РАЗРАБОТКА МЕТОДИКИ ДЛЯ ОЦЕНКИ УСПЕШНОСТИ ЛЕСОВОССТАНОВЛЕНИЯ ДИСТАНЦИОННЫМИ МЕТОДАМИ

А.А. Карпов, Н.Р. Пирцхалава-Карпова, Р.А. Алешко, А.П. Богданов, А.Г. Гудина

Скачать

№ 3 (35)

Природопользование

Сведения об авторах

Карпов Александр Анатольевич – аспирант очной формы обучения, кафедра лесоводства и лесоустройства, высшая школа естественных наук и технологий

ФГАОУ ВО «Северный (Арктический) Федеральный
университет имени М.В. Ломоносова», г. Архангельск, Российская Федерация

e-mail: lesnoy.monitoring@gmail.com.

Пирцхалава-Карпова Нана Роландиевна – аспирант очной формы обучения, высшая инженерная школа

ФГАОУ ВО «Северный (Арктический) Федеральный университет имени М.В. Ломоносова», г. Архангельск, Российская Федерация

e-mail:nanahoroshaya@gmail.com.

Гудина Александра Геннадьевна – аспирант очной формы обучения, кафедра лесоводства и лесоустройства, высшая школа естественных наук и технологий

ФГАОУ ВО «Северный (Арктический) Федеральный университет имени М.В. Ломоносова», г. Архангельск, Российская Федерация

e-mail: aleksandra-oblova@yandex.ru.

Алешко Роман Александрович – кандидат технических наук, доцент, и.о. заведующего кафедрой информационных систем и технологий, высшая школа информационных технологий и автоматизированных систем

ФГАОУ ВО «Северный (Арктический) Федеральный университет имени М.В. Ломоносова», г. Архангельск, Российская Федерация

e-mail: r.aleshko@narfu.ru.

Богданов Александр Петрович – кандидат сельскохозяйственных наук, старший научный сотрудник

ФБУ «Северный научно-исследовательский институт лесного хозяйства», г. Архангельск, Российская Федерация

e-mail: aleksandr_bogd@mail.ru.

 

 

Аннотация: 

Оценка успешности лесовосстановления на вырубках и гарях является важной задачей для анализа восстановления хвойными и лиственными породами и прогнозирования в будущем лесных запасов. Проведение работ по государственному мониторингу лесовосстановления лесов требует значительных трудовых ресурсов, поэтому использование данных дистанционного зондирования является актуальной задачей. Данное исследование рассматривает восстановление древесной растительности на территории Арктической сухопутной зоны Архангельской области. В ходе выполнения исследовательской работы была разработана предварительная методика для перевода участков, подверженных лесным пожарам, вырубкам, в лесопокрытую площадь. Разработанная методика основывается на снимках сверхвысокого разрешения, сделанных с беспилотных летательных аппаратов (БПЛА) и спутниковых снимков среднего разрешения Sentinel-2 и Landsat 8. Методика включает в себя следующие шаги: выявление уменьшения лесного покрова; сбор полевых данных с помощью беспилотного летательного аппарата для создания обучающей выборки; классификации снимка среднего разрешения по двум классам «восстановилось» и «не восстановилось». Инструментом для выявления уменьшения лесного покрова и анализа лесовосстановления в методике используется метод трансформации многоканального спутникового изображения Tasseled Cap. В качестве методики для классификации спутникового изображения используется метод k-ближайших соседей. Результатами выполненной работы стали пространственные слои, содержащие данные об уменьшении лесного покрова за 2016 год и восстановлении древостоя в границах уменьшения лесопокрытой площади за период с 2001 по 2016 год. Для проведения классификации была создана обучающая выборка с использованием БПЛА в количестве 3037 объектов. Результатом проведения классификации стал слой лесовосстановления с двумя классами «восстановилось» и «не восстановилось». Восстановившиеся объекты составляют 73 %, не восстановившиеся – 27 %. Исследовательская работа показала возможность совместного использования снимков сверхвысокого и среднего разрешения.

 

Ключевые слова: 

лесовосстановление, перевод земель, занятых лесными насаждениями, вырубки, динамика лесовосстановления, Landsat, Sentinel, ДЗЗ, БПЛА

Для цитирования: 

Разработка методики для оценки успешности лесовосстановления дистанционными методами / А. А. Карпов, Н. Р. Пирцхалава-Карпова, Р. А. Алешко [и др.] // Лесотехнический журнал. – 2019. – Т. 9. – № 3 (35). – С. 25–34. – Библиогр.: с. 32–34 (15 назв.) DOI: 10.34220/issn.2222-7962/2019.3/3.

