Архив
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. 2021. Т. 18. № 3. С. 153-168

Закономерности повреждения ветровалами лесов европейской территории России и Урала: анализ по спутниковым данным

А.Н. Шихов 1 , Д.А. Дремин 1 
1 Пермский государственный национальный исследовательский университет, Пермь, Россия
Одобрена к печати: 09.04.2021
DOI: 10.21046/2070-7401-2021-18-3-153-168
Ветровалы — одни из значимых видов нарушений лесного покрова бореальной зоны. При этом закономерности, определяющие характер и степень повреждения лесов ветровалами в России, остаются малоизученными. В настоящей работе рассмотрена зависимость повреждения лесов ветровалами от их породного состава и возраста, а также от морфометрических параметров рельефа и близости к свежим вырубкам. Анализ выполнен на основе открытых спутниковых данных и цифровых моделей рельефа на примере 10 крупных ветровалов, произошедших в период 1995–2020 гг. в разных районах европейской территории России и Урала и вызванных разными метеорологическими явлениями (шквалами, смерчами и сильным снегопадом). Установлено, что породный состав и возраст насаждений — ключевые факторы, определяющие их подверженность ветровалам. Наиболее подвержены ветровалам спелые и перестойные темнохвойные леса, в отдельных случаях наибольший ущерб отмечен в спелых и перестойных смешанных лесах либо в сосновых лесах. Доля площади ветровалов во вторичных мелколиственных лесах оказалась в 10–50 раз меньше, за исключением случаев, когда ветровалы были вызваны смерчами. Для наиболее крупных ветровалов, вызванных шквалами, подтверждена статистически значимая зависимость площади повреждения лесов от морфометрических параметров рельефа. Доля площади повреждённых насаждений на наветренных склонах в 3–6 раз выше, чем на подветренных участках. Также выявлено существенное (в 1,5–3 раза) увеличение подверженности ветровалам для участков леса, находящихся на расстоянии менее 150 м от свежих рубок. Выявленные зависимости могут быть основой для оценки подверженности лесов воздействию сильных ветров, однако они не являются универсальными для всех ветровалов.
Ключевые слова: ветровалы, степень повреждения древостоев, породный состав и возраст насаждений, факторы местоположения, цифровые модели рельефа, морфометрические характеристики
Полный текст

Список литературы:

  1. Алесенков Ю. М., Мишин А. С., Успин А. А., Якушев А. Б. Влияние штормовых ветров на леса заповедников Урала // Экологические исследования в Висимском биосферном заповеднике: материалы конф. Екатеринбург, 2006. С. 41–47.
  2. Барталев С. А., Егоров В. А., Ершов Д. В., Исаев А. С., Лупян Е. А., Плотников Д. Е., Уваров И. А. Спутниковое картографирование растительного покрова России по данным спектрорадиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 4. С. 285–302.
  3. Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабанов Н. В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 с.
  4. Гаврилюк Е. А., Ершов Д. В. Методика совместной обработки разносезонных изображений Landsat TM и создания на их основе карты наземных экосистем Московской области // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 4. С. 15–23.
  5. Девятова Н. В., Ершов Д. В., Лямцев Н. И., Денисов Б. С. Определение масштабов усыхания хвойных лесов Европейского севера России по данным спутниковых наблюдений // Современные проблемы дистанционного зондирования Земли из космоса. 2007. Т. 4. № 2. С. 204–211.
  6. Денисова А. Ю., Кавеленова Л. М., Корчиков Е. С. Прохорова Н. В., Терентьева Д. А., Федосеев В. А. Пространственная классификация преобладающих древесных пород на территории Самарской области по данным Sentinel-2 и таксации леса // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 4. С. 86–101. DOI: 10.21046/2070-7401-2019-16-4-86-101.
  7. Крылов А. М., Владимирова Н. А. Дистанционный мониторинг состояния лесов по данным космической съемки // Геоматика. 2011. № 3. С. 53–58.
