Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 5. С. 161-172
Закономерности влияния типов нарушенности широколиственных лесов лесостепи на их спектрально-отражательные характеристики
1 Белгородский государственный национальный исследовательский университет, Белгород, Россия
Одобрена к печати: 01.07.2024
DOI: 10.21046/2070-7401-2024-21-5-161-172
Нарушенность выступает одним из ключевых показателей, характеризующих состояние лесных сообществ. Статья посвящена оценке влияния наиболее распространённых типов нарушений в широколиственных лесах Среднерусской лесостепи на их спектрально-отражательные свойства, измеряемые по данным дистанционного зондирования Земли: болезней деревьев, насекомых-вредителей, сплошных рубок. Для спектрально-отражательных характеристик ближнего и коротковолнового инфракрасного (ИК) диапазонов в ряду «сплошные рубки – влияние энтомовредителей – влияние болезней – ненарушенные леса» наблюдается последовательное снижение, связанное с уменьшением величины воздействия негативных факторов. Аналогичных закономерностей для коэффициентов спектральной яркости видимого диапазона не выявлено. В диапазонах ближнего и коротковолнового ИК-спектра установлены статистически значимые различия между всеми типами нарушенности. При этом значимых отличий участков нарушений вследствие болезней деревьев от ненарушенных лесов не установлено ни в одном диапазоне. Влияние насекомых-вредителей и болезней деревьев обуславливает формирование положительного плавного тренда в спектрально-отражательных характеристиках коротковолнового ИК-диапазона. Его наличие выступает признаком соответствующих типов нарушений. Появление сплошных рубок обуславливает резкое 50–60%-е увеличение отражательной способности в коротковолновом ИК-диапазоне. Отсутствие нарушений в лесах обуславливает отрицательную тенденцию коэффициентов спектральной яркости или отсутствие выраженного тренда в зависимости от возраста леса.
Ключевые слова: нарушенность лесов, широколиственные леса, Landsat, данные дистанционного зондирования, многолетние ряды
Полный текстСписок литературы:
- 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.
- Бугаев В. А., Мусиевский А. Л., Царалунга В. В. Дубравы Европейской части России // Изв. высш. учебных заведений. Лесной журн. 2004. № 2. С. 7–13.
- Бугаев В. А., Мусиевский А. Л., Царалунга В. В. Дубравы лесостепи. Воронеж: Воронежская гос. лесотехн. акад. 2013. 247 c.
- 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.
- Дегтярь А. В., Григорьева О. И. Изменение лесистости Белгородской области за 400-летний период // Научн. ведомости Белгородского гос. ун-та. Сер.: Естеств. науки. 2018. Т. 42. № 4. С. 574–586. DOI: 10.18413/2075-4671-2018-42-4-574-586.
- Замолодчиков Д. Г., Грабовский В. И., Шуляк П. П., Честных О. В. Влияние пожаров и заготовок древесины на углеродный баланс лесов России // Лесоведение. 2013. № 5. С. 36–49.
- Камышев Н. С., Хмелев К. Ф. Растительный покров Воронежской области и его охрана. Воронеж: Изд-во Воронежского ун-та. 1976. 181 с.
- Рубцов В. И. Леса Центрально-Черноземного района // Леса СССР. Т. 3: Леса Европейской части СССР и Закавказья. М.: Наука, 1966. С. 107–140.
- Терехин Э. А. Распознавание нарушенных лесных экосистем лесостепи на основе спектрально-отражательных характеристик // Компьютер. оптика. 2019. Т. 43. № 3. С. 412–418. DOI: 10.18287/0134-2452-2019-43-3-412-418.
- Терехин Э. А. Оценка нарушенности лесов лесостепной зоны в начале XXI века по спутниковым данным // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 2. С. 134–146. DOI: 10.21046/2070-7401-2020-17-2-134-146.