 

Литература: 

1. Fiorella, M. Ripple Analysis of Conifer Forest Regeneration Using Landsat Thematic Mapper Data / M. Fiorella, J. William // Photogranunetric Engineering & Remote Sensing. – 1993. – Vol. 59. – № 9. – P. 1383–1388.

2. Franks, S. Monitoring forest regrowth following large scale fire using satellite data – A case study of Yellowstone National Park, USA / S. Franks, J. G. Masek, M. G. Turner // European Journal of Remote Sensing. – 2013. – № 46. – P. 561–569.

3. Frazier, R. J. Boreal Shield forest disturbance and recovery trends using Landsat time series / R. J. Frazier, N. C. Coops, M. A. Wulder // Remote Sens. Environ. – 2015. – № 170. – P. 317–327.

4. Ghuffar, S. Satellite stereo based digital surface model generation using semi global matching in object and image space / S. Ghuffar // ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, III-1, 2016. – P. 63–68.

5. An Object-Based Semantic Classification Method for High Resolution Remote Sensing Imagery Using Ontology / H. Gu, H. Li, L. Yan [et al.] // RemoteSensing. 2017. – No. 9(4). – 329 p.

6. Kauth, R. J. The tasseled Cap – A Graphic Description of the Spectral-Temporal Development of Agricultural Crops as Seen by LANDSAT / R. J. Kauth, G. S. Thomas // Proceedings of the Symposium on Machine Processing of Remotely Sensed Data, Purdue University of West Lafayette, Indiana, 1976. – P. 4B-41–4B-51.

7. Olsson, H. A method for using Landsat time series for monitoring young plantations in boreal forests / H. Olson // International Journal of Remote Sensing. – 2009. – No. 30(19). – P. 5117–5131.

8. New Approach for forest inventory estimation and timber harvesting planning in mountain areas: the SLOPE project / F. Prandi, D. Magliocchetti, A. Poveda [et al.] // ISPRS – International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B3, 2016. – P. 775–782.

9. Comparison of Segmentation Algorithm for Urban Tree Delineation using Aerial Imagery / P. M. Salim, A. M. Samad, N. A. A. Aziz [et al.] // 2018 IEEE 8th International Conference on System Engineering and Technology (ICSET). – IEEE, 2018.

10. Potential of Unmanned Aerial Vehicle Based Photogrammetric Point Clouds for Automatic Single Tree Detection / M. Sperlich, T. Kattenborn, B. Koch, G. Kattenborn // DGPF Proceedings; GemeinsameTagung 2014 der DGfK, der DGPF, der GfGI und des GiN (DGPF Tagungsband 23 / 2014).

11. Remote Sensing Technologies for Enhancing Forest Inventories: A Review / J. C. White, N. C. Coops, M. A. Wulder [et al.] // Canadian Journal of Remote Sensing. – 2016. – No. 42(5). – P. 619–641.

12. Monitoring vegetation dynamics using the universal normalized vegetation index (UNVI): An optimized vegetation index-VIUPD / L. Zhang, N. Qiao, M. H. A. Baig [et al.] // Remote Sensing Letters. 2019. – No. 10 (7). – P. 629–638.

13. Совершенствование мониторинга лесов путем использования облачных технологий как элемента устойчивого лесоуправления / А. П. Богданов, А. А. Карпов, Н. А. Демина, Р. А. Алешко // Современные проблемы дистанционного зондирования Земли из космоса. – 2018. – Т. 15. – № 1. – С. 89–100.

14. Оценка динамики и нарушенности лесного покрова в Среднем Поволжье по снимкам Landsat / О. Н. Воробьев, Э. А. Курбанов, Ю. А. Полевщикова, С. А. Лежнин // Современные проблемы дистанционного зондирования Земли из космоса. – 2016. – Т. 13. – № 4. – С. 124–134.

15. Денисов, С. А. Опыт применения квадракоптера для мониторинга возобновления леса / С. А. Денисов, А. А. Домрачев, А. С. Елсуков // Вестник ПГТУ. – 2016. – № 4 (32). – С. 34–46.