Определение динамики запасов древостоев Красноярского края с использованием Google Earth Engine

Лесные экосистемы играют важнейшую роль в поддержании экологического баланса и сохранении биоразнообразия. Территория Красноярского края представляет собой уникальный регион с масштабными массивами лесного покрова – площадь лесного фонда составляет 168,1 млн га, или около 71% территории региона, с запасами древесины свыше 14 млрд м3 [1], подверженными интенсивному антропогенному воздействию в виде промышленных вырубок. Традиционные наземные методы лесоустройства в условиях огромной площади и труднодоступности региона оказываются малоэффективными для оперативного и всестороннего контроля [2]. В связи с этим особую актуальность приобретает развитие методов ДЗЗ и геоинформационного моделирования. Современные облачные геоплатформы, такие как GEE [3], открывают новые возможности для обработки больших массивов спутниковых данных без необходимости их локальной загрузки и развертывания.
Целью данной работы является разработка методики автоматизированной оценки динамики запасов древостоя в период за 2019-2026 гг. на территории Красноярского края. Исследование опирается на принципы многовременного спектрального дешифрирования и индексного анализа растительного покрова. В оптическом и ближнем инфракрасном диапазонах спектра здоровые лесные массивы характеризуются максимальным поглощением в красной зоне и интенсивным отражением в ближней инфракрасной области, что обусловлено структурой растительности. Удаление древесного покрова в результате рубок резко меняет спектральные характеристики отражения: снижается индекс NDVI (Normalized Difference Vegetation Index) и возрастает яркость в коротковолновом инфракрасном диапазоне (SWIR) за счет экспонирования почвенного покрова.
Для решения задачи перехода от двумерных площадных характеристик к трехмерным показателям используются данные активного дистанционного зондирования – космического лидара ICESat-2 [4], фиксирующего вертикальный профиль лесного полога. Интеграция пассивных оптических данных с активными лидарными измерениями позволяет строить пространственные модели распределения высот и запасов древесины для региона. В качестве базового картографического слоя и маски лесопокрытой площади применяются данные проекта Hansen Global Forest Change [5], позволяющие исключить нелесные территории. Для ежегодной детекции вырубок с 2019 по 2026 год задействуется комбинированный алгоритм, объединяющий расчет вегетационного индекса NDVI, построение многовременных композитных изображений (путем объединения спектральных каналов разных лет в единые цветовые каналы RGB для выделения траекторий вырубок) и последующую лидарную калибровку высотных характеристик [6].
Практическая реализация разработанной методики выполнена в облачной среде Google Earth Engine, что обеспечило возможность обработки больших массивов спутниковых данных без их загрузки на локальные накопители. На первом этапе обработки производилась пространственно-временная фильтрация архива COPERNICUS/S2_SR_HARMONIZED по контуру Красноярского края с ограничением полетных сцен по степени облачности (менее 20%) и привязкой к пику вегетационного периода (июнь – август) для минимизации искажений. Вычисление индекса NDVI для каждого года интервала 2019–2026 гг. позволило построить пространственные ряды межгодовой динамики, фиксирующие резкое падение показателей зеленой массы при антропогенных нарушениях [7].
Ключевым элементом автоматизации стал алгоритм построения многовременных композитных изображений в пространстве цветовой модели RGB. Путем поканального сопряжения спектральных каналов (в частности, коротковолнового инфракрасного SWIR и красного диапазона [8]) за разные годы съемки были сформированы цветные композиты, в которых свежие вырубки и восстановление растительности отображаются в виде контрастных спектральных аномалий, что полностью исключило ручное векторное оконтуривание. Для получения количественных метрик потерь лесного фонда векторные маски выявленных вырубок были сопряжены в облачной среде с пространственными профилями высот космического лидара ICESat-2. Процедура пространственного пересечения векторов рубок с плотным облаком лидарных точек позволила извлечь значения высоты древостоя непосредственно для вырубленных участков [9].
Анализ полученных картографических материалов и временных рядов продемонстрировал высокую степень дифференциации лесозаготовительной активности по территории региона: основные очаги интенсивных промышленных рубок сконцентрированы в пределах зон развитой транспортной сети, лесовозных дорог и сплавных рек. Полученные результаты подтверждают вычислительную эффективность, точность и масштабируемость предложенного облачного подхода по сравнению с традиционными методами локального дешифрирования.
Проведенное исследование подтверждает эффективность использования облачной платформы Google Earth Engine и интеграции данных Sentinel-2 и ICESat-2 для мониторинга лесных экосистем. Предложенный комплексный подход, объединяющий детекцию вырубок по разностным индексам растительности и лидарную калибровку высотно-объемных характеристик, открывает перспективы для создания автоматизированных систем регионального контроля за лесопользованием. Дальнейшее развитие работы связано с внедрением методов машинного обучения [10] для повышения точности классификации типов нарушений лесного покрова и дифференциации промышленных рубок от природных факторов деструкции.
Работа выполнена в рамках государственного задания ЦЭПЛ РАН («Биоразнообразие и экосистемные функции лесов», регистрационный номер НИОКТР 124013000750-1).