Геоинформационное картирование и типологическая классификация охотничьих угодий на основе данных дистанционного зондирования земли

Данные дистанционного зондирования Земли и геоинформационные системы в настоящий момент являются неотъемлемой частью изучения ландшафтов и мониторинга их состояния. Охотничье хозяйство основывается на охотничьих ресурсах и элементах среды их обитания, которыми и являются природные и антропогенные ландшафты. В ряде нормативных документов Российской Федерации, отражающих современные требования к ведению и направлениям развития охотничьего хозяйства, отмечено, что наиболее действенным является инвентаризация современного состояния среды обитания охотничьих животных на единой методологической основе, в том числе при осуществлении мониторинга с использованием и анализом данных дистанционного зондирования поверхности Земли и аэрофотосъемки охотничьих ландшафтов. Задачи данного исследования заключались в формировании методологического подхода к типологической классификации элементов среды обитания охотничьих ресурсов на основе применения алгоритма автоматизированной классификации спутниковых снимков и геоинформационной обработки получаемых результатов с учетом данных государственного лесного реестра. Объектом исследования служило охотничье хозяйство НП «Охотничье хозяйство «Ольгино» участок №2 на территории Маловишерского района Новгородской области общей площадью 7627,0 га. В качестве исходных материалов использовались спутниковые снимки с ИСЗ Sentinel-2A L2A, а также планы лесных насаждений и данные государственного лесного реестра, получаемые через средства реализации запросов программного комплекса WinPLP. Программными средствами обработки данных являлись ГИС QGis, плагин автоматизированной классификации QGis dzetsaka: Classification tool с алгоритмом классификации по модели смеси Гауссовских распределений Gaussian Mixture Model (GMM), а также ГИС MapInfo Pro 17.0. Контроль и уточнение результатов обработки материалов спутниковой съемки и автоматизированной классификации осуществлялись на основе данных государственного лесного реестра и лесоустроительных картографических материалов. В результате была сформированы карта-схема исследуемого охотничьего хозяйства и таблица по распределению площадей по элементам среды обитания охотничьих ресурсов в соответствии с современными нормативными требованиями. Предложенный подход может применяться не только для проведения типологической оценки охотничьих угодий, но и в качестве инструмента ландшафтного анализа в практике оперативного и ретроспективного мониторинга природных и антропогенно-измененных территорий, в том числе на землях особо охраняемых природных территориях, сельскохозяйственных землях и землях лесного фонда.

1. Алексеев А.С., Михайлова А.А., Черниховский Д.М., Березин В.И. Метод определения таксационных характеристик насаждений по аэрофотоснимкам сверхвысокого разрешения // Труды Санкт-Петербургского научно-исследовательского института лесного хозяйства. 2017. № 2. С. 67–77.

2. Алексеев А.С., Никифоров А.А. Географические информационные системы. СПб.: Изд-во СПбГЛТУ, 2022. 116 с.

3. Али М.С., Воробьёв О.Н., Курбанов Э.А. Алгоритм «дерево решений» для классификации лесов Сирийской Арабской Республики по снимку SENTINEL-2 // Вестник Поволжского государственного технологического университета. Сер.: Лес. Экология. Природопользование. 2020. № 1 (45). С. 5–30. DOI: 10.25686/2306-2827.2020.1.5

4. Борзов С.М., Потатуркин А.О., Потатуркин О.И., Федотов А.М. Исследование эффективности классификации гиперспектральных спутниковых изображений природных и антропогенных территорий // Автометрия. 2016. 52, № 1. С. 3–14.

5. Братков В.В., Кравченко И.В., Туаев Г.А., Атаев З.В., Абдулжалимов А.А. Применение вегетационных индексов для картографирования ландшафтов Большого Кавказа // Известия Дагестанского государственного педагогического университета. Естественные и точные науки. 2016. Т. 10. № 4. С. 97–111.

6. Бучнев А.А., Пяткин В.П. Классификация с обучением гиперспектральных данных дистанционного зондирования земли // Интерэкспо ГЕО-Сибирь-2017. XIII Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. матер. в двух томах. (Новосибирск, 17–21 апреля 2017 г.). Новосибирск : СГУГиТ, 2017. Т. 2. С. 8–12.

7. Винобер А.В. Охотоведение и охотничье хозяйство: в поисках идентичности, синхронизации и пролиферации идей (к 70-летию факультета охотоведения (1950–2020 гг.) // Гуманитарные аспекты охоты и охотничьего хозяйства. 2019. № 6(18). С. 5–17.