  8. Лабинцев Е. Метрики в задачах машинного обучения // Хабр. 12.05.2017. URL: https://habr.com/ru/company/ods/blog/328372/ (дата обращения: 31.03.2021).
  9. Петухов И. Н. Роль массовых ветровалов в формировании лесного покрова в подзоне южной тайги (Костромская область): дис. … канд. биол. наук. Кострома, 2016. 150 с.
  10. Шихов А. Н., Абдуллин Р. К., Семакина А. В. Картографирование подверженности лесов гибели от пожаров и ветровалов (на примере территории Урала) // Геодезия и картография. 2020. № 4. С. 19–30.
  11. Albrecht A. T., Jung C., Schindler D. Improving empirical storm damage models by coupling with high-resolution gust speed data // Agricultural and Forest Meteorology. 2019. V. 268. P. 23–31.
  12. Boehner J., Antonic O. Land-surface parameters specific to topo-climatology // Geomorphometry — Concepts, Software, Applications. Developments in Soil Science / eds. Hengl T., Reuter H. 2009. V. 33. P. 195–226.
  13. Bouchard M., Pothier D., Ruel J.-C. Stand-replacing windthrow in the boreal forests of eastern Quebec // Canadian J. Forest Research. 2009. V. 39(2). P. 481–487.
  14. Dobbertin M. Influence of stand structure and site factors on wind damage comparing the storms Vivian and Lothar // Forest Snow and Landscape Research. 2002. V. 77(1–2). P. 187–205.
  15. Gardiner B., Byrne K., Hale S., Kamimura K., Mitchell S. J., Peltola H., Ruel J-C. A review of mechanistic modelling of wind damage risk to forests // Forestry. 2008. V. 81(3). P. 447‒463.
  16. Hanewinkel M., Kuhn T., Bugmann H., Lanz A., Brang P. Vulnerability of uneven-aged forests to storm damage // Forestry. 2014. V. 87. P. 525–534.
  17. Hansen M. C., Potapov P. V., Moore R., Hancher M., Turubanova S. A., Tyukavina A., Thau D., Stehman S. V., Goetz S. J., Loveland T. R., Kommareddy A., Egorov A., Chini L., Justice C. O., Townshend J. R. G. High-Resolution Global Maps of 21st-Century Forest Cover Change // Science. 2013. V. 342. P. 850–853.
  18. Hart E., Sim K., Kamimura K., Meredieu C., Guyon D., Gardiner B. Use of machine learning techniques to model wind damage to forests // Agricultural and Forest Meteorology. 2019. V. 265. P. 16–29.
  19. Hovi A., Raitio P., Rautiainen M. A spectral analysis of 25 boreal tree species // Silva Fennica. 2017. V. 51(4). Art. No. 7753.
  20. Iwahashi J., Pike R. Automated classifications of topography from DEMs by an unsupervised nested-means algorithm and a three-part geometric signature // Geomorphology. 2006. V. 86. P. 409–440.
  21. Klaus M., Holsten A., Hostert P., Kropp J. Integrated methodology to assess windthrow impacts on forest stands under climate change // Forest Ecology and Management. 2011. V. 261. P. 1799–1810.
  22. Kramer M. G., Hansen A. J., Taper M. L. Kissinger E. J. Abiotic controls on long-term windthrow disturbance and temperate rain forest dynamics in southeast Alaska // Ecology. 2001. V. 82(10). P. 2749–2768.
  23. Kupfer J. A., Myers A. T., McLane S. E., Melton G. N. Patterns of forest damage in a southern Mississippi landscape caused by Hurricane Katrina // Ecosystems. 2008. V. 11(1). P. 45–60.
  24. Lässig R., Močalov S. A. Frequency and characteristics of severe storms in the Urals and their influence on the development, structure and management of the boreal forests // Forest Ecology and Management. 2000. V. 135. P. 179–194.
  25. Lindemann J. D., Baker W. L. Using GIS to analyse a severe forest blowdown in the Southern Rocky Mountains // Intern. J. Geographical Information Science. 2002. V. 16(4). P. 377–399.
