Научная статья на тему 'Картографирование текущего состояния лесов Красноярского края с использованием данных дистанционного зондирования'

Картографирование текущего состояния лесов Красноярского края с использованием данных дистанционного зондирования Текст научной статьи по специальности «Науки о Земле и смежные экологические науки»

CC BY
437
63
i Надоели баннеры? Вы всегда можете отключить рекламу.

Аннотация научной статьи по наукам о Земле и смежным экологическим наукам, автор научной работы — Слинкина Ольга Александровна, Сухинин Анатолий Иванович, Буряк Людмила Викторовна

Дистанционное зондирование является экономичным и быстрым способом оценки состояния лесов. Авторами получены спектральные кривые, характерные для преобладающих типов подстилающей поверхности, встречающихся в пределах района исследования. Предложена методика оперативной оценки классов поражения внутри контуров пожарищ.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по наукам о Земле и смежным экологическим наукам , автор научной работы — Слинкина Ольга Александровна, Сухинин Анатолий Иванович, Буряк Людмила Викторовна

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Картографирование текущего состояния лесов Красноярского края с использованием данных дистанционного зондирования»

УДК 528.8

О. А. Слинкина, А. И. Сухинин, Л. В. Буряк

КАРТОГРАФИРОВАНИЕ ТЕКУЩЕГО СОСТОЯНИЯ ЛЕСОВ КРАСНОЯРСКОГО КРАЯ С ИСПОЛЬЗОВАНИЕМ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ1

Дистанционное зондирование является экономичным и быстрым способом оценки состояния лесов. Авторами получены спектральные кривые, характерные для преобладающих типов подстилающей поверхности, встречающихся в пределах района исследования. Предложена методика оперативной оценки классов поражения внутри контуров пожарищ.

Около половины мировой площади лесов сосредоточено в России, большая часть которых находится в Сибири. Многочисленные лесные пожары, в большей степени обусловленные интенсивной хозяйственной деятельностью человека, угнетение функционирования лесных насаждений, интенсивные рубки, в том числе и несанкционированные, приводят к значительному эколого-эко-номическому ущербу. Оценка последствий лесных пожаров в организациях лесной отрасли в настоящее время проводится на экспертном уровне, когда уже известны размеры пройденных пожарами лесных массивов. При этом определить масштабы и возможные последствия сразу же после обнаружения очага возгорания затруднительно вследствие задержки сбора всей информации о прогоревших участках леса. Отсутствие эффективных методов эколого-экономической оценки последствий лесных пожаров не позволяет создавать действенные и оперативные способы и средства управления деятельностью лесоохраны и пожарной безопасностью в лесном комплексе. Развитие космических средств дистанционного зондирования и ГИС-технологий позволило разработать принципиально новые методы оценки состояния лесов.

Основными природными причинами, приводящими к частичной или полной гибели древостоев, являются пожары, вспышки энтомовредителей и фитозаболевания. К негативным воздействиям, связанным с деятельностью человека, могут относиться рубка леса, разработка месторождений полезных ископаемых, регулярные выбросы вредных веществ промышленными предприятиями, лесные пожары, возникающие по вине человека. Важной задачей при оценке эколого-экономического ущерба, нанесенного лесному хозяйству в результате перечисленных выше воздействий, является определение площади поврежденных древостоев, а также степени повреждения. Для этого могут применяться различные методы. Одним из оперативных и экономичных методов мониторинга состояния лесов является дистанционное зондирование.

В качестве объекта исследования были выбраны бо-реальные леса Красноярского края, расположенные в районе, который относится к южнотаежной и среднетаежной зоне и включает территории Кодинского, Богучанского и Тунгусо-Чунского лесхозов Красноярского края (рис. 1). Этот район представляет интерес как зона интен-

сивного лесопользования и достаточно хорошо изучен с точки зрения оценки воздействия рубок и пожаров на лесные насаждения.