8. Греков О.А. Внедрение геоинформационных технологий в практику охотничьего хозяйства // Биодиагностика состояния природных и природнотехногенных систем : матер. ХIX Всерос. науч.-практич. конференции c междунар. участием, Киров, 25 ноября 2021 года. Киров: Вятский государственный университет, 2021.

9. Греков О.А. Мониторинг среды обитания охотничьих животных с использованием современных космических и авиационных систем // Информация и Космос. 2018. № 2. С. 126–132.

10. Дмитрук Н.Г., Широкова В.А., Низовцев В.А., Снытко В.А., Фролова Н.Л., Чеснов В.М., Галкин Ю.С., Озерова Н.А., Широков Р.С. Мста, Ильмень, Волхов – старейший водный путь Балтийского региона // Устойчивое развитие и геоэкологические проблемы Балтийского региона: сб. матер. Междунар. науч.-практич. конференции, посвящ. 1150-летию Великого Новгорода, Великий Новгород, 2009. С. 51–59.

11. Елсаков В.В., Щанов В.М. Развитие топологических подходов при комплексных ландшафтных исследованиях экосистем Европейского Севера дистанционными методами // Современные проблемы дистанционного зондирования Земли из космоса. Физические основы, методы и технологии мониторинга окружающей среды и потенциально опасных явлений и объектов. 2005. С. 267–272.

12. Зенкин Г.Ю. Использование карт Google Maps в задаче идентификации точек на спутниковых изображениях среднего пространственного разрешения // Imethods. 2012. № 1.

13. Лупян Е.А., Барталев С.А., Ершов Д.В. [и др.]. Организация работы со спутниковыми данными в информационной системе дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства (ИСДМ-Рослесхоз) // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 222–250.

14. Любимов А.В., Селиванов А.А., Крючков А.Н. [и др.]. Анализ признаков дешифрирования таксационных показателей лесов с использованием вероятностных методов // Известия Самарского научного центра Российской академии наук. 2018. Т. 20. № 2(82). С. 85–90.

15. Малинников В.А., Барталев С.С. Возможности региональной экологической оценки лесов по данным спутниковых наблюдений // ИВУЗ. Геодезия и аэрофотосъемка. 2006. № 6. С. 3–18.

16. Мельников В.В., Мельников В.К. Управление охотничьим хозяйством или охотой // Современные проблемы природопользования, охотоведения и звероводства. 2007. № 1

17. Мышляков С.Г. Особенности дешифрирования ландшафтов по мультиспектральным космическим снимкам для создания карты элементов среды обитания охотничьих ресурсов // Геоматика. 2013. № 1. С. 53–62.

18. Остапчук А.М. Нормативно-правовая база деятельности охотпользователей в СССР, РСФСР, РФ // Международный журнал теории и научной практики. 2019. Т. 2, № 2. С. 53–67.

19. Самсонов Е.В., Самсонова А.М., Берлин Н.Г., Симбирцева Ю.В. Выделение таксономических единиц при инвентаризации охотничьего угодья // Агрофорсайт. 2017. № 5(11). С. 3.

20. Смирнов С.И. Внутрихозяйственное и территориальное охотустройство: современные проблемы и перспективы развития // Охотничье хозяйство и рациональное природопользование в условиях современной глобальной трансформации (Чтения памяти А.А. Силантьева): матер. Всерос. науч.-практ. конференции, Санкт-Петербург, 06 октября 2022 года. СПб.: СПбГЛТУ, 2022.

21. Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве. Йошкар-Ола: МарГТУ, 2005. 392 с.

22. Украинский П.А., Терехин Э.А., Павлюк Я.В. Фрагментация лесов верхней части бассейна реки Ворскла с конца XVIII века // Вестник Московского университета. Серия 5: География. 2017. № 1. С. 82–91.

23. Усова И.П. Оценка фрагментации лесов с использованием ландшафтных индексов (на примере восточно-белорусской ландшафтной провинции) // Актуальные проблемы геоботаники. Мат-лы III Всероссийской школы-конференции. II часть. Петрозаводск: КарНЦ РАН, 2007. С. 250–253.

24. Фан Т.К., Нгуен Ч.Т., Алексеев А.С. и др. Применение дистанционных методов и ГИС-технологий для классификации земель Пушкинского района Санкт-Петербурга // Известия Санкт-Петербургской лесотехнической академии. 2021. Вып. 235. С. 84–102.

25. Царев П.В., Есков, Д.В., Тимофеева Е.В. Анализ методов классификации элементов среды обитания территории охотничьего угодья // Агрофорсайт. 2020. № 5(29). С. 29–34.

