Современные проблемы дистанционного зондирования Земли из космоса. 2026. Т. 23. № 4. С. 227-241
Оценка зависимостей между проективным покрытием древесной растительности овражно-балочных систем и вегетационными индексами на юге Среднерусской возвышенности
1 Белгородский государственный национальный исследовательский университет, Белгород, Россия
Одобрена к печати: 26.05.2026
DOI: 10.21046/2070-7401-2026-23-4-227-241
Выявление зависимостей между процессами распространения древесной растительности в ландшафтах и показателями, измеряемыми по данным дистанционного зондирования Земли, выступает необходимым условием развития подходов к пространственно-временной оценке лесопокрытых земель. В статье изложены результаты анализа зависимостей между величиной проективного покрытия древесной растительности овражно-балочных систем и 18 спектральными вегетационными индексами, определёнными по спутниковым данным Sentinel-2. Объектами исследования выступали участки овражно-балочной сети, типичной для юга Среднерусской возвышенности. Вегетационные индексы показали различную силу связи со степенью покрытия овражно-балочных систем древесной растительностью. Наиболее сильная связь выявлена для нормализованных вегетационных индексов, использующих вместе со значениями ближнего инфракрасного канала спектрально-отражательные характеристики зелёного или коротковолнового инфракрасного диапазонов. Для большинства индексов характерно наличие статистически значимых различий между разными градациями проективного покрытия, за исключением самой высокой градации, включающей объекты с его величиной более 0,8. Связь подавляющего большинства индексов с проективным покрытием положительна и может считаться устойчивой. Зависимость изученных вегетационных индексов от степени покрытия древесной растительностью аппроксимируется логарифмической функцией с наиболее высокой объяснительной способностью для индексов NDI (англ. Normalized Difference Index) и GNDVI (англ. Green Normalized Difference Vegetation Index).
Ключевые слова: лесопокрытые земли, вегетационные индексы, лесостепь, данные дистанционного зондирования, Sentinel-2
Полный текстСписок литературы:
- Кузьменко Я. В., Лисецкий Ф. Н., Кириленко Ж. А., Григорьева О. И. Обеспечение оптимальной водоохранной лесистости при бассейновой организации природопользования // Изв. Самарского науч. центра Российской акад. наук. 2013. Т. 15. № 3–2. С. 652–657.
- Саблина О. М., Нарожняя А. Г. Распространение оврагов на территории Белгородской области // Вестн. Воронежского гос. ун-та. Сер.: География. Геоэкология. 2023. № 3. С. 25–34. DOI: 10.17308/geo/1609-0683/2023/3/25-34.
- Тарасова Л. В., Курбанов Э. А., Воробьёв О. Н. и др. Мониторинг лесного покрова водоохранных зон рек Марий Эл по спутниковым данным // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 2. С. 177–195. DOI: 10.21046/2070-7401-2024-21-2-177-195.
- Терехин Э. А. Пространственно-временная оценка лесистости овражно-балочных систем Среднерусской лесостепи с применением спектрально-отражательных признаков // Исслед. Земли из космоса. 2021. № 4. С. 84–96. DOI: 10.31857/S0205961421040060.
- Терехин Э. А. Особенности лесовозобновления на залежных землях Среднерусской лесостепи // Изв. РАН. Сер. геогр. 2022. Т. 86. № 4. С. 594–604. DOI: 10.31857/S2587556622040112.
- Терехин Э. А. Современные тенденции изменения лесного покрова Среднерусской лесостепи // Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 5. С. 207–221. DOI: 10.21046/2070-7401-2025-22-5-207-221.
- Украинский П. А., Терехин Э. А., Павлюк Я. В. Фрагментация лесов верхней части бассейна реки Ворскла с конца XVIII века // Вестн. Московского ун-та. Сер. 5: География. 2017. № 1. С. 82–91.
- Физико-географическое районирование центральных черноземных областей. Воронеж: Изд-во Воронежского ун-та, 1961. 263 с.
- Цветков М. А. Изменение лесистости Европейской России с конца XVII столетия по 1914 год. М: Изд-во АН СССР, 1957. 213 с.
- Чендев Ю. Г. Эволюция лесостепных почв Среднерусской возвышенности в голоцене. М.: ГЕОС, 2008. 212 с.
- Шабанов Н. В., Барталев С. А., Ерошенко Ф. В., Плотников Д. Е. Развитие возможностей дистанционной оценки индекса листовой поверхности по данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 166–178. DOI: 10.21046/2070-7401-2018-15-4-166-178.
- Bartalev S. A., Egorov V. A., Loupian E. A., Khvostikov S. A. A new locally-adaptive classification method LAGMA for large-scale land cover mapping using remote-sensing data // Remote Sensing Letters. 2014. V. 5. No. 1. P. 55–64. DOI: 10.1080/2150704X.2013.870675.
- Bera D., Das Chatterjee N., Bera S. et al. Comparative performance of Sentinel-2 MSI and Landsat-8 OLI data in canopy cover prediction using Random Forest model: Comparing model performance and tuning parameters // Advances in Space Research. 2023. V. 71. No. 11. P. 4691–4709. DOI: 10.1016/j.asr.2023.01.027.
- Chendev Yu.G., Hubbart J. A., Terekhin E. A. et al. Recent afforestation in the Iowa River and Vorskla River basins: A comparative trends analysis // Forests. 2016. V. 7. No. 11. Article 278. DOI: 10.3390/f7110278.
