Исследование закономерностей лесовозобновления на основе данных ДЗЗ (на примере Ленинградской области)
|
ВВЕДЕНИЕ 3
1. ОБЗОР ЛИТЕРАТУРЫ 7
2. ОБЪЕКТЫ ИССЛЕДОВАНИЯ 19
2.1 Подбор объектов исследования 19
2.2 Исследуемый объект в Лужском лесничестве 20
2.3 Исследуемый объект в Подпорожском лесничестве 24
3. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЯ 29
3.1 Данные ДЗЗ и программное обеспечение, использованные в работе 30
3.2 Применение иерархической автоматической классификации 36
3.3 Определение вырубок на исследуемых территориях 38
4. АВТОМАТИЧЕСКАЯ ИЕРАРХИЧЕСКАЯ КЛАССИФИКАЦИЯ ЛЕСНЫХ НАСАЖДЕНИЙ 42
4.1 Классификация исследуемого участка в Лужском лесничестве 42
4.1 Классификация исследуемого участка в Подпорожском лесничестве 48
4.3 Корректирование алгоритма и повторная классификация объекта в Лужском
лесничестве 52
4.4 Верификация полученных результатов 54
5. АНАЛИЗ ЛЕСОВОССТАНОВЛЕНИЯ НА ВЫРУБКАХ 63
5.1 Анализ вырубок в исследуемый период 63
5.2 Лесовосстановление на исследуемом объекте в Лужском лесничестве 65
5.2 Лесовосстановление на исследуемом объекте в Подпорожском лесничестве 71
5.4 Выводы из анализа лесовосстановления 75
ЗАКЛЮЧЕНИЕ 81
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 85
ПРИЛОЖЕНИЕ 89
1. ОБЗОР ЛИТЕРАТУРЫ 7
2. ОБЪЕКТЫ ИССЛЕДОВАНИЯ 19
2.1 Подбор объектов исследования 19
2.2 Исследуемый объект в Лужском лесничестве 20
2.3 Исследуемый объект в Подпорожском лесничестве 24
3. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЯ 29
3.1 Данные ДЗЗ и программное обеспечение, использованные в работе 30
3.2 Применение иерархической автоматической классификации 36
3.3 Определение вырубок на исследуемых территориях 38
4. АВТОМАТИЧЕСКАЯ ИЕРАРХИЧЕСКАЯ КЛАССИФИКАЦИЯ ЛЕСНЫХ НАСАЖДЕНИЙ 42
4.1 Классификация исследуемого участка в Лужском лесничестве 42
4.1 Классификация исследуемого участка в Подпорожском лесничестве 48
4.3 Корректирование алгоритма и повторная классификация объекта в Лужском
лесничестве 52
4.4 Верификация полученных результатов 54
5. АНАЛИЗ ЛЕСОВОССТАНОВЛЕНИЯ НА ВЫРУБКАХ 63
5.1 Анализ вырубок в исследуемый период 63
5.2 Лесовосстановление на исследуемом объекте в Лужском лесничестве 65
5.2 Лесовосстановление на исследуемом объекте в Подпорожском лесничестве 71
5.4 Выводы из анализа лесовосстановления 75
ЗАКЛЮЧЕНИЕ 81
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 85
ПРИЛОЖЕНИЕ 89
Лесовозобновление на вырубках является серьезной лесохозяйственной и экологической проблемой, особенно значимой для России, где в 2020 г. было вырублено свыше 964 млн га лесных массивов - причем около 286 мл га из них - в Северо-Западном Федеральном Округе, что делает его вторым ФО в стране по площади лесозаготовок [8]. Лидирующие пять субъектов страны (Иркутская область, Красноярский Край, Вологодская область, Архангельская область и республика Коми) расположены преимущественно в таежной зоне - именно этот биом является основным поставщиком древесины в нашей стране. Между тем, для всего таежного биома характерна чрезвычайно важная особенность - в большинстве случаев вырубка леса ведет к смене породного состава. Так, на месте хвойных массивов появляются смешанные леса с частым преобладанием мелколиственных пород.