26. Цындыжапова С.Д., Розломий Н.Г., Белов А.Н., Минхайдаров В.Ю. Инвентаризация местообитаний охотничьих животных в угодьях ОО «ВКЛО» Приморского края по результатам мультиспектральных изображений // Мниж. 2021. № 12-2 (114).

27. Черниховский Д.М. Геоинформационные системы в лесном деле. СПб.: Издво СПбГЛТУ, 2022. 88 с.

28. Шихов А.Н., Герасимов А.П., Пономарчук А.И., Перминова Е.С. Тематическое дешифрирование и интерпретация космических снимков среднего и высокого пространственного разрешения: учеб. пособие / Пермский государственный национальный исследовательский университет. Электронные данные. Пермь, 2020. 191 с.

29. Шихов А.Н., Герасимов А.П., Пономарчук А.И., Перминова Е.С. Тематическое дешифрирование и интерпретация космических снимков среднего и высокого пространственного разрешения: учеб. пособие / Пермский государственный национальный исследовательский университет. Электронные данные. Пермь, 2020. 191 с.

30. Chan-Ryul P., Woo-Shin L. Development of a GIS-based habitat suitability model for wild boar Sus scrofa in the Mt. Baekwoonsan region, Korea // Mammal Study. 2003. 28(1). Р. 17–21.

31. Clevenger A.P., Wierzchowski J., Chruszcz B., Gunson K. GIS-Generated, Expert-Based Models for Identifying Wildlife Habitat Linkages and Planning Mitigation Passages // Conservation Biology. 2002. 16. Р. 503–514.

32. Gerrard R., Stine P., Church R., Gilpin M. Habitat evaluation using GIS: a case study applied to the San Joaquin Kit Fox // Landscape and Urban Planning. 2001. 52. Р. 239–255.

33. Grzegorz, Szewczyk & Lipka, Krzysztof & Wezyk, Piotr & Zięba-Kulawik, Karolina & Winczek, Monika. Methods of Landscape Valorization and Possibilities of Its Application in Hunting Area Categorisation. 10.5772/intechopen.94048, 2020.

34. Hamel S., Garel M., Festa-Bianchet M., Gaillard J.M., Côté S.D. Spring normalized difference vegetation index (NDVI) predicts annual variation in timing of peak faecal crude protein in mountain ungulates // J. ApplEcol. 2009. 46. Р. 582–589.

35. Jaskula J., Sojka M., Wicher-Dysarz J. Analysis of the vegetation Process in a Two-stage Reservior on the Basis of Satellite Imagery – a Case Study: Razyny Reservior on the Sama River // Rocznik Ochrona Środowiska. 2018. 20. Р. 203–220.

36. Kunovac S., Omanović M. Game habitats modeling. International Conference Structure and dynamics of ecosystems Dinarides – status, possibilities and prospects. 15–16. June 2011. Sarajevo, Bosnia and Herzegovina, Department of Natural Sciences and Mathematics, Proceedings. 2012. 23. Р. 127–134.

37. Pettorelli N., Pelletier F., von Hardenberg A., Festa-Bianchet M., Cote S.D. Early onset of vegetation growth versus rapid green-up: impacts on juvenile mountain ungulates // Ecology. 2007. 88. Р. 381–390.

38. Radeloff V.C., Pidgeon A.M., Hostert P. Habitat and population modelling of roe deer using an interactive geographic information system // Ecological Modelling. 1999. 114(2-3). Р. 287–304.

39. Suchant R., Baritz R., Braunisch V. Wildlife habitat analysis: a multidimensional habitat management model // J. Nat. Conserv. 2003. 10. Р. 253–268.

40. Whiteside T.G., Boggs G.S., Maier S.W. Comparing object-based and pixel-based classifications for mapping savannas // International Journal of Applied Earth Observation and Geoinformation. 2011. Vol. 13, iss. 6. P. 884–893.

41. Xin Pan, Ce Zhang, Jun Xu, Jian Zhao. Simplified object-based deep neural network for very high resolution remote sensing image classification // ISPRS Journal of Photogrammetry and Remote Sensing. 2021. Vol. 181. P. 218–237. URL: https://doi.org/10.1016/j.isprsjprs.2021.09.014.

42. Yang, He & Ma, Ben & Du, Qian. Decision fusion for supervised and unsupervised hyperspectral image classification // International Geoscience and Remote Sensing Symposium (IGARSS). 2009. 4. IV-948. 10.1109/IGARSS.2009.5417535.