Введение 4
1 Обзор работ по изучению реакции растительного покрова на изменения
климата с помощью данных дистанционного зондирования 6
1.1 Задачи, решаемые исследователями 6
1.2 Использующиеся данные дистанционного зондирования 8
1.3 Алгоритмы обработки данных для выделения поврежденной
растительности
1.4 Классификация
2 Область исследования и предварительная обработка данных
2.1 Область исследования
2.2 Подготовка данных дистанционного зондирования к анализу
2.2.1 Программное обеспечение, используемое в работе
2.2.2 Данные, используемые в работе
2.2.3 Атмосферная коррекция
2.3 Цифровая модель рельефа
2.4 Карты растительного покрова, использующиеся в работе 22
2.4.1 TerraNorte
2.4.2 Карта динамики лесного покрова
2.5 Данные высокого пространственного разрешения, получаемые с помощью
программы SASPlanet
2.6 Построение мозаики снимков с темнохвойными лесами
3 Картирование усохших лесов по снимкам Landsat 30
3.1 Признаки, использовавшиеся для выделения усохших древостоев
3.1.1 Вегетационный индекс нормированной разности NDVI 34
3.1.2 Коротковолновой индекс SWVI
3.1.3 Метод главных компонент
3.1.4 Индекс гарей NBR 39
3.2 Выделение усохших древостоев с помощью NDVI
3.3 Выделение усохших древостоев с помощью индекса SWVI
3.5 Выделение усохших древостоев с помощью метода главных компонент 44
3.6 Выделение территорий с гарями. 44
3.6 Выделение усохших древостоев с помощью программы SasPlanet 46
3.7 Сравнение территорий с усохшими древостоями с картой динамики
лесного покрова 2000-2014 годов 47
4 Анализ точности результатов, полученных разными методами 49
5 Определение усыхания территории и оценка ландшафтной приуроченности
усохших лесов 53
5.1 Определение степени усыхания темнохвойных лесов. 53
5.2 Анализ характеристик рельефа на территориях с усохшими лесами 56
5.3 Создание векторной карты с усыханиями и здоровыми лесами 63
Заключение 64
Список использованных источников 65
Приложение А. Карта усыхания на территории Кузнецкого Алатау и Абаканского и Салаирского кряжа масштаба 1:2 000 000 69
Среди глобальных экологических проблем на первое место мировое сообщество ставит изменение климата. Изменение климата в истории человечества - одна из самых важных характеристик среды. За 200 млн. лет климат Земли непрерывно менялся, но никогда это не происходило столь быстро, как сейчас. Резкое изменение климата в бореальных областях сказывается уменьшением количества морозных зим. За последние 25 лет средняя температура приземного слоя воздуха возросла на 0,7°С. В экваториальной зоне она не изменилась, но чем ближе к полюсам, тем потепление заметнее [28]. Глобальное потепление уже существенно воздействует на наземные экологические системы: это проявляется в более раннем наступлении весны и продвижении на север ареалов растений и животных [10]. В северных широтах вегетативный сезон увеличился на 2 недели [10]. Повышение планетарной температуры более чем на 1,5-2,5°C связано с угрозой массовой трансформации лесных площадей в нелесные [10]. Бореальные леса наиболее подвержены угрозам со стороны изменения климата, с одной стороны, из-за восприимчивости к потеплению, с другой — из-за гораздо большего потепления в арктической зоне по сравнению с увеличением средней планетарной температуры [10]. Уменьшение площади лесов приводит к уменьшению биоразнообразия экосистем, нарушению их функций и обеднению генофонда планеты.
Среди древесных пород, наиболее подверженными усыханию, оказались представители рода пихт. Пихтовые леса интенсивно повреждаются в России, на территории ряда других европейских стран, а также в США, Канаде, в Восточных Гималаях. Ни одна из рабочих гипотез, объясняющих усыхание пихтовых лесов, не получила всеобщего признания. Предполагается, что усыхание вызвано воздействием комплекса факторов. При этом безусловное значение имеют естественные факторы — вековые смены растительности, засухи, сильные морозы, избыток осадков. Не исключено, что ключевую роль играет загрязнение атмосферы, особенно усилившееся в последние три десятилетия [9].