Именно увеличение доли мелколиственных пород является одной из существенных проблем лесного хозяйства. В общем случае лесное хозяйство ведется на получение хвойной древесины и обильное наличие березы и осины для отрасли нежелательно.
Нежелательно оно и с точки зрения экологии и устойчивого лесоуправления - в настоящее время идет тенденция на ведение лесного хозяйства таким образом, чтобы максимально сгладить необратимые изменения в лесных массивах, по возможности освободить насаждения от необходимости проходить все этапы сукцессии в течении более 100 лет и вернуть лесу «исходный» облик в максимально сжатые сроки - если же не сохранять его изначально.
Эти цели достигаются прежде всего изменениями в методиках рубок и ограничением эксплуатационных лесов, однако очень важную роль играет и мониторинг лесовозобновления на молодых вырубках в течение первых десятков лет после рубки. При этом мониторинг осложняется тем, что молодые насаждения с трудом поддаются наземным методам таксации - это труднодоступные загущенные массивы с ярко выраженной мозаичностью и пространственной изменчивостью. Зачастую, вместо проведения подробных таксационных работ, молодняки осматривают со стороны или же вовсе актуализируют их таксационные характеристики. Такое положение дел приводит к тому, что отсутствует реальная информация о лесовозобновлении - в тот момент, когда насаждение, например, из лесных культур, остро нуждается в рубке ухода, оно лишь получает набор удовлетворительных шифров в базе данных таксации, а высаженные деревья, на которые выделялись денежные и трудовые ресурсы, продолжают погибать.
Решением данной проблемы может быть привлечение данных ДЗЗ, которые находят все большее применение в лесном хозяйстве. Анализ спутниковых снимков и аэрофотосъемки позволяет увеличивать эффективность и скорость производимых таксационных работ, во множестве случаев увеличивать их точность. Оценка лесовозобновления на данных ДЗЗ может являться перспективным решением сложной и важной задачи.
Более того, возможно привлечение данных ДЗЗ за разные временные промежутки и оценка вырубок разных лет - это дает временную перспективу лесовозобновления и позволяет ответить на важные вопросы с точки зрения временной динамики. Так появляется возможность оценить закономерности лесовозбновления на исследуемой территории - вопрос более сложный и широкий, нежели простая оценка эффективности лесовосстановления с точки зрения лесного хозяйства.
Однако в работе с ДЗЗ возникает ряд существенных вопросов, требующих разрешения. Крупномасштабные многоканальные спутниковые и аэрофотоснимки чрезвычайно информативны в изучении лесного покрова, но требуют серьезных денежных вложений для приобретения. Получить доступ к среднемасштабным спутниковым снимкам гораздо проще - зачастую они бесплатны, однако, вместе с тем, гораздо менее информативны.
Помимо этого, встает вопрос о проведении полевых изысканий - традиционно в лесном дешифрировании производится закладка полигонов с известными характеристиками, на основе которых данные ДЗЗ подвергают обработке. В случае с проведением полевых наблюдений необходим выезд на объект исследования и проведение на нем достаточно трудозатратных работ, также требующих денежных ресурсов и наличия подготовленных специалистов.
В данной работе, посвященной применению данных ДЗЗ в оценке лесовозобновления, была поставлена цель разработать методику, которая позволила бы классифицировать породный состав лесных насаждений без проведения полевых работ, привлечения дорогостоящих высокоточных данных ДЗЗ, наличия существенного опыта в дешифрировании. Все перечисленные пункты имеют большое значение в современном отечественном лесном хозяйстве, в котором наблюдается как нехватка средств, так и недостаток опыта и знаний современных технологий, некоторая технологическая задержка.
Очевидно, что подобные положительные качества методики имели бы вполне предсказуемые негативные стороны-эффекты - прежде всего заведомо низкую (по крайне мере, гораздо ниже, чем у методов классической таксации или использования крупномасштабных данных) точность. Во-вторых, ограниченность в наборе характеристик лесного покрова - из всех таксационных параметров в работе рассматривается лишь породный состав. Хотя эффективность и закономерности лесовозобновления также прослеживаются в данных о типе леса (особенно, если он коренным образом изменился), благосостоянии насаждений - бонитете, высоте.
