Исследование динамики растительного покрова архипелага Тулолансаари (национальный парк «Ладожские шхеры») на основе спутниковых данных

Николай Владимирович Петров, Борис Владимирович Раевский, Виктор Владимирович Тарасенко, Nikolai Petrov, Boris Raevsky, Victor Tarasenko

Аннотация


Ладожские шхеры – это природный район прибрежной полосы акватории Ладожского озера, представляющий собой совокупность архипелагов скалистых островов, отделенных друг от друга и от берега узкими проливами. Комплексный мониторинг состояния крупных островов района Ладожских шхер является актуальным направлением исследования уникальных наземных экосистем (растительного покрова) с использованием современных методов и данных дистанционного зондирования (ДДЗ). Создание цифровых картографических материалов растительного покрова на основе дешифрирования ДДЗ имеет большое значение с точки зрения исследования природной и антропогенной динамики растительных сообществ. В результате исследований выявлено, что за последние 30 лет не менее 33,3 % от общей площади сосняков вересково-лишайниковой группы на островах архипелага Тулолансаари были пройдены низовыми пожарами различной интенсивности. Вероятнее всего, причина выявленных эпизодов катастрофической динамики связана с влиянием человека, а именно с активной рекреационной деятельностью. Происходит быстрое зарастание бывших сельскохозяйственных земель древесной и кустарниковой растительностью. За последние десятилетия общая площадь лугов на исследованной территории сократилась на 37,4 %.

Ключевые слова


мультиспектральные космические снимки; картографическая платформа облачных вычислений; пространственная динамика; растительные сообщества; классификация; дешифрирование; вегетационные индексы

Полный текст:

PDF

Литература


Богданов А. П., Карпов А. А., Демина Н. А., Алешко Р. А. Совершенствование мониторинга лесов путем использования облачных технологий как элемента устойчивого лесоуправления // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15, № 1. С. 89–100. doi: 10.21046/2070-7401-2018-15-1-89-100

Волков А. Д., Громцев А. Н., Еруков Г. В., Караваев В. Н., Коломыцев В. А., Курхинен Ю. П., Лак Г. Ц., Пыжин А. Ф., Сазонов С. В., Шелехов А. М. Экосистемы ландшафтов запада средней тайги (структура и динамика) // Труды лесоинженерного факультета ПетрГУ. Петрозаводск: Карелия, 1990. С. 284.

Гумеров А. Ф. Выявление региональных особенностей глобальных изменений природной среды на основе данных дистанционного зондирования Земли // Геосфера. Современные проблемы естественных наук: Сб. статей, посвященных профессиональным праздникам факультета наук о Земле и туризма. Уфа: БашГУ, 2022. Т. 1, вып. 15. Ч. 1. С. 198–208.

Иванов С. В., Сидоренков В. М., Ачиколова Ю. С., Астапов Д. О., Тищенко П. А., Буряк Л. В., Рыбкин А. С. Возможности использования данных группировки спутников ДЗЗ стран БРИКС для решения тематических задач получения информации о лесных экосистемах // Геоинформационные технологии. Лесохозяйственная информация. 2024. № 4. С. 42–55. doi: 10.24419/LHI.2304-3083. 2024.4.05

Курбанов Э. А., Нуреева Т. В., Воробьев О. Н., Губаев А. В., Лежнин С. А., Мифтахов Т. Ф., Незамаев С. А., Полевщикова Ю. А. Дистанционный мониторинг динамики нарушений лесного покрова, лесовозобновления и лесовосстановления в Марийском Заволжье // Вестник МарГТУ. Сер. Лес. Экология. Природопользование. 2011. № 3. С. 17–24.

Курбанов Э. А., Воробьев О. Н. Дистанционные методы в лесном хозяйстве: учеб. пособие. Йошкар-Ола: ПГТУ, 2020. 268 с.

Коберниченко В. Г., Иванов О. Ю., Зраенко С. М., Сосновский А. В., Тренихин В. А. Обработка данных дистанционного зондирования Земли: практические аспекты: учебное пособие. Екатеринбург: УрФУ, 2013. 168 с.

Малышева Н. В. Автоматизированное дешифрирование аэрокосмических изображений лесных насаждений: учеб. пособие. М.: МГУЛ, 2012. 154 с.

Рахимов Г. Б., Жанибек А. Ж., Игемберлина М. Б., Батыршаева Ж. М. Мониторинг изменения площади озера Балхаш с помощью геопространственной платформы Google Earth Engine // Гор- ный журнал Казахстана. 2025. № 4. С. 25–30. doi:10.48498/minmag.2025.240.4.008

Тутубалина О. В., Голубева Е. И., Зимин М. В., Кравцова В. И., Михайлов Н. В., Железный О. М. Картографирование состояния растительного покрова в окрестностях г. Норильска с помощью Google Earth Engine // Современные проблемы дистанционного зондирования Земли из космоса: Материалы 18-й Всерос. откр. конф. (Москва, 16–20 нояб. 2020 г.). М., 2020. С. 373.

