Оценка возможностей применения материалов спутниковой съемки Sentinel-2 для определения преобладающих древесных пород при таксации лесов

Исследование посвящено оценке возможностей применения материалов многозональной космической съемки Sentinel-2 в качестве дополнительных материалов для лесотаксационного дешифрирования. Модельной территорией выбрана Лисинская часть Учебно-опытного лесничества (бывший Лисинский учебно-опытный лесхоз), расположенная в Тосненском муниципальном районе Ленинградской области. На основе данных лесоустройства получен набор лесотаксационных выделов, представляющих насаждения основных лесообразующих пород. Критериями отбора служили преобладающая порода, возраст, коэффициент состава, класс бонитета, относительная полнота и площадь. Всего выбрано 384 выдела спелых и перестойных сомкнутых насаждений основных преобладающих пород высоких классов бонитета, преимущественно чистых по составу. Для выбранных выделов с помощью картографического сервиса EO Browser получены материалы безоблачной космической съемки Sentinel-2 за период с апреля по июль 2021 г. Определены значения яркостей каналов Sentinel-2, значимых для изучения растительности, а также рассчитаны значения ряда вегетационных индексов – SR, NDVI, EVI, ARVI, SWVI, NDMI. Оценены изменения средних значений яркостей и вегетационных индексов насаждений преобладающих пород за первые четыре месяца вегетационного периода. В отдельные месяцы были отмечены существенные различия характеристик материалов ДЗЗ для разных пород. Для оценки возможностей определения отдельных древесных пород на основе материалов Sentinel-2 выполнен дисперсионный анализ. В качестве зависимой переменной поочередно рассматривались яркости и вегетационные индексы, в качестве фактора – преобладающая древесная порода. Установлено, что в отдельные месяцы характеристики материалов ДЗЗ для отдельных пород и их групп значимо отличаются. Например, по значениям индекса NDVI в июле отличаются хвойные и лиственные породы. По значениям яркостей каналов B8 и B8A, а также по величине индекса EVI в июле различаются три группы пород –Исследование посвящено оценке возможностей применения материалов многозональной космической съемки Sentinel-2 в качестве дополнительных материалов для лесотаксационного дешифрирования. Модельной территорией выбрана Лисинская часть Учебно-опытного лесничества (бывший Лисинский учебно-опытный лесхоз), расположенная в Тосненском муниципальном районе Ленинградской области. На основе данных лесоустройства получен набор лесотаксационных выделов, представляющих насаждения основных лесообразующих пород. Критериями отбора служили преобладающая порода, возраст, коэффициент состава, класс бонитета, относительная полнота и площадь. Всего выбрано 384 выдела спелых и перестойных сомкнутых насаждений основных преобладающих пород высоких классов бонитета, преимущественно чистых по составу. Для выбранных выделов с помощью картографического сервиса EO Browser получены материалы безоблачной космической съемки Sentinel-2 за период с апреля по июль 2021 г. Определены значения яркостей каналов Sentinel-2, значимых для изучения растительности, а также рассчитаны значения ряда вегетационных индексов – SR, NDVI, EVI, ARVI, SWVI, NDMI. Оценены изменения средних значений яркостей и вегетационных индексов насаждений преобладающих пород за первые четыре месяца вегетационного периода. В отдельные месяцы были отмечены существенные различия характеристик материалов ДЗЗ для разных пород. Для оценки возможностей определения отдельных древесных пород на основе материалов Sentinel-2 выполнен дисперсионный анализ. В качестве зависимой переменной поочередно рассматривались яркости и вегетационные индексы, в качестве фактора – преобладающая древесная порода. Установлено, что в отдельные месяцы характеристики материалов ДЗЗ для отдельных пород и их групп значимо отличаются. Например, по значениям индекса NDVI в июле отличаются хвойные и лиственные породы. По значениям яркостей каналов B8 и B8A, а также по величине индекса EVI в июле различаются три группы пород – хвойные (сосна и ель), ольха (серая и черная), а также береза с осиной. Установленные различия характеристик материалов ДЗЗ между отдельными преобладающими породами могут использоваться в качестве дополнительного признака при аналитико-измерительном дешифрировании.

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

2. Архипов В.И., Басков В.И., Белов В.А., Березин В.И., Черниховский Д.М. Руководство по таксации лесов дешифровочным способом. СПб.: ООО «ЛЕСПРОЕКТ», 2021. 99 с.

