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. 2023. Т. 20. № 1. С. 189-202

Возможности оценки сомкнутости защитных лесных насаждений на основе бисезонного индекса леса и материалов съёмки БПЛА

С.С. Шинкаренко 1 , С.А. Барталев 1 
1 Институт космических исследований РАН, Москва, Россия
Одобрена к печати: 03.02.2023
DOI: 10.21046/2070-7401-2023-20-1-189-202
Защитные лесные насаждения (ЗЛН) играют важную роль в предотвращении деградации агроландшафтов, но из-за достижения предельного возраста значительная часть ЗЛН находится в неудовлетворительном состоянии. Существующие методы оценки сомкнутости ЗЛН, часто выступающей в качестве критерия их сохранности, очень трудоёмки, так как основываются на экспертном дешифрировании данных аэрокосмической съёмки сверхвысокого разрешения, использовании топографических карт, планов и полевом обследовании с помощью приборов спутникового геопозиционирования. В статье представлены возможности определения сомкнутости ЗЛН с помощью бисезонного индекса леса BSFI (англ. Bi-Seasonal Forest Index) по данным Sentinel 2 и материалов аэрофотосъёмки (АФС). На основе анализа плотного облака точек, полученного по материалам АФС, был выделен полог древесно-кустарниковой растительности, после чего значения сомкнутости полога сопоставлены с данными BSFI. Значения индекса BSFI рассчитаны на основе радиометрически нормализованных ежемесячных композитов NDVI (англ. Normalized Difference Vegetation Index — нормализованный разностный вегетационный индекс) за июнь – август и максимального альбедо годовых зимних композитов за период 2019–2022 гг. Установлена регрессионная зависимость BSFI и сомкнутости, коэффициент детерминации которой составил 0,86, а среднеквадратичная ошибка равна 14,5 %. Использование полученных результатов на практике позволит существенно сократить объём наземных обследований ЗЛН для определения их сохранности.
Ключевые слова: защитное лесоразведение, дистанционное зондирование, картографирование, Волгоградская область, древесно-кустарниковая растительность, агролесомелиорация
Полный текст

Список литературы:

  1. Агролесомелиорация. Волгоград: ВНИАЛМИ, 2006. 746 с.
  2. Антонов С. А. Анализ пространственного положения защитных лесных насаждений на основе геоинформационных технологий и данных дистанционного зондирования Земли // ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: материалы междунар. конф. M.: Изд-во Московского ун-та, 2020. Т. 26. Ч. 2. С. 408–420. DOI: 10.35595/2414-9179-2020-2-26-408-420.
  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 c.
  4. Барталев С. А., Богодухов М. А., Жарко В. О., Сидоренков В. М. (2022а) Исследование возможностей использования данных ICESat-2 для оценки высоты лесов России // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 195–206. DOI: 10.21046/2070-7401-2022-19-4-195-206.
  5. Барталев С. А., Ворушилов И. И., Егоров В. А. (2022б). 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.
  6. Выприцкий А.А, Шинкаренко С. С. Анализ влияния почвенно-климатических условий на сохранность государственных защитных лесных полос на основе данных Sentinel 2 // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. С. 147–163. DOI: 10.21046/2070-7401-2022-19-5-147-163.
  7. Дубенок Н. Н., Танюкевич В. В., Бабошко О. И. Фитонасыщенность полезащитных лесных полос и их мелиоративное влияние на урожайность сельскохозяйственных культур // Вестн. российской с.-х. науки. 2016. № 1. С. 27–30.
  8. Жарко В. О., Барталев С. А., Егоров В. А. Исследование возможностей оценки запасов древесины в лесах Приморского края по данным спутниковой системы Proba-V // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 1. С. 157–168. DOI: 10.21046/2070-7401-2018-15-1-157-168.
  9. Засоба В. В., Чеплянский И. Я., Поповичев В. В. Семидесятилетний опыт создания государственных защитных лесных полос в степной зоне России // Живые и биокосные системы. 2019. № 27. С. 3.
  10. Кашницкий А. В., Бурцев М. А., Прошин А. А. Технология создания безоблачных композитных изображений по данным спутников серии Sentinel 2 // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. С. 76–85 DOI: 10.21046/2070-7401-2022-19-5-76-85.