Авторами была предложена методика обработки спутниковых данных с применением географических информационных систем (ГИС) с целью определения состояния нарушенного растительного покрова и получения карт-схем, содержащих информацию о текущем состоянии растительного покрова. Данная методика может применяться для оценки ущерба, нанесенного лесным насаждениям.

__________90°0'0"Е______________100°0'0"Е_____________

Рис. 1. Район исследования

1. Методы исследования. Для решения поставленных задач использована ГИС «ЕЯСАЗ Imagm». Данная ГИС ориентирована на обработку растровых изображений, получаемых с различных спутников. Авторами были использованы многоспектральные снимки спутников «Landsat», а также информация о действующих пожарах, полученная по тепловым каналам АУН^ спутника КОАА.

Известно, что каждый элемент подстилающей поверхности имеет индивидуальный спектральный отклик, или спектр, по которому могут быть идентифицированы различные типы растительности, нарушенные территории, населенные пункты, сельскохозяйственные объекты и т. п.

1 Работа выполнена при поддержке гранта по междисциплинарному интеграционному проекту Сибирского отделения Российской академии наук № 86 «Создание средств спутникового экологического мониторинга Сибири и Дальнего Востока на основе новых информационных и телекоммуникационных методов и технологий».

[1]. Для изучения возможности определения степени поражения лесных насаждений по снимкам прибора ETM+ спутника «Landsat» (Landsat/ETM+) были исследованы закономерности изменения значений спектральной яркости пикселей в зависимости от типа леса для ненарушенных территорий и в зависимости от степени поражения для нарушенных участков леса.

Оценка степени поражения на пожарище, характеризующаяся в основном процентом запаса погибшего древостоя от его общего запаса до пожара, и оценка хода лессовосстановления на территории после рубки выполнены с применением вегетационного индекса NDVI (Normalized Difference Vegetation Index).

Расчет вегетационного индекса. Нормализованный относительный вегетационный индекс растительности NDVI - количественный показатель фотосинтетически активной биомассы. Это один из самых распространенных индексов для решения задач, использующих количественные оценки растительного покрова [2; 3; 4]. Он вычисляется по следующей формуле:

NDVI = NIR - RED / (NIR + RED), (1)

где NIR - отражение солнечной радиации в ближней инфракрасной области спектра; RED - отражение солнечной радиации в красной области спектра. Согласно этой формуле, плотность растительности NDVI в определенной точке изображения равна разнице интенсивностей отраженного света в красном и инфракрасном диапазоне, деленной на сумму их интенсивностей.

Расчет NDVI базируется на двух наиболее стабильных, не зависящих от прочих факторов участках спектральной кривой отражения сосудистых растений. В красной области спектра (0,6...0,7 мкм) лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений, а в инфракрасной области (0,7...1,0 мкм) находится область максимального отражения клеточных структур листа, т. е. высокая фотосинтетическая активность (связанная, как правило, с густой растительностью), ведет к меньшему отражению в красной области спектра и большему в инфракрасной. Отношение этих показателей друг к другу позволяет четко отделять и анализировать растительные объекты от прочих природных объектов. А использование не простого отношения, а нормализованной разности между минимумом и максимумом отражений увеличивает точность измерения, позволяет уменьшить влияние таких явлений, как различия в освещенности снимка, облачности, дымки, поглощение радиации атмосферой и др.

Определение классов нарушенных насаждений. Авторами были использованы следующие снимки Landsat/ ETM+: P138R019, датированный 7 сентября 2006 г., P139R018, датированный 13 августа 2006 г., P137R019, датированный 12 августа 2002 г., где Р - номер столбца; R - номер строки в схеме проходов спутника. Для всех снимков были рассчитаны значения NDVI, по которым определялись классы состояния нарушенных насаждений.

Согласно значениям NDVI на снимках Landsat/ETM+ были выделены участки, характерные для различных классов состояния пожарищ и вырубок.

Территории пожарищ разделены на четыре класса состояния по проценту отпада и запасу древостоя:

- I класс поражения - отпад 80...100 %, КБУ1 ~ 0,03;

- II класс поражения - отпад 50...80 %, КБУ1 ~ 0,1;

- III класс поражения - отпад 20...50 %, КБУ1 ~ 0,14;

- IV класс поражения - отпад до 20 %, КБУ! ~ 0,2.

