Почтовый адрес: САФУ, Редакция «Лесной журнал», наб. Северной Двины, 17, г. Архангельск, Россия, 163002, ауд. 1425

Тел.: 8(8182) 21-61-18
Сайт: http://lesnoizhurnal.ru/ 
e-mail: forest@narfu.ru

RussianEnglish



архив

Cостояние лесных массивов на насыщенных оксидами железа почвах Азербайджана. С. 117–125

Версия для печати

Б.Г. Алиев, В.М. Мамедалиева

Рубрика: Лесное хозяйство

Скачать статью (pdf, 3.5MB )

УДК

528.856:630*5

DOI:

10.37482/0536-1036-2022-6-117-125

Аннотация

В настоящее время в Азербайджане приоритет отдается развитию ненефтяного сектора. Активно развивается горнодобывающая промышленность, призванная стать одним из его локомотивов. Это наносит ущерб экологии региона. Одной из причин деградации лесов на западе страны стала интенсивная деятельность по добыче полезных ископаемых. Исследовано взаимовлияние состояния лесных массивов и наличия в почве минералов, содержащих оксиды железа, в регионе Малого Кавказа, который охватывает два промышленно развитых района Азербайджана – Дашкесанский и Кедабекский. По материалам спутниковых съемок за значительный период времени вычислены спектральные индексы растительности. Показан процесс обработки космических снимков, включающий их предварительную обработку, спектральный, геопространственный и корреляционный анализ для нахождения количественных коэффициентов связи доли оксидов железа в почве и состояния леса. Спектральный анализ позволяет определить состояние леса путем вычисления вегетационного индекса SIPI, а также наличие в почвах региона минералов, содержащих оксиды железа, – через мультиспектральный индекс Ferric oxides. Геопространственный анализ предназначен для оценки состояния леса в местах залежей указанных минералов. Корреляционный анализ – для сравнения процессов деградации в исследованных районах. Приводятся электронные карты, составленные путем наложения карт состояния лесных массивов и карт содержания оксидов железа. Отмечается динамика, подтверждающая увеличение доли разрушенных лесов в районах исследований.

Сведения об авторах

Б.Г. Алиев, иностр. чл. РАН, акад., д-р техн. наук, проф.; ResearcherID: CAJ-5455-2022, ORCID: https://orcid.org/0000-0001-6129-3415
В.М. Мамедалиева*, канд. геогр. наук, доц.; ResearcherID: AAC-5454-2021, ORCID: https://orcid.org/0000-0002-8775-8564
Институт экологии Национального аэрокосмического агентства, ул. С.С. Ахундова, д. 1, г. Баку, Азербайджанская Республика, AZ1115; bahram_aliyev@hotmail.comvalide.mamedaliyeva@mail.ru*

Ключевые слова

лесорастительный покров, горные леса, космические снимки, спектральные индексы, состояние леса, минералы, оксиды железа

Для цитирования

Алиев Б.Г., Мамедалиева В.М. Cостояние лесных массивов на насыщенных оксидами железа почвах Азербайджана // Изв. вузов. Лесн. журн. 2022. № 6. С. 117–125. https://doi.org/10.37482/0536-1036-2022-6-117-125

Литература

  1. Алиев Б.Г., Алиев И.Н. Проблемы эрозии в Азербайджане и пути ее решения. Баку: Нурлан, 2000. 122 с. 

  2. Бузмаков С.А., Санников П.Ю., Андреев Д.Н. Подготовка и применение материалов аэрофотосъемки для изучения лесов // Изв. Самар. НЦ РАН. 2016. Т. 18, № 2. C. 313–316. 

  3. Все о геологии. Месторождение Дашкесан. Режим доступа: https://wiki.web.ru/wiki/Месторождение_Дашкесан (дата обращения: 31.10.22). 

  4. Горные леса – основа нашего будущего/Продовольственная и сельскохозяйственная организация Объединенных Наций, ФАО. Отдел по оценке, рациональному использованию и сохранению лесов. Режим доступа: http://caresd.net/img/docs/8517.pdf (дата обращения: 31.10.22). 

  5. Дашкесан. Режим доступа: https://portal.azertag.az/ru/node/2598 (дата обращения: 31.10.22). 

  6. Колесникова О.Н., Черепанов А.С. Возможности ПК ENVI для обработки мультиспектральных и гиперспектральных данных // Геоматика. 2009. № 3. С. 24–27. 

  7. Химическая классификация минералов. Режим доступа: https://bsu.by/faculties/ekspozitsii-muzeya/khimicheskaya-klassifikatsiya-mineralov.php (дата обращения: 29.11.22). 

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

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

  10. Чухланцев А.А., Саворский В.П. Задачи дистанционного зондирования лесов при изучении глобальных климатических изменений // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8, № 2. С. 246–256. 

  11. Altamirano A., Aplin P., Miranda A., Cayuela L., Algar A.C., Field R. High Rates of Forest Loss and Turnover Obscured by Classical Landscape Measures. Applied Geography, 2013, vol. 40, pp. 199–211. https://doi.org/10.1016/j.apgeog.2013.03.003

  12. Dashkesan Co-Fe Deposit, Dashkesan, Dashkesan District, Azerbaijan. Mindat. Available at: https://www.mindat.org/loc-2780.html (accessed 22.04.21).

  13. Ducart D., Silva A., Toledo C. et al. Mapping Iron Oxides with Landsat-8/OLI and EO-1/Hyperion Imagery from the Serra Norte Iron Deposits in the Carajás Mineral Province, Brazil. Brazilian Journal of Geology, 2016, vol. 46, no. 3, pp. 331–349. https://doi.org/10.1590/2317-4889201620160023

  14. Geology Indices Background. L3Harris. Available at: https://www.l3harrisgeospatial.com/docs/backgroundgeologyindices.html (accessed 22.04.21).

  15. Lausch A., Erasmi S., King D.J., Magdon P., Heurich M. Understanding Forest Health with Remote Sensing – Part I – A Review of Spectral Traits, Processes and Remote-Sensing Characteristics. Remote Sensing, 2016, vol. 8, iss. 12, art. 1029. https://doi.org/10.3390/rs8121029

  16. Lewis S.L., Edwards D.P., Galbraith D. Increasing Human Dominance of Tropical Forests. Science, 2015, vol. 349, iss. 6250, pp. 827–832. https://doi.org/10.1126/science.aaa9932

  17. Mate A.R., Deshmukh R.R. Analysis of Effects of Air Pollution on Chlorophyll, Water, Carotenoid and Anthocyanin Content of Tree Leaves Using Spectral Indices. International Journal of Engineering Science and Computing, 2016, vol. 6, no. 8, pp. 5465–5474.

  18. Nemani R.R., Keeling C.D., Hashimoto H., Jolly W.M., Piper S.C., Tucker C.J., Myneni R.B., Running S.W. Climate-Driven Increases in Global Terrestrial Net Primary Production from 1982 to 1999. Science, 2003, vol. 300, iss. 5625, pp. 1560–1563. https://doi.org/10.1126/science.1082750

  19. Parashar S., Bhatia K., Bhadola S. Image Processing: A Methodology to Detect Plant Diseases. International Journal of Computer Science and Mobile Computing, 2019, vol. 8, iss. 4, pp. 209–216.

  20. Sergieieva K. Spectral Indices to Drive Digital Agri Solutions. EOS Data Analytics. Available at: https://eos.com/blog/vegetation-indices/ (accessed 10.01.22).