Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 5. С. 145-157
Данные съёмки беспилотных и спутниковых систем в анализе спектральных характеристик посадок монокультур лесообразующих пород Сибири
Е.И. Пономарёв
1, 2 , Н.Д. Якимов
1, 2 , К.В. Краснощёков
1 , А.В. Дергунов
1 1 Красноярский научный центр СО РАН, Красноярск, Россия
2 Сибирский федеральный университет, Красноярск, Россия
Одобрена к печати: 22.07.2025
DOI: 10.21046/2070-7401-2025-22-5-145-157
Выполнен анализ данных беспилотных летательных аппаратов (БПЛА) и спутниковых систем применительно к выявлению спектральных характеристик посадок монокультур лесообразующих пород Сибири. Исследование выполнено на примере уникального эксперимента посадок монокультур шести лесообразующих видов Сибири: сосна сибирская, лиственница, осина, берёза, сосна обыкновенная, ель. Проведена серия инструментальной регистрации спектральных характеристик растительности в различных фенологических фазах с периодичностью в сезоне до 14 дней с применением системы БПЛА RedEdge-MX и квазисинхронных материалов из каталога данных Landsat OLI, TIRS (англ. Operational Land Imager, Thermal Infrared Sensor). Рассмотрено первое приближение модельных кривых, описывающих изменения спектральных признаков монокультур в течение полного фенологического цикла (120–275-е дни сезона). Сезонные тренды NDVI (англ. Normalized Difference Vegetation Index) для каждой монокультуры были представлены полиномиальными кривыми второй степени. Для лиственных древостоев коэффициент детерминации модельной кривой составил 0,77–0,95 (для данных БПЛА RedEdge-MX) и 0,61–0,93 (для ряда Landsat OLI). Для хвойных древостоев — на уровне 0,41–0,96. Сравнение данных, полученных со спутника и БПЛА, показало приемлемый уровень сопоставимости значений NDVI. Расхождение значений зафиксировано на уровне 15–35 %, при этом в течение фенологического периода полного лета (180–220-е дни сезона) уровень относительного отклонения между двумя наборами данных минимален (не более 15–20 %).
Ключевые слова: Сибирь, посадки монокультур, спектральные индексы, NDVI, Landsat, БПЛА
Полный текстСписок литературы:
- Алексанин А. И., Тимофеев А. Н. Влияние условий наблюдения на точность расчёта вегетационного индекса растительности NDVI по данным дистанционного зондирования Земли // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 1. С. 133–143. DOI: 10.21046/2070-7401-2023-20-1-133-143.
- Алешко Р. А., Алексеева А. А., Шошина К. В. и др. Разработка методики актуализации информации о лесном участке с использованием снимков со спутников и малых БПЛА // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 87–99. DOI: 10.21046/2070-7401-2017-14-5-87-99.
- 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 с.
- Безкоровайная И. Н., Шабалина О. М., Шугалей Л. С. Основные компоненты искусственных лесных биогеоценозов в условиях многолетнего эксперимента // Сибирский лесной журн. 2024. № 3. С. 83–95. DOI: 10.15372/SJFS20240308.
- Богданов А. П., Алешко Р. А., Ильинцев А. С. Выявление взаимосвязи диаметра крон деревьев с различными таксационными показателями в северо-таежном лесном районе // Вопросы лесной науки. 2019. Т. 2. № 4. 10 с. DOI: 10.31509/2658-607x-2019-2-4-1-10.
- Ершов Д. В., Гаврилюк Е. А., Белова Е. И., Никитина А. Д. Определение породной структуры лесного участка по ортофотопланам беспилотной аэрофотосъемки // Актуальные проблемы современ. лесоводства. 2-е Международ. чтения памяти Г. Ф. Морозова: сб. ст. Симферополь: ИТ «Ариал», 2020. С. 141–152.
- Иванова Н. В., Шашков М. П., Шанин В. Н. Определение характеристик смешанных древостоев по данным аэрофотосъёмки с применением беспилотного летательного аппарата (БПЛА) // Вестн. Томского гос. ун-та. Биология. 2021. № 54. С. 158–175. DOI: 10.17223/19988591/54/8.
- Керимов И. А., Эльжаев А. С., Додуев А. А. Дистанционный мониторинг лесных территорий (на примере эталонного участка «Рошни-Чу») // Геология и геофизика Юга России. 2024. Т. 14. № 4. С. 180–191. DOI: 10.46698/VNC.2024.85.96.015.
- Назимова Д. И., Пономарев Е. И., Коновалова М. Е. Роль высотно-поясной основы и дистанционных данных в задачах устойчивого управления горными лесами // Лесоведение. 2020. № 1. С. 3–16. DOI: 10.31857/S0024114820010106.
- Di Gennaro S. F., Toscano P., Gatti M. et al. Spectral comparison of UAV-based hyper and multispectral cameras for precision viticulture // Remote Sensing. 2022. V. 14. No. 3. Article 449. DOI: 10.3390/rs14030449.
- Lu B., Dao P. D., Liu J. et al. Recent advances of hyperspectral imaging technology and applications in agriculture // Remote Sensing. 2020. V. 12. No. 16. Article 2659. DOI: 10.3390/rs12162659.
- Potapov P., Hansen M. C., Pickens A. et al. The global 2000–2020 land cover and land use change dataset derived from the Landsat archive: First results // Frontiers in Remote Sensing. 2022. V. 3. Article 856903. DOI: 10.3389/frsen.2022.856903.
- Pushparaj J., Hegde A. V. Comparison of various pan-sharpening methods using Quickbird-2 and Landsat-8 imagery // Arabian J. Geosciences. 2017. V. 10. Article 119. DOI: 10.1007/s12517-017-2878-3.
- Torresan C., Berton A., Carotenuto F. et al. Forestry applications of UAVs in Europe: a review // Intern. J. Remote Sensing. 2017. V. 38. Iss. 8–10. P. 2427–2447. DOI: 10.1080/01431161.2016.1252477.
- Vivone G., Alparone L., Chanussot J. et al. A critical comparison among pansharpening algorithms // IEEE Trans. Geoscience and Remote Sensing. 2015. V. 53. P. 2565–2586. DOI: 10.1109/TGRS.2014.2361734.
- Wulder M. A., Masek J. G., Cohen W. B. et al. Opening the archive: How free data has enabled the science and monitoring promise of Landsat // Remote Sensing of Environment. 2012. V. 122. P. 2–10. DOI: 10.1016/j.rse.2012.01.010.
- Zhang J., Hud J., Liane J. et al. Seeing the forest from drones: testing the potential of lightweight drones as a tool for long-term forest monitoring // Biological Conservation. 2016. V. 198. P. 60–69. DOI: 10.1016/j.biocon.2016.03.027.
- Zhang X., Friedl M. A., Schaaf C. B. et al. Climate controls on vegetation phenological patterns in northern mid‐ and high latitudes inferred from MODIS data // Global Change Biology. 2004. V. 10. Iss. 7. P. 1133–1145. DOI: 10.1111/j.1529-8817.2003.00784.x.
- Zhao Y. I., Xu J., Zhong K. et al. Impervious surface extraction by linear spectral mixture analysis with post-processing model // IEEE Access. 2020. V. 8. P. 128476–128489. DOI: 10.1109/access.2020.3008695.