- Харченко Н. А., Харченко Н. Н. К вопросу о деградации порослевых дубрав Центрального Черноземья // Вестн. Московского гос. ун-та леса — Лесной вестн. 2007. № 4. С. 29–31.
- Царалунга В. В. Ущерб, нанесенный воронежским дубравам строительством Белгородской черты // Вестн. Центрально-Черноземного регион. отд-ния наук о лесе Российской акад. естеств. наук Воронежской гос. лесотехн. акад. 2002. Т. 4. № 1. С. 132–137.
- Цветков М. А. Изменение лесистости Европейской России с конца XVII столетия по 1914 год. М: Изд-во АН СССР, 1957. 2013 с.
- Шорохова Е. В., Корепин А. А., Капица Е. А. и др. Ценотическое разнообразие и долговременная динамика массива «Вепсский лес» // Лесоведение. 2022. № 6. С. 643–657. DOI: 10.31857/S0024114822060109.
- Bullock E. L., Woodcock C. E., Olofsso P. Monitoring tropical forest degradation using spectral unmixing and Landsat time series analysis // Remote Sensing of Environment. 2020. V. 238. Article 110968. DOI: 10.1016/j.rse.2018.11.011.
- DeVries B., Decuyper M., Verbesselt J. et al. Tracking disturbance-regrowth dynamics in tropical forests using structural change detection and Landsat time series // Remote Sensing of Environment. 2015. V. 169. P. 320–334. DOI: 10.1016/j.rse.2015.02.012.
- Frantz D., Röder A., Udelhoven T. et al. Forest disturbance mapping using dense synthetic Landsat/MODIS time-series and permutation-based disturbance index detection // Remote Sensing. 2016. V. 8. No. 4. Article 277. DOI: 10.3390/rs8040277.
- Frolking S., Palace M. W., Clark D. B. et al. Forest disturbance and recovery: A general review in the context of spaceborne remote sensing of impacts on aboveground biomass and canopy structure // J. Geophysical Research. 2009. V. 114. Iss. G2. Article G00E02. 27 p. DOI: 10.1029/2008JG000911.
- Huang C., Goward S. N., Masek J. G. et al. An automated approach for reconstructing recent forest disturbance history using dense Landsat time series stacks // Remote Sensing of Environment. 2010. V. 114. No. 1. P. 183–198. DOI: 10.1016/j.rse.2009.08.017.
- Kennedy R. E., Yang Z., Cohen W. B. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr — Temporal segmentation algorithms // Remote Sensing of Environment. 2010. V. 114. No. 12. P. 2897–2910. DOI: 10.1016/j.rse.2010.07.008.
- Lisetskii F. N., Buryak Z. A. Runoff of water and its quality under the combined impact of agricultural activities and urban development in a small river basin // Water. 2023. V. 13 No. 15. Article 2443. DOI: 10.3390/w15132443.
- Matasci G., Hermosilla T., Wulder M. A. et al. Three decades of forest structural dynamics over Canada’s forested ecosystems using Landsat time-series and lidar plots // Remote Sensing of Environment. 2018. V. 216. P. 697–714. DOI: 10.1016/j.rse.2018.07.024.
- Slagter B., Reiche J., Marcos D. et al. Monitoring direct drivers of small-scale tropical forest disturbance in near real-time with Sentinel 1 and -2 data // Remote Sensing of Environment. 2023. V. 295. Article 113655. DOI: 10.1016/j.rse.2023.113655.
- Stahl A. T., Andrus R., Hicke J. A. et al. Automated attribution of forest disturbance types from remote sensing data: A synthesis // Remote Sensing of Environment. 2023. V. 285. Article 113416. DOI: 10.1016/j.rse.2022.113416.
- Yuan Q., Shen H., Li T. et al. Deep learning in environmental remote sensing: Achievements and challenges // Remote Sensing of Environment. 2020. V. 241. Article 111716. DOI: 10.1016/j.rse.2020.111716.
- Zhao F., Huang C., Goward S. N. et al. 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.