CC BY
27РАЗДЕЛ IV. МАТЕМАТИКА. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ [MATHEMATICS. MATHEMATICAL MODELING]
УДК 630*583
DOI 10.24411/2658-4441-2020-10006
Х.Б. КУУЛАР
Тувинский институт комплексного освоения природных ресурсов СО РАН (Кызыл, Россия)
ИССЛЕДОВАНИЯ РАСТИТЕЛЬНОГО ПОКРОВА РЕСПУБЛИКИ ТЫВА ПО ДАННЫМ СПУТНИКОВЫХ НАБЛЮДЕНИЙ
Приведены исследования лесного покрова республики, проводимые на основе космических снимков Landsat и Ресурс-2П. Рассматривается применение спутниковых снимков при обзорном картографировании по вегетационному индексу, картировании породного состава и выявления гарей. Показана эффективность применения данных дистанционного зондирования разного охвата при изучении лесных территории Республики Тыва.
Ключевые слова: дистанционное зондирование, горные леса, тематическое картографирование, вегетационный индекс NDVI, породный состав, пожары растительности.
Рис. 4. Библ. 12 назв. С. 55-60.
Kh.B. KUULAR
THE STUDY OF VEGATATION COVER OF THE REPUBLIC OF TYVA FROM SATELLITE OBSERVATION
Tuvinian Institute for Exploration of Natural Resources of SB RAS (Kyzyl, Russia)
The paper presents the study of vegetation cover of the republic using satellite data Landsat and Resurs-2P. Study of forest cover of the key plots carried out on the basis of space images Landsat. The application of satellite imagery in survey mapping by vegetation index, mapping of species composition and identification of burns is considered. The effectiveness of the use of remote sensing data in the study of forest territories of the Republic is shown.
Keywords: data of remote sensing, mountain forests, thematic mapping, Normalized Difference Vegetation Index NDVI, forest stands, wildfires. Figures 4. References 12. P. 55-60.
Введение. В настоящее время приоритетным направлением при изучении лесов становится использование данных дистанционного зондирования. Космические снимки стали важным источником информации протекающих процессов в лесах (Кравцова, Лошкарева, 2010). Сегодня данные используют для дистанционного зондирования, широко применяют в картировании лесного покрова, оценке гарей и продуктивности, и т .д. (Барталёв и др., 2004; Пономарев, Харук, 2016; Курбанов и др., 2013). Временные ряды наблюдений из космоса дают возможность контролировать динамику состояния лесного покрова (Барталёв и др., 2016). Регулярность данных космических
съёмок позволяет оперативно обновлять картографические материалы (Барталёв и др., 2014).
Труднодоступные лесные территории обусловливают необходимость применения методов дистанционного зондирования как одного из основных инструментов исследования. Развитие методов дистанционного зондирования даёт эффективный стимул для исследования труднопроходимых и малодоступных регионов. Особый интерес представляют горные леса, играющие огромную защитную и климаторегу-лирующую роль в Центральной Азии. Горные леса Республики Тыва относятся к самым южным лесам гор Южной Сибири.
Целью работы является обзор исследований растительного покрова республики по спутниковым изображениям и основных направлениях их применения в мониторинге лесов на региональном уровне.
Объект и методы исследования. Объектами исследований послужили, во-первых, горные леса, которые характеризуются присутствием лесов на разных абсолютных высотах. Во-вторых, объектами более детального уровня изучения стали леса ключевых участков с чёткими границами природно-климатических зон (тундры, тайги, степей).
Для обзорного картографирования использован снимок за 02.06.2017, полученный аппаратом КШМСА-СР (винт 3020, маршрут 3) спутника Ресурс-2П (https://www.roscosmos.ru/). При мелкомасштабном картографировании изображение генерализуется на площадь пиксела (118 м). Для обзорного картографирования использован наиболее распространённый при изучении растительности нормализованный вегетационный индекс NDVI (Normalized Difference Vegetation Index), характеризующий контраст зелёной растительности с другими природными образованиями, рассчитываемый по формуле (Rouse et al., 1974):
(NIR - RED)
NDVI = ---Ч
NIR +REL)
где NIR — значение коэффициентов отражения в спектральном интервале поглощения радиации хлорофиллом 0.7-0.9 мкм; RED — значение коэффициентов отражения в интервале спектра 0,6-0,7 мкм.
