Метод отнесения земель к землям, занятым лесной растительностью, по аэрокосмическим снимкам Landsat
DOI:
https://doi.org/10.37482/0536-1036-2020-3-83-92Ключевые слова:
землепользование, лесное хозяйство, лесовосстановление, LandsatАннотация
Спутниковые данные становятся важным инструментом для мониторинга изменений, происходящих в лесном покрове. Дальнейшее развитие технологий дистанционного зондирования Земли создает возможности для решения более сложных задач, требующих многократного анализа спутниковых данных. Оценка успешности лесовосстановления после возникновения нарушений в лесном покрове является такой задачей. Традиционный метод оценки успешности лесовозобновления – закладка пробных площадей – требует значительных временных затрат и ресурсов. Полевые работы и отнесение земель к землям, занятым лесными насаждениями, через закладку пробных площадей производятся по методике, разработанной Федеральным агентством лесного хозяйства России. Данная методика имеет различные критерии успешного лесовозобновления для каждого региона. Территориями исследования стали Архангельская и Вологодская области, а также Республика Карелия. Растительность данного региона относится к таежной зоне и разделяется на пять групп: районы притундровых лесов и редкостойной тайги, северо-таежный, среднетаежный и южно-таежный районы. Международная классификация относит данные леса к группе бореальных. Использование спутниковых данных позволит оптимизировать мероприятия по отнесению лесных участков к землям, занятым лесными насаждениями. Проведен анализ индексов восстановления NDVI, SWVI и NBR на объектах лесовозобновления. На каждый исследуемый объект получены полевые данные о количестве подроста, средней высоте древостоя и породном составе. Обработка большого количества спутниковых снимков требует значительных вычислительных мощностей, поэтому для проведения анализа использовалась платформа Google Earth Engine. На основе полученных данных выбран наиболее пригодный для создания автоматической методики по переводу земель в лесопокрытую площадь индекс SWVI как наилучший спектральный индекс для разделения земель на достигшие и не достигшие критериев отнесения к землям, занятым лесными насаждениями. Оптимальным порогом для перевода земель стало достижение 80 % восстановления от первоначальных значений индекса до возникновения нарушений в лесном покрове. Использование метода k-средних и пороговых значений индекса для перевода позволило создать автоматизированную методику.
Для цитирования: Karpov A., Waske B. Method for Transferring Non-Forest Cover to Forest Cover Land Using Landsat Imageries // Изв. вузов. Лесн. журн. 2020. № 3. С. 83–92. DOI: 10.37482/0536-1036-2020-3-83-92
Финансирование: Данное исследование проведено в рамках проекта «Мониторинг лесов в Архангельской области с использованием данных мультисенсорного дистанционного зондирования», финансируемого Министерством образования и науки России и Германской службой академических обменов в рамках программы «Михаил Ломоносов» (проект № АААА-А19-119020590052-2).
Скачивания
Библиографические ссылки
Алешко Р.А., Алексеева А.А., Шошина К.В., Богданов А.П., Гурьев А.Т. Разработка методики актуализации информации о лесном участке с использованием снимков со спутников и малых БПЛА // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 87–99. [Aleshko R.A., Alekseeva A.A., Shoshina K.V., Bogdanov A.P., Guriev A.T. Development of the Methodology to Update the Information on a Forest Area Using Satellite Imagery and Small UAVs. Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa [Current problems in remote sensing of the Earth from space], 2017, vol. 14, no. 5, pp. 87–99]. DOI: 10.21046/2070-7401-2017-14-5-87-99
Алешко Р.А., Гурьев А.Т., Шошина К.В., Щеников В.С. Разработка методики визуализации и обработки геопространственных данных // Научная визуализация. 2015. № 1. С. 20–29. [Aleshko R.A., Guriev A.T., Shoshina K.V., Schenikov V.S. Development of Methodology for Visualization and Processing of Geospatial Data. Nauchnaya vizualizatsiya [Scientific Visualization], 2015, no. 1, pp. 20–29].
Богданов А.П., Карпов А.А., Демина Н.А., Алешко Р.А. Совершенствование мониторинга лесов путем использования облачных технологий как элемента устойчивого лесоуправления // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15, № 1. С. 89–100. [Bogdanov A.P., Karpov A.A., Demina N.A., Aleshko R.A. Improving Forest Monitoring by Using Cloud Technologies as an Element of Sustainable Forest Management. Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa [Current problems in remote sensing of the Earth from space], 2018, vol. 15, no. 1, pp. 89–100]. DOI: 10.21046/2070-7401-2018-15-1-89-100
Приказ М-ва природных ресурсов и экологии Российской Федерации от 29 июня 2016 г. № 375 «Об утверждении Правил лесовосстановления»: Доступ из справ.-правовой системы «Консультант Плюс». [Order of the Ministry of Natural Recourses and Ecology of the Russian Federation “On the Approval of the Rules of Reforestation” on June 29, 2016 no. 375].