Янец П. К., Иванова С. А., Данилов Ю. Г. Использование Google Earth Engine (GEE) и спутниковых снимков Landsat для определения характеристик лесных пожаров // Вестник Северо-Восточного федерального университета им. М. К. Аммосова. Сер. Науки о Земле. 2022. № 2(26). С. 22–31. doi: 10.25587/SVFU.2022.26.2.003

Alcaras E., Costantino D., Guastaferro F., Parente C., Pepe M. Normalized Burn Ratio Plus (NBR+): a new index for Sentinel-2 Imagery // Remote Sensing. 2022. Vol. 14. Art. 1727.

Aldiansyah S., Mandini Mannesa M. D. M., Supriatna S. Monitoring of vegetation cover changes with geomorphological forms using Google Earth Engine in Kendari City // Jurnal Geografi Gea. 2021. Vol. 21, no. 2. P. 159–170. doi: 10.17509/gea.v21i2.37070

Chaudhary R. K., Puri L., Acharya A. K., Aryal R. Wetland mapping and monitoring with Sentinel-1 and Sentinel-2 data on the Google Earth Engine // Journal of Forest and Natural Resource Management. 2023. Vol. 3, no. 1. P. 21. doi: 10.3126/jfnrm.v3i1.60107

Codjoe K. A., Acheampon A. A. Spatio-temporal analysis in forest cover using Google Earth Engine in Ashanti Region, Ghana // American Journal of Geographic Information System. 2022. Vol. 11, no. 2. P. 41–50. doi: 10.5923/j.ajgis.20221102.02

Daldegan G. A., Roberts D. A., Ribeiro F. Spectral mixture analysis in Google Earth Engine to model and delineate fire scars over a large extent and a long time-series in a rainforest-savanna transition zone // Remote Sens. Environ. 2019. Vol. 232. Art. 111340. doi: 10.1016/j.rse.2019.111340

Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetaryscale geospatial analysis for everyone // Remote Sens. Environ. 2017. Vol. 202. P. 18–27. doi: 10.1016/j.rse.2017.06.031

Güzel A., Biçakli K., Biçakli F., Kaplan G. Monitoring the regeneration process of areas destroyed by forest fires aided by Google Earth Engine // Kastamonu University Journal of Forestry Faculty. 2021. Vol. 21, no. 2. P. 122–130. doi: 10.17475/kastorman.1000369

Key C., Benson N. Landscape assessment: ground measure of severity, the Composite Burn Index; and remote sensing of severity, the Normalized Burn Ratio // FIREMON: Fire Effects Monitoring and Inventory System / Eds. D. C. Lutes, R. E. Keane, J. F. Caratti, C. H. Key, N. C. Benson, S. Sutherland, L. J. Gangi. Ogden, UT: USDA Forest Service, Rocky Mountain Research Station, Gen. Tech. Rep., 2006. RMRS-GTR- 164-CD: LA 1-51.

Long T., Zhang Z., He G., Jiao W., Tang C., Wu B., Zhang X., Wang G., Yin R. 30 m resolution global annual burned area mapping based on Landsat images and Google Earth Engine // Remote Sensing. 2019. Vol. 11(5). Art. 489. doi: 10.3390/ rs11050489

Palsson F., Sveinsson J. R., Benediktsson J. A., Aanaes H. Classification of pansharpened urban satellite images // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2012. Vol. 5. P. 281–297. doi: 10.1109/JSTARS.2011.2176467

Quintero N., Viedma O., Urbieta I. R., Moreno J. M. Assessing landscape fire hazard by multitemporal automatic classification of Landsat time series using the Google Earth Engine in West-Central Spain // Forests. 2019. Vol. 10(6). Art. 518. doi: 10.3390/ f10060518

Safitri D. A., Bioresita R. T., Nugroho R. T., Bespalova L. A., Ramadaningtyas N., Sobarman F. A. Mapping and monitoring of mangrove area in Surabaya (Indonesia) in the period of 1994–2018 using Landsat satellite data and Google Earth Engine // Science in the South of Russia. 2023. Vol. 19, no. 1. P. 51–58. doi: 10.7868/25000640230106

Venkatappa M., Sasaki N., Anantsuksomsri S., Smith B. Applications of the Google Earth Engine and phenology-based threshold classification method for mapping forest cover and carbon stock changes in Siem Reap Province, Cambodia // Remote Sensing. 2020. Vol. 12. Art. 3110. doi: 10.3390/rs12183110




DOI: http://dx.doi.org/10.17076/eco2125

Ссылки

  • На текущий момент ссылки отсутствуют.


© Труды КарНЦ РАН, 2014-2019