Тем не менее, в работе был сделан акцент на породный состав как на один из наиболее важных показателей динамики лесовосстановления. Именно на основе породного состава, количестве подроста того или иного древесного вида, принимаются решения о списывании/оставлении лесных культур, проведения рубок ухода. В данном случае доля хвойных пород является своеобразным показателем качественного и эффективного возобновления леса, с точки зрения лесного хозяйства.
Вместе с тем, оценка породного состава во временной динамике позволяет произвести анализ закономерностей лесовозобновления - процессов естественного и антропогенного происхождения. Любые работы лесохозяйственной направленности должны учитывать существующие закономерности и особенности смены пород, по возможности использовать их в целях развития устойчивого лесоуправления.
Таким образом, в данной работе было поставлено две цели:
• Разработать алгоритм иерархической автоматической классификации лесных древостоев на основе анализа спутниковых снимков и рассчитанных вегетационных индексов;
• На основе результатов классификации, оценить закономерности лесовосстановления на исследуемых объектах на протяжении 45-летнего периода.
Ввиду нарастающей роли автоматического машинного обучения в дистанционном зондировании, было решено выбрать именно автоматические методы классификации - когда анализ спутникового снимка производится программным обеспечением. Иерархической же эта классификация является ввиду поэтапности в методике, о свойствах которой, подробно расписано далее.
Закономерности лесовосстановления было решено рассматривать на вырубках моложе 45 лет - ввиду того что периодом 1970-х годов ограничиваются данные бесплатных спутниковых снимков, находящихся в свободном доступе.
С целью достижения поставленных целей были выработаны следующие задачи исследования:
• Проведение полевых изысканий на объектах исследования с целью последующей верификации методики классификации;
• Подбор наиболее точных механизмов классификации на разных этапах алгоритма, возможная корректировка алгоритма в процессе анализа полевых данных;
• Проведение классификации лесных массивов на двух объектах исследования и оценка ее точности - верификация;
• Анализ закономерностей лесовозобновления на исследуемой территории.
Предполагается, что анализу подвергнутся как естественные сукцессионные процессы, происходящие в древостоях 10-40 лет, так и антропогенные вмешательства в виде рубок ухода. Вместе они представляют картину породного состава молодых насаждений на исследуемой территории.
Именно увеличение доли мелколиственных пород является одной из существенных проблем лесного хозяйства. В общем случае лесное хозяйство ведется на получение хвойной древесины и обильное наличие березы и осины для отрасли нежелательно.
Нежелательно оно и с точки зрения экологии и устойчивого лесоуправления - в настоящее время идет тенденция на ведение лесного хозяйства таким образом, чтобы максимально сгладить необратимые изменения в лесных массивах, по возможности освободить насаждения от необходимости проходить все этапы сукцессии в течении более 100 лет и вернуть лесу «исходный» облик в максимально сжатые сроки - если же не сохранять его изначально.
Эти цели достигаются прежде всего изменениями в методиках рубок и ограничением эксплуатационных лесов, однако очень важную роль играет и мониторинг лесовозобновления на молодых вырубках в течение первых десятков лет после рубки. При этом мониторинг осложняется тем, что молодые насаждения с трудом поддаются наземным методам таксации - это труднодоступные загущенные массивы с ярко выраженной мозаичностью и пространственной изменчивостью. Зачастую, вместо проведения подробных таксационных работ, молодняки осматривают со стороны или же вовсе актуализируют их таксационные характеристики. Такое положение дел приводит к тому, что отсутствует реальная информация о лесовозобновлении - в тот момент, когда насаждение, например, из лесных культур, остро нуждается в рубке ухода, оно лишь получает набор удовлетворительных шифров в базе данных таксации, а высаженные деревья, на которые выделялись денежные и трудовые ресурсы, продолжают погибать.