Вырубки разбиты на четыре класса по их возрасту и

степени лесовосстановления:

- I класс восстановления - возраст 0... 1 год, NDVI ~ -0,3;

- II класс восстановления - возраст 2...5 лет, ND VI ~ 0,2;

- Ш класс восстановления - возраст 6... 10 лет, NDVI ~ 0,3;

- IV класс восстановления - возраст 11...16 лет, N0"^ ~ 0,4.

Для каждого из выделенных классов выбрано не менее восьми участков, что принималось за репрезентативную выборку. Участки оконтурены, контуры добавлены и сохранены как отдельный векторный слой; подсчитаны средние значения спектральной яркости в каждом канале ЬаМ8а1/БТМ+ и величина стандартного отклонения по каждому из классов.

Спектральные характеристики основных типов подстилающей поверхности. Были получены спектральные кривые, характерные для преобладающих типов подстилающей поверхности, встречающихся в пределах района исследования, для различных степеней поражения на пожарищах и для вырубок, а также для урбанизированных территорий (рис. 2-4).

Кривые, характеризующие поврежденную растительность и урбанизированные территории, имеют максимум спектральной яркости в 5-м канале ЬаМва1/ЕТМ+ (см. рис. 2, 3). Исключение составляют 3-й и 4-й классы вырубок, что объясняется началом лесовостановления на данных участках. Ненарушенная растительность имеет максимум спектральной яркости в 4-м канале ЬаМва^ ЕТМ+. Полученная форма кривых согласуется с исследованиями, проведенными для лесов юга Европы [5; 6]. Как для вырубок, так и для пожарищ значения спектральной яркости с уменьшением степени нарушенности уменьшаются в 5-м канале и возрастают в 4-м канале. Таким образом, в ходе лесовосстановления максимум спектральной яркости смещается из 5-го в 4-й канал.

КанаХыы Landsat/ETM+

^“Пожарище, I кХасс

- Пожарище, II кХасс _ Пожарище, III кХасс

- Пожарище, IV кХасс

- НасеХ. пункт

Рис. 2. Спектральные кривые выделенных классов состояния пожарищ

Максимальная разность между значениями спектральной ненарушенной растительности яркости 4-го и

3-го каналов ЬаМва^ЕТМ+ наблюдается у травы, а минимальная - у хвойных древостоев (см. рис. 4). Поскольку для вычисления NDVI используются 4-й и 3-й каналы ЬаМва1/ЕТМ+, то у травы будут самые высокие значения вегетационного индекса, а у хвойных насаждений -самые низкие. Известно, что после пожара в первую очередь восстанавливается трявяно-кустарничковый покров, и в зависимости от лесорастительных условий на это требуется от нескольких недель до нескольких месяцев. В нашем случае после пожара прошло пять лет, так что травяной покров уже восстановлен.

Каналы Landsat/ETM+

^^^^"Вырубка, I кХасс ■ ■ ■ Вырубка, II кХасс "Вырубка, III кХасс ■ Вырубка, IV кХасс ------НасеХ. пункт

Рис. 3. Спектральные кривые выделенных классов состояния вырубок

КанаХы Ьапё8а1УЕТМ+

Хвойные насажд.

- - - Смешанные насажд.

““ _ Лиственные насажд.

““ “ Трава, кустарники

-------НасеХ. пункт

Рис. 4. Спектральные кривые различных типов неповрежденной растительности

Полученные результаты позволяют сделать вывод о возможности выделения внутри контура пожарища областей, имеющих разные степени поражения. На основании данного вывода была предложена и апробирована методика оценки степени поражения внутри контура пожарищ.

