Методика оценки зарастания участков лесовосстановления на основе расчета вегетационных индексов в медианных композитах спутниковых данных в условиях Западной Сибири

Бореальные леса Западной Сибири играют ключевую роль в глобальном углеродном балансе [1], однако интенсивное антропогенное воздействие и природные нарушения требуют объективной оценки результатов лесовосстановления. Традиционные наземные методы обследования обеспечивают высокую точность, но трудозатратны и не позволяют охватить значительные площади труднодоступных территорий, в отличие от использования данных спутникового дистанционного зондирования Земли (ДЗЗ). ДЗЗ обеспечивают пространственный охват и логистическую оперативность, но требуют наземной валидации. В условиях Западной Сибири, где транспортная доступность многих участков лесовосстановления крайне ограничена, использование спутниковой информации становится единственным целесообразным инструментом массового мониторинга лесов в локальном и региональном масштабе [2].
Цель работы заключается в анализе эффективности реализованных лесовосстановительных мероприятий в Сургутском лесничестве на основе многолетней динамики временных рядов ДЗЗ путем выявления значимых различий до и после мероприятий по лесовосстановлению и скорости зарастания участка. Объекты исследования – участки лесовосстановления, различающиеся по типу нарушения (вырубки, обезлесение) и сроку проведения лесовосстановительных работ (в начале 2000-х и в 2010-ые годы). Участки были выбраны таким образом, чтобы охватить: 1) различное состояние исходной экосистемы; 2) скорость зарастания участка; 3) продолжительность периода с момента лесовосстановления.
Исходными данными послужили мультиспектральные снимки спутников Landsat (5, 7, 8) за период с 1991 по 2025 год. Обработка данных проводилась в облачной платформе Google Earth Engine (GEE), где были сформированы медианные безоблачные атмосферно скорректированные композиты за вегетационный период (май-сентябрь). Их использование позволило снизить влияние отдельных аномальных наблюдений в виде облачности, и получить репрезентативные значения спектральных характеристик исследуемых участков за соответствующий вегетационный период.
Для количественной оценки состояния растительного покрова рассчитаны три спектральных индекса (СИ), охватывающие разнообразные характеристики участков: накопление хлорофилла (CVI), содержание воды в растительности (GVMI) и обобщенные вегетационные показатели растительного покрова (EVI) [3]. Временные ряды значений индексов были изучены на предмет нескольких типов динамики: 1) «переломы» – резкие изменения СИ в течение 1-2 лет, иллюстрирующие вырубку в процессе лесозаготовки (падение СИ) или посадку сеянцев в процессе лесовосстановления (рост СИ); 2) «тренды» – плавные изменения СИ, иллюстрирующие естественную динамику лесов, не подверженных рубке или зарастание участков лесовосстановления в последующие годы после рубки за весь период наблюдений (1991-2025 гг.). Скорость лесовосстановления была рассчитана как производная тренда СИ после перелома падения.
Анализ многолетней динамики СИ выполнен в среде MATLAB: поиск точек «перелома» временных рядов осуществлялся автоматически при помощи функции «findchangepts» для объективного контроля моментов времени резких изменений спектральных характеристик, заданных вручную; для выявления «трендов» роста и падения СИ применялся тест Сенна (Sen`s slope), а для определения значимых различий величины СИ между периодами до и после лесовосстановительных мероприятий использовался U-критерий Манна-Уитни (p < 0,05). В связи с различным диапазоном и масштабом использованных СИ (EVI, CVI и GVMI) их значения были нормализованы и приведены к шкале от 0 до 1.
Результаты анализа временных рядов СИ по 25 участкам лесовосстановления показали преимущественно положительную динамику после проведения лесовосстановительных мероприятий: для CVI на 19 участках был обнаружен рост относительно периода до рубки, что подтверждает активное накопление хлорофилла в фитомассе за первые 5 лет. Для индекса EVI отмечена положительная динамика на большинстве исследуемых участках, что указывает на последовательное развитие и восстановление вегетационных характеристик растительного покрова. GVMI на одной трети участков был нестабильным: на участках наблюдался низкий рост показателей СИ.
На участках вырубки леса средние значения EVI увеличивались и скорость их роста варьировалась в пределах 4,1-5,9% в год, CVI – 4,31-6,9% в год, GVMI – 3,2-4,6% в год; различия между периодами до и после лесовосстановительных мероприятий статистически значимы (p < 0,05). За весь временной период значения всех СИ заметно возросли, что свидетельствует об активном восстановлении лесных участков.
Сравнение спектральных индексов до и после проведения лесовосстановительных мероприятий на участках обезлесения показало различную выраженность их динамики. Среднее значение EVI увеличилось на 4,5-5,23% в год от начала лесовосстановительных работ. Значение CVI возросло на 2,6-4% в год, изменения GVMI были от 3,9 до 4,4% в год.
На участках с эффективным лесовосстановлением средняя разность между точкой перелома и периодом наблюдений для индекса EVI составила 0,67 в среднем на все участки, что свидетельствует о выраженном восстановлении растительного покрова бореальных лесов. GVMI в среднем составил 0,57, подразумевая достаточное накопление воды в растительном покрове. CVI в среднем составил 0,61. При этом, тенденции трех СИ не всегда были общими на одном и том же участке: CVI мог вырасти на 0,5, а GVMI – нет, но все значения СИ значимы по U-критерию Манна-Уитни. Такие участки требуют дополнительного наземного контроля, что подтверждает необходимость комплексного подхода к интерпретации спутниковых данных.
Разработанная методика и оригинальные программные коды позволяют проводить оперативный анализ лесовосстановительных территорий без значительных затрат на полевые работы. Для калибровки дистанционных данных по наземным наблюдениям достаточно небольшого количества участков, что в дальнейшем позволит масштабировать результаты на обширную область исследования. В дальнейшем развитие исследования будет направлено на оценку приживаемости посаженных пород сеянцев для изучения показателей спектральных индексов на участки мероприятий с искусственным лесовосстановлением. Предложенный подход может быть масштабирован для использования в лесничествах региона и лесопромышленных организациях с целью повышения эффективности контроля за искусственным восстановлением лесных экосистем и реализации климатических проектов.

Благодарность

Работа выполнена при поддержке Российского научного фонда, проект № 25-17-20042 «Разработка системы комплексной оценки состояния природных сред с учетом целей низкоуглеродного развития ХМАО-Югры: БПЛА, ГИС, нейронные сети и наземная верификация».