Решением данной проблемы может быть привлечение данных ДЗЗ, которые находят все большее применение в лесном хозяйстве. Анализ спутниковых снимков и аэрофотосъемки позволяет увеличивать эффективность и скорость производимых таксационных работ, во множестве случаев увеличивать их точность. Оценка лесовозобновления на данных ДЗЗ может являться перспективным решением сложной и важной задачи.
Более того, возможно привлечение данных ДЗЗ за разные временные промежутки и оценка вырубок разных лет - это дает временную перспективу лесовозобновления и позволяет ответить на важные вопросы с точки зрения временной динамики. Так появляется возможность оценить закономерности лесовозбновления на исследуемой территории - вопрос более сложный и широкий, нежели простая оценка эффективности лесовосстановления с точки зрения лесного хозяйства.
Однако в работе с ДЗЗ возникает ряд существенных вопросов, требующих разрешения. Крупномасштабные многоканальные спутниковые и аэрофотоснимки чрезвычайно информативны в изучении лесного покрова, но требуют серьезных денежных вложений для приобретения. Получить доступ к среднемасштабным спутниковым снимкам гораздо проще - зачастую они бесплатны, однако, вместе с тем, гораздо менее информативны.
Помимо этого, встает вопрос о проведении полевых изысканий - традиционно в лесном дешифрировании производится закладка полигонов с известными характеристиками, на основе которых данные ДЗЗ подвергают обработке. В случае с проведением полевых наблюдений необходим выезд на объект исследования и проведение на нем достаточно трудозатратных работ, также требующих денежных ресурсов и наличия подготовленных специалистов.
В данной работе, посвященной применению данных ДЗЗ в оценке лесовозобновления, была поставлена цель разработать методику, которая позволила бы классифицировать породный состав лесных насаждений без проведения полевых работ, привлечения дорогостоящих высокоточных данных ДЗЗ, наличия существенного опыта в дешифрировании. Все перечисленные пункты имеют большое значение в современном отечественном лесном хозяйстве, в котором наблюдается как нехватка средств, так и недостаток опыта и знаний современных технологий, некоторая технологическая задержка.
Очевидно, что подобные положительные качества методики имели бы вполне предсказуемые негативные стороны-эффекты - прежде всего заведомо низкую (по крайне мере, гораздо ниже, чем у методов классической таксации или использования крупномасштабных данных) точность. Во-вторых, ограниченность в наборе характеристик лесного покрова - из всех таксационных параметров в работе рассматривается лишь породный состав. Хотя эффективность и закономерности лесовозобновления также прослеживаются в данных о типе леса (особенно, если он коренным образом изменился), благосостоянии насаждений - бонитете, высоте.
Тем не менее, в работе был сделан акцент на породный состав как на один из наиболее важных показателей динамики лесовосстановления. Именно на основе породного состава, количестве подроста того или иного древесного вида, принимаются решения о списывании/оставлении лесных культур, проведения рубок ухода. В данном случае доля хвойных пород является своеобразным показателем качественного и эффективного возобновления леса, с точки зрения лесного хозяйства.
Вместе с тем, оценка породного состава во временной динамике позволяет произвести анализ закономерностей лесовозобновления - процессов естественного и антропогенного происхождения. Любые работы лесохозяйственной направленности должны учитывать существующие закономерности и особенности смены пород, по возможности использовать их в целях развития устойчивого лесоуправления.
Таким образом, в данной работе было поставлено две цели:
• Разработать алгоритм иерархической автоматической классификации лесных древостоев на основе анализа спутниковых снимков и рассчитанных вегетационных индексов;
• На основе результатов классификации, оценить закономерности лесовосстановления на исследуемых объектах на протяжении 45-летнего периода.
Ввиду нарастающей роли автоматического машинного обучения в дистанционном зондировании, было решено выбрать именно автоматические методы классификации - когда анализ спутникового снимка производится программным обеспечением. Иерархической же эта классификация является ввиду поэтапности в методике, о свойствах которой, подробно расписано далее.
Закономерности лесовосстановления было решено рассматривать на вырубках моложе 45 лет - ввиду того что периодом 1970-х годов ограничиваются данные бесплатных спутниковых снимков, находящихся в свободном доступе.