3. Архипов В.И., Черниховский Д.М., Березин В.И. Опыт таксации лесов дешифровочным способом на основе современного программно-аппаратного обеспечения и цифровых аэроснимков нового поколения // Сибирский лесной журнал. 2014a. № 5. С. 29–37.

4. Архипов В.И., Черниховский Д.М., Березин В.И., Белов В.А. Современная технология таксации лесов дешифровочным способом «От съемки – к проекту» // Известия Санкт-Петербургской лесотехнической академии. 2014b. Вып. 208. С. 22–42.

5. Березин В.И., Черниховский Д.М. Современное развитие методологии лесного стереоскопического дешифрирования средствами фотограмметрического программного обеспечения (теория и практика) // Проблемы инвентаризации лесов и лесоустройства: матер. 5-й Междунар. научно-практич. конф. М.: Рослесинфорг, 2019. С. 112–117.

6. Воробьев О.Н., Курбанов Э.А., Губаев А.В., Демишева Е.Н. Методика пошаговой классификации спутниковых снимков для тематического картирования лесов // Вестник Поволжского государственного технологического университета. Серия: Лес. Экология. Природопользование. 2015. № 4(28). С. 57–72.

7. Гусев А.П. Многолетние изменения вегетационных индексов как индикатор динамики состояния природных и антропогенных геосистем // Геополитика и экогеодинамика регионов. 2021. Т. 7 (17), вып. 2. С. 202–209.

8. Данюлис Е.П., Осипенко Г.С., Резник М.Х., Березин В.И. Вероятностный анализ признаков дешифрирования // Экономико-математическое моделирование лесохозяйственных мероприятий: сб. научных трудов. Л.: ЛенНИИЛХ, 1980. С. 153–160.

9. Дмитриев Е.В., Кондранин Т.В., Мельник П.Г., Донской С.А. Определение видового состава смешанного леса на основе совместной обработки публичных спутниковых карт и многовременных изображений Sentinel-2 // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21, № 1. С. 31–50. DOI: 10.21046/2070-7401-2024-21-1-31-50

10. Жирин В.М., Князева С.В., Эйдлина С.П. Динамика спектральной яркости породно-возрастной структуры групп типов леса на космических снимках Landsat // Лесоведение. 2014. № 5. С. 3–12.

11. Жирин В.М., Князева С.В., Эйдлина С.П. Многолетняя динамика вегетационных индексов темнохвойных лесов после повреждения сибирским шелкопрядом // Лесоведение. 2016. № 1. С. 3–14. Использование вегетационных индексов для анализа растительности. URL: https://gisproxima.ru/ispolzovanie_vegetatsionnyh_indeksov?ysclid=lxavkdetdj933222750 (дата обращения: 12.06.2024).

12. Копытков В.В., Гусев А.П. Исследования состояния лесных культур и биологической устойчивости насаждений в зоне первоочередного отселения с использованием многозональной космической съемки // Вестник Мозырского государственного педагогического университета им. И.П. Шамякина. 2023. № 1(61). С. 22–28.

13. Крылов А.М., Соболев А.А., Владимирова Н.А. Выявление очагов короедатипографа в Московской области с использованием снимков Landsat // Вестник Московского государственного университета леса – Лесной вестник. 2011. № 4. С. 54–60.

14. Курбанов Э.А., Боробьев О.Н., Меньшиков С.А., Смирнова Л.Н. Распознавание лесных насаждений и доминирующих древесных пород Пензенской области по данным спутника Sentinel-2 // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15, № 5. С. 154–166. DOI: 10.21046/2070-7401-2018-15-5-154-166

15. Мартынова М.В., Султанова Р.Р., Габделхаков А.К., Рахматуллин З.З., Одинцов Г.Е. Оценка зарастания сельскохозяйственных земель древесными породами по спутниковым данным Landsat на примере участка Бакалинского района Республики Башкортостан // Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг. 2020. № 6. С. 128–134.

16. Пахучий В.В., Пахучая Л.М. Опыт использования вегетационных индексов при комплексных исследованиях на объектах гидролесомелиорации // Вестник Поволжского государственного технологического университета. Серия: Лес. Экология. Природопользование. 2014. № 1(21). С. 33–41.

17. Пахучий В.В., Шевелев Д.А. Использование лесоустроительныx материалов и спутниковых технологий при гидролесомелиоративныx исследованиях // Успехи современного естествознания. 2016. № 5. С. 69–73.

18. Пушкин А.А., Сидельник Н.Я., Ковалевский С.В. Оценка возможностей использования спектрального вегетационного индекса EVI для дешифрирования лесных насаждений по материалам космической съемки // Труды БГТУ. Серия 1: Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. 2020. № 1(228). С. 5–11.