Оценка степени поражения на пожарищах. Снимки ЬаМва^ЕТМ+ 2006 г. применялись для получения контуров пожарищ 2006 г., расчета вегетационного индекса, проведения автоматической классификации с обучающей выборкой для выявления различных классов поражения растительности внутри контуров пожарищ. Снимки ЬаМва1/ЕТМ+ 2002 г. и ЬаМва^ТМ 1993 г. служили для определения вида преобладающей породы, занима-

ющей территории пожарищ до момента воздействия огня и расчета разности NDVI до и после поражения. Авторами также использовались выдержки плана лесонасаждений Кодинского лесхоза; векторный слой границ лесхозов и лесничеств; векторный слой термически активных точек, детектированных по данным спутника NOAA в 2006 г.; векторные топографические карты М 1 : 200 000.

На снимках ЬаМва1/ЕТМ+ P138R019 и P139R018, полученных в 2006 г., было выделено 30 пожарищ, возникших в 2006 г., общей площадью 3 133 км2. Границы получены путем полуавтоматического дешифрирования снимков ЬаМва1/ЕТМ+ методом наращивания областей, реализованного в ГИС «ERDAS Imagm». Снимки, использованные для выделения границ областей пожарищ, получены в 2006 г. после окончания действия пожароопасного сезона на исследуемой территории (по данным станции приема и обработки спутниковой информации Института леса имени В. Н. Сукачева СО РАН (Красноярск), период действия пожаров в изучаемом районе длился с 5 июня по 16 августа 2006 г.). Наличие факта действия пожара подтверждено информацией о наблюдаемых в тепловых каналах NOAAAVHRR термически активных точках.

Изучаемые пожарища возникли в результате действия пожаров разной интенсивности. Для определения класса поражения после пожаров нарушенные огнем территории были разбиты на две категории по состоянию до пожара:

- ранее неповрежденные - с имеющимся древостоем;

- ранее поврежденные пожаром им вырубкой - с полным отсутствием леса или рединой.

Для первой категории территорий степень поражения оценивалась по послепожарным значениям NDVI.

Приведем результаты расчета NDVI для одного из изучаемых пожарищ (рис. 5). Этот индекс отображен в градациях серого, где более низким значениям NDVI соответствуют более темные оттенки серого. Хорошо видна неоднородность значений NDVI внутри контура пожарища.

Рис. 5. Расчет NDVI для пожарища в Пановском лесничестве Кадинского лесхоза в 2006 г.

На пожарищах выделено пять классов поражения, характеризующихся тем, что с возрастанием номера класса уменьшается интенсивность поражения. Для этого

весь диапазон наблюдаемых на пожарищах значений NDVI был разбит с равным интервалом на пять групп. Выделенным классам соответствуют следующие средние значения NDVI:

- I класс поражения - NDVI = -0,1;

- II класс поражения - NDVI = 0,03;

- III класс поражения - NDVI = 0,16;

- IV класс поражения - NDVI = 0,29;

- V класс поражения - NDVI = 0,42.

Степень поражения зависит прежде всего от вида, формы и интенсивности (силы) пожара. Так, при устойчивых пожарах огонь заглубляется в подстилку и большая степень повреждения обусловливается длительным временем воздействия огня, повреждением корневых лап и луба деревьев. Вид, форма и интенсивность пожара в свою очередь зависят от характеристик насаждений, рельефа и степени увлажненности почв и, может быть, от времени суток и влажности воздуха. Часть изучаемых насаждений была пройдена верховыми пожарами, а больший процент территории - низовыми пожарами различной формы и силы.

Верховые пожары развивались в средневозрастных и приспевающих хвойных насаждениях с преобладанием сосны и в спелых хвойных насаждениях с густым подростом хвойных пород. После воздействия верховых пожаров наблюдается полная гибель древостоев, что подтверждается данными дистанционного зондирования и соответствует I классу поражения.

После воздействия сильного низового устойчивого пожара степень повреждения древостоев, оцененная как отпад по запасу древостоя, превышает 70...90 % (I и II классы поражения). Такой вид, форма и сила огня характерна для среднеполнотных древостоев на переувлажненных почвах. На исследуемых участках большая часть деревьев к осени 2007 г. вывалилась, выжили лишь единичные деревья лиственницы по повышениям рельефа.