С целью достижения поставленных целей были выработаны следующие задачи исследования:
• Проведение полевых изысканий на объектах исследования с целью последующей верификации методики классификации;
• Подбор наиболее точных механизмов классификации на разных этапах алгоритма, возможная корректировка алгоритма в процессе анализа полевых данных;
• Проведение классификации лесных массивов на двух объектах исследования и оценка ее точности - верификация;
• Анализ закономерностей лесовозобновления на исследуемой территории.
Предполагается, что анализу подвергнутся как естественные сукцессионные процессы, происходящие в древостоях 10-40 лет, так и антропогенные вмешательства в виде рубок ухода. Вместе они представляют картину породного состава молодых насаждений на исследуемой территории.
Оценка эффективности алгоритма классификации
В ходе работы удалось составить и предложить алгоритм автоматической иерархической классификации породного состава насаждений. Классификация разрабатывалась на основе проанализированной современной литературы, посвященной дистанционному зондированию, а также в условиях отказа от проведения полевых работ и использования среднемасштабных спутниковых снимков.
Точность классификации составила 73-77% после корректировки алгоритма. Среднее отклонение породного состава - 2,4 единицы. Такой результат находится за пределами допусков лесной таксации, однако является очень уверенным и удовлетворительным результатом для подобной классификации с большим количеством ограничений. Результаты верификации можно считать удовлетворительными и потому, что не было отмечено систематических ошибок, связанных с возрастом или каким-либо другим таксационным параметром.
С помощью представленного алгоритма удалось разделить древостои на обоих объектах исследования по породному признаку и впоследствии оценить площади, покрытые отдельными видами деревьев. Таким образом, первую обозначенную цель исследования удалось достичь.
Конечно, методика дешифрирования насаждений нуждается в доработке. Само определение породного состава может быть подкорректировано еще несколько раз, при анализе других исследуемых территорий, с отличающимися древостоями и типами леса. Помимо этого, для оценки лесовозобновления помимо информации о преобладающей породе стоит проводить оценку и других характеристик - типа леса, бонитета и высоты. Эти данные также можно получить, анализируя спутниковые снимки, однако это требует отдельной, тщательной и кропотливой работы. Таким образом, ресурсы данных ДЗЗ среднего разрешения еще не исчерпаны.
Предложенную методику можно использовать уже сейчас, для общего и базового представления о породном составе на территории - например, в качестве своеобразных рекогносцировочных работ, до полевых выездов. Данный алгоритм получился общедоступным, что выражается в отсутствии финансовых затрат и необходимости в серьезном опыте дешифрирования.
Общие закономерности лесовозобновления
Анализ приведенных графиков и картосхем позволяет сделать ряд выводов:
1. Динамика доли хвойных пород совпадает на обоих участках исследования (вплоть до продолжительности отдельных фаз) с интервалом 5 лет друг от друга;
2. Доля хвойных пород на вырубках устойчиво и неизменно снижается в течение исследуемого периода - от преобладания в составе до количества в 1-2 единиц состава;
3. В динамике доли хвойных пород наблюдается два резких спада - в 80-х годах ХХ века и в начале 00-х. Они связаны с неблагоприятными экономическими последствиями последующих десяти лет.
Устойчивое сокращение доли хвойных пород на вырубках во времени можно признать нежелательной характеристикой лесовозобновления. Однако, стоит отметить тот факт, что приведенная доля хвойных насаждений для каждого периода не является постоянной величиной - помимо лесохозяйственных работ, в 30-40-летних насаждениях происходит суровая конкуренция между собой. Поэтому та доля хвойных, которая наблюдается на определенной вырубке сейчас, легко может измениться в ту или иную сторону. Это стоит учитывать при составлении дальнейших практических выводов о процессе лесовосстановления.
Назвать проводимые в настоящее время (последние 10-15 лет) лесохозяйственные работы неудовлетворительными нельзя - во-первых неизвестно какими получатся насаждения 15-10 летних вырубок. Во-вторых, преобладание мелколиственных пород на 1-2 единицы вряд ли можно назвать «смертельно опасным» для еловых насаждений - если для сосны это означает верную смерть от заглушения березой, то ель достаточно хорошо себя чувствует под пологом березы (а впервые годы даже значительно лучше, чем без нее). И тогда соответствующая рубка ухода может восстановить преобладание ели.