- Clevers J. G. P. W. Application of a weighted infrared-red vegetation index for estimating leaf Area Index by Correcting for Soil Moisture // Remote Sensing of Environment. 1989. V. 29. No. 1. P. 25–37. DOI: 10.1016/0034-4257(89)90076-X.
- Crist E. P., Cicone R. C. A physically-based transformation of Thematic Mapper data — The TM Tasseled Cap // IEEE Trans. Geoscience and Remote Sensing. 1984. V. GE-22, No. 3. P. 256–263, DOI: 10.1109/TGRS.1984.350619.
- Gitelson A. A., Kaufman Y. J., Merzlyak M. N. Use of a green channel in remote sensing of global vegetation from EOS-MODIS // Remote Sensing of Environment. 1996. V. 58. No. 3. P. 289–298. DOI: 10.1016/S0034-4257(96)00072-7.
- Gitelson A. A., Kaufman Y. J., Stark R., Rundquist D. Novel algorithms for remote estimation of vegetation fraction // Remote Sensing of Environment. 2002. V. 80. No. 1. P. 76–87. DOI: 10.1016/S0034-4257(01)00289-9.
- Goel N. S., Qin W. Influences of canopy architecture on relationships between various vegetation indices and LAI and Fpar: A computer simulation // Remote Sensing Reviews. 1994. V. 10. No. 4. P. 309–347. DOI: 10.1080/02757259409532252.
- Gudex-Cross D., Pontius J., Adams A. Enhanced forest cover mapping using spectral unmixing and object-based classification of multi-temporal Landsat imagery // Remote Sensing of Environment. 2017. V. 196. P. 193–204. DOI: 10.1016/j.rse.2017.05.006.
- Haboudane D., Miller J. R., Pattey E. et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture // Remote Sensing of Environment. 2004. V. 90. No. 3. P. 337–352. DOI: 10.1016/j.rse.2003.12.013.
- Huete A. R. A soil-adjusted vegetation index (SAVI) // Remote Sensing of Environment. 1988. V. 25. No. 3. P. 295–309. DOI: 10.1016/0034-4257(88)90106-X.
- Huete A., Didan K., Miura T. et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices // Remote Sensing of Environment. 2002. V. 83. No. 1–2. P. 195–213. DOI: 10.1016/S0034-4257(02)00096-2.
- Jiang Z., Huete A. R., Didan K., Miura T. Development of a two-band enhanced vegetation index without a blue band // Remote Sensing of Environment. 2008. V. 112. No. 10. P. 3833–3845. DOI: 10.1016/j.rse.2008.06.006.
- Jordan C. F. Derivation of Leaf-area index from quality of light on the forest floor // Ecology. 1969. V. 50. No. 4. P. 663–666. DOI: 10.2307/1936256.
- Kaufman Y. J., Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS // IEEE Trans. Geoscience and Remote Sensing. 1992. V. 30. No. 2. P. 261–270. DOI: 10.1109/36.134076.
- Liu D., Yang L., Jia K. et al. Global fractional vegetation cover estimation algorithm for VIIRS reflectance data based on machine learning methods // Remote Sensing. 2018. V. 10. No. 10. Article 1648. DOI: 10.3390/rs10101648.
- McNairn H., Protz R. Mapping corn residue cover on agricultural fields in Oxford County, Ontario, using Thematic Mapper // Canadian J. Remote Sensing. 1993. V. 19. No. 2. P. 152–159. DOI: 10.1080/07038992.1993.10874543.
- Pearson R. L., Miller L. D. Remote mapping of standing crop biomass for estimation of the productivity of the shortgrass prairie // Proc. 8th Intern. Symp. on Remote Sensing of Environment. 1972. V. 2. P. 1357–1381.
- Radhakrishnan S., Lakshminarayanan A. S., Chatterjee J. M., Hemanth D. J. Forest data visualization and land mapping using support vector machines and decision trees // Earth Science Informatics. 2020. V. 13. No. 4. P. 1119–1137. DOI: 10.1007/s12145-020-00492-3.
- Roujean J.-L., Breon F.-M. Estimating PAR absorbed by vegetation from bidirectional reflectance measurements // Remote Sensing of Environment. 1995. V. 51. No. 3. P. 375–384. DOI: 10.1016/0034-4257(94)00114-3.
- Rouse J. W., Jr., Haas R. H., Schell J. A., Deering D. W. Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. NASA/GSFCT Type II Report. Greenbelt, MD: Goddard Space Flight Center, April 1973. 93 p.
- Senf C., Laštovička J., Okujeni A. et al. A generalized regression-based unmixing model for mapping forest cover fractions throughout three decades of Landsat data // Remote Sensing of Environment. 2020. V. 240. Article 111691. DOI: 10.1016/j.rse.2020.111691.
- Shi T., Xu H. Derivation of Tasseled Cap transformation coefficients for Sentinel-2 MSI at-sensor reflectance data // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2019. V. 12. No. 10. P. 4038–4048. DOI: 10.1109/JSTARS.2019.2938388.
- Tucker C. J. Red and photographic infrared linear combinations for monitoring vegetation // Remote Sensing of Environment. 1979. V. 8. No. 2. P. 127–150. DOI: 10.1016/0034-4257(79)90013-0.
- Vincini M., Frazzi E., D’Alessio P. A broad-band leaf chlorophyll vegetation index at the canopy scale // Precision Agriculture. 2008. V. 9. No. 5. P. 303–319. DOI: 10.1007/s11119-008-9075-z.