В смешанных спелых хвойных древостоях после воздействия устойчивого пожара от слабой до средней силы степень повреждения не превышает 40 % от запаса (это IV класс поражения). Такие пожары более характерны для спелых и перестойных высокополнотных насаждений зеленомошных групп типов леса. Однако в последующем количество и запас погибших деревьев может возрасти, так как при прохождении огня в наибольшей степени прогорают приствольные круги и практически у всех деревьев корневые системы имеют огневые повреждения. В насаждениях с меньшей полнотой отпад по запасу составлял от 40 до 60 % (III класс поражения).

В высокополнотных средневозрастных и приспевающих древостоях пожары распространялись, как правило, мозаично вследствие высокой влажности мощного напочвенного покрова (чаще всего - моховой подушки). Пожар заглублялся в подстилку у приствольных кругов, а на большей части площади прогорал только верхний слой напочвенного покрова, отдельные участки вообще не были затронуты огнем. Отпад по запасу на таких участках осенью 2007 г. не превышал 20 % (V класс поражения). Хвойно-лиственные перегущенные молодняки, приуроченные к переувлажненным почвам, зачастую не были затронуты огнем, даже если они были расположе-

ны в центре гари, что также соответствует V классу поражения.

Для второй категории - категории ранее поврежденных территорий - степень поражения не оценивалась, поскольку с точки зрения лесопользования это не имеет смысла ввиду полного или практически полного отсутствия леса. Основная задача состояла в определении принадлежности участка к данной категории. Такие участки выделялись по снимкам Landsat/ETM+, полученным ранее 2006 г.

Для определенных выше классов поражения была создана обучающая выборка и проведена классификация многоканальных изображений Landsat/ETM+ за 2006 г. методом максимального правдоподобия. Результат классификации из растрового вида преобразовывался в векторный вид, где полученные классы представлялись в виде полигональных объектов. Проведена генерализация полученных полигонов, в результате которой выполнено присоединение полигонов с маленькой площадью, не играющих важной роли в общей картине классификации образований подстилающей поверхности, к большим по площади соседним полигонам. Границы полигонов классов поражений из прямоугольной формы, характерной для пикселей, из которых состоит растровое изображение, переводились в сглаженный вид, характерный для границ природных объектов.

Векторный слой границ различных классов поражения был совмещен с растровым изображением видимых каналов Landsat/ETM+. При этом предполагалось, что различным классам поражения соответствуют разные значения альбедо отражающей поверхности, в нашем случае - на территории, пройденной огнем. Соответственно области, занятые разными классами поражения, должны визуально отличаться по цвету. Было отмечено совпадение границ, полученных с помощью автоматической классификации, с разными классами поражения, зрительно различающимися по цвету на RGB-композите.

Оценка точности классификации. Точность классификации была оценена с помощью метода вычисления каппа-статистики, реализованного в ГИС «ERDAS Imagine», которая является статистикой парной согласованности и выражает пропорциональное уменьшение ошибок, полученных в процессе классификации, по сравнению с ошибками случайной классификации.

В качестве истинных были использованы данные наземных обследований исследуемых пожарищ. В частности, в полевой сезон 2007 г. была обследована крупная гарь 2006 г. в Пановском лесничестве Кодинского лесхоза на границе с Иркутской областью (см. рис. 5). Пожар на данной территории развивался в период с 1 по 31 июля, при показателе ПВ-1 от 6 000 до 10 000 единиц, и был локализован на площади более 33 тыс. га.

Всего было заложено 15 пробных площадей в насаждениях с различными степенями поражения. В целом установлено следующее: несмотря на то что по условиям погоды пожар распространялся при очень высоких показателях пожарной опасности, степень повреждения древостоев после воздействия пожаров варьировалась от 20 до 100 % от запаса древостоев, а перегущенные хвойно-лиственные молодняки вообще не были затронуты

огнем. Собранные при наземных исследованиях результаты согласуются с классами поражения, выделенными внутри контуров пожарищ с помощью автоматической классификации многоканальных изображений Landsat/ ЕТМ+. Полученное значение каппа - 0,86 - свидетельствует о высокой степени согласованности переменных.