Это вряд ли касается более старых полигонов 00-х годов, где у мелколиственных 8 единиц коэффициента - там необходима уже серьезная работа по переформированию породного состава. Полигоны вырубок 1995-2005 можно считать скорее неудачным примером ведения лесного хозяйства.
Открытым остается вопрос возрастания площади еловых насаждений в древостоях со временем. Точного ответа в рамках проведенного анализа дать нельзя, но появляется несколько предположений.
Во-первых, стоит еще раз напомнить, что смена мелколиственных насаждений на ель в естественных условиях происходит в достаточно взрослых древостоях. В случае, если ель на вырубке появилась самосевом или в качестве посаженный культуры, то она выходит в первый ярус в 60-120 лет, в зависимости от начальных условий произрастания - порой мелколиственные насаждения будет сменять уже второе поколение ели на вырубке.
Скорее всего, такую динамику можно объяснить следующим образом: с течением времени под пологом березы образуется плотный еловый подрост. Местами он выходит в первый ярус и занимает отдельные площади, а местами он может быть настолько густым, что мелколиственное (по запасу) насаждение с обильным еловым подростом алгоритм классификации воспринимает как насаждение с преобладанием ели. Впрочем, ранее отмечалось, что подобной ошибки как систематической отмечено не было, и тем не менее она имеет место быть в ограниченном количестве. Так, получается, что постепенное возрастание доли хвойных до 40% занимаемой площади к 30-40-летнему возрасту является все-таки более ли менее естественной динамикой - ель ограничено выходит в первый ярус в ряде местоположений, но доминирование все равно остается за мелколиственными видами. А вот резкое возрастание до 80% в площади - это явно следствие антропогенных вмешательств в естественную смену пород. В частности, качественно проведенных лесохозяйственных работ на более старых вырубках 1975 -1980 гг. (скорее всего их уход пришелся на стабильный (по крайней мере, по сравнению с 90-ми) период конца 80-х).
Таким образом, динамика уменьшения доли площади хвойных пород во времени в период 1975-2020 гг. представляет собой сложный взаимосвязанный процесс как естественных, так и антропогенных факторов в лесовозобновлении, а также влияние отдельных особенностей алгоритма классификации .
В ходе работы удалось достигнуть двух поставленных целей работы - составить алгоритм автоматической классификации насаждений и оценить закономерности в лесовозобновлении, описав в общих чертах процессы лесовосстановления и сделав предварительные выводы.
Интересной проблемой остается корреляция динамики возобновления на обоих участках и устойчивое снижение доли хвойных пород со временем. Данные темы требуют подробного и более углубленного анализа, с изучением отдельных полигонов вырубок, как в полевых условиях, так и на данных ДЗЗ.
В работе удалось доказать перспективность использования данных ДЗЗ, в том числе снимков со средним разрешением. В лесном хозяйстве, концентрирующемся все более на крупномасштабных аэрофотоснимках, их потенциал не раскрыт до конца. Однако спутниковые снимки также могут использоваться в таксации там, где не хватает ресурсов на дорогостоящую аэрофотосъемку или наземную таксацию - т.е. в довольно большом количестве лесничеств нашей страны.
Предложенный в работе алгоритм может подлежать усовершенствованию - помимо породного состава, на спутниковых снимках можно изучать бонитет и тип леса, что вкупе с информацией о возрасте вырубки дает полную таксационную характеристику. Таким образом, алгоритм стоит доработать как в количественном отношении (апробировав его на большем количестве полигонах), так и в качественном - добавив новые исследуемые параметры.
В ходе работы удалось составить и предложить алгоритм автоматической иерархической классификации породного состава насаждений. Классификация разрабатывалась на основе проанализированной современной литературы, посвященной дистанционному зондированию, а также в условиях отказа от проведения полевых работ и использования среднемасштабных спутниковых снимков.
