Выявление повреждений хвойных насаждений на основе комплексного анализа результатов дистанционного зондирования Земли и наземных обследований. С. 11–28

УДК

630*5:528.85:630*9

DOI:

10.37482/0536-1036-2024-2-11-28

Аннотация

Повреждение лесных насаждений и их гибель в результате вспышки вредных насекомых и болезней отмечаются на значительных площадях и представляют собой важную лесохозяйственную проблему. Для ее решения целесообразно использовать материалы дистанционного зондирования Земли, т. к. поврежденные и погибшие леса могут занимать большие, удаленные друг от друга территории. В статье представлена методика оценки состояния древостоев и влияния на них вредителей и болезней леса, основанная на совместной обработке данных регулярной сети пробных площадей и материалов дистанционного зондирования Земли с помощью геоинформационных технологий, дисперсионного и регрессионного анализа. Пробные площади были заложены по методике ICP-Forests и характеризовали общий фон состояния лесов на изучаемой территории северо-западной и центральной частей Ленинградской области, на которой одновременно были обнаружены очаги размножения вредителей и болезней леса. Проведена оценка применимости 2 вегетационных индексов – нормализованного дифференциального (NDVI) и коротковолнового (SWVI), а также индекса влажности растительного покрова (NDMI) и пожарного индекса (NBR), спектральных характеристик соответствующих каналов снимка Sentinel-2B для выявления очагов повреждения лесов вредителями и болезнями. Установлены статистически достоверные связи между состоянием насаждений и перечисленными индексами. Показано, что очаги размножения вредителей и болезней достоверно выявляются с помощью материалов дистанционного зондирования Земли на общем фоне состояния лесов, представленном регулярной сетью пробных площадей. Разработана тематическая карта насаждений, подразделяющая их на 2 группы классов состояния: здоровые и ослабленные; отмирающие и сухостой. Методом опорных векторов проведена оценка ее точности на основе совмещения наземных и дистанционных данных. Для оценки адекватности автоматической классификации была использована матрица ошибок с вычис лением индекса Каппа, который оказался равным 0,878, что свидетельствует о высоком качестве классификации. Показано, что разработанная тематическая карта применима для обнаружения потенциальных очагов размножения вредителей и болезней леса на изучаемой территории.

Сведения об авторах

А.С. Алексеев*, д-р геогр. наук, проф.; ResearcherID: F-6891-2010, ORCID: https://orcid.org/0000-0001-8795-2888
Д.М. Черниховский, д-р с.-х. наук; ResearcherID: I-7020-2016, ORCID: https://orcid.org/0000-0002-6375-3080
Санкт-Петербургский государственный лесотехнический университет им. С.М. Кирова, Институтский пер., д. 5, Санкт-Петербург, Россия, 194021; a_s_alekseev@mail.ru*, cherndm2006@yandex.ru

Ключевые слова

ICP-Forests, классы состояния, дистанционные методы, Sentinel-2B, автоматическая классификация изображений, метод опорных векторов, вегетационный индекс, индекс влажности растительного покрова, пожарный индекс, тематическая карта, Ленинградская область

Для цитирования

Алексеев А.С., Черниховский Д.М. Выявление повреждений хвойных насаждений на основе комплексного анализа результатов дистанционного зондирования Земли и наземных обследований // Изв. вузов. Лесн. журн. 2024. № 2. С. 11–28. https://doi.org/10.37482/0536-1036-2024-2-11-28

Литература

1. Ахматович Н.А., Селиховкин А.В., Магдеев Н.Г. Управление рисками в Республике Татарстан: вредители и болезни основных лесообразующих пород // Изв. вузов. Лесн. журн. 2015. № 1. C. 21–34. https://doi.org/10.17238/issn0536-1036.2015.1.21

2. Аэрокосмические методы в охране природы и в лесном хозяйстве / под ред. В.И. Сухих, С.Г. Синицына. М.: Лесн. пром-сть, 1979. 287 с. 

3. Барталев С.А., Егоров В.А., Крылов А.М., Стыценко Ф.В., Ховратович Т.С. Исследование возможностей оценки состояния поврежденных пожарами лесов по данным многоспектральных спутниковых измерений // Соврем. проблемы дистанц. зондирования Земли из космоса. 2010. Т. 7, № 3. С. 215–225.

4. Барталев С.А., Стыценко Ф.В., Егоров В.А., Лупян Е.А. Спутниковая оценка гибели лесов России от пожаров // Лесоведение. 2015. № 2. С. 83–94.

5. Барталев С.А., Стыценко Ф.В., Хвостиков С.А., Лупян Е.А. Методология мониторинга и прогнозирования пирогенной гибели лесов на основе данных спутниковых наблюдений // Соврем. проблемы дистанц. зондирования Земли из космоса. 2017. Т. 14, № 6. С. 176–193. https://doi.org/10.21046/2070-7401-2017-14-6-176-193

6. Воробьев О.Н., Курбанов Э.А., Демишева Е.Н., Меньшиков С.А., Али М.С., Смирнова Л.Н., Тарасова Л.В. Дистанционный мониторинг устойчивости лесных экосистем / под общ. ред. проф. Э.А. Курбанова. Йошкар-Ола: ПГТУ, 2019. 166 с. 

7. Григорьева О.В. Наблюдение деградации лесов по данным гиперспектрального аэро- и космического зондирования // Исследование Земли из космоса. 2014. № 1. С. 43–48. https://doi.org/10.7868/S020596141306002X

8. Карпов А., Васке Б. Метод отнесения земель к землям, занятым лесной растительностью, по аэрокосмическим снимкам Landsat // Изв. вузов. Лесн. журн. 2020. № 3. С. 83–92. https://doi.org/10.37482/0536-1036-2020-3-83-92

9. Князева С.В., Эйдлина С.П. Картографическая оценка динамики показателей состояния древесных растений северо-западных регионов России // Вопр. лесн. науки. 2018. Т. 1(1). С. 1–33. https://doi.org/10.31509/2658-607X-2018-1-1-1-33

10. Ковалев А.В. Анализ устойчивости лесных насаждений к повреждениям сибирским шелкопрядом по данным дистанционного зондирования // Сиб. лесн. журн. 2021. № 5. С. 71–78. https://doi.org/10.15372/SJFS20210508

11. Крылов А.М., Соболев А.А., Владимирова Н.А. Выявление очагов короеда-типографа в Московской области с использованием снимков Landsat // Вестн. МГУЛ – Лесн. вестн. 2011. № 4. С. 54–60.

12. Малахова Е.Г., Крылов А.М. Усыхание ельников в Клинском лесничестве Московской области // Изв. СамНЦ РАН. 2012. Т. 14, № 1(8). С. 1975–1978.

13. Методы мониторинга вредителей и болезней леса / под общ. ред. В.К. Тузова. М.: ВНИИЛМ, 2004. 200 с.

14. 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.

15. Стыценко Ф.В., Барталев С.А., Букась А.В., Ершов Д.В., Сайгин И.А. Возможности пролонгированной оценки постпожарного состояния хвойных вечнозеленых лесов по данным многоспектральных спутниковых измерений // Соврем. проблемы дистанц. зондирования Земли из космоса. 2019. Т. 16, № 5. С. 217–227. https://doi.org/10.21046/2070-7401-2019-16-5-217-227

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

17. Токарева О.С. Обработка и интерпретация данных дистанционного зондирования Земли. Томск: ТПУ, 2010. 148 с. 

18. Федотова Е.В., Заречнева А.И. Пространственно-временная динамика вспышки массового размножения сибирского шелкопряда в темнохвойных древостоях Горного Алтая // Журн. СФУ. Сер.: Техника и технологии. 2017. Т. 10, № 6. С. 747–757. https://doi.org/10.17516/1999-494X-2017-10-6-747-757

19. Хумала А.Э., Полевой А.В., Шалаев В.С., Галкин Ю.С., Щербаков А.Н., Налдеев Д.Ф., Никула А., Ройнинен Х. Оценка возможности применения аэрокосмических методов для мониторинга лесного покрова в Национальном парке «Водлозерский» // Водлозерские чтения: естественнонаучные и гуманитарные основы природоохранной, научной и просветительской деятельности на охраняемых природных территориях Русского Севера: материалы науч.-практ. конф., посвящ. 15-летию Нац. парка «Водлозерский», Петрозаводск, 27–28 апр. 2006 г. Петрозаводск: КарНЦ, 2006. С. 106–112. 

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

21. Шаталов А.В., Жирин В.М., Сухих В.И., Эйдлина С.П., Шалаев В.С. К оценке повреждения лесов Национального парка «Водлозерский» по космическим изображениям // Водлозерские чтения: естественнонаучные и гуманитарные основы природоохранной, научной и просветительской деятельности на охраняемых природных территориях Русского Севера: материалы науч.-практ. конф., посвящ. 15-летию Нац. парка «Водлозерский», Петрозаводск, 27–28 апр. 2006 г. Петрозаводск: КарНЦ, 2006. С. 102–106.

22. Шелухо В.П., Шошин В.И., Клюев В.С. Динамика санитарного состояния ельников в период кульминации размножения типографа и эффективность лесозащитных мероприятий // Изв. вузов. Лесн. журн. 2014. № 2. С. 30–39.

23. 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 Conference Series: Earth and Environmental Science, 2021, vol. 876, art. no. 012003. https://doi.org/10.1088/1755-1315/876/1/012003

24. Alekseev A., Chernikhovskii D., Vetrov L., Gurjanov M., Nikiforchin I. Determination of the State of Forests Based on a Regular Grid of Ground-Based Sample Plots and Sentinel-2B Satellite Imagery Using the k-NN («Nearest Neighbour») Method. IOP Conference Series: Earth and Environmental Science, 2021, vol. 876, art. no. 012002. https://doi.org/10.1088/1755-1315/876/1/012002

25. Congalton R.G., Green K. Assessing the Accuracy of Remotely Sensed Data. Principles and Practices. 3rd ed. Boca Raton, CRC Press, 2019. 346 p. https://doi.org/10.1201/9780429052729

26. Conrad O., Bechtel B., Bock M., Dietrich H., Fischer E., Gerlitz L., Wehberg J., Wichmann V., Böhner J. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4. Geoscientific Model Development, 2015, vol. 8, iss. 7, pp. 1991–2007. https://doi.org/10.5194/gmd-8-1991-2015

27. Fan R.-E., Chen P.-H., Lin C.-J. Working Set Selection Using Second Order Information for Training Support Vector Machines. Journal of Machine Learning Research, 2005, vol. 6, pp. 1889–1918.

28. Fisher R., Hobgen S., Mandaya I., Kaho N., Zulkarnain N. Satellite Image Analysis and Terrain Modelling. A Practical Manual for Natural Resource Management, Disaster Risk and Development Planning Using Free Geospatial Data and Software. Version 2. SAGA GIS 4. Charles Darwin University, 2017. 150 p.

29. Franklin S.E. Remote Sensing for Sustainable Forest Management. Boca Raton, CRC Press, 2001. 424 p. https://doi.org/10.1201/9781420032857

30. Kharuk V.I., Ranson K.J., Kozuhovskaya A.G., Kondakov Y.P., Pestunov I.A. NOAA/AVHRR Satellite Detection of Siberian Silkmoth Outbreaks in Eastern Siberia. International Journal of Remote Sensing, 2004, vol. 25, iss. 24, pp. 5543–5556. https://doi.org/10.1080/01431160410001719858

31. Hsu C.-W., Chang C.-C., Lin C.-J. A Practical Guide to Support Vector Classification, 2016. 16 p.

32. Lillesand T.M., Kiefer R.W., Chipman J.W. Remote Sensing and Image Interpretation. 7th ed. New York, Wiley Inc., 2015. 736 p.

33. Lukeš P. Monitoring of Bark Beetle Forest Damages. Big Data in Bioeconomy. Springer Publ., 2021, chapt. 26, pp. 351–361. https://doi.org/10.1007/978-3-030-71069-9_26

34. Nelson R.F. Detecting Forest Canopy Change Due to Insect Activity Using Landsat MSS. Photogrammetric Engineering and Remote Sensing, 1983, vol. 49, no. 9, pp. 1303–1314.

35. Olsson P.-O., Kantola T., Lyytikäinen-Saarenmaa P., Jönsson A.M., Eklundh L. Development of a Method for Monitoring of Insect Induced Forest Defoliation – Limitation of MODIS Data in Fennoscandian Forest Landscapes. Silva Fennica, 2016, vol. 50, no. 2, art. no. 1495. https://doi.org/10.14214/sf.1495

36. Olsson P.-O., Lindström J., Eklundh L. Near Real–Time Monitoring of Insect Induced Defoliation in Subalpine Birch Forests with MODIS derived NDVI. Remote Sensing of Environment, 2016, vol. 181, pp. 42–53. https://doi.org/10.1016/j.rse.2016.03.040

37. QGIS and Applications in Agriculture and Forest. Vol. 2. Ed. by N. Baghdadi, C. Mallet, M. Zribi. Wiley Inc., 2018. 368 p.

38. Zhirin V.M., Knyazeva S.V., Eydlina S.P. Dynamics of Spectral Brightness of the Species/Age Structure for Groups of Forest Types on Landsat Satellite Images. Contemporary Problems of Ecology, 2014, vol. 7, pp. 788–796. https://doi.org/10.1134/S1995425514070142

39. Zhirin V.M., Knyazeva S.V., Eydlina S.P. Long-Term Dynamics of Vegetation Indices in Dark Coniferous Forest after Siberian Moth Disturbance. Contemporary Problems of Ecology, 2016, vol. 9, pp. 834–843. https://doi.org/10.1134/S1995425516070118