Целью данной работы является разработка метода выделения усохших древостоев по снимкам среднего пространственного разрешения.
Задачи работы:
- провести предварительную подготовку снимков Landsat (выполнить атмосферную коррекцию, ограничить данные территорией темнохвойных и смешанных лесов);
- применить несколько признаков для выделения усохших лесов: NDVI, SWVI, метод главных компонент, индекс NBR;
- выделить усохшие древостои с помощью данных программы SASPlanet с высоким пространственным разрешением;
- сравнить полученные с помощью различных признаков и программы SASPlanet результаты с картой динамики лесного покрова 2000-2014 годов;
- определить площадь усыхания лесов;
- проанализировать точность определения усохших древостоев;
- провести анализ связи положения усохших древостоев с характеристиками рельефа.
В данной работе были рассмотрены методы выделения усохших лесов: с помощью индекса NDVI, индекса SWVI, метода главных компонент, индекса NBR. Для верификации результатов были выделены усохшие древостои с помощью данных программы SASPlanet с высоким пространственным разрешением.
Также рассчитана площадь усохших и здоровых древостоев на территории Кузнецкого Алатау и смежных хребтов - Абаканского и Салаирского кряжа. Определено что 1,8% территории занимают усохшие леса с точностью определения 73,33%. Также был проведен анализ ландшафтной приуроченности усыхающих лесов, в результате которого можно сказать, что высота над уровнем моря у усохших темнохвойных лесов больше, чем у здоровых. Уклон склонов в классах с усыхающими и здоровыми лесами не сильно отличается. Наибольший вклад в экспозиционное распределение для исследуемой территории вносят склоны южной ориентации.
1. Барталев, С.А. Исследование земли из космоса / С.А. Барталев, Д.В. Ершов, А.С. Исаев. — Москва: Международный институт леса РАЕН, 1999. — C. 76-86.
2. Барталев, С.А. Спутниковое картографирование растительного покрова России по данным спектрора MODIS / С.А. Барталев, В.А. Егоров, Д.В. Ершов, А.С. Исаев, Е.А. Лупян, Д.Е. Плотников, И.А. Уваров. — М: Институт космических исследований РАН, 2011. — Т. 8, № 4. — С. 285 - 302.
3. Горбачева, Е.Н. Программный комплекс ENVI профессиональное решение для комплексной обработки мультиспектральных, гиперспектральных и радарных данных / Е. Н. Горбачева// Геоматика, №2, 2013 — C. 50-54.
4. Дистанционное зондирование [Электронный ресурс] : Определение задач обработки снимка и выбор способа классификации. - Режим доступа: http: //www. nrcgit.ru/aster/methods/metods/spectrum_angle. htm.
5. Капралов, Е. Г. Геоинформатика / Е. Г. Капралов, А. В. Кошкарев, В. С. Тикунов и др. — М: Издательский центр «Академия», 2005. — 480 с.
6. Королев, В. А. Оценка степени восстановления леса после пожара с использованием возможностей дешифрирования космических снимков/ В.А. Королев, Ю.Ф Рожков, О.Ю Рожкова// Юный ученый. — 2016. — №4.1. — С. 77-79.
7. Крылов, А.М. Дистанционный мониторинг состояния лесов по данным космической съемки/ А.М. Крылов, Н.А. Владимирова //Геоматик, №3, 2011. — C.53-57
8. Манылов, И. В. Оценка точности распознавания классов при автоматизированной обработке аэрофотоснимков / И. В. Манылов // Известия высших учебных заведений. Приборостроение: научно-технический журнал / Университет ИТМО. - Санкт-Петербург, 2011. — Т. 54, № 5. — С. 35-39.
9. Наука в Сибири [Электронный ресурс]: - Режим доступа: http: //www. nsc. ru/win/elbib/hbc/article. phtml
10. Олссон, Р. Бореальные леса и изменение климата/ Р. Олсон // Устойчивое лесопользование/ Всемирный фонд природы. - Москва, 2011, № 3. - С. 27-38
11. Руководство по эксплуатации модуля FLAASH [Электронный ресурс] — Режим доступа:http://www.nrcgit.ru/metocl/nrcgit_flaash. pdf
12. Сайт Всероссийского научно-исследовательского геологического института им. А.П. Карпинского [Электронный ресурс]:- Режим
доступа:http://www.vsegei.com/ru/(10.05.2017r^).
