ПАО «НК «Роснефть» уделяет особое внимание разработке и совершенствованию теоретических и практических основ технологических бизнес-процессов с применением инновационных технологий для решения задач проектирования и изысканий. Данные исследования позволяют эффективнее использовать трудовые и материальные ресурсы в процессе обустройства и эксплуатации нефтяных месторождений в интересах компании.
В статье исследованы возможности применения объектно-ориентированного подхода к классификации породного состава древостоя на основе мультиспектральной аэрофотосъемки с беспилотного воздушного судна (БВС) в комплексе с воздушным лазерным сканированием (ВЛС), а также применимость фотограмметрического облака точек для выполнения таксации лесосек. Представлены результаты проверки достоверности и точности определения высот древесной растительности методами аэрофотосъемки и ВЛС и оценки таксационных показателей как составной части лесоустроительных и лесотаксационных работ. Приведены особенности поиска вершин деревьев по облаку точек с последующей классификацией методом объектно-ориентированного анализа изображений (OBIA) с применением статистических данных спектральных каналов в различных диапазонах и проверкой возможности выделения информации о породном составе древостоя. Рассмотрены результаты проверки достоверности и определения точности фиксации высот древесной растительности методами аэрофотосъемки и ВЛС. Сделаны выводы о возможности применения OBIA на основе мультиспектральных данных для классификации древесных пород, фотограмметрического облака точек с целью оценки высот деревьев.
Данная работа направлена на оптимизацию собственной методики проведения таксации, разработку технологии автоматизации таксации лесосек по данным ВЛС и цифровой аэрофотосъемки с БВС. Ее результаты могут быть использованы как для оптимизации существующего процесса лесотаксации, так и для оперативной актуализации материалов лесоустройства на территориях лицензионных участков.
Список литературы
1. Опыт использования мультиспектрального аэрофотосъемочного оборудования в комплексе с беспилотным воздушным судном для решения задач лесотаксации и топографии / А.Н. Погородний, Н.Н. Филин, С.А. Шумейко [и др.] // Нефтяное хозяйство. – 2021. – № 9. – С. 90–94. – https://doi.org/10.24887/0028-2448-2021-9-90-94
2. Шумейко С.А., Филин Н.Н. Применение беспилотных летательных аппаратов непрофессионального сегмента для решения инженерно-геодезических задач и картографирования территорий месторождений // Нефтяное хозяйство. – 2019. – № 10. – С. 42-45. – https://doi.org/10.24887/0028-2448-2019-10-42-45
3. Lopez J.P.A. Object-based methods for mapping and monitoring of urban trees with multitemporal image analysis, Ph.D. dissertation, University of Twente, 2012.
4. Combining Watershed Transformation and Local Maxima Approach in Developing a Tree Detection and Counting Methodology using Object-Based Image Analysis/ T.A.M. Rollan [et al.] // Proceedings of South East Asian Survey Congress 2015. – 2015.
5. Tiede D., Hoffmann Ch. Process oriented object-based algorithms for single tree detection using laser scanning // EARSeL-Proceedings of the Workshop on 3D Remote Sensing in Forestry. – 14th-15th Feb 2006. – Vienna. – P. 151–156.
6. Object-Based Land Cover Classification of Cork Oak Woodlands using UAV Imagery and Orfeo ToolBox. / De Luca Giandomenico, M. N. Silva João, Cerasoli Sofia [et al.] // Remote Sens. – 2019. – V. 11(10). – 1238 р. – DOI: 10.3390/rs11101238
7. An Integrated Object and Machine Learning Approach for Tree Canopy Extraction from UAV Datasets. / A. Adhikari, M. Kumar, Sh. Agrawal, [et al.] // Journal of the Indian Society of Remote Sensing. – 2021. – V. 49. – P. 471–478. – DOI:10.1007/s12524-020-01240-2
8. Dominant trees analysis using UAV LiDAR and photogrammetry /Qingwang Liu; Shiming Li; Xin Tian [et al.] // Proceedings of IEEE International Geoscience and Remote Sensing Symposium 2020. – 2020. – P. 4649–4652. – DOI: 10.1109/IGARSS39084.2020.9323664
9. Mapping canopy height using a combination of digital photogrammetry and lidar / B. St‐Onge, C. Vega, R.A. Fournier [et al.] // International Journal of Remote Sensing. – 2008. – V. 29. – № 11. – DOI:10.1080/01431160701469040