19. Рахматуллина И.Р., Рахматуллин З.З., Тагирова О.В., Хамидуллина Г.Г., Кулагин А.Ю. Использование вегетационных индексов для оценки характеристик сосновых насаждений г. Уфы и ее пригородов // Вестник Оренбургского государственного педагогического университета. Электронный научный журнал. 2021. № 3(39). С. 35–48. DOI: 10.32516/2303-9922.2021.39.3

20. Силкина О.В., Винокурова Р.И. Сезонная динамика содержания хлорофиллов и микроэлементов в формирующейся хвое Abies sibirica и Picea abies // Физиология растений. 2009. Т. 56, № 6. С. 864–870.

21. Стыценко Ф.В., Барталев С.А., Букась А.В., Ершов Д.В., Сайгин И.А. Возможности пролонгированной оценки постпожарного состояния хвойных вечнозелёных лесов по данным многоспектральных спутниковых измерений // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16, № 5. С. 217–227. DOI: 10.21046/2070-7401-2019-16-5-217-227

22. Сультсон С.М., Пономарев Е.И., Швецов Е.Г., Третьяков П.Д., Горошко А.А., Кулакова Н.Н., Михайлов П.В. Применение дистанционного зондирования для прогноза нарушений темнохвойных лесов после вспышки численности сибирского шелкопряда // Биосфера. 2023. Т. 15, № 1. С. 21–32.

23. Тарасова Л.В. Дистанционный мониторинг и спектральная разделимость классов лесного покрова водоохранных зон рек (на примере Марийского лесного Заволжья): дис. … канд. с.-х. наук. Йошкар-Ола: Поволжский государственный технологический университет, 2023. 179 с.

24. Черепанов А.С. Вегетационные индексы // Геоматика. 2011. № 2. С. 98–102.

25. Черепанов А.С., Дружинина Е.Г. Спектральные свойства растительности и вегетационные индексы // Геоматика. 2009. № 3. С. 28–32.

26. Черниховский Д.М. Теория и методы инвентаризации лесов на основе данных дистанционного зондирования Земли, цифрового моделирования рельефа и ГИС-технологий: дис. … д-ра с.-х. наук. СПб.: СПбГЛТУ, 2020. 386 с.

27. Abdullah H.J. Remote sensing of European spruce (Ips typographus L.) bark beetle green attack: PhD thesis. University of Twente, 2019. 151 p. DOI: 10.3990/1.9789036547956

28. Abdullah H., Darvishzadeh R., Skidmore A.K., Heurich M. Sensitivity of Landsat- 8 OLI and TIRS Data to Foliar Properties of Early Stage Bark Beetle (Ips typographus L.) Infestation // Remote Sensing. 2019a. Vol. 11, iss. 4. Art. no. 398.

29. Abdullah H., Skidmore A.K., Darvishzadeh R., Heurich M. Sentinel-2 accurately maps green-attack stage of European spruce bark beetle (Ips typographus, L.) compared with Landsat-8 // Remote Sensing in Ecology and Conservation. 2019b. Vol. 5, iss. 1. P. 87–106.

30. Alekseev A., Chernikhovskii D. Assessment of the health status of tree stands based on Sentinel – 2B remote sensing materials and the short-wave vegetation index SWVI // IOP Conf. Series: Earth and Environmental Science. 2021. Vol. 876. Art. no. 012003. DOI: 10.1088/1755-1315/876/1/012003

31. Alekseev A.S., Chernikhovskii D.M. Assessment of the State of Forests Based on Joint Statistical Processing of Sentinel-2B Remote Sensing Data and the Data from Network of Ground-Based ICP-Forests Sample Plots // Open Journal of Ecology. 2022. Vol. 12. P. 513–528. DOI: 10.4236/oje.2022.128028

32. Georgiev G., Georgieva M., Belilov S., Mirchev P., Deliyanchev S., Mladenov V., Kropov K., Haydarova S. Early Detection of Ips Typographus Infestations by Using Sentinel-2 Satellite Images In Windthrow Affected Norway Spruce Forests In Smolyan Region, Bulgaria // Silva Balcanica. 2022. Vol. 23, iss. 2. P. 27–34. DOI: 10.3897/silvabalcanica.22.e98314

33. Lillesand T.M., Kiefer R.W., Chipman J.W. Remote Sensing and Image Interpretation. SeventhEdition. NewYork, Wiley, 2015. 736 p.