Точность классификации составила 73-77% после корректировки алгоритма. Среднее отклонение породного состава - 2,4 единицы. Такой результат находится за пределами допусков лесной таксации, однако является очень уверенным и удовлетворительным результатом для подобной классификации с большим количеством ограничений. Результаты верификации можно считать удовлетворительными и потому, что не было отмечено систематических ошибок, связанных с возрастом или каким-либо другим таксационным параметром.
С помощью представленного алгоритма удалось разделить древостои на обоих объектах исследования по породному признаку и впоследствии оценить площади, покрытые отдельными видами деревьев. Таким образом, первую обозначенную цель исследования удалось достичь.
Конечно, методика дешифрирования насаждений нуждается в доработке. Само определение породного состава может быть подкорректировано еще несколько раз, при анализе других исследуемых территорий, с отличающимися древостоями и типами леса. Помимо этого, для оценки лесовозобновления помимо информации о преобладающей породе стоит проводить оценку и других характеристик - типа леса, бонитета и высоты. Эти данные также можно получить, анализируя спутниковые снимки, однако это требует отдельной, тщательной и кропотливой работы. Таким образом, ресурсы данных ДЗЗ среднего разрешения еще не исчерпаны.
Предложенную методику можно использовать уже сейчас, для общего и базового представления о породном составе на территории - например, в качестве своеобразных рекогносцировочных работ, до полевых выездов. Данный алгоритм получился общедоступным, что выражается в отсутствии финансовых затрат и необходимости в серьезном опыте дешифрирования.
Общие закономерности лесовозобновления
Анализ приведенных графиков и картосхем позволяет сделать ряд выводов:
1. Динамика доли хвойных пород совпадает на обоих участках исследования (вплоть до продолжительности отдельных фаз) с интервалом 5 лет друг от друга;
2. Доля хвойных пород на вырубках устойчиво и неизменно снижается в течение исследуемого периода - от преобладания в составе до количества в 1-2 единиц состава;
3. В динамике доли хвойных пород наблюдается два резких спада - в 80-х годах ХХ века и в начале 00-х. Они связаны с неблагоприятными экономическими последствиями последующих десяти лет.
Устойчивое сокращение доли хвойных пород на вырубках во времени можно признать нежелательной характеристикой лесовозобновления. Однако, стоит отметить тот факт, что приведенная доля хвойных насаждений для каждого периода не является постоянной величиной - помимо лесохозяйственных работ, в 30-40-летних насаждениях происходит суровая конкуренция между собой. Поэтому та доля хвойных, которая наблюдается на определенной вырубке сейчас, легко может измениться в ту или иную сторону. Это стоит учитывать при составлении дальнейших практических выводов о процессе лесовосстановления.
Назвать проводимые в настоящее время (последние 10-15 лет) лесохозяйственные работы неудовлетворительными нельзя - во-первых неизвестно какими получатся насаждения 15-10 летних вырубок. Во-вторых, преобладание мелколиственных пород на 1-2 единицы вряд ли можно назвать «смертельно опасным» для еловых насаждений - если для сосны это означает верную смерть от заглушения березой, то ель достаточно хорошо себя чувствует под пологом березы (а впервые годы даже значительно лучше, чем без нее). И тогда соответствующая рубка ухода может восстановить преобладание ели.
Это вряд ли касается более старых полигонов 00-х годов, где у мелколиственных 8 единиц коэффициента - там необходима уже серьезная работа по переформированию породного состава. Полигоны вырубок 1995-2005 можно считать скорее неудачным примером ведения лесного хозяйства.
Открытым остается вопрос возрастания площади еловых насаждений в древостоях со временем. Точного ответа в рамках проведенного анализа дать нельзя, но появляется несколько предположений.
Во-первых, стоит еще раз напомнить, что смена мелколиственных насаждений на ель в естественных условиях происходит в достаточно взрослых древостоях. В случае, если ель на вырубке появилась самосевом или в качестве посаженный культуры, то она выходит в первый ярус в 60-120 лет, в зависимости от начальных условий произрастания - порой мелколиственные насаждения будет сменять уже второе поколение ели на вырубке.