Для изучения породного состава и гарей на ключевых участках были взяты космические снимки Landsat-7, -8 с разрешением 30 м и пространственным охватом 185 м. В анализ вовлекались данные ближнего и среднего инфракрасного, красного и зелёного каналов.
Для определения границ потенциальных гарей использовали нормализованный разностной индекс гарей (NBR). Разностный индекс гарей представляет собой разность отражений в ближнем и среднем инфракрасных спектральных каналах, нормализованный на их сумму (Key, Benson, 1999):
NIR - SWIR2
NBR =-,
NIR + SWIR2
где NIR и SWIR2 — спектральные значения двух каналов спутника Landsat в диапазоне отражения в ближней инфракрасной и средней инфракрасной области спектра соответственно.
Обработка космоснимков осуществлялась в программном пакете QGIS, с использованием функции обработки изображения, основанной на анализе спектральных образов объектов и проведения классификаций. Как эталонный источник использовалась карта-схема лесов Тувы масштаба 1 : 300 000 (Карта..., 1992), приведённая к масштабу 1 : 1 250 000.
Результаты исследований. Проводимые нами на основе космических снимков работы для изучения лесного покрова республики, объединены в следующие основные направления: обзорное картографирование лесов, картирование лесных насаждений по породному составу и картирование нарушений лесных насаждений (гарей).
Обзорное картографирование растительного покрова. Космические снимки широко используются для проведения обзорного картографирования и мониторинга лесов. На основе снимка за 02.06.2017 спутника Ресурс-2П построена карта распределения вегетационного индекса (МЭУТ) растительного покрова на большей части территории республики. Полученное изображение хорошо отражает горнокотловинную структуру ландшафтов, которая существенно различается по значениям МЭУТ. Видно, что в начале лета наблюдается рост значений индекса МЭУГ в боре-альных лесах с преобладанием кедра, когда наблюдается наибольшее развитие растительного покрова. Максимальное значение индекса МЭУГ (0,46) соответствует тем-нохвойным лесам и сосновым борам. Значения индекса МЭУ1 от 0,043 до 0,147 соответствуют группе пикселов с наименьшими значениями фитомассы, в которых преобладают и участки с гарями и высокогорные тундры (гольцы). Значению 0,356 соответствуют лесостепная и лесная зоны с преобладанием лиственничных лесов, значению 0,252 — степи (рис. 1).
Рисунок 1. NDVI изображение растительного покрова Республики Тыва
(спутник Ресурс-2П, снимок за 02.06.2017)
Картирование лесных насаждений. Съёмка Landsat позволяет повысить точность отображения лесов, кроме того, отличить леса с различным участием сопутствующих пород. Основой классификации по породам леса является известная зависимость отражательной способности деревьев разных пород от длины волны в спектре солнечного излучения.
В качестве основного материала использованы снимки Landsat без облаков за 02.11.2013 и 18.09.2014 хребта Уюкский. Ключевым этапом процедуры построения карты лесов является классификация космоснимков. Основой классификации по породам леса является известная зависимость отражательной способности деревьев разных пород от длины волны в спектре солнечного излучения. При дешифрировании космоснимков используются различия в указанной зависимости отражательной способности деревьев разных пород, проявляющиеся в различиях яркости пикселов изображения и позволяющие определять на космоснимке по цвету (или оттенкам цвета) разные породы.
Представлены результаты классификации со снимками в масштабе 1 : 200 000. Полученное изображение показывает, что по лесному покрову хребта заметны высотно-зональные черты. Проведена классификация растительного покрова с помощью контролируемой классификации на три класса по зимнему снимку за 02.11.2013: 1 класс — темнохвойные леса (с преобладанием кедра сибирского), 2 — светлохвойные леса (с преобладанием лиственницы сибирской), 3 — темнохвойные леса (с преобладанием ели обыкновенной); на семь классов по снимку за 18.09.2014 (рис. 2): 1 класс — тем-
нохвойные леса (с преобладанием ели), 2 — светлохвойные леса (с преобладанием лиственницы сибирской), 3 — темнохвойные леса (с преобладанием кедра), 4 — кустарники, 5 — березняки, 6 — зарастание гарей и вырубок, 7 — ивняки. Определение породного состава проведено с учётом материалов лесоустройства лесного хозяйства Республики Тыва (рис. 3).
Рисунок 2. Идентификация хвойных пород хр. Уюкский на основе данных Ьа^а!