При этом следует отметить, что на второй год после воздействия огня можно объективно судить лишь о текущей степени повреждения и необходимо дальнейшее наблюдение за послепожарным отпадом, особенно на участках с насаждениями, пройденными устойчивыми пожарами, так как повреждаются корневые лапы, а кроны деревьев могут реагировать не сразу. Так, массовый вывал деревьев в древостоях, пройденных пожарами в 1996 г. при похожих погодных условиях, наблюдался в 2000-2001 гг

2. Основные результаты исследования. В результате классификации по степеням поражения были получены оценочные значения площадей различных классов поражения внутри пожарищ (см. таблицу).

Авторами были получены спектральные кривые, характерные для преобладающих типов подстилающей поверхности, встречающихся в пределах района исследования. Показана возможность выделения внутри контура пожарища областей, имеющих разные степени поражения. Разработана методика оперативной оценки классов поражения внутри контуров пожарищ с помощью автоматической классификации многоканальных изображений Landsat/ETM+. Определены последовательности действий, которые необходимо выполнить для перевода результата классификации, генерализации и сглаживания границ полученных полигонов из растрового в векторный вид. Для 32 пожарищ 2006 г., детектированных на тер-

ритории Нижнего Приангарья, получены значения площадей, занимаемых разными классами поражения. Оценена точность классификации и выявлена высокая согласованность полученных классов и данных наземных обследований.

Разработанная методика может применяться организациями и предприятиями Красноярского края, занимающимися инвентаризацией состояния лесов.

Библиографический список

1. Свейн, Ф. Дистанционное зондирование: количественный подход / Ф. Свейн, Ш. Дейвис. М. : Недра, 1983.

2. Burgan, R. E. Using NDVI to Assess Departure From Average Greenness and its Relation to Fire Business / R. E. Burgan, R. A. Hartford, J. C. Eidenshink // INT-GTR-333 : Gen. Techn. Rep. 1996. P. 137-138.

3. Kogan, F. N. Droughts of the Late 1980s in the United States as Derived from NOAA Polar-Orbiting Satellite Data / F. N. Kogan // Bull. ofthe Amer. Meteorol. Soc. 1995. Vol. 76, № 5. P. 675-678.

4. Gitelson, A. Estimation of Seasonal Dynamics of Pasture and Crop Productivity in Kazakhstan Using NOAA/AVHRR Data / A. Gitelson, F. Kogan, L. Spivak et al. // Intern. Geoscience and Remote Sensing Symposium. 1996. P. 47-53.

5. Koutsias, N. Burned area mapping using logistic regression modeling of a single post-fire Landsat-5 Thematic Mapper image / N. Koutsias, M. Karteris // Intern. J. of Remote Sensing. 2000. Vol. 21, № 4. P. 673-678.

6. Sunar, F. Forest fire analysis with remote sensing data / F. Sunar, C. Ozkan // Intern. J. of Remote Sensing. 2001. Vol. 22, № 12. P. 2265-2277.

Общие значения площадей, занимаемых разными классами поражения на изучаемых пожарищах

КХасс поражения Площадь, км2 Процент от общей площади

I 39,78 1,3

II 96,30 3,1

III 777,65 24,8

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

IV 251,84 8,0

V 1 380,91 44,1

Вторичное повреждение по гари 533,92 17,0

Вторичное повреждение по вырубке 52,52 1,7

O. A. Slinkina, A. I. Sukhinin, L. V. Buryak

UP-TO DATE FOREST MAPPING OF SOUTH AND CENTRAL TAIGA ZONES OF KRASNOYARSK REGION USING REMOTE SENSING DATA

One of the main aspects of the forest management is timely estimation of damage caused to forests by different kind of natural and anthropogenic impacts. The methodology for satellite data processing to generate vegetation condition maps with the help of geographical information systems is offered in this work.

i Надоели баннеры? Вы всегда можете отключить рекламу.