Aicardi I., Garbarino M., Lingua A., Lingua E., Marzano R., Piras M. Monitoring Post-Fire Forest Recovery Using Multi-Temporal Digital Surface Models Generated from Different Platforms. EARSeL eProceedings, 2016, vol. 15, no. 1, pp. 1–8.
Chu T., Guo X., Takeda K. Remote Sensing Approach to Detect Post-Fire Vegetation Regrowth in Siberian Boreal Larch Forest. Ecological Indicators, 2016, vol. 62, pp. 32–46. DOI: 10.1016/j.ecolind.2015.11.026
Frazier R.J., Coops N.C., Wulder M.A. Boreal Shield Forest Disturbance and Recovery Trends Using Landsat Time Series. Remote Sensing of Environment, 2015, vol. 170, pp. 317–327. DOI: 10.1016/j.rse.2015.09.015
Gauthier M.-M., Barrette M., Tremblay S. Commercial Thinning to Meet Wood Production Objectives and Develop Structural Heterogeneity: A Case Study in the Spruce-Fir Forest, Quebec, Canada. Forests, 2015, vol. 6(2), pp. 510–532. DOI: 10.3390/f6020510
Gradel A., Ammer C., Ganbaatar B., Nadaldorj O., Dovdondemberel B., Wagner S. On the Effect of Thinning on Tree Growth and Stand Structure of White Birch (Betula platyphylla Sukaczev) and Siberian Larch (Larix sibirica Ledeb.) in Mongolia. Forests, 2017, vol. 8(4), art. 105. DOI: 10.3390/f8040105
Hansen M.C., Potapov P.V., Moore R., Hancher M., Turubanova S.A., Tyukavina A. et al. High-Resolution Global Maps of 21st-Century Forest Cover Change. Science, 2013, vol. 342, iss. 6160, pp. 850–853. DOI: 10.1126/science.1244693
Keshava N., Mustard J.F. Spectral Unmixing. IEEE Signal Processing Magazine, 2002, vol. 19, iss. 1, pp. 44–57. DOI: 10.1109/79.974727
Pickell P.D., Andison D.W., Coops N.C. Characterizations of Anthropogenic Disturbance Patterns in the Mixedwood Boreal Forest of Alberta, Canada. Forest Ecology and Management, 2013, vol. 304, pp. 243–253. DOI: 10.1016/j.foreco.2013.04.031
Pickell P.D., Hermosilla T., Frazier R.J., Coops N.C., Wulder M.A. Forest Recovery Trends Derived from Landsat Time Series for North American Boreal Forests. International Journal of Remote Sensing, 2015, vol. 37, iss. 1, pp. 138–149. DOI: 10.1080/2150704X.2015.1126375
Potapov P., Turubanova S., Hansen M.C. Regional-Scale Boreal Forest Cover and Change Mapping Using Landsat Data Composites for European Russia. Remote Sensing of Environment, 2011, vol. 115, iss. 2, pp. 548–561. DOI: 10.1016/j.rse.2010.10.001
Turner B.L., Lambin E.F., Reenberg A. The Emergence of Land Change Science for Global Environmental Change and Sustainability. PNAS, 2007, vol. 104(52), pp. 20666–20671. DOI: 10.1073/pnas.0704119104
Vila J.P.S., Barbosa P. Post-Fire Vegetation Regrowth Detection in the Deiva Marina Region (Liguria-Italy) Using Landsat TM and ETM+ Data. Ecological Modelling, 2010, vol. 221, iss. 1, pp. 75–84. DOI: 10.1016/j.ecolmodel.2009.03.011
White J.C., Saarinen N., Kankare V., Wulder M.A., Hermosilla T., Coops N.C. et al. Confirmation of Post-Harvest Spectral Recovery from Landsat Time Series Using Measures of Forest Cover and Height Derived from Airborne Laser Scanning Data. Remote Sensing of Environment, 2013, vol. 216, pp. 262–275. DOI: 10.1016/j.rse.2018.07.004
Yi K., Tani H., Zhang J., Guo M., Wang X., Zhong G. Long-Term Satellite Detection of Post-Fire Vegetation Trends in Boreal Forests of China. Remote Sensing, 2013, vol. 5, iss. 12, pp. 6938–6957. DOI: 10.3390/rs5126938
Zhao F.R., Meng R., Huang C., Zhao M., Zhao F.A., Gong P., Yu L., Zhu Z. LongTerm Post-Disturbance Forest Recovery in the Greater Yellowstone Ecosystem Analyzed Using Landsat Time Series Stack. Remote Sensing, 2016, vol. 8(11), art. 898. DOI: 10.3390/rs8110898