(снимок за 02.11.2013)
1 — кедровники, 2 — лиственничники, 3 — ельники.
Рисунок 3. Идентификация пород хр. Уюкский на основе данных ЬаМза! (снимок за 18.09.2014) 1 — ельники; 2 — лиственничники; 3 — кедровники; 4 — кустарники; 5 — березняки; 6 — зарастание гарей и вырубок; 7 — ивняки.
Составленная по результатам дешифрирования легенда характеризует хвойный породный состав горных лесов. На высокогорно-таёжном ВПК преобладают кедровые леса (1400-1900 м н. у. м.), реже ельники; на среднегорном и низкогорном ВПК — лиственничные леса (1000-1400 м н. у. м.). Зимний снимок позволил дешифрировать локализацию хвойных пород. Особенность снимка заключается в том, что он позволил выявить темнохвойный подрост, который был не заметным под пологом других пород в период вегетации. По осеннему снимку получены все преобладающие леса на территории хребта.
На изображениях видны разнородность структуры горных бореальных лесов. Такая дифференциация растительного покрова обусловлена биоклиматическими условиями, определяющие высотно-поясными комплексами и эдафическими условиями, воздействующие на закономерности внутрипоясного распределения растительного покрова в соответствии с экологическими условиями пологих и крутых световых и теневых, подветренных и наветренных склонов (Бочарников, Огуреева, 2013; Куулар, Чупико-ва, 2010), а также влиянием мезорельефа (экспозицией склонов), почвенными условиями
(механическим составом почв, их карбонатностью, засоленностью) и гидрологическим режимом местообитаний (Куулар и др., 2015).
Картирование нарушений лесных насаждений. По космическим изображениям четко видны пожары растительности, которые представляют собой стихийное (неуправляемое) распространение огня в лесу (на покрытых и непокрытых площадях, землях лесного фонда). При оценке устойчивости лесных экосистем важное значение имеет оценка пространственно-временной динамики нарушенных участков земель.
Картографирование с помощью космических снимков Landsat позволило уточнить площадь гарей Балгазынского бора. Для идентификации нарушенных лесных насаждений использован индекс NBR (Normalized Burn Ratio).
На рисунке 4 приведена территория бора по снимку за 19.09.1988 (а) и 04.10.2019 (б). Синему цвету соответствуют гари, зеленому цвету — бор. Повреждения бора пожарами с 1988 по 2019 гг. увеличились в 8 раз. Пройдено пожарами почти 70 % территории бора.
Благодаря анализу снимков Landsat удалось проследить динамику распространения пожаров на территории бора и уточнить площади его выгорания за 31 год (1988— 2019 гг.). Видно, что за этот период в результате многочисленных пожаров площадь бора сильно сократилась. По состоянию на 1987-1990 гг. площадь гарей составляла 111,7 га. Пагубные пожары начались с мая 1996 г. и площадь гарей составляла 8 545,4 га. Масштабные пожары для бора отмечены в период 2002-2006 гг. и площадь гарей составила 12 980,8 га. За период 1990-2019 гг. площадь гарей оценивается в 13 624,8 (рис. 4 б).
Рисунок 4. NBR карты Балгазынского бора по снимкам: а — за 19.09.1988, б — за 04.10.2019
По данным Государственного комитета лесного хозяйства Республики Тыва особый ущерб нанесли пожары в засушливые годы (1989, 1996, 2002 и 2006), когда огнём была уничтожена большая часть соснового бора. Причиной возникновения пожаров на больших площадях и в Балгазынском бору в частности в большинстве случаев является человеческий фактор, а их стремительному росту способствуют природно-климатические условия исследуемого района, характеризующиеся малым количеством осадков и продолжительными засухами в пожароопасный период.
Полученные результаты свидетельствуют, что в последние десятилетия на территории исследуемого участков площадь гарей увеличилась. Это наиболее заметно в начале и конце пожароопасного периода, продолжительность которого достигает 210-ти дней. Таким образом, лесные пожары относятся к опасным гидрометеорологическим явлениям, количество которых увеличивается с каждым годом из-за повышения среднегодовой температуры воздуха. Продолжительная засуха и высокая температура пожароопасного сезона стали благоприятными условиями возникновения и распространения лесных пожаров. Выводы
1. Данные спутника Ресурс-2П подходит для обзорного картографирования территории региона. Построенная карта МЭУ1 даёт представление, что растительность региона по значениям вегетационного индекса отличается своеобразием из-за сложности и мозаичности условий произрастания растительности.
2. Данные спутника Landsat дали положительные результаты при классификации лесного покрова хр. Уюкский. Сравнение космических изображений хребта показало, что в функциональном плане они сопоставимы с группами типов лесорас-тительных условий, выделяемых при классификации лесов.
3. Данные спутника Landsat дают чёткую идентификацию для оценки площадей после повреждений лесов пожарами. Исследование позволило сделать вывод о деградации Балгазынского бора в результате участившихся пожаров в последние десятилетия.
Проводимые работы по использованию изображений Landsat для решения задач по изучению лесов республике показывает высокую перспективность их применения для мониторинга лесов республики. Выделенные направления исследований также могут быть использованы для решения задач прикладного характера. Направления исследований на основе снимков Landsat могут повысить точность мониторинга и оценок лесного покрова на региональном локальном уровне.
ЛИТЕРАТУРА
Барталёв С.А., Белвард А.С., Ершов Д.В., Исаев А.С. Карта наземных экосистем Северной Евразии по данным Spot-Végétation. Проект Global Land Cover 2000. Информационная система TerraNorte [Электрон. ресурс]. - М.: ИКИ РАН, 2004. - Режим доступа: http://terranorte.ikl.rssl.ru, свободный. Барталёв С.А., Лупян Е.А., Стыценко Ф.В., Панова О.Ю., Ефремов В.Ю. Экспресс картографирование повреждений лесов России пожарами по спутниковым данным Landsat // Современные проблемы дистанционного зондирования Земли из космоса. - М.: ДоМира, 2014. - Т. 11. - № 1. - С. 9-20. Бартале С.А., ЕгоровВ.А., Жарко В.О. и др. Спутниковое картографирование растительного покрова России. - М.: ИКИ РАН, 2016. - 208 с.
Бочарников М.В, Огуреева Г.И. Бореальные леса Сибири и Монголии на южной границе распространения и проблемы их картографирования // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве. Докл. V Всерос. конф., посвящ. памяти выдающихся учёных-лесоводов В.И Сухих и Г.Н. Коровина (22-24.04.2013, Москва). - М.: ЦЭПЛ РАН, 2013. - С. 255-258.
Карта-схема лесов Тувы. М-б 1 : 300 000. - М.: ГУГК, 1992.
КууларХ.Б., Чупикова С.А. Экологические особенности бореальных лесов хребта Западный Тан-
ну-Ола и геоинформационный анализ // Геоинформатика. - 2010. - № 1. - С. 68-72. КууларХ.Б., Хертек С.Б., Намзын Ш.А. Мониторинг Балгазынского бора по данным дистанционного зондирования // Геодезия и аэрофотосъёмка. - 2015. - № 3. - С. 67-72. КравцоваВ.И., ЛошкареваА.Р. Оценка дешифрируемости северной растительности на космических снимках 30-метрового разрешения на основе детальных космических снимков // Геодезия и картография. - 2010. - № 8. - С. 33-41.
Курбанов Э.А., Воробьев О.Н., Незамаев С.А., Губаев А.В., Лежнин С.А., Полевщикова Ю.А. Тематическое картирование и стратификация лесов марийского Заволжья по спутниковым снимкам Landsat // Вестн. Поволжского гос. технолог. ун-та. - 2013. - Т. 3. - № 19. - С. 8292.
Пономарёв Е.И., Харук В.И. Горимость лесов Алтае-Саянского региона в условиях наблюдаемых изменений климата // Сибирский экологический журн. - 2016. - № 1. - С. 38-46.
Rouse J. W., Haas R.H., Shell J.A, Deering D. W. Monitoring Vegetation Systems in the Great Plains with ERTS // In Third Earth Resources Technology Satellite-1 Symposium (10-14.12.1973, Washington). - 1973. - Vol. 1 (3). - P. 309-317.
Key C.H., Benson N.C. Measuring and Remote Sensing of Burn Severity: the CBI and NBR. Poster Abstract // Proceedings Joint Fire Science Conference and Workshop (Boise, ID, 15-17 June 1999) / In L.F. Neuenschwander and K.C. Ryan (Eds.). - University of Idaho and International Association of Wildland Fire, 1999. - Vol. II. - P. 284.
