Долгосрочный мониторинг лесных экосистем Олекминского заповедника с использованием дешифрирования космических сним- ков высокого разрешения Текст научной статьи по специальности «Биологические науки»

УДК 528.85

Рожков Ю.Ф. Рожкова О.Ю.

Rozhkov Yu.Ph. Rozhkova O.Yu.

ДОЛГОСРОЧНЫЙ МОНИТОРИНГ ЛЕСНЫХ ЭКОСИСТЕМ ОЛЕКМИНСКОГО ЗАПОВЕДНИКА С ИСПОЛЬЗОВАНИЕМ ДЕШИФРИРОВАНИЯ КОСМИЧЕСКИХ СНИМКОВ ВЫСОКОГО РАЗРЕШЕНИЯ

LONG-TERM MONITORING OF OLYEKMINSKY STRICT NATURE RESERVE FOREST ECOSYSTEMS WITH THE HELP OF SATELLITE IMAGES OF HIGH RESOLUTION DECODING

Государственный природный заповедник «Олекминский», г. Олекминск. E-mail: olekmazap-nauka@yandex.ru

Резюме. Приводятся результаты мониторинга состояния лесов на трех уровнях: оценка состояния на момент съемки или картирование по показателям NDVI, ImageDifference; оценка сезонных изменений, преимущественно во время периода вегетации; оценка многолетних изменений показателей на примере процесса восстановления лесов после пожара. При оценке сезонных изменений индекса вегетации были построена кривая индекса вегетации (NDVI) для разных пород. Показано, что березовые и лиственничные леса имеют одновершинную кривую вегетации с максимумом в июле, тогда как кедровые и сосновые леса имеют двухвершинную кривую вегетации с максимумами в июле и сентябре. Была рассчитана годовая продуктивность бореальных лесов. Благодаря определению ImageDifference на летних и осенних снимках, удалось дифференцировать разные древесные породы. С использованием космических снимков исследуемой территории, сделанных в интервале 15 лет (с 1995 по 2011 г), удалось проследить динамику зарастания гари на месте пожара 1985 г. Показано, на каких площадях и в каких масштабах происходит зарастание пустошей и редколесий, образовавшихся на месте пожара.

Abstract. The article contains the results of forest monitoring at three levels: forests condition assessment at the time of recording or mapping based on two indicators NDVI, ImageDifference; seasonal changes assessment, mainly during the vegetation period; evaluation of long-term parameter changes by the example of the forests after fire recovery. In the process of vegetation index seasonal changes assessment the NDVI curve for different wood species was built. It is shown that birch and larch forests have single-humped vegetation curve with maximum in July. Siberian cedar and pine forests have a bimodal curve with maxima in July and September. The annual productivity of the boreal forests is calculated. Three different wood species are differentiated thanks to Image Difference of summer and autumn photos. The use of space images of the territory done during 15 years long period (1995-2011) allowed to view the dynamics of forest after fire recovery (the fire of 1985). The area size and the level of regeneration of post-fire barren lands and open forests is shown.

Ключевые слова: дешифрирование космических снимков, индекс NDVI, классификация Isodata, тематическая разность. Key words: satellite image interpretation, NDVI index, Isodata classification, thematic difference.

С помощью дешифрирования космических снимком успешно определяются очаги лесных пожаров, нарушения ландшафтов в результате стихийных бедствий и антропогенных воздействий. При наличии снимков, охватывающих большие временные ряды, удается осуществлять мониторинг состояния наземных экосистем, описывать долговременные процессы. Например, успешно ведется мониторинг состояния лесов Австралии с помощью анализа космических снимков Landsat (Lehmann e.c., 2013), оценивается состояние и использование сельскохозяйственных угодий (Prishchepov e.c., 2012), нарушенность ландшафтов в связи с развитием промышленности (Linke, McDermid, 2012), урбанизацией (Vila, 2012). Можно проследить даже такой процесс, как инвазия инородных видов растений (Gavier-Pizarro, 2012). При использовании мультиспектральных снимков бореальных лесов, сделанных в течение всего вегетационного периода, можно проследить за процессом вегетации. При использовании снимков выбранной территории, сделанных в течение 10-20 лет появляется возможность проследить за ходом таких долговременных процессов, как восстановление лесов после пожаров, заболачивание, опустынивание. В настоящей работе показана перспективность использования дешифрирования космических снимков высокого разрешения в мониторинге бореальных лесов Юго-Западной Якутии.

Цель исследования: оценить возможности использования дешифрирования космических снимков в мониторинге состояния бореальных лесов на трех уровнях: оценка состояние лесов на момент съемки или картирование; оценка сезонных изменений состояния лесов, преимущественно во время периода вегетации и расчет многолетних изменений исследуемых показателей на примере процесса восстановления лесов после пожара.

Материалы и методы

Для осуществления непрерывного мониторинга за состоянием бореальных лесов использовалось дешифрирование мультиспектральных космических снимков высокого разрешения Landsat ТМ/ЕТМ+, Aster, Spot, ИРС, сделанных в период с 1995 по 2011 г. (35 снимков). Все снимки прошли радиометрическую и геометрическую коррекцию. Исследования проводились на территории Юго-Западной Якутии на территории площадью 1 млн га. Для обработки космических снимков использовался пакет программ ENVI-4.0, ArcView-3.3 c модулями Image Analyst, Spatial Analyst. В качестве показателей, с помощью которых осуществлялся мониторинг состояния лесов, были использованы индекс вегетации (NDVI) и показатель изменения оптической плотности (с помощью инструмента «difference» и «тематическая разница»). Кроме того, использовался инструмент «классификация» (с обучением и без обучения) (ArcView..., 2014) основанный на методе «isodata». Пересчет с пикселей на площади производился, исходя из технических характеристик снимков Landsat, Aster, Spot-2, для которых пространственное разрешение составляет 30 метров на пиксель. Один пиксель имеет сторону 30 м, поэтому площадь пикселя составляет 900 м2.

Основные результаты и выводы

1. На первом уровне мониторинга, или картировании, на момент съемки: показатель NDVI дает оценку состояния биомассы растений и ее продуктивности, а показатель Image Difference дает характеристику оптической плотности и позволяет оценить плотность древостоя. Диапазон изменений индекса вегетации (NDVI) от -0.2 до +0.65, а Image Difference - от -35 до +350.

2. На втором уровне мониторинга, или оценке сезонных изменений:

2.1. Показатель NDVI позволяет оценить ход процесса вегетации и рассчитать годовую продуктивность разных типов бореальных лесов. Показано, что кривая вегетации лиственничных и березовых лесов имеет одновершинный характер с максимумом в июле, тогда как кедровые, еловые и сосновые леса имеют двухвершинную кривую вегетации с максимумами в июле и сентябре (рис. 1).

2.2. Между показателем NDVI и продуктивностью существует функциональная зависимость, описываемая уравнением: У = 1490 Х, где У- продуктивность экосистем в г/м2/ год; Х - значения NDVI.

Поэтому годовая продуктивность различных типов бореальных лесов определется суммой про-дуктивностей за 4 месяца с июня по сентябрь. В другие месяцы NDVI имеет отрицательные значения и продуктивность отсутствует. Расчеты показали, что наибольшая продуктивность (табл.1)

Рис. 1. Кривая вегетации в лесах разного типа в течение вегетационного периода.

Таблица 1

Продуктивность основных типов бореальных лесов

тип леса июнь июль август сентябрь Продуктивность лесов за весь период вегетации (г/м2 в год)

Продуктивность г/м2 в месяц (Р)

Лиственничник разнотравный 27,4 134,2 64,6 72,0 298,2

Лиственничник багульниковый 10,0 106,8 44,8 57,2 218,8

Кедровые леса 37,2 109,2 38,8 82,0 267,2

Кедровый стланник 2,4 99,4 38,8 27.4 168,0

Сосняки 2,4 94,4 36,2 57,2 190,2

Березняки 37,2 156,4 89,8 64,6 348,0

Ельники (пойменные) 2,4 99,4 34,8 47,2 183,8

характерна для березняков и лиственничников разнотравных - 348,0 и 298,2 г/м2 в год соответственно; наименьшие значения продуктивности характерны для кедровостланниковых лесов и ельников (пойменных) - 168,0 и 183,8 г/ м2 в год соответственно.

2.3. По показателю IMAGE Difference, сделанному в разные месяцы (между летними и осенними месяцами), появляется возможность разделить участки лесов, слагающиеся из листопадных, хво-епадных пород и хвойных пород, сохраняющих хвою в течение всего года. Поэтому удается дифференцировать сосновые, кедровые, еловые леса, с одной стороны, и березовые, лиственничные, ольховые, с другой. Оптическая плотность лесов после опада листьев и хвои уменьшается.

Нами была рассчитана разность между снимками, сделанными в июле, сентябре и октябре. Разность рассчитывалась попарно июль-сентябрь, июль - октябрь, сентябрь-октябрь по всем трем каналам (R, G, B или каналы 1; 2; 3). Расчет соотношения осуществлялся между первым каналом одного снимка и первым каналом второго снимка, затем между вторыми и третьими каналами этой же пары. Чем реже древостой и меньше остается хвои, тем больше значения отношений.

Рис. 2. Границы пожара 1985 года с послепожарными пустошами. Площадь пожара - 52200 га, площадь по-слепожарных пустошей - 22500 га (43%).

Рис. 3. Изменение интенсивности зарастания гари по индексу вегетации.

3. На третьем уровне мониторинга - оценке многолетних изменений состояния бореальных лесов - на примере процесса восстановления лесов после пожара:

3.1. Индекс NDVI используется в долговременном мониторинге состояния бореальных лесов. На примере анализа процесса восстановления лесов после пожара показано, как происходит зарастание пустошей, образовавшихся на месте пожара 1985 г. (рис. 2). На месте зарастающей гари происходит увеличение индекса вегетации за счет поросли. При этом за период с 1995 по 2004 г. зарастание более плавное, а за период с 2004 по 2009 г. зарастание стремительное (рис. 3). Кроме того, в зависимости от степени поражения восстановление лесной экосистемы после пожара проходит с разной скоростью. Чем больше доля послепожарных пустошей, тем более интенсивно происходит восстановление. Это показано по характеру кривых изменения индекса вегетации (N0^) (рис. 4).

3.2. Определить изменения, которые происходят в структуре лесов и пустошей во время зарастания гари, позволяет инструмент «тематическая разница». При расчетах тематической разницы с возрастающим временным шагом (2001-1995 гг., 2004-1995 гг., 2006-1995 гг., 2011-1995 гг.) показано,

Рис. 4. Оценка зарастания гарей по индексу N0^ (4-3 каналы).

Таблица 2

Распределение по классам тематической разницы участка гари 1985 г. (площадью 991 га) с разным временным шагом

Шаг во времени 2001-1995 г. 2004-1995 г. 2006-1995 г. 2011-1995 г.

Класс тематич. разности 2 класс 1 класс 2 класс 1 класс 2 класс 1 класс 2 класс 1 класс

леса 1808 2773 2148 2646 2733 2588 3529 2698

пустоши 6019 519 5618 599 5027 663 4231 553

сумма двух классов 7827 3292 1166 3245 7760 3251 7760 3251

что имеющиеся два класса, определенные при классификации ^ООАТА можно разделить еще на два класса. В первом классе тематической разницы сосредоточены пустоши, связанные с естественными особенностями ландшафта, а во втором классе - послепожарные пустоши. В случае слоя с лесом результат складывается также из двух составляющих. В первом классе тематической разницы сосредоточены леса, которые были не затронуты пожаром, во втором классе - леса, которые были пройдены пожаром и восстанавливаются (табл. 2).

Таблица 3

Распределение в пределах второго класса тематической разницы участка гари 1985 года (площадью 991 га) с разным временным шагом и увеличением количества классов,

сделанных по методу ^ООАТА

7000

6000

:Х

ч 5000

и

и

= 4-000

о

Е 3000

и

| 2000

V!

1000

2001г 2004г. 2006г 2011г

> 2 кпасса(2) 6019 5613 5027 4231

^^Н2кпасса (1 ) 1503 2143 2755 5529

^^^ 4кпасса(сумма 5и4) 5790 5619 4913 4655

класса(сумма 1и2) 2015 2147 2342 5105

Ж 6 классов (сумма4-6) 5454 5755 5013 4330

А 6 класс об (сумма 1-3} 2425 2015 2742 3330

1 К класс ое(1-4) 1970 2561 5179 2946

5 класс ое(4-Е) 5795 5205 4531 4314

10 класс ое(1-5) 2011 2393 5155 3219

• 10 класс ов(5-10) 5756 5363 4625 4541

■ 16 класс ое(1-5) 2152 2322 2935 2943

4 16 класс ое(9-16) 5634 5424 4325 4312

3.3. Во втором классе тематической разницы (при увеличении количества классов, сделанных с помощью инструмента «ISODATA», до 4, 6, 8, 10, 16) сосредоточены восстанавливающиеся после пожара леса и зарастающие послепожарные пустоши. В верхней половине результатов классификации показано увеличение количества пикселей (площадей), занятых восстанавливающимися лесами; в нижней половине результатов классификации - уменьшающееся количество послепожарных пустошей (табл. 3).

ЛИТЕРАТУРА

Lehmann E.A, Wallace J.F., Caccetta P.A., Furby S.A., Zdunic K. Forest cover trends from time series Landsat data for the Australian continent // Int. Journ.of Appl.Earth Observation and Geoinformation, 2013. - No. 21. - P. 453-462.

Prishchepov A.V., Radeloff V.C., Dubinin M., Alcantara C. The effect of Landsat ETM/ETM+ image acquision dates on the detection of agricultural land abandonment in Eastern Europe // Remote Sensing of Environment, 2012. - No. 126. - P. 195-209.

Linke J., McDermid G.J. Monitoring landscape change in multi-use west-central Alberta,Canada using the disturbance-inventory framework // Remote Sensinge of Environment, 2012. - No. 125. - P. 112-124.

Vila P. Mapping urban growth using Soil and Vegetation Index and Landsat data: The Milan (Italy) city area case study // Lanscape and Urban Planning, 2012. - No. 107, iss. 3. - P. 245-254.

Gavier-Pizarro G.I., Kuemmerle T., Hoyos L.E., Stewart S. I., Huebner C.D., Keuler, N.S., Radeloff, V.C. Monitoring the invasion of an exotic tree (Ligustrum lucidum) from 1983 to 2006 with Landsat TM/ETM+ satellite data and Support Vector Machines in Córdoba, Argentina // Remote Sensing of Environment, 2012. - No. 122. - P. 134-145.

ArcView Image Analisis. Руководство пользователя. - М: Дата+, 1998. - 214 с.

УДК 58+59+91+631.4+502.7

Г 699

Горные экосистемы Южной Сибири: изучение, охрана и рациональное природопользование. Труды Тигирекского заповедника. Вып. 7. Барнаул, 2015. 288 с.

Сборник содержит материалы представленные на Третьей всероссийской научно-практической конференции, посвященной 15-летию организации Тигирекского заповедника «Горные экосистемы Южной Сибири: Изучение, охрана и рациональное природопользование». Обобщены данные современных исследований природных комплексов Государственного заповедника «Тигирекский». Анализируется стратегия развития и функционирование системы особо охраняемых природных территорий Алтае-Саянского экорегиона. Рассматривается актуальные вопросы изучения рельефа, климата и почв горных территорий, изучения и охраны растительного и животного мира гор Южной Сибири, проблемы устойчивого развития регионов.

Сборник рассчитан на широкий круг специалистов, работающих в области биологии, экологии и охраны природы, а также всех, кому небезразличны проблемы охраны и рационального использования природных ресурсов.

Редакционная коллегия:

Е.Н. Бочкарёва, Н.И. Быков, А.В. Волынкин, П.В. Голяков, Е.А. Давыдов (ответственный редактор), Н.Л. Ирисова, Т.М. Кругова, Т.А. Терехина

Рецензенты:

к. б. н. Е.Н. Бочкарева, к. б. н. Н.И. Быков, к. б. н. А.В. Волынкин, к. б. н. Е.А. Давыдов, к. б. н. Н.Л. Ирисова, к. б. н. И.В. Кудряшова, Э.Ю. Лущаев, д. б. н. М.М. Силантьева, д. б. н. Т.А. Терехина, д. б. н. С.М. Цыбулин, д. б. н. Д.В. Черных

ISBN

ISSN 2076-7390

©ФГБУ «Государственный природный заповедник «Тигирекский»