Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Двадцать первая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"

XXI.F.279

Метод оценки лесовосстановления на основе совместного анализа индекса выгорания NBR и радиолокационного индекса объемной неоднородности dpRVI

Кирбижекова И.И. (1), Чимитдоржиев Т.Н. (1), Дмитриев А. В. (1), Балтухаев А. К. (1), Худайдердиева О.А. (1)
(1) Институт физического материаловедения СО РАН, Улан-Удэ, Россия
Представлены результаты комбинирования спутниковых данных оптического и микроволнового диапазонов для оценки процесса послепожарного лесовосстановления. В качестве тестового полигона использованы 4 участка в окрестностях г. Улан-Удэ (107.64 с.ш., 51.90 в.д.): без растительности, лесного подроста (после пожара 2003 г.), соснового и смешанного леса.
С помощью технологии облачных вычислений с использованием веб-ресурса Google Earth Engine (Amani et al., 2020; Mutanga, Kumar, 2019) для каждого из участков построены и проанализированы:
• по данным спутника Landsat-5/8 за период 2000-2022 гг. временные ряды нормализованных относительных индексов растительности NDVI и выгорания NBR (Normalized Burn Ratio);
• по данным радиолокационной съёмки спутникового радиолокатора ALOS PALSAR-1/2 в L-диапазоне (длина волны 23.5 см) за период 2007-2020 гг. временные ряды радарных вегетационных индексов RVI (Radar Vegetation Index) и dpRVI (Dual-pol Radar Vegetation Index – радарный индекс - с двойной поляризацией).
В первом случае индексы позволяют оценить динамику проективного покрытия лесной растительностью. В случае радиолокации в L-диапазоне оценивается динамика объёмного рассеяния почвенно-растительными покровами (надземной биомассы лесной растительности) (Барталёв, Стыценко, 2021; Bondur et al., 2022; Дмитриев и др., 2022; Кирбижекова и др., 2023).
Анализ долговременных изменений показал относительную стабильность показателей соснового и смешанного леса и статистически значимый и надёжный рост показателей лесного подроста. По расчётам на основе линейных трендов NDVI и NBR восстановление проективного покрытия и/или породного состава до уровня контрольного соснового леса составляет ~ 20 лет. Восстановление биомассы на основе трендов для RVI ~ 40 лет, для dpRVI более чувствительного к росту растительности ~ 80 лет.
Для совместного учёта данных о проективном покрытии лесной растительностью и об увеличении степени объемной неоднородности (увеличении количества и размеров стволов и ветвей молодого леса) предложено рассмотреть временную динамику на плоскости NBR (по абсциссе)-dpRVI (по ординате). Обнаружено, что это распределение аналогично распределению пары NDVI-RVI, т.е. наблюдается временная динамика внутри треугольника (Кирбижекова и др., 2023). Треугольник образован точками соответствующими относительно стабильным во времени участкам смешанного и хвойного лесов и фрагмента без лесной растительности.
Таким образом, суть метода заключается в качественной и количественной оценке восстановления леса после пожара на основе измерения динамики временного трека внутри этого треугольника.
Работа выполнена в рамках гранта Российского научного фонда № 22-27-20081.

Ключевые слова: дистанционное зондирование, послепожарное лесовосстановление, облачные технологии GEE, вегетационные индексы, временные ряды, тренды, сравнительный анализ
Литература:
  1. Amani M., Mahdavi S., Ghorbanian A., Ahmadi S.A., Moghimi A., Moghaddam S.H.A., Kakooei M., Mirmazloumi S.M., Ghahremanloo M., Parsian S., Wu Q., Brisco B. (2020) Google Earth engine cloud computing platform for remote sensing big data applications: a comprehensive review // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2020. Vol. 13. pp. 5326-5350.
  2. Bondur V., Chimitdorzhiev T., Kirbizhekova I., Dmitriev A. (2022) Estimation of postfire reforestation with SAR polarimetry and NDVI time series // Forests. 2022. Т. 13. № 5.
  3. Mutanga O., Kumar L. Google Earth engine applications (2019) // Remote Sens. 2019. Vol. 11, No. 5. Pp. 11-14.
  4. Барталев С.А., Стыценко Ф.В. (2021) Спутниковая оценка гибели древостоев от пожаров по данным о сезонном распределении пройденной огнем площади // Лесоведение. 2021. № 2. С. 115-122.
  5. Дмитриев А.В., Чимитдоржиев Т.Н., Дагуров П.Н. (2022) Оптико-микроволновая диагностика восстановления леса после пожаров // Вычислительные Технологии. 2022. Т. 27. № 2. С. 105-121.
  6. Кирбижекова И.И., Чимитдоржиев Т.Н., Дмитриев А.В. Метод мониторинга лесовосстановления на основе совместного анализа оптико-микроволновых данных на плоскости NDVI – RVI (2023) // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 4. С. 165-174.

Презентация доклада

Дистанционное зондирование растительных и почвенных покровов

374