ЛЕСОВЕДЕНИЕ, 2019, № 5, С.385-398


ОЦЕНКА СОСТОЯНИЯ РАСТИТЕЛЬНОСТИ В ОЧАГЕ МАССОВОГО РАЗМНОЖЕНИЯ СИБИРСКОГО ШЕЛКОПРЯДА ПО СПУТНИКОВЫМ ДАННЫМ
С. В. Князева, Н. В. Королева, С. П. Эйдлина, Е. Н. Сочилова
Центр по проблемам экологии и продуктивности лесов РАН
Россия, 117997 Москва, ул. Профсоюзная, 84/32, стр. 14
E-mail:knsvetl@gmail.com


Поступила в редакцию 26.02.2019 г.
В статье представлены результаты анализа состояния и динамики поврежденной растительности по космическим снимкам высокого и сверхвысокого пространственного разрешения. Исследование проведено на примере участка темнохвойных лесов Нижнего Приангарья (Красноярский край), где в 1994-1995 гг.  образовался крупный очаг вспышки сибирского шелкопряда. В результате дистанционной оценки состояния темнохвойных лесов получены тренды индексов SWVI (или NDMI) и NDVI, характеризующие многолетние изменения растительного покрова за период 2000–2018 гг. Наиболее информативным показателем является индекс SWVI: для погибших и сильно поврежденных древостоев (дефолиация крон более 75%) отмечается резкое снижение средних значений и увеличение коэффициентов вариации индекса. По данным разностных изображений индексов (∆SWVI) с пороговым критерием 1σ (стандартное отклонение) рассчитана площадь погибших древостоев. В 2000 г. площадь лесов, погибших под воздействием сибирского шелкопряда, составила около 19.2 тыс. га. После двух крупных пожаров в 2004 и 2011 гг. и в результате совокупности ряда деструктивных факторов площадь погибших лесов увеличилась к 2017–2018 гг. до 20.4 тыс. га. Анализ лесовозобновления в границах очага повреждения (погибшие насаждения) проведен при помощи классификации снимков Landsat (20.06.2017, 23.06.2018) алгоритмом Random Forest  с использованием при выборе эталонов для обучения детальных разносезонных снимков с пространственным разрешением 1 м Ресурс-П (Геотон-Л1 – 22.07.2015 и 12.03.2018). Достоверность классификации высокая (показатель каппа более 0.9). По результатам классификации рассчитаны площади лиственных и хвойных древостоев, лиственного и смешанного с преобладанием хвойного возобновления, травяно-кустарниковой растительности, открытой почвы. Через 23 года после повреждения древостоев вредителем активный процесс естественного возобновления преимущественно хвойным подростом происходит на 17% площади очага повреждения, лиственным подростом зарастает около 10% площади. Размер бывшего очага шелкопряда влияет на процесс зарастания: чем больше площадь, тем выше доля безлесных, покрытых травяно-кустарниковой растительностью участков (для крупного очага она составляет более половины площади – 66%, для мелких очагов – менее половины площади – около 45%). Возобновление наблюдается на участках, не затронутых крупными пожарами, с присутствием куртин древостоя и валежа. Частые пожары на территории бывшего шелкопрядника затрудняют процесс лесовозобновления, поэтому большая часть растительности находится на начальной стадии сукцессионного цикла.
Ключевые слова: сибирский шелкопряд, темнохвойные леса, погибшие древостои, разновременные спутниковые данные, индексы SWVI и NDVI, классификация, естественное лесовозобновление.
Исследование выполнено в рамках темы Госзадания ЦЭПЛ РАН на 2019 г. (АААА-А18-118052400130-7).
DOI: 10.1134/S0024114819050036            


СПИСОК ЛИТЕРАТУРЫ



  • Аэрокосмический мониторинг лесов / Под ред. А.С. Исаева, В.И. Сухих. М.: Наука, 1991. 241 с.