  11. Лупян Е. А., Прошин А. А., Бурцев М. А., Балашов И. В., Барталев С. А., Ефремов В. Ю., Кашницкий А. В., Мазуров А. А., Матвеев А. М., Суднева О. А., Сычугов И. Г., Толпин В. А., Уваров И. А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 263–284.
  12. Медведев А. А., Тельнова Н. О., Кудиков А. В., Алексеенко Н. А. Анализ и картографирование структурных параметров редкостойных северотаёжных лесов на основе фотограмметрических облаков точек // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 1. С. 150–163. DOI: 10.21046/2070-7401-2020-17-1-150-163.
  13. Нарожняя А. Г., Чендев Ю. Г. Изучение современного экологического состояния лесных полос с использованием ГИС и ДДЗ // ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: материалы междунар. конф. M.: Изд-во Московского ун-та. 2020. Т. 26. Ч. 2. С. 54–65. DOI: 10.35595/2414-9179-2020-2-26-54-65.
  14. Рулев А. С., Юферев В. Г., Анопин В. Н., Рулев Г. А. Геоинформационный анализ состояния придорожных лесных насаждений // Изв. Оренбургского гос. аграр. ун-та. 2014. № 3(47). С. 42–45.
  15. Рулев А. С., Кошелева О. Ю., Шинкаренко С. С. Оценка лесистости агроландшафтов юга приволжской возвышенности по данным NDVI // Изв. Нижневолжского агроуниверситет. комплекса: наука и высш. образование. 2016. № 4(44). С. 24–32.
  16. Силова В. А. Влияние лесомелиоративного обустройства на продуктивность сельскохозяйственных угодий в условиях сухостепной зоны // Науч. журн. Российского НИИ проблем мелиорации. 2021. Т. 11. № 2. С. 68–81. DOI: 10.31774/2222-1816-2021-11-2-68-81.
  17. Терехин Э. А. Пространственный анализ особенностей формирования древесной растительности на залежах лесостепи Центрального Черноземья с использованием их спектральных признаков // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 5. С. 142–156. DOI: 10.21046/2070-7401-2020-17-5-142-156.
  18. Терехин Э. А. Многолетние изменения спектрально-отражательных признаков залежных земель в различных природно-климатических условиях европейской территории России в начале XXI века // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 5. С. 111–122. DOI: 10.21046/2070-7401-2021-18-5-111-122.
  19. Терехин Э. А. Влияние лесистости залежных земель лесостепи на спектрально-отражательные характеристики по данным Sentinel 2 // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 223–235. DOI: 10.21046/2070-7401-2022-19-4-223-235.
  20. Терехов А. Г., Макаренко Н. Г., Пак И. Т. Автоматический алгоритм классификации снимков Quickbird в задаче оценки полноты леса // Компьютерная оптика. 2014. Т. 38. № 3. С. 580–583. DOI: 10.18287/0134-2452-2014-38-3-580-583.
  21. Ткаченко Н. А., Кошелев А. В. Картографирование защитной лесистости агроландшафтов волгоградского Заволжья // Вестн. АПК Ставрополья. 2017. № 2(26). С. 137–143.
  22. Ховратович Т. С., Барталев С. А., Кашницкий А. В. Метод детектирования изменений лесов на основе попиксельной оценки проективного покрытия древесного полога по разновременным спутниковым изображениям // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 4. С. 102–110. DOI: 10.21046/2070-7401-2019-16-4-102-110.
  23. Чеплянский И. Я., Турчин Т. Я., Ермолова А. С. Дистанционный мониторинг государственных защитных лесных полос степной зоны европейской части России // Изв. вузов. Лесной журн. 2022. № 3. С. 44–59. DOI: 10.37482/0536-1036-2022-3-44-59.
  24. Шинкаренко С. С., Барталев С. А. Сезонная динамика NDVI пастбищных ландшафтов Северного Прикаспия по данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 179–194. DOI: 10.21046/2070-7401-2020-17-4-179-194.
  25. Шинкаренко С. С., Барталев С. А., Васильченко А. А. (2022а) Метод картографирования защитных лесных насаждений на основе разновременных спутниковых изображений высокого пространственного разрешения и бисезонного индекса леса // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 207–222. DOI: 10.21046/2070-7401-2022-19-4-207-222.
  26. Шинкаренко С. С., Дорошенко В. В., Берденгалиева А. Н. (2022б) Динамика площади гарей в зональных ландшафтах юго-востока европейской части России // Изв. Российской акад. наук. Сер. геогр. 2022. Т. 86. № 1. С. 1–12. DOI: 10.31857/S2587556622010113.
  27. Begimova M. Climate indicators for forest landing and evaluation of forest shelterbelts // E3S Web Conf. 2021. V. 227. Art. No. 02004. DOI: 10.1051/e3sconf/202122702004.
  28. Chianucci F., Disperati L., Guzzi D., Bianchini D., Nardino V., Lastri C., Rindinella A., Corona P. Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV // Intern. J. Applied Earth Observation and Geoinformation. 2016. V. 47. P. 60–68. DOI: 10.1016/j.jag.2015.12.005.
  29. Dronova I., Kislik C., Dinh Z., Kelly M. A Review of Unoccupied Aerial Vehicle Use in Wetland Applications: Emerging Opportunities in Approach, Technology, and Data // Drones. 2021. V. 5. No. 4. Art. No. 45. DOI: 10.3390/drones5020045.
  30. 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. DOI: 10.1126/science.1244693.
  31. Koshelev A. V., Tkachenko N. A., Shatrovskaya M. O. Decoding of forest belts using satellite images // IOP Conf. Ser.: Earth and Environmental Science. 2021. V. 875. Art. No. 012065. DOI: 10.1088/1755-1315/875/1/012065.
  32. Lisein J., Pierrot-Deseilligny M., Bonnet S., Lejeune P. A photogrammetric workflow for the creation of a forest canopy height model from small unmanned aerial system imagery // Forests. 2013. V. 4. No. 4. P. 922–944. DOI: 10.3390/f4040922.
  33. Loupian E. A., Bourtsev M. A., Proshin A. A., Kashnitskii A. V., Balashov I. V., Bartalev S. A., Konstantinova A. M., Kobets D. A., Radchenko M. V., Tolpin V. A., Uvarov I. A. Usage Experience and Capabilities of the VEGA-Science System // Remote Sensing. 2022. V. 14. No. 1. Art. No. 77. https://doi.org/10.3390/rs14010077.
  34. Nasiri V., Darvishsefat A. A., Arefi H., Griess V. C., Sadeghi S. M. M., Borz S. A. Modeling Forest Canopy Cover: A Synergistic Use of Sentinel 2, Aerial Photogrammetry Data, and Machine Learning // Remote Sensing. 2022. V. 14. No. 6. Art. No. 1453. DOI: 10.3390/rs14061453.
  35. Navarro A., Young M., Allan B., Carnell P., Macreadle P. The application of Unmanned Aerial Vehicles (UAVs) to estimate aboveground biomass of mangrove ecosystems // Remote Sensing of Environment. 2020. V. 242. Art. No. 111747. DOI: 10.1016/j.rse.2020.111747.
  36. Pilas I., Gašparovic M., Novkinic A., Klobucar D. Mapping of the Canopy Openings in Mixed Beech — Fir Forest at Sentinel 2 Subpixel Level Using UAV and Machine Learning Approach // Remote Sensing. 2020. V. 12. Art. No. 3925. DOI: 10.3390/rs12233925.
  37. Yang X., Li F., Fan W., Liu G., Yu Y. Evaluating the efficiency of wind protection by windbreaks based on remote sensing and geographic information systems // Agroforestry Systems. 2021. V. 95. P. 353–365. DOI: 10.1007/s10457-021-00594-x.
  38. Yu T., Ni W., Zhang Z., Liu Q., Sun G. Regional Sampling of Forest Canopy Covers Using UAV Visible Stereoscopic Imagery for Assessment of Satellite-Based Products in Northeast China // J. Remote Sensing. 2022. V. 2022. Art. No. 9806802. DOI: 10.34133/2022/9806802.