Скорее всего, такую динамику можно объяснить следующим образом: с течением времени под пологом березы образуется плотный еловый подрост. Местами он выходит в первый ярус и занимает отдельные площади, а местами он может быть настолько густым, что мелколиственное (по запасу) насаждение с обильным еловым подростом алгоритм классификации воспринимает как насаждение с преобладанием ели. Впрочем, ранее отмечалось, что подобной ошибки как систематической отмечено не было, и тем не менее она имеет место быть в ограниченном количестве. Так, получается, что постепенное возрастание доли хвойных до 40% занимаемой площади к 30-40-летнему возрасту является все-таки более ли менее естественной динамикой - ель ограничено выходит в первый ярус в ряде местоположений, но доминирование все равно остается за мелколиственными видами. А вот резкое возрастание до 80% в площади - это явно следствие антропогенных вмешательств в естественную смену пород. В частности, качественно проведенных лесохозяйственных работ на более старых вырубках 1975 -1980 гг. (скорее всего их уход пришелся на стабильный (по крайней мере, по сравнению с 90-ми) период конца 80-х).
Таким образом, динамика уменьшения доли площади хвойных пород во времени в период 1975-2020 гг. представляет собой сложный взаимосвязанный процесс как естественных, так и антропогенных факторов в лесовозобновлении, а также влияние отдельных особенностей алгоритма классификации .
В ходе работы удалось достигнуть двух поставленных целей работы - составить алгоритм автоматической классификации насаждений и оценить закономерности в лесовозобновлении, описав в общих чертах процессы лесовосстановления и сделав предварительные выводы.
Интересной проблемой остается корреляция динамики возобновления на обоих участках и устойчивое снижение доли хвойных пород со временем. Данные темы требуют подробного и более углубленного анализа, с изучением отдельных полигонов вырубок, как в полевых условиях, так и на данных ДЗЗ.
В работе удалось доказать перспективность использования данных ДЗЗ, в том числе снимков со средним разрешением. В лесном хозяйстве, концентрирующемся все более на крупномасштабных аэрофотоснимках, их потенциал не раскрыт до конца. Однако спутниковые снимки также могут использоваться в таксации там, где не хватает ресурсов на дорогостоящую аэрофотосъемку или наземную таксацию - т.е. в довольно большом количестве лесничеств нашей страны.
Предложенный в работе алгоритм может подлежать усовершенствованию - помимо породного состава, на спутниковых снимках можно изучать бонитет и тип леса, что вкупе с информацией о возрасте вырубки дает полную таксационную характеристику. Таким образом, алгоритм стоит доработать как в количественном отношении (апробировав его на большем количестве полигонах), так и в качественном - добавив новые исследуемые параметры.
Заказать работу
Заявка на оценку стоимости
Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы
Каталог работ (152932)
- Бакалаврская работа (38907)
- Диссертация (978)
- Магистерская диссертация (22560)
- Дипломные работы, ВКР (62498)
- Главы к дипломным работам (2139)
- Курсовые работы (10727)
- Контрольные работы (6275)
- Отчеты по практике (1356)
- Рефераты (1488)
- Задачи, тесты, ПТК (633)
- Ответы на вопросы (155)
- Статьи, Эссе, Сочинения (942)
- Бизнес-планы (51)
- Презентации (106)
- РГР (84)
- Авторефераты (РГБ) (1692)
- Диссертации (РГБ) (1882)
- Прочее (459)
Новости
06.01.2018
Помощь студентам и аспирантам в выполнении работ от наших партнеров
Помощь студентам и аспирантам в выполнении работ от наших партнеров
Помощь в выполнении учебных и научных работ на заказ ОФОРМИТЬ ЗАКАЗ
дальше»» Все новости
Статьи
- Где лучше заказывать диссертации и дипломные?
- Выполнение научных статей
- Подготовка диссертаций
- Подводные камни при написании магистерской работы
- Помощь в выполнении дипломных работ
»» Все статьи
Заказать работу
Заявка на оценку стоимости
Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы
