной или контактной таксации лесов, цель одна: сбор информации для принятия хозяйственных решений. То есть, нам нужны данные, если мы планируем вести в лесу хозяйственную деятельность. Однако в Эстонии есть около 10% частных лесов, которые никогда не таксировались и которыми владельцы, возможно, вообще не хотят управлять. С другой стороны, данные о таксации многих частных лесов устарели, поскольку планы управления лесами составляются на десятилетний цикл. Таким образом, в государственном смысле удаленный мониторинг является вариантом картографирования лесных ресурсов, например, в дополнение к традиционной статистической инвентаризации лесов.

Удаленный мониторинг не заменит людей в лесу ни сейчас, ни в ближайшем будущем. Во-первых, потому что это еще не поддерживается местным законодательством, а во-вторых, потому что с помощью удаленного мониторинга не представляется возможным с достаточной точностью оценить те или иные признаки. Однако были сделаны небольшие шаги в направлении более широкого использования удаленного мониторинга, поскольку термин «удаленный мониторинг» теперь включен в руководство по лесоустройству. Таким образом, удаленный мониторинг упрощает сбор информации в лесу, потому что, приходя в лес, вы не начинаете с нуля.

Как еще можно использовать удаленный мониторинг?

Одним из примеров использования удаленного мониторинга является определение потребности в рубке прореживания, поскольку с помощью воздушного сканирования можно оценить плотность древостоя. Используя методику машинного обучения, мы разработали модель, с помощью которой можно определить необходимость проведения рубок прореживания без использования классических признаков таксации, и в результатах нашего тестового участка мы сделали это почти с 90-процентной точностью. Но, как всегда, если методика будет широко применяться по всей Эстонии, выявятся и узкие места, а качество и достаточное количество моделей и обучающих данных станут решающими для точности прогноза. Тем не менее, судя по первоначальным положительным результатам, есть достаточно оснований для продолжения этого проекта.

По сравнению с соседями, насколько далеко в Эстонии используются возможности удаленного мониторинга?

В этой области мы значительно опережаем страны, расположенные к югу от нас, но по уровню развития науки в этой области нам еще предстоит догнать скандинавские страны. Общаясь с коллегами в той же области из других учреждений, занимающихся государственными лесами, мы находимся на том же уровне с ними в плане практических приложений, и проблемы очень схожи. Самым большим преимуществом Эстонии, пожалуй, является небольшой размер нашей страны, поэтому для Эстонии уже есть три слоя воздушного лазерного сканирования. В случае с большими странами такая база данных не представляется возможной даже в обозримом будущем.


Таури Арумяэ – пионер дистанционного мониторинга в лесоустройстве Эстонии


В 2020 году Таури Арумяэ защитил докторскую диссертацию на тему «Использование воздушного лидара, или воздушного лазерного сканера для описания лесных ресурсов», результатом которой стала разработка методики оценки высоты леса и лесных запасов, а также исследование применимости воздушного лидара для мониторинга раздражителей и рост в высоту.

В настоящее время удаленный мониторинг в основном использует RMK, но эту методику для картографирования лесных ресурсов начало использовать и Агентство по окружающей среде, и в ней также заинтересованы более крупные лесохозяйственные компании.

Удаленный мониторинг помог найти самые высокие в Эстонии осину и сосну

В прошлом году Таури Арумяэ проанализировал данные воздушного лидара Земельного департамента и заметил, что средняя высота первого фронта одного из выделов достигает 45 метров. Он попросил измерить дерево в природе, и оказалось, что в роще прячется самая высокая осина, когда-либо измеренная в Эстонии.

С помощью автоматического тахеометра был получен официальный результат – высота дерева составила 43,22 метра от поверхности земли. Высота на основании облака точек с наземного 3D-сканера составила 43,68 метра, а согласно данным воздушного лидара Земельного департамента – 43,5 м.

Осина рекордной высоты растет в деревне Тийду волости Отепяэ Валгаского уезда. Самая высокая известная до сих пор осина находилась в Ярвселья Тартуского уезда (41,6 метра).

На основе подобного случайного анализа карты высот леса был обнаружен и один из великанов Оотсипалу – сосна Оотсипалу.