ЛЕСОВЕДЕНИЕ, 2018, No. 3, P. 163-177


ОЦЕНКА БИОМЕТРИЧЕСКИХ ПАРАМЕТРОВ НАСАЖДЕНИЙ ПО ИЗОБРАЖЕНИЯМ МЕЖКРОНОВОГО ПРОСТРАНСТВА НА КОСМИЧЕСКИХ СНИМКАХ СВЕРХВЫСОКОГО РАЗРЕШЕНИЯ
В. М. Жирин, С. В. Князева, С. П. Эйдлина
Центр по проблемам экологии и продуктивности лесов РАН
Россия, 117799 Москва, ул. Профсоюзная, 84/32
E-mail: knsvetl@gmail.com 


Поступила в редакцию 27.03.2017 г.
В статье приведены результаты исследования перспективного направления, связанного с дистанционной оценкой межкронового пространства насаждений при помощи методов пороговой сегментации изображения. Исследование проведено на примере смешанных лесов национального парка «Лосиный остров». Основу предложенного методического подхода к оценке изображения лесного полога на космических снимках сверхвысокого (детального) пространственного разрешения составляет анализ освещенных и затененных участков межкронового пространства насаждений с использованием алгоритмов пороговой сегментации. Различные комбинации значений пороговой яркости и численности пикселов изображения межкронового пространства оказались информативными и позволили рассчитать на основе статистических взаимосвязей ряд биометрических параметров насаждений, таких как полнота, средний возраст и высота древостоев. Точность вычисления параметров оценивалась для заданных отклонений и сравнивалась с нормативами определения соответствующих таксационных показателей. Установлена статистическая связь показателей морфоструктуры лесного полога с пороговыми значениями яркости изображения затененных участков межкронового пространства и запасом стволовой фитомассы лесных экосистем. Таким образом, космические снимки детального разрешения могут рассматриваться в качестве информационной основы для определения биометрических параметров насаждений, показателей морфоструктуры лесного полога, оценки продуктивности лесных экосистем.
Ключевые слова: межкроновое пространство, лесной полог, алгоритм пороговой сегментации, космический снимок сверхвысокого пространственного разрешения, пороговая сомкнутость полога, биометрические параметры насаждений.
Исследование выполнено при финансовой поддержке РФФИ (17-05-01129), ГП 14.
DOI: 10.7868/S0024114818030014
СПИСОК ЛИТЕРАТУРЫ



  • Барталев С.А., Брейдо М.Д. Автоматизированное определение таксационных характеристик кустарниковой растительности пустынь по дистанционным данным // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 1989. № 4. С. 94-102.

  • Браславская Т.Ю. Градиентный анализ флористического состава и экологической структуры травяного яруса в пойменных лесах // Известия самарского научного центра российской академии наук. 2012. Т. 14. № 1(5). С. 1202-1205.

  • Брейдо М.Д., Жирин В.М., Барталев С.А., Бахтинова Е.В. Определение некоторых характеристик кормовых ресурсов пустынных пастбищ по аэрокосмической информации // Исследование Земли из космоса. 1989. № 3. С. 66-76.

  • Жирин В.М. Определение полноты древостоев равнинных лесов по детальным космическим снимкам // Аэрокосмические методы и геоинформационные технологии в лесоведении, лесном хозяйстве и экологии: Доклады VI Всерос. (с междунар. участием) конф. (Москва, 20-22 апреля 2016 г.). М.: Центр по проблемам экологии и продуктивности РАН, 2016. С. 111-113.

  • Жирин В.М., Князева С.В., Эйдлина С.П. Эколого-динамическое исследование лесообразовательного процесса по космическим снимкам // Лесоведение. 2013. № 5. С. 76-85.

  • Жирин В.М., Князева С.В., Эйдлина С.П. Оценка влияния морфологии древесного полога и рельефа на спектральные характеристики лесов по данным Landsat // Исследование Земли из космоса. 2016. № 5. С. 10-20.

  • Жирин В.М., Эльман Р.И., Агеев В.Н. Результаты машинного определения запасов насаждений лиственницы по аэрофотоснимкам. Лесоустройство, таксация, аэрометоды // Сборник научных трудов. Ленинград: ЛенНИИлесн. хоз-ва, 1978. С.128-132.

  • Кравцова В.И. Пространственная структура экотона тундра-тайга на плато Путорана (по космическим снимкам сверхвысокого разрешения) // Вестник Моск. университета. Сер. 5. География. 2012. № 1. С.67-74.

  • Кравцова В.И. Особенности дешифрирования северных лесов на космических снимках сверхвысокого разрешения // Лесоведение. 2013. № 1. С.56-65.

  • Кравцова В.И., Лошкарева А.Р. Исследование северной границы леса по космическим снимкам разного разрешения // Вестник Моск. университета. Сер. 5. География. 2010. № 6. С. 49-57.

  • Курнаев С.Ф. Лесорастительное районирование СССР. М.: Наука, 1973. 203 с.

  • Лесоустроительная инструкция (Утверждена Приказом Рослесхоза от 12 декабря2011 г. № 516).

  • Лукина Н.В., Орлова М.А., Перминова И.В., Хусаинова В.С., Воробьева Д.Н., Артемкина Н.А Метаболомика лесных экосистем: проблемы и перспективы // Лесоведение. 2016. № 6. С. 457-465.

  • Мирин Д.М. Внутрифитоценозные элементы неоднородности растительного покрова // Изв. Самарского НЦ РАН. 2012. Т. 14. № 1(5). С. 1320-1323.

  • Нефедьев В.В., Жирин В.М., Лямеборшай С.Х., Шапочкин М.С., Шаталов А.В., Эйдлина С.П. История и состояние лесов Лосиного острова. М.: Прима-Пресс-М, 2000. 104 с.

