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
Ваш e-mail:
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. № 3. С. 164-175

Оценка влияния типов нарушенности хвойных лесов лесостепи на спектрально-отражательные характеристики

Э.А. Терехин 1 
1 Белгородский государственный национальный исследовательский университет, Белгород, Россия
Одобрена к печати: 25.04.2023
DOI: 10.21046/2070-7401-2023-20-3-164-175
Нарушенность лесных экосистем выступает одним из ключевых факторов, влияющих на состояние лесов, их возрастную структуру и биометрическое параметры. Представлены результаты исследования спектрально-отражательных характеристик различных типов нарушений в хвойных лесах Среднерусской лесостепи: участков, пройденных пожарами, нарушенных в результате воздействия болезней деревьев, насекомых-вредителей. Появление нарушений приводит к повышению абсолютных значений отражательной способности в большинстве участков спектра, за исключением ближнего инфракрасного (англ. near infrared — NIR) диапазона. Повышение нарушенности лесов также обуславливает увеличение вариации спектрально-отражательных характеристик. В ряду «пирогенные нарушения – повреждения болезнями – повреждения насекомыми-вредителями – ненарушенные участки» установлена закономерность снижения отражательных характеристик в красном и коротковолновом инфракрасном (англ. short wave infrared — SWIR) диапазонах. В ближнем инфракрасном диапазоне выявлена обратная закономерность. Постпирогенные участки характеризуются статистически значимыми отличиями по спектрально-отражательным свойствам в видимой и инфракрасной областях от всех остальных типов нарушений. Участки, нарушенные в результате воздействия болезней деревьев, характеризуются статистически значимым многолетним трендом увеличения коэффициентов спектральной яркости, проявляющемся в SWIR-диапазонах и отсутствующем в других каналах. Для нарушений, обусловленных воздействием насекомых-вредителей, не выявлено статистически значимых многолетних изменений в спектрально-отражательных характеристиках.
Ключевые слова: нарушенность лесов, спектрально-отражательные характеристики, дистанционное зондирование, Среднерусская лесостепь, Landsat
Полный текст

Список литературы:

  1. Барталев С. А., Курятникова Т. С., Стибиг Х. Ю. Методы использования временных серий спутниковых изображений высокого пространственного разрешения для оценки масштабов и динамики вырубок таежных лесов // Современные проблемы дистанционного зондирования Земли из космоса. 2005. Т. 2. № 2. С. 217–227.
  2. Воробьев О. Н., Курбанов Э. А., Полевщикова Ю. А., Лежнин С. А. Оценка динамики и нарушенности лесного покрова в Среднем Поволжье по снимкам Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 4. С. 124–134. DOI: 10.21046/2070-7401-2016-13-3-124-134.
  3. Высоцкий А. А., Корчагин О. М. Корневая губка в насаждениях сосны обыкновенной (Pinus Sylvestris L.). Проблемы и пути решения // Изв. Санкт-Петербургской лесотехн. акад. 2018. № 224. С. 176–192. DOI: 10.21266/2079-4304.2018.224.176-192.
  4. Дегтярь А. В., Григорьева О. И., Татаринцев Р. Ю. Экология Белогорья в цифрах. Белгород: Константа, 2016. 122 c.
  5. Камышев Н. С., Хмелев К. С. Растительный покров Воронежской области и его охрана. Воронеж: Изд-во Воронежского ун-та, 1976. 181 c.
  6. Лупян Е. А., Лозин Д. В., Балашов И. В., Барталев С. А., Стыценко Ф. В. Исследование зависимости степени повреждений лесов пожарами от интенсивности горения по данным спутникового мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 3. С. 217–232. DOI: 10.21046/2070-7401-2022-19-3-217-232.
  7. Стыценко Ф. В., Барталев С. А., Букась А. В., Ершов Д. В., Сайгин И. А. Возможности пролонгированной оценки постпожарного состояния хвойных вечнозелёных лесов по данным многоспектральных спутниковых измерений // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 5. С. 217–227. DOI: 10.21046/2070-7401-2019-16-5-217-227.
  8. Терехин Э. А. Оценка нарушенности лесных экосистем юго-запада Среднерусской возвышенности с применением материалов космических съемок // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 4. С. 112–124. DOI: 10.21046/2070-7401-2017-14-4-112-124.
  9. Терехин Э. А. Изменение нарушенности лесных экосистем лесостепной зоны Центрального Черноземья в конце XX – начале XXI века // Исслед. Земли из космоса. 2020. № 3. С. 26–37. DOI: 10.31857/S0205961420030069.
  10. Чендев Ю. Г., Петин А. Н., Серикова Е. В., Крамчанинов А. Н. Деградация геосистем Белгородской области в результате хозяйственной деятельности // География и природные ресурсы. 2008. № 4. С. 69–75.
  11. Швецов Е. Г. Исследование влияния мощности теплоизлучения лесных пожаров на степень повреждения лесов на территории юга Средней Сибири по спутниковым данным // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 5. С. 136–146. DOI: 10.21046/2070-7401-2022-19-5-136-146.
  12. Barta K. A., Hais M., Heurich M. Characterizing forest disturbance and recovery with thermal trajectories derived from Landsat time series data // Remote Sensing of Environment. 2022. V. 282. Art. No. 113274. DOI: 10.1016/j.rse.2022.113274.
  13. Borrelli P., Modugno S., Panagos P., Marchetti M., Schütt B., Montanarella L. Detection of harvested forest areas in Italy using Landsat imagery // Applied Geography. 2014. V. 48. P. 102–111. DOI: 10.1016/j.apgeog.2014.01.005.
  14. Gale M. G., Cary G. J., Van Dijk A. I. J. M., Yebra M. Forest fire fuel through the lens of remote sensing: Review of approaches, challenges and future directions in the remote sensing of biotic determinants of fire behaviour // Remote Sensing of Environment. 2021. V. 255. Art. No. 112282. DOI: 10.1016/j.rse.2020.112282.
  15. 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. No. 6160. P. 850–853. DOI: 10.1126/science.1244693.
  16. Long L., Chen Y., Song S., Zhang X., Jia X., Lu Y., Liu G. Remote Sensing Monitoring of Pine Wilt Disease Based on Time-Series Remote Sensing Index // Remote Sensing. 2023. V. 15(2). DOI: 10.3390/rs15020360.
  17. Lu J., Huang C., Tao X., Gong W., Schleeweis K. Annual forest disturbance intensity mapped using Landsat time series and field inventory data for the conterminous United States (1986–2015) // Remote Sensing of Environment. 2022. V. 275. Art. No. 113003. DOI: 10.1016/j.rse.2022.113003.
  18. 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. DOI: 10.1016/j.rse.2014.11.027.
  19. Schroeder T. A., Wulder M. A., Healey S. P., Moisen G. G. Mapping wildfire and clearcut harvest disturbances in boreal forests with Landsat time series data // Remote Sensing of Environment. 2011. V. 115. No. 6. P. 1421–1433. DOI: 10.1016/j.rse.2011.01.022.
  20. Stahl A. T., Andrus R., Hicke J. A., Hudak A. T., Bright B. C., Meddens A. J. H. Automated attribution of forest disturbance types from remote sensing data: A synthesis // Remote Sensing of Environment. 2023. V. 285. P. 113416. DOI: 10.1016/j.rse.2022.113416.
  21. Tran T. V., de Beurs K. M., Julian J. P. Monitoring forest disturbances in Southeast Oklahoma using Landsat and MODIS images // Intern. J. Applied Earth Observation and Geoinformation. 2016. V. 44. P. 42–52. DOI: 10.1016/j.jag.2015.07.001.
  22. White J. C., Wulder M. A., Hermosilla T., Coops N. C., Hobart G. W. A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time series // Remote Sensing of Environment. 2017. V. 194. P. 303–321. DOI: 10.1016/j.rse.2017.03.035.
  23. Woodward B., Engelstad P., Vorster A., Beddow C., Krail S., Vashisht A., Evangelista P. Forest harvest dataset for northern Colorado Rocky Mountains (1984–2015) generated from a Landsat time series and existing forest harvest records // Data in Brief. 2017. V. 15. P. 724–727. DOI: 10.1016/j.dib.2017.10.030.
  24. Zhao F., Huang C., Goward S. N., Schleeweis K., Rishmawi K., Lindsey M. A., Denning E., Keddell L., Cohen W. B., Yang Z., Dungan J. L., Michaelis A. Development of Landsat-based annual US forest disturbance history maps (1986–2010) in support of the North American Carbon Program (NACP) // Remote Sensing of Environment. 2018. V. 209. P. 312–326. DOI: 10.1016/j.rse.2018.02.035.