Method for Transferring Non-Forest Cover to Forest Cover Land Using Landsat Imageries = Метод отнесения земель к землям, занятым лесной растительностью, по аэрокосмическим снимкам landsat

Первый автор	Karpov
Авторы	Waske B.
Издательство	Северный (Арктический) федеральный университет имени М.В. Ломоносова
Страниц	10

ID	730482
Аннотация	Satellite data becomes an important tool for monitoring global change in forest cover. Further development of remote sensing technologies creates opportunities for solving more complex problems requiring multi-time analysis of satellite data. Assessment of success reforestation after a disturbance in forest cover is such an important task. The traditional method of an assessment of successful reforestation is laying out the ground plots, which task requires significant time and resources. Fieldworks and transfer of land to forest cover land is carried out according to the method, which is developed by the Federal Agency for Forestry of Russia. This method has various criteria of success reforestation for every region. Arkhangelsk region, Vologda region and Republic of Karelia became the territories for research. Forest vegetation of this region belongs to the taiga zone and is divided into five groups: the area of pre-tundra forests and sparse taiga, northern taiga, middle taiga and south taiga. International forest classification relates this area to boreal forest. The task of transfer land to forest cover land can be optimized by using remote sensing data. This research shows analysis of recovery of the normalized difference vegetation index, the shortwave vegetation index and the normalized burn ratio in the framework of reforestation objects. Filed data was collected for every object and this data includes a number of young trees, average height and species composition. Processing of a considerable number of satellite imageries requires significant computing power because of the Google Earth Engine platform using for analysis data. The most suitable index was chosen in the analysis of the obtained data for the development of an automatic method for transfer land to forest cover land. The most suitable index for dividing lands on forest cover and nonforest cover lands is the shortwave vegetation index. Optimal threshold for transferring land is achievement of recovery index of 80 % from initial values before disturbance. The automatic method was developed using unsupervised classification and threshold values of recovery index. For citation: Karpov A., Waske B. Method for Transferring Non-Forest Cover to Forest Cover Land Using Landsat Imageries. Lesnoy Zhurnal [Russian Forestry Journal], 2020, no. 3, pp. 83–92. DOI: 10.37482/0536-1036-2020-3-83-92 Funding: This research was undertaken as part of the project “Forest Monitoring in the Arkhangelsk Region, Using Multisensory Remote Sensing Data” funded by the Russian Ministry of Education and Science and the German Academic Exchange Service in the framework of the Michail‐Lomonosov‐Programme (project no. АААА-А19-119020590052-2) Спутниковые данные становятся важным инструментом для мониторинга изменений, происходящих в лесном покрове. Дальнейшее развитие технологий дистанционного зондирования Земли создает возможности для решения более сложных задач, требующих многократного анализа спутниковых данных. Оценка успешности лесовосстановления после возникновения нарушений в лесном покрове является такой задачей. Традиционный метод оценки успешности лесовозобновления – закладка пробных площадей – требует значительных временных затрат и ресурсов. Полевые работы и отнесение земель к землям, занятым лесными насаждениями, через закладку пробных площадей производятся по методике, разработанной Федеральным агентством лесного хозяйства России. Данная методика имеет различные критерии успешного лесовозобновления для каждого региона. Территориями исследования стали Архангельская и Вологодская области, а также Республика Карелия. Растительность данного региона относится к таежной зоне и разделяется на пять групп: районы притундровых лесов и редкостойной тайги, северо-таежный, среднетаежный и южно-таежный районы. Международная классификация относит данные леса к группе бореальных. Использование спутниковых данных позволит оптимизировать мероприятия по отнесению лесных участков к землям, занятым лесными насаждениями. Проведен анализ индексов восстановления NDVI, SWVI и NBR на объектах лесовозобновления. На каждый исследуемый объект получены полевые данные о количестве подроста, средней высоте древостоя и породном составе. Обработка большого количества спутниковых снимков требует значительных вычислительных мощностей, поэтому для проведения анализа использовалась платформа Google Earth Engine. На основе полученных данных выбран наиболее пригодный для создания автоматической методики по переводу земель в лесопокрытую площадь индекс SWVI как наилучший спектральный индекс для разделения земель на достигшие и не достигшие критериев отнесения к землям, занятым лесными насаждениями. Оптимальным порогом для перевода земель стало достижение 80 % восстановления от первоначальных значений индекса до возникновения нарушений в лесном покрове. Использование метода k-средних и пороговых значений индекса для перевода позволило создать автоматизированную методику. Для цитирования: Karpov A., Waske B. Method for Transferring Non-Forest Cover to Forest Cover Land Using Landsat Imageries // Изв. вузов. Лесн. журн. 2020. № 3. С. 83–92. DOI: 10.37482/0536-1036-2020-3-83-92 Финансирование: Данное исследование проведено в рамках проекта «Мониторинг лесов в Архангельской области с использованием данных мультисенсорного дистанционного зондирования», финансируемого Министерством образования и науки России и Германской службой академических обменов в рамках программы «Михаил Ломоносов» (проект № АААА-А19-119020590052-2)

Karpov, A. Method for Transferring Non-Forest Cover to Forest Cover Land Using Landsat Imageries = Метод отнесения земель к землям, занятым лесной растительностью, по аэрокосмическим снимкам landsat / A. Karpov, B. Waske // Известия высших учебных заведений. Лесной журнал .— 2020 .— № 3 .— С. 83-92 .— DOI: 10.37482/0536-1036-2020-3-83-92 .— URL: https://rucont.ru/efd/730482 (дата обращения: 16.04.2024)