Предложен новый метод сглаживания цифровой модели растительного покрова (Canopy Height Model – CHM) с контролированием точности (пороговый фильтр) на основе фильтра Гаусса в ГИС. Стандартные методы фильтрации изображений обладают существенным недостатком – при увеличении размера скользящего окна или количества итераций наряду с устранением шумов отмечается неконтролируемая потеря точности. Решение данной проблемы необходимо искать в способе фильтрации, который позволяет контролировать степень сглаживания, например, с использованием порогового значения. Выбор порогового значения зависит от необходимой точности, масштаба или детальности. В целом, используя количество N итераций, возможно сгладить модель CHM в пределах порогового значения.

Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 14-05-31206мол_а.

Ризаев Игорь Геннадьевич, кандидат географических наук, преподаватель кафедры геоинформатики Кубанского государственного университета. 350040, г. Краснодар, ул. Ставропольская, д. 149. E-mail: rizaev_i@inbox.ru

Погорелов Анатолий Валерьевич, доктор географических наук, профессор, заведующий кафедрой геоинформатики Кубанского государственного университета. 350040, г. Краснодар, ул. Ставропольская, д. 149. E-mail: pogorelov@nm.ru

Бойко Евгений Сергеевич, кандидат географических наук, доцент кафедры геоинформатики Кубанского государственного университета. 350040, г. Краснодар, ул. Ставропольская, д. 149. E-mail: boykoes@yandex.ru

1. Persson A., Holmgren J., Soderman U. Detecting and measuring individual trees using an airborne laser scanner // Photogrammetric Engineering & Remote Sensing. – 2002. – Vol. 68. – P. 925-932.
2. Brandtberg T., Warner T.A., Landenberger R.E., McGraw J.B. Detection and analysis of individual leaf-off tree crowns in small footprint, high sampling density lidar data from the eastern deciduous forest in North America // Remote Sensing of Environment. – 2003. – Vol. 85. – P. 290-303.
3. Maltamo M., Mustonen K., Hyyppä J., Pitkanen J., Yu X. The accuracy of estimating individual tree variables with airborne laser scanning in a boreal nature reserve // Canadian Journal of Forest Research. – 2004. – Vol. 34. – P. 1791-1801.
4. Nelson R., Short A., Valenti M. Measuring biomass and carbon in Delaware using an airborne profiling LIDAR // Scandinavian Journal of Forest Research. – 2004. – Vol. 19. – P. 500-511.
5. Ronnholm P., Hyyppa J., Hyyppa H., Haggren H., Yu X., Kaartinen H. Calibration of laser-derived tree height estimates by means of photogrammetric techniques // Scandinavian Journal of Forest Research. – 2004. –Vol. 19. – P. 524-528.
6. Shan J., Toth C.K. Topographic laser ranging and scanning: principles and processing. – Boca Raton : CRC Press, Taylor & Francis Group, 2008. – 616 p.
7. Danneels G., Havenith H.B., Caceres F., Outal S., Pirard E. Filtering of ASTER digital elevation models using mathematical morphology // In Elevation Models for Geoscience, Edited by C. Fleming, S.H. Marsh, J.R.A. Giles. – 2010. – Vol. 345. – P. 33-42.
8. Stevenson J.A., Sun X., Mitchell N.C. Despeckling SRTM and other topographic data with a denoising algorithm // Geomorphology. – 2010. – Vol. 114. – P. 238-252.
9. Mather P.M. Computer Processing of Remotely-Sensed Images: An Introduction, – 3rd edition. – Chichester : John Wiley and Sons., 2004. – 324 p.
10. Hyyppä J., Kelle O., Lehikoinen M., Inkinen M. A segmentation-based method to retrieve stem volume estimates from 3-D tree height models produced by laser scanners // IEEE Transactions on Geoscience and Remote Sensing. – 2001. – Vol. 39. – P. 969-975.
11. Leckie D., Gougeon F., Hill D., Quinn R., Armstrong L., Shreenan R. Combined high-density lidar and multispectral imagery for individual tree crown analysis // Canadian Journal of Remote Sensing. – 2003. –Vol. 29. – P. 633-649.
12. Rowell E., Seielstad C., Vierling L., Queen L., Shepperd W. Using laser altimetry-based segmentation to refine automated tree identification in managed forests of the Black Hills, South Dakota // Photogrammetric Engineering and Remote Sensing. – 2006. – Vol. 72. – P. 1379-1388.
13. Hosoi F., Matsugami H., Watanuki K., Shimizu Y., Omasa K. Accurate detection of tree apexes in coniferous canopies from airborne scanning light detection and ranging images based on crown-extraction filtering // Journal of Applied Remote Sensing. – 2012. – Vol. 6. – P. 1-13.
14. Ризаев И.Г., Погорелов А.В. Метод фильтрации цифровых моделей растительного покрова на основе лазерного сканирования // В мире научных открытий. – 2014. – № 12.1. – С. 408-431.
15. Li Z. Algorithmic foundation of multi-scale spatial representation. – Boca Raton : CRC Press, Taylor & Francis Group, 2007. – 282 p.
16. Gonzalez R.C., Woods R.E. Digital Image Processing. – 2nd edition. – New Jersey : Prentice-Hall, 2002. – 793 p.
17. Russ J.C. The Image Processing Handbook. – 6th edition. – Boca Raton : CRC Press, Taylor & Francis Group, 2011. – 838 p.
18. Lindeberg T. Scale-space theory: a basic tool for analyzing structures at different scales // Journal of Applied Statistics. – 1994. – Vol. 21. – P. 225-270.
19. Yu X., Hyyppa J., Vastaranta M., Holopainen M., Viitala R. Predicting individual tree attributes from airborne laser point clouds based on the random forests technique // ISPRS Journal of Photogrammetry and Remote Sensing. – 2011. – Vol. 66. – P. 28-37.
20. Nixon M.S., Aguado A.S. Feature Extraction & Image Processing for Computer Vision. – 3rd edition. – Oxford : Academic Press, 2012. – 609 p.
21. Richards J.A., Jia X. Remote Sensing Digital Image Analysis: An Introduction. – 4th edition. – Berlin Heidelberg : Springer-Verlag, 2006. – 439 p.
22. Simard M., Pinto N., Fisher J.B., Baccini A. Mapping forest canopy height globally with spacebornelidar // Journal of Geophysical Research. – 2011. – Vol. 116. – P. 1-12.