Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 168-180
Оптико-микроволновая диагностика залесения сельскохозяйственных земель
А.В. Дмитриев
1 , Т.Н. Чимитдоржиев
1 , С.И. Добрынин
1 , О.А. Худайбердиева
1 , И.И. Кирбижекова
1 1 Институт физического материаловедения СО РАН, Улан-Удэ, Россия
Одобрена к печати: 26.07.2022
DOI: 10.21046/2070-7401-2022-19-4-168-180
В контексте уточнения оценки поглощения углерода сибирскими бореальными лесами предлагается методика комплексной оценки залесения сосновым подростом заброшенных земель сельскохозяйственного назначения. Методика основана на исследовании зависимости интенсивности обратного радиолокационного рассеяния в L диапазоне длин волн от биомассы лесного подроста и анализе долговременных рядов вегетационных индексов в период наличия снежного покрова. Для исследований использованы данные радиолокаторов с синтезированной апертурой (РСА) PALSAR 1, -2 (ALOS 1, -2), а также 32-дневные композиты вегетационных индексов NDVI и EVI, полученные с помощью облачной платформы Google Earth Engine (GEE) на основе спектрозональных оптических снимков спутников Landsat-5, -7, -8. Для сравнительной оценки рассмотрены два участка залесения в районе оз. Байкал, изменение которых контролировалось при помощи разновременных данных сверхвысокого разрешения картографического сервиса Google Earth. В результате проведённых исследований показано устойчивое возрастание величины обратного радиолокационного рассеяния от соснового молодняка на протяжении 14–15 лет. За этот период времени суммарная биомасса подроста (стволы и ветви) достигает значений, при которых дальнейший рост деревьев не оказывает влияния на уровень радиолокационного эхосигнала, т. е. наступает порог «насыщения». Установлено, что в начальный период роста молодых деревьев временная динамика интенсивности обратного рассеяния на кросс-поляризации может быть описана линейной зависимостью (коэффициент детерминации больше 0,9). Обнаружено определённое согласие динамики индекса EVI и величины обратного радиолокационного рассеяния для одного из тестовых участков, который характеризуется более ранним и равномерным залесением. Сделан вывод, что предлагаемый комплексный подход достаточно хорошо выделяет период интенсивного увеличения лесного подроста и может быть использован как основа для классификации леса при определении поглощающей способности углерода.
Ключевые слова: спутниковая радиолокация, вегетационные индексы, анализ временных рядов, залесение
Полный текстСписок литературы:
- Барталев С. А., Ворушилов И. И., Егоров В. А. Построение и радиометрическая нормализация безоблачных композитных спутниковых изображений покрытой снегом земной поверхности для мониторинга лесов // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 2. С. 57–69. DOI: 10.21046/2070-7401-2022-19-2-57-69.
- Дмитриев А. В., Чимитдоржиев Т. Н., Дагуров П. Н. Оптико-микроволновая диагностика восстановления леса после пожаров // Вычисл. технологии. 2022. Т. 27. № 2. С. 105–121. DOI: 10.25743/ICT.2022.27.2.009.
- Ховратович Т. С., Барталев С. А., Кашницкий А. Б. Метод детектирования изменений лесов на основе подпиксельной оценки проективного покрытия древесного полога по разновременным спутниковым изображениям // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 6. № 4. С. 102–110. DOI: 10.21046/2070-7401-2019-16-4-102-110.
- Чимитдоржиев Т. Н., Ефременко В. Об использовании различных индексов вегетации в дистанционном зондировании экосистем // Исслед. Земли из космоса. 1998. № 3. С. 49–56.
- Чимитдоржиев Т. Н., Дмитриев А. В., Кирбижекова И. И., Шерхоева А. А., Балтухаев А. К., Дагуров П. Н. Дистанционные оптико-микроволновые измерения параметров леса: современное состояние исследований и экспериментальная оценка возможностей // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 9–26. DOI: 10.21046/2070-7401-2018-15-4-9-24.
- Banda F., Giudici D., Le Toan T., Mariotti d’Alessandro M., Papathanassiou K., Quegan S., Riembauer G., Scipal K., Soja M., Tebaldini S., Ulander L., Villard L. The BIOMASS Level 2 Prototype Processor: Design and Experimental Results of Above-Ground Biomass Estimation // Remote Sensing. 2020. V. 12. No. 6. Art. No. 985. 28 p. DOI: 10.3390/rs12060985.
- Bellassen V., Luyssaert S. Carbon sequestration: Managing forests in uncertain times // Nature. 2014. V. 506. No. 7487. P. 153–155. DOI: 10.1038/506153a.
- Bondur V. G., Chimitdorzhiev T. N., Kirbizhekova I. I., Dmitriev A. V. Estimation of Postfire Reforestation with SAR Polarimetry and NDVI Time Series // Forests. 2022. V. 13. No. 5. Art. No. 814. 10 p. DOI: 10.3390/f13050814
- Chazdon R. L., Broadbent E. N., Rozendaal D. M. A., Bongers F., Zambrano A. M. A., Aide T. M., Balvanera P., Becknell J. M., Boukili V., Brancalion P. H. S., Craven D., Almeida-Cortez J. S., Cabral G. A. L., Jong Ben de, Denslow J. S., Dent D. H., DeWalt S. J., Dupuy J. M., Durán S. M., Espírito-Santo M. M., Fandino M. C., César R. G., Hall J. S., Hernández-Stefanoni J. L., Jakovac C. C., Junqueira A. B., Kennard D., Letcher S. G., Lohbeck M., Martínez-Ramos M., Massoca P., Meave J. A., Mesquita R., Mora F., Muñoz R., Muscarella R., Nunes Y. R. F., Ochoa-Gaona S., Orihuela-Belmonte E., Peña-Claros M., Pérez-García E. A., Piotto D., Powers J. S., Rodríguez-Velazquez J., Romero-Pérez I. E., Ruíz J., Saldarriaga J. G., Sanchez-Azofeifa A., Schwartz N. B., Steininger M. K., Swenson N. G., Uriarte M., Breugel M., Wal H., Veloso M. D. M., Vester H., Vieira I. C. G., Bentos T. V., Williamson G. B., Poorter L. Carbon sequestration potential of second-growth forest regeneration in the Latin American tropics // Science Advances. 2016. V. 2. No. 5. Art. No. e1501639. 10 p. DOI: 10.1126/sciadv.1501639.
- Dobson M. C., Ulaby F. T., LeToan T., Beaudoin A., Kasischke E. S., Christensen N. Dependence of Radar Backscatter on Coniferous Forest Biomass // IEEE Trans. Geoscience and Remote Sensing. 1992. V. 30. No. 2. P. 412–415. DOI: 10.1109/36.134090.
- Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. V. 202. P. 18–27. DOI: 10.1016/j.rse.2017.06.031.
- Huffman G. J., Stocker E. F., Bolvin D. T., Nelkin E. J., Tan J. GPM IMERG Final Precipitation L3 Half Hourly 0.1 degree×0.1 degree V06. Greenbelt, MD: Goddard Earth Sciences Data and Information Services Center (GES DISC), 2020. DOI: 10.5067/Gpm/Imerg/3b-Hh/06 (accessed: 24.05.2022).
- Jiang M., Medlyn B. E., Drake J. E., Duursma R. A., Anderson I. C., Barton C. V. M., Boer M. M., Carrillo Y., Castañneda-Gómez L., Collins L., Crou K. Y., De Kauwe M. G., dos Santos B. M., Emmerson K. M., Facey S. L., Gherlenda A. N., Gimeno T. E., Hasegawa S., Johnson S. N., Kännaste A., Macdonald C. A., Mahmud K., Moore B. D., Nazaries L., Neilson E. H. J., Nielsen U. N., Niinemets U., Noh N. J., Ochoa-Hueso R., Pathare V. S., Pendall E., Pihlblad J., Piñeiro J., Powell J. R., Power S. A., Reich P. B., Renchon A. A., Riegler M., Rinnan R., Rymer P. D., Salomón R. L., Singh B. K., Smith B., Tjoelker M. G., Walker J. K. M., Wujeska-Klause A., Yang J., Zaehle S., Ellsworth D. S. The fate of carbon in a mature forest under carbon dioxide enrichment // Nature. 2020. V. 580. No. 7802. P. 227–231. DOI: 10.1038/s41586-020-2128-9.
- Kobayashi S., Omura Y., Sanga-Ngoie K., Widyorini R., Kawai S., Supriadi B., Yamaguchi Y. Characteristics of Decomposition Powers of L Band Multi-Polarimetric SAR in Assessing Tree Growth of Industrial Plantation Forests in the Tropics // Remote Sensing. 2012. V. 4. No. 10. P. 3058–3077. DOI: 10.3390/rs4103058.
- Le Toan T., Beaudoin A., Riom J., Guyon D. Relating Forest Biomass to SAR Data // IEEE Trans. Geoscience and Remote Sensing. 1992. V. 30. No. 2. P. 403–411. DOI: 10.1109/36.134089.
- Lehmann E. A., Caccetta P., Lowell K., Mitchell A., Zhou Z.-S., Held A., Milne T., Tapley I. SAR and optical remote sensing: Assessment of complementarity and interoperability in the context of a large-scale operational forest monitoring system // Remote Sensing of Environment. 2015. V. 156. P. 335–348. DOI: 10.1016/j.rse.2014.09.034.
- Pinnington E. M., Casella E., Dance S. L., Lawless A. S., Morison J. I., Nichols N. K., Wilkinson M., Quaife T. L. Understanding the effect of disturbance from selective felling on the carbon dynamics of a managed woodland by combining observations with model predictions // J. Geophysical Research: Biogeosciences. 2017. V. 122. No. 4. P. 886–902. DOI: 10.1002/2017JG003760.
- Pugh T. A. M., Lindeskog M., Smith B., Poulter B., Arneth A., Haverd V., Calle L. Role of forest regrowth in global carbon sink dynamics // Proc. National Academy of Sciences. 2019. Vl. 116. No. 10. P. 4382–4387. DOI: 10.1073/pnas.1810512116.
- Rees W. G., Tomaney J., Tutubalina O., Zharko V., Bartalev S. Estimation of Boreal Forest Growing Stock Volume in Russia from Sentinel-2 MSI and Land Cover Classification // Remote Sensing. 2021. V. 13. No. 21. Art. No. 4483. DOI: 10.3390/rs13214483.
- Santoro M., Cartus O., Mermoz S., Bouvet A., Le Toan T., Carvalhais N., Rozendaal D., Herold M., Avitabile V., Quegan S., Carreiras J., Rauste Y., Balzter H., Schmullius C., Seifert F. M. GlobBiomass — global above-ground biomass and growing stock volume datasets. 2018. URL: https://globbiomass.org/products/global-mapping/ (accessed 24.05.2022).
- Small D. Flattening Gamma: Radiometric Terrain Correction for SAR Imagery // IEEE Trans. Geoscience and Remote Sensing. 2011. V. 49. No. 8. P. 3081–3093. DOI: 10.1109/TGRS.2011.2120616.
- Yu Y., Saatchi S. Sensitivity of L Band SAR Backscatter to Aboveground Biomass of Global Forests. // Remote Sensing. 2016. V. 8. No. 6. Art. No. 522. DOI: 10.3390/rs8060522.