  • Бабой С.Д., Астапенко С.А., Голубев Д.В., Ягунов М.Н. Оценка распространения и воздействия на лесной покров насекомых вредителей в лесах Красноярского края, на примере шелкопряда сибирского // Мониторинг, моделирование и прогнозирование опасных природных явлений и чрезвычайных ситуаций: Сб. статей по матер. VI Всерос. науч.-практич. конф. (Железногорск, 27 мая 2016 г.). Железногорск: Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирская пожарно-спасательная академия» Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации стихийных бедствий», 2016. С. 37-40.

  • Барталев С.А., Ершов Д.В., Исаев А.С. Оценка дефолиации лесов по многоспектральным спутниковым изображениям методом декомпозиции спектральных смесей // Исследование Земли из космоса. 1999. № 4. С. 78-86.

  • Барталев С.А., Стыценко Ф.В., Егоров В.А., Лупян Е.А. Спутниковая оценка гибели лесов России от пожаров // Лесоведение. 2015. №2. C. 83-94.

  • Белова Е.И., Ершов Д.В. Предварительная обработка временных серий изображений Landsat-TM/ETM+ при создании безоблачных композитных изображений местности // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8, № 1. С. 73-82.

  • Гродницкий Д.Л. Сибирский шелкопряд и судьба пихтовой тайги // Природа. 2004. № 11 (1071). С. 49-56.

  • Гродницкий Д.Л., Разнобарский В.Г., Ремарчук Н.П., Солдатов В.В. Деградация древостоев в таежных шелкопрядниках // Сибирский экологический журнал. 2002. Т. 9. № 1. С. 3-11.

  • Ершов Д.В., Девятова Н.В. Применение данных спутниковой съемки при мониторинге массового размножения сибирского шелкопряда // Известия высших учебных заведений. Геодезия и Аэрофотосъёмка. 2008. № 2. С. 161-167.

  • Жирин В.М., Князева С.В., Эйдлина С.П. Многолетняя динамика вегетационных индексов темнохвойных лесов после повреждения сибирским шелкопрядом // Лесоведение. 2016. № 1. С. 3-14.

  • Им С.Т., Федотова Е.В., Харук В.И. Анализ очагов повреждения таежных лесов сибирским шелкопрядом по данным мелкомасштабной космосъемки // Вычислительные технологии. 2007. Т. 12. № S2. Вып. 1. С. 60-69.

  • Им С.Т., Федотова Е.В., Харук В.И. Спектрорадиометрическая космосъемка в анализе зоны вспышки массового размножения сибирского шелкопряда // Журнал Сибирского федерального университета. Серия: Техника и технологии. 2008. Т. 1. № 4. С. 346-358.

  • Исаев А.С., Киселев В.В., Калашников Е.Н., Плешиков Ф.И., Черкашин В.П. Геоинформационные системы в прогнозировании и контроле массового размножения лесных насекомых // Лесоведение. 1999а. № 5. С. 15-23.

  • Исаев А.С., Кондаков Ю.П. Принципы и методы лесоэнтомологического мониторинга // Лесоведение. 1986. № 4. С. 3-9.

  • Исаев А.С., Коровин Г.Н. Крупномасштабные изменения в бореальных лесах Евразии и методы их оценки с использованием космической информации // Лесоведение. 2003. № 2. С. 3-9.

  • Исаев А.С., Овчинникова Т.М., Пальникова Е.Н., Суховольский В.Г., Тарасова О.В. Оценка характера взаимодействий «лес‒насекомые» в лесах бореальной зоны в ходе возможных климатических изменений // Лесоведение. 1999б. № 6. С. 39-44.

  • Исаев А.С., Рожков А.С., Киселев В.В. Черный пихтовый усач. Новосибирск: Наука, 1988. 270 с.

  • Исаев А.С., Сухих В.И. Аэрокосмический мониторинг лесных ресурсов // Лесоведение. 1986. № 6. С. 11-21.