  26. Mitchell S. J. Wind as a natural disturbance agent in forests: a synthesis // Forestry. 2013. V. 6. P. 147–157.
  27. Peltola H., Kellomäki S., Väisänen H., Ikonen V. P. A mechanistic model for assessing the risk of wind and snow damage to single trees and stands of Scots pine, Norway spruce, and birch // Canadian J. Forest Research. 1999. V. 29(6). P. 647–661.
  28. Potapov P. V., Turubanova S. A., Tyukavina A., Krylov A. M., McCarty J. L., Radeloff V. C., Hansen M. C. Eastern Europe’s forest cover dynamics from 1985 to 2012 quantified from the full Landsat archive // Remote Sensing of Environment. 2015. V. 159. P. 28–43.
  29. Rodriguez-Galiano V. F., Ghimire B., Rogan J., Chica-Olmo M., Rigol-Sanchez J. P. An assessment of the effectiveness of a random forest classifier for land-cover classification // ISPRS J. Photogrammetry and Remote Sensing. 2012. V. 67(1). P. 93–104.
  30. Schelhaas M. J., Nabuurs G. J., Schuck A. Natural disturbances in the European forests in the 19th and 20th centuries // Global Change Biology. 2003. V. 9. P. 1620–1633.
  31. Schindler D., Grebhan K., Albrecht A., Schönborn J., Kohnle U. GIS-based estimation of the winter storm damage probability in forests: a case study from Baden-Wuerttemberg (Southwest Germany) // Intern. J. Biometeorology. 2012. V. 56. P. 57–69.
  32. Seidl R., Fernandes P. M., Fonseca T. F., Gillet F., Jönsson A. M., Merganičová K., Netherer S., Arpaci A., Bontemps J.-D., Bugmann H., González-Olabarria J. R., Lasch P., Meredieu C., Moreira F., Schelhaas M. J., Mohren F. Modelling natural disturbances in forest ecosystems: A review // Ecological Modelling. 2011. V. 22(4). P. 903–924.
  33. Seidl R., Thom D., Kautz M., Martin-Benito D., Peltoniemi M., Vacchiano G., Wild J., Ascoli D., Petr M., Honkaniemi J., Lexer M. J., Trotsiuk V., Mairota P., Svoboda M., Fabrika M., Nagel T. A., Reyer C. P. O. Forest disturbances under climate change // Nature Climate Change. 2017. V. 7. P. 395–402.
  34. Shikhov A. N., Chernokulsky A. V. A satellite-derived climatology of unreported tornadoes in forested regions of northeast Europe // Remote Sensing of Environment. 2018. V. 204. P. 553‒567.
  35. Shikhov A. N., Perminova E. S., Perminov S. I. Satellite based analysis of the spatial patterns of fire and storm related forest disturbances in the Ural region, Russia // Natural Hazards. 2019. V. 97(1). P. 283–308.
  36. Shikhov A. N., Chernokulsky A. V., Azhigov I. O., Semakina A. V. A satellite-derived database for stand-replacing windthrow events in boreal forests of European Russia in 1986–2017 // Earth System Science Data. 2020. V. 12. P. 3489–3513.
  37. Suvanto S., Henttonen H. M., Nöjd P., Mäkinen H. Forest susceptibility to storm damage is affected by similar factors regardless of storm type: Comparison of thunder storms and autumn extra-tropical cyclones in Finland // Forest Ecology and Management. 2016. V. 381. P. 17–28.
  38. Suvanto S., Peltoniemi M., Tuominen S., Strandström M., Lehtonen A. High-resolution mapping of forest vulnerability to wind for disturbance-aware forestry // Forest Ecology and Management. 2019. V. 453. Art. No. 117619.
  39. Ulanova N. G. The effects of windthrow on forests at different spatial scales: a review // Forest Ecology and Management. 2000. V. 135. P. 155–167.