Loading
Пропустить Навигационные Ссылки.

Авторизоваться
Для зарегистрированных пользователей

Метод выделения покрытых лесом территорий России на основе данных ДЗЗ высокого пространственного разрешения

Процессы усыхания и деградации древесной растительности, вызванные различными природными и антропогенными факторами, оказывают существенное деструктивное воздействие на лесные экосистемы. Оценка экономических и экологических последствий усыханий и деградации лесов требует своевременного получения полной и объективной информации. Поскольку леса России занимают огромные территории, данные дистанционного зондирования Земли (ДЗЗ) со спутников являются незаменимым инструментом для получения оценок такого рода на уровне страны. Выполненные ранее исследования показали возможность использования полученных в зимний период данных ДЗЗ для оценки усыханий вечнозелёных лесных экосистем. Был предложен метод детектирования усыханий вечнозелёных лесов на территории России по данным MODIS и показана возможность использования данных летнего периода для оценки усыханий лесов при отсутствии развитого напочвенного растительного покрова.

В рамках выполненных работ был предложен метод детектирования непирогенных (т.е. не связанных с пожарами) изменений лесов, основанный на использовании спутниковых данных, полученных как в зимний период времени, наиболее эффективных для выявления изменений хвойных вечнозеленых лесов, так и в летний период, пригодных для исследования листопадных лесов. Метод основан на использовании данных спутниковых наблюдений, полученных спутниковой системой Terra/Aqua-MODIS в красном, ближнем инфракрасном (ИК), и среднем ИК спектральных диапазонах, и построенных на их основе индексах. В частности, использовались вегетационные индексы NDVI (Normalized Difference Vegetation Index) и SWVI (Short Wave Vegetation Index), а также их разновременные версии RdNDVI и RdSWVI, рассчитываемые следующим образом:

          (1)

где Rnir, Rred и Rswir — значения коэффициента отражения в ближнем ИК, красном и в среднем ИК диапазонах спектра соответственно; NDVIpre SWVIpre и NDVIpost SWVIpost — значения вегетационных индексов, соответственно, до и после деструктивного воздействия.

Выполненные ранее исследования позволили установить взаимосвязь между показателем средневзвешенной категории состояния насаждений (СКС) и вегетационными индексами RdNDVI и RdSWVI, рассчитанными на основе спутниковых данных, полученных в зимний и летний периоды соответственно. В рамках предложенного метода в качестве источника спутниковых данных были использованы композитные изображения, построенные за летний и зимний периоды по данным прибора MODIS с 2001 по 2021гг. Общая схема метода представлена на рисунке 1.

Предварительная обработка спутниковых данных включала взаимную нормализацию спутниковых изображений в красной и ближней ИК областях спектра для зимних композитных изображений, а также в ближней и средней ИК областях спектра для летних композитных изображений. Нормализация изображений включала приведение гистограмм композитных изображений к гистограмме изображения эталонного года, в качестве которого был выбран 2001 г. Представленный на рисунке 2 пример демонстрирует приведение максимума гистограммы к максимуму опорного изображения, что позволяет снизить вероятность ложных выявлений изменений лесного покрова, связанных с межгодовыми колебаниями спектральных свойств и недостатками композитных изображений.

Рисунок 1 — Общая схема метода детектирования непирогенных изменений лесов

Рисунок 2 — Гистограммы КСЯ в ближней ИК-области спектра (×10000) для зимнего композитного изображения за 2006 год до и после коррекции

На основе прошедших предварительную обработку композитных изображений строились ежегодные изображения индексов NDVI и SWVI на основе которых были рассчитаны разностные индексы RdNDVI и RdSWVI, причем в качестве опорных данных, отражающих состояние леса до непирогенных изменений, использовались композитные изображения за 2001 г. Временные серии вегетационных индексов RdNDVI и RdSWVI за 2002–2021 гг., полученные по зимним и летним данным соответственно, в дальнейшем пересчитывались в значения показателя СКС на основе ранее установленных эмпирических уравнений связи. Таким образом были получены ежегодные тематические изображения со значениями показателя СКС в период 2002–2021 гг., для которых проводилась пороговая фильтрация с отсечением пикселов, не удовлетворяющих условию СКС > 3,5, что позволяет рассматривать только участки с сильными изменениями отражательных свойств, соответствующих усыхающим и погибшим лесам, согласно принятым в лесном хозяйстве градациям СКС.

Для исключения из рассмотрения участков, не относящихся к лесу, а также для разделения на хвойные вечнозеленые и листопадные леса использовалась карта наземных экосистем, разработанная в ИКИ РАН. Так как процессы дефолиации и дехромации хвойных вечнозелёных насаждений оказывают основное влияние на изменения отражательных характеристик лесов, измеряемых в зимний период при наличии снежного покрова, для данных лесов были использованы оценки СКС, основанные на зимних композитных изображениях MODIS. Для остальных лесов использовались результаты, полученные на основе летних данных.

Для фильтрации случайных изменений отражательных свойств, которые могут быть связаны как с недостатком изображений, так и природными факторами, такими как различия во влажности снежного покрова, засухи в отдельные годы, аномальные осадки и др., выявленные изменения проверялись на устойчивость и в рассмотрении оставались только участки для которых детектирование подтверждалось на протяжении как минимум трёх последующих лет, при этом в качестве года появления изменений фиксировалась дата первого его детектирования.

Рисунок 3 — Карта непирогенных изменений лесов за период 2002–2021 гг.

Поскольку изменения лесного покрова могут быть вызваны, в том числе, вырубками и пожарами, была проведена фильтрация полученной карты с исключением участков с вырубками и пожарами. Для фильтрации пожаров были использованы результаты детектирования пройденных огнём площадей, полученных по данным MODIS с пространственным разрешением 230 м. Область вероятных пирогенных изменений также расширялась с применением буферной зоны с использованием плавающего окна размером 7×7 пикселей. Для фильтрации вероятных вырубок были использованы данные проекта Global Forest Change с учётом допущения, что участки нарушения лесного покрова, выявленные в рамках указанного проекта, соответствуют преимущественно значительным изменениям отражательных свойств, характерных для пожаров и вырубок. В дальнейшем могут быть использованы более надёжные результаты картографирования вырубок.

Предложенный метод позволил получить информационный продукт в виде карты непирогенных изменений лесов за период 2002–2021 гг. для всей территории России (рисунок 3). Всего за указанный период выявлено 11 831 тыс. га непирогенных изменений в темнохвойных, светлохвойных, лиственных и лиственничных лесах, а среднее многолетнее значение составило 592 тыс. га в год.

Рисунок 4 — Оценка масштабов непирогенных изменений лесов России
в разрезе основных групп древесных пород за 2002–2021 гг.

Использование карты наземных экосистем для анализа полученных результатов позволило установить, что в структуре непирогенных изменений, ожидаемо доминируют хвойные листопадные леса, занимающие наибольшую площадь (4). Кроме того, значительные площади изменений наблюдаются для светлохвойных и темнохвойных лесов России. Предложенный метод позволяет поводить регулярные оценки непирогенных изменений лесов на территории страны и открывает возможность учёта данного фактора при исследовании динамики растительного покрова страны, бюджета углерода и других задач.