Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. №3. С. 277-282

Анализ возможности определения запасов древесных пород по спутниковым данным Landsat ETM

Е.Н. Сочилова , Д.В. Ершов 
Центр по проблемам экологии и продуктивности лесов Российской академии наук, 117997, Москва, ул. Профсоюзная, 84/32
В работе изучается возможность использования данных оптических спутниковых систем Landsat для определения запасов стволовой древесины лиственницы и осины. Анализ проводился методом восстановления регрессионных зависимостей между значениями спектральной яркости в красном канале изображений Landsat и таксационными характеристиками по данным лесоустройства. Уровень взаимосвязи между данными показателями составил, соответственно 0,83 (для лиственницы) и 0,79 (для осины).
Ключевые слова: запасы стволовой древесины, дистанционное зондирование, лесное хозяйство
Полный текст

Список литературы:

  1. Замолодчиков Д.Г., Уткин А.И., Честных О.В. Коэффициенты конверсии запасов насаждений в фитомассу для основных лесообразующих пород России // Лесная таксация и лесоустройство. Сиб. государ. техн. ун-т. 2003. Вып. 1(32). С. 119 - 127.
  2. Jakubauskas M.E., Price K.P. Empirical relationships between structural and spectral factors of Yellowstone lodgepole pine forests // Photogr. Eng. Remote Sen. 1997. 63 (12). P. 1375-1381.
  3. Foody G.M., Boyd D.S., Cutler M.J. Predictive relations of tropical forest biomass from Landsat TM data and their transferability between regions // Remote Sens. Environ. 2003. 85. P. 463-474.
  4. Franklin J. Thematic mapper analysis of coniferous forest structure and composition // Int. J. Remote Sens. 1986. 7 (10). P. 1287-1301.
  5. Markham B.L. and Barker J.L. Landsat MSS and TM post-calibration dynamic ranges, exoatmospheric reflectances and at-satellite temperatures // Earth Observation Satellite Co., Lanham, MD Landsat Technical Notes, Volume 1, No. 1, August 1986, P. 3-8.282
  6. Roy P.S., Ravan S.A. Biomass estimation using satellite remote sensing data: an investigation on possible approaches for natural forest // J. Biosc. 1996. 21 (4). P. 535-561.
  7. Vohland M., Stoffels J., Hau C., Schüler G. Remote sensing techniques for forest parameter assessment: multispectral classification and linear spectral mixture analysis // Silva Fennica. 2007. 41(3). P. 441-456.