  • Керженцев А.С., Тращеев Р.В. «Двойная карусель» сукцессионного процесса в региональной экосистеме // Экология. 2011. № 6. С. 409–416.

  • Королева Н.В., Тихонова Е.В., Ершов Д.В., Салтыков А.Н., Гаврилюк Е.А., Пугачевский А.В. Оценка масштабов зарастания нелесных земель в национальном парке «Смоленское Поозерье» за 25 лет по спутниковым данным Landsat // Лесоведение. 2018. № 2. С. 83-96.

  • Краснощеков Ю.Н., Безкоровайная И.Н. Функционирование почв в очагах размножения сибирского шелкопряда в южной тайге Средней Сибири // Известия Российской академии наук. Серия биологическая. 2008. № 1. С. 84–93.

  • Михайлов Ю.З., Сумина Н.Ю. Сибирский шелкопряд Dendrolimus superans (Butler, 1877) и борьба с ним в Иркутской области // Байкальский зоологический журнал. 2012. № 3 (11). С. 25-29.

  • Павлов И.Н., Литовка Ю.А., Астапенко С.А. Роль энтомопатогенных грибов и бактерий в динамике численности сибирского шелкопряда // Матер. междунар. конф. «IX Чтения памяти О.А. Катаева. Дендробиотные беспозвоночные животные и грибы и их роль в лесных экосистемах». (Санкт-Петербург, 23-25 ноября 2016 г.). Санкт-Петербург: Изд-во СПбГЛТУ, 2016. С. 76-77.

  • Разнообразие и динамика лесных экосистем России: В 2-х кн. // Под ред. А.С. Исаева М.: Товарищество научных изданий КМК, 2012. Кн. 1. 461 с.

  • Фуряев В.В. Шелкопрядники тайги и их выжигание. М.: Наука, 1966. 92 с.

  • Харук В.И., Им С.Т., Ягунов М.Н. Миграция северной границы распространения сибирского шелкопряда // Сибирский экологический журнал. 2018. Т. 25. № 1. С. 32-44.

  • Харук В.И., Кожуховская А.Г., Пестунов И.А., Рансон К.Дж., Цибульский Г.М. Съемка NOAA/AVHRR в мониторинге вспышек сибирского шелкопряда // Исследование Земли из космоса. 2001. № 1. С. 80-86.

  • Харук В.И., Рэнсон К.Дж., Кузьмичев В.В., Буренина Т.А., Тихомиров А.Ю., Им С.Т. Съемка «Landsat» в анализе шелкопрядников Южной Сибири // Исследование Земли из космоса. 2002. № 4. С. 79-90.

  • Breiman L. Random forests // Machine Learning. 2001. V. 45 (1). P. 5–32.

  • Chander G., Markham B.L., Helder D.L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors // Remote Sensing of Environment. 2009. V. 113. N 5. P. 893-903.

  • Cohen W.B., Yang Z., Kennedy R. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2: TimeSync—tools for calibration and validation // Remote Sensing of Environment. 2010. V. 114. N 12. P. 2911–2924.

  • Coops N.C., Johnson M., Wulder M.A., White J.C. Assessment of QuickBird high spatial resolution imagery to detect red attack damage due to mountain pine beetle infestation // Remote Sensing of Environment. 2006. V. 103. N 1. P. 67–80.

  • Franklin S.E., Fan H., Guo X. Relationship between Landsat TM and SPOT vegetation indices and cumulative spruce budworm defoliation // International Journal of Remote Sensing. 2008. V 29. N 4. P. 1215–1220.

  • Fraser R.H., Latifovic R. Mapping insect-induced tree defoliation and mortality using coarse spatial resolution satellite imagery // International Journal of Remote Sensing. 2005, V. 26. N 1, P. 193–200.

  • Gao B.C. NDWI − A normalized difference water index for remote sensing of vegetation liquid water from space // Remote Sensing of Environment. 1996. V. 58. N 3. P. 257-266.

  • Goodwin N.R., Coops N.C