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. 2024. Т. 21. № 5. С. 173-187

Анализ возможности применения радарного индекса DpRVI для оценки лесовосстановления

А.В. Дмитриев 1 , И.И. Кирбижекова 1 , Т.Н. Чимитдоржиев 1 
1 Институт физического материаловедения СО РАН, Улан-Удэ, Россия
Одобрена к печати: 09.09.2024
DOI: 10.21046/2070-7401-2024-21-5-173-187
Представлены результаты анализа нерегулярных временных рядов радарного вегетационного индекса на основе данных с двойной поляризацией (DpRVI — англ. Dual polarimetric Radar Vegetation Index) для участка послепожарного лесовосстановления в гористой местности. Для сравнения в качестве эталонов начального состояния и полного лесовосстановления был использован участок без растительности (поле) и контрольные участки хвойного и смешанного леса. Значения индекса DpRVI, которые служат индикатором объёмного рассеяния радиолокационного сигнала почвенно-растительным покровом, были рассчитаны по данным радиолокаторов с синтезированной апертурой с двойной поляризацией PALSAR-1 (англ. Phased Array type L-band Synthetic Aperture Radar) спутника ALOS-1 (англ. Advanced Land Observing Satellite) (2007–2011) и PALSAR-2 ALOS-2 (2015–2019). Установлено, что сезонные вариации индекса DpRVI составляют 60–70 % от общего среднеквадратичного отклонения. Определены эмпирические среднесезонные и среднемесячные значения DpRVI для исследуемых участков за весь период наблюдений, а также отклонения сезонной компоненты S от этих средних значений за последние пять лет. Сезонные отклонения участка послепожарного лесовосстановления в 1,5–2 раза меньше таковых для контрольных участков леса и на такую же величину больше, чем для участка без растительности. Показано отсутствие значимых трендов разности DpRVI – S для участков контрольного леса за весь период наблюдений, что характеризует стабильность объёмного рассеяния и лесной биомассы. На участке подроста установлен значимый линейный тренд роста разности DpRVI – S с коэффициентом корреляции 0,50, что свидетельствует об успешном процессе послепожарного лесовосстановления. Показано, что на основе соотношения индексов DpRVI подроста, контрольного леса и участка без растительности можно получить оценку относительной биомассы с коррекцией влияния рельефа гористой местности, эффекта «насыщения» отражённого радиолокационного сигнала, сезонной неравномерности радиолокационных поляриметрических измерений PALSAR-1/2 ALOS-1/2. Предложенные методы коррекции могут понизить относительную ошибку спутникового определения биомассы лесного подроста до величины, соответствующей наземным измерениям высоты и биомассы лесного подроста и контрольного леса. В целом результаты сравнительного анализа показали, что послепожарный рост DpRVI и, соответственно, биомассы лесного подроста происходит со скоростью 0,57 %/год (полагая за 100 % DpRVI хвойного леса), а прогнозное время полного лесовосстановления составляет порядка 60–90 лет. Результаты исследования показали высокую чувствительность и перспективность применения радиолокационных данных L-диапазона с двойной поляризацией для оценки и долговременного мониторинга процессов послепожарного восстановления лесной растительности даже в условиях гористой местности и нерегулярных разреженных данных.
Ключевые слова: дистанционное зондирование, лесной подрост, PALSAR-1/2 ALOS-1/2, DpRVI, сезонные изменения, тренд
Полный текст

Список литературы:

  1. Дмитриев А. В., Чимитдоржиев Т. Н., Дагуров П. Н. (2022а) Оптико-микроволновая диагностика восстановления леса после пожаров // Вычисл. технологии. 2022. Т. 27. № 2. С. 105–121. DOI: 10.25743/ICT.2022.27.2.009.
  2. Дмитриев А. В., Чимитдоржиев Т. Н., Добрынин С. И. и др. (2022б) Оптико-микроволновая диагностика залесения сельскохозяйственных земель // Современные проблемы дистанционного зондирования из космоса. 2022. Т. 19. № 4. С. 168–180. DOI: 10.21046/2070-7401-2022-19-4-168-180.
  3. Дмитриев А. В., Чимитдоржиев Т. Н., Кирбижекова И. И., Номшиев Ж. Д. Исследование возможностей декомпозиции H-α для двойной поляризации при радиолокационном мониторинге залесения // Исслед. Земли из космоса. 2023. № 5. С. 3–12. DOI: 10.31857/S0205961423050032.
  4. Карпов А. А., Богданов А. П., Пирцхалава-Карпова Н. Р., Демина Н. А. Использование ДЗЗ для мониторинга лесовосстановления в бореальных лесах // Изв. Санкт-Петербургской лесотехн. акад. 2019. № 229. С. 23–43. DOI: 10.21266/2079-4304.2019.229.23-43.
  5. Кирбижекова И. И., Чимитдоржиев Т. Н., Дмитриев А. В. и др. Метод оценки лесовосстановления на основе совместного анализа индекса выгорания NBR и радиолокационного индекса объёмной неоднородности DPRVI // Материалы 21-й Международ. конф. «Современные проблемы дистанционного зондирования Земли из космоса». 2023. С. 374. DOI: 10.21046/21DZZconf-2023a.
  6. Родионова Н. В., Вахнина И. Л., Желибо Т. В. Оценка динамики послепожарного состояния растительности на территории Ивано-Арахлейского природного парка (Забайкальский край) по радарным и оптическим данным спутников Sentinel-1/2 // Исслед. Земли из космоса. 2020. № 3. С. 14–25. DOI: 10.31857/S0205961420030045.
  7. Саженкова Т. В., Пономарёв И. В., Пронь С. П. Методы анализа временных рядов: учебно-метод. пособие. Барнаул: Изд-во Алтайского гос. ун-та, 2020. 60 с.
  8. Чимитдоржиев Т. Н., Дмитриев А. В., Кирбижекова И. И. и др. 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.
  9. Bondur V., Chimitdorzhiev T., Kirbizhekova I., Dmitriev A. Estimation of postfire reforestation with SAR polarimetry and NDVI time series // Forests. 2022. V. 13. No. 5. Article 814. DOI: 10.3390/f13050814.
  10. Bondur V., Chimitdorzhiev T., Kirbizhekova I., Dmitriev A. A novel method of boreal zone reforestation/afforestation estimation using PALSAR-1, -2 and Landsat-5, -8 data // Forests. 2024. V. 15. No. 1. Article 132. DOI: 10.3390/f15010132.
  11. Jung M., Lesiv M., Warren-Thomas E. et al. The importance of capturing management in forest restoration targets // Nature Sustainability. 2023. P. 1321–1325. DOI: 10.1038/s41893-023-01192-8.
  12. Kirbizhekova I. I., Chimitdorzhiev T. N., Baltukhaev A. K. et al. Reforestication analysis using temporal NDVI and ALOS-2 PALSAR-2 polarimetric data // CEUR Workshop Proc. 2021. V. 3006. P. 116–126. DOI: 10.25743/SDM.2021.24.26.016.
  13. Kirbizhekova I. I., Chimitdorzhiev T. N., Dmitriev A. V., Baltukhaev A. K. Monitoring of post-fire reforestation based on vegetation indices of optical and radio bands // 29th Intern. Symp. “Atmospheric and Ocean Optics: Atmospheric Physics”. 2023. V. 12780. Article 127806H. DOI: 10.1117/12.2690939.
  14. Mandal D., Kumar V., Ratha D. et al. Dual polarimetric radar vegetation index for crop growth monitoring using Sentinel-1 SAR data // Remote Sensing of Environment, 2020. V. 247. Article 111954. DOI: 10.1016/j.rse.2020.111954.