  • Новичихин А.Е., Тутубалина О.В. Интеграция алгоритмов обработки космических снимков сверхвысокого пространственного разрешения для автоматизированного дешифрирования лесной растительности // Земля из космоса: наиболее эффективные решения. М.: Инженерно-технологический центр "СКАНЭКС", 2009. № 3. С. 40-42.

  • Орлова М.А., Лукина Н.В., Смирнов В.Э. Методические подходы к отбору образцов лесной подстилки с учетом мозаичности лесных биогеоценозов // Лесоведение. 2015. № 3.  С. 214-221.

  • Самойлович Г.Г. Применение аэрофотосъемки и авиации в лесном хозяйстве. М.: Лесн. пром-сть, 1964. 488 с.

  • Смирнова О.В., Бобровский М.В. Структурно-динамическая организация лесных экосистем // Мониторинг биологического разнообразия лесов России. Отв. ред. А.С. Исаев. М.: Наука, 2008. С. 58-70.

  • Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: Учебник. Йошкар-Ола: Издательство Марийского гос. техн. университета, 2005. 392 с.

  • Сухих В.И., Жирин В.М., Зиемелис Т.А., Шаталов А.В. Оценка информативности космических фотоснимков высокого разрешения для инвентаризации лесов // Исследование Земли из космоса. 1996. № 2. С. 45-56.

  • Culvenor D.S., TIDA: an algorithm for the delineation of tree crowns in high spatial resolution remotely sensed imagery // Computers & Geosciences. 2002. V. 28. N 1. P. 33-44.

  • Daliakopoulos I., Grillakis G., Koutroulis A., Tsanis I. Tree Crown Detection on Multispectral VHR Satellite Imagery // Photogrammetric Engineering & Remote Sensing.  V. 75. N. 10. P. 1201–1211.

  • Evans B., Lyons T.J., Barber P.A., Hardy G., Stone C. Dieback classification modelling using high-resolution digital multispectral imagery and in situ assessments of crown condition // Remote sensing letters. 2012. V. 3, N 6. P. 541-550.

  • Franklin S.E., Maudie A.J., Lavigne M.B. Using spatial co-occurrence texture to increase forest structure and species composition classification accuracy // Photogrammetric Engineering & Remote Sensing. 2001. N 67. P. 849–855.

  • Frazer G, Fournier R., Trofymow J., Hall R. A comparison of digital and film fisheye photography for analysis of forest canopy structure and gap light transmission // Agricultural & Forest Meteorology. 2001. V. 109. N 4. P. 249–263.

  • Immitzer M., Vuolo F., Atzberger C. First experience with Sentinel-2 data for crop and tree species classifications in central europe // Remote Sensing. 2016. V. 8. N 3. P. 166.

  • Karantzalos K., Argialas D. Towards automatic olive trees extraction from aerial and satellite imagery // International Archives of the Photogrammetry. Remote Sensing and Spatial Information Sciences. Istanbul, Turkey. 2004. N 35(5). P. 360–365.

  • Karantzalos K., Argialas D. Automatic detection and tracking of oil spills in SAR imagery with level set segmentation // International Journal of Remote Sensing. 2008. V. 29. N. 21. P. 6281-6296.

  • Katoh M. Classifying tree species in a northern mixed forest using high-resolution IKONOS data. Journal of Forest Research. 2004. P. 7-14.

  • Lertzman K., Sutherland G., Inselberg A., Saunders S. Canopy gaps and the landscape mosaic in a costal temperate rainforest. // Ecology. 1996. V. 77. N 4. P. 1254-1270.

  • Malahlela O., Cho M.A., Mutanga O. Mapping canopy gaps in an indigenous subtropical coastal forest using high-resolution Worldview-2 Data // International Journal of Remote Sensing. 2014.V. 35. N 17. P. 6397-6417.

  • Martin M.E., Newman S.D., Aber J.D., Congalton R.G. Determining forest species composition using high spectral resolution remote sensing data // Remote Sensing of Environment. 1998. N 65. P. 249–254.

  • Nelson T., Niemann O., Wulder M. Spatial statistical techniques for aggregating point objects extracted from high spatial resolution remotely sensed imagery // Journal of Geographical System. 2002. N 4. P. 423-433.

  • Nelson T., Roots B., Wilder M., Feick R. Predicting Forest age classes from high spatial resolution remotely sensed imagery using Voronoi polygon aggregation // Geoinformatica. 2004. V. 8. N 2. P. 143-155.

  • Palace M., Keller M., Asner G., Hagen S., Braswell B. Amazon forest structure from IKONOS satellite data and the automated characterization of forest canopy properties // Biotropica. 2008. N 40(2). P. 141-150.

  • Pinz A. Tree isolation and species classification. International forum on automated interpretation of high spatial resolution digital imagery for forestry: Proceedings. Victoria, BC. Canadian Forest Service. Pacific Forestry Center. 1999. P. 127–139.

  • Song C. Estimating tree crown size with spatial information of high-resolution optical remotely sensed imagery // International Journal of Remote Sensing. 2007. N 28(15). P. 3305–3322.

  • Warner T., Lee J., McGraw J. Delineation and identification of individual trees in the eastern deciduous forest // International forum on automated interpretation of high spatial resolution digital imagery for forestry: Proceedings. Victoria, BC. Canadian Forest Service. Pacific Forestry Center. 1999. P. 81–91.

  • Wulder M.A., Nieman K.O., Goodenough D.G. Local maximum filtering for the extraction of tree locations and basal area from high spatial resolution imagery // Remote Sensing of Environment. 2000. N 73. P. 103–114.