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. 2024. Т. 21. № 5. С. 161-172

Закономерности влияния типов нарушенности широколиственных лесов лесостепи на их спектрально-отражательные характеристики

Э.А. Терехин 1 
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 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. Бугаев В. А., Мусиевский А. Л., Царалунга В. В. Дубравы Европейской части России // Изв. высш. учебных заведений. Лесной журн. 2004. № 2. С. 7–13.
  3. Бугаев В. А., Мусиевский А. Л., Царалунга В. В. Дубравы лесостепи. Воронеж: Воронежская гос. лесотехн. акад. 2013. 247 c.
  4. 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.
  5. 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.
  6. 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.
  7. Камышев Н. С., Хмелев К. Ф. Растительный покров Воронежской области и его охрана. Воронеж: Изд-во Воронежского ун-та. 1976. 181 с.
  8. Рубцов В. И. Леса Центрально-Черноземного района // Леса СССР. Т. 3: Леса Европейской части СССР и Закавказья. М.: Наука, 1966. С. 107–140.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. Цветков М. А. Изменение лесистости Европейской России с конца XVII столетия по 1914 год. М: Изд-во АН СССР, 1957. 2013 с.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. 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.
  23. 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.
  24. 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.
  25. 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.
  26. 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.