13. Сайт Геологической службы США [Электронный ресурс]: - Режим доступа:http://earthexplorer.usgs.gov/
14. Сайт Геологической службы США [Электронный ресурс]: USGS. Landsat Missions. Landsat8. - Режим доступа:http://landsat.usgs.gov/landsat8.php
15. Сайт ГИС ассоциация [Электронный ресурс]: GIS market support association - Режим доступа: http://www.gisa.ru/1489.htm
16. Сайт ГИС ArcGIS [Электронный ресурс]: - Режим доступа http: //www. arcgis. com/home/index.html (1.06.2017)
17. Сайт Доверительные интервалы выборок [Электронный ресурс]: — Режим доступа: http://statistica.ru
18. Сайт Матрица ошибок и расчет показателей точности тематических
карт [Электронный ресурс]: - Режим доступа:http://gis-lab.info/qa/error-
matrix.html
19. Сайт Природа Кузбасса [Электронный ресурс]: - Режим доступа: http: //visit-kuzbass. ru/ru/about-kuzbass/priroda. html
20. Сайт Пример расчета t-критерия Стьюдента для независимых выборок [Электронный ресурс]: — Режим доступа:http://statpsy.ru
21. Сайт Программные продукты семейства ArcGIS [Электронный ресурс]: - Режим доступа:http://www.credospb.com/arcgis.htm
22. Сайт NDVI - теория и практика [Электронный ресурс]: — Режим доступа:http: //gis-lab . info/qa/ndvi.html
23. Сайт SAS .ГЪтанета Электронный ресурс] : - Режим доступа
http://sasgis.ru/sasplaneta/
24. Сайт Global Forest Change 20002015 Электронный ресурс:: - Режим доступа: http://earthenginepartners.appspot.com/science-2013-global- forest/download_v1.3.html
25. Сторожев, В.П. Оценка жизненного состояния» кедровых и пихтовых лесов ООПТ Алтае-Саянского региона / В. П. Сторожев и [др.] // Мониторинг биоразнообразия на особо охраняемых природных территориях Алтае-Саянского региона: науч. тр. Ассоциации заповедников и нац. парков Алтае-Саянского экорегиона/СО РАН - Новосибирск, 2008. - Вып 1. - С. 62¬68.
26. Токарева, О.С/ Обработка и интерпритация данных дистанционного зондирования Земли: учебное пособие / О.С. Токарева; Томский политехнический университет. — Томск: Изд-во Томского политехнического университета, 2010. —148 с.
27. Тузова В.К . Методы мониторинга вредителей и болезней леса l В.К . Тузова — Москва: ВНИИЛМ, 2004. — 56 с.
28. Уварова, Н.Н. Климат как глобальная проблема: прошлое, настоящее, будущее/ Н.Н. Уварова // Успехи современного естествознания. - Москва, 2006. - № 4. - С. 100-102.
29. Чандра, A. M. Дистанционное зондирование географические информационные системы / A. M. Чандра, С. К. Гош - Москва: Техносфера, 2008. - 288 с.
30. Ceccato, P Detecting vegetation water content using reflectance in the optical domain/ P. Ceccato, S. Flasse , S. Tarantola, S. Jacquemond, J. Gregoire// Remote Sensing of Environment, 77, 2001, p. 22 33.
31. Fnnkdm, SIT . Aerial and satelitte sensor detection and of western spruce budworm defoliation in a subalpine forest. Canadian Journal of Remote Sensing / S.E. Franklin, R.H. Waring, R.W. McCreight, W.B. Cohen, M.: Fiorella 1995. — С. 299 308.
32. Hansen, M. C. High-Resolution Global Maps of21st-C entuiy IForest Cover Change/ M.h Hansen, P. V. Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, C. O. Justice, and J. R. G. Townshend // Science 342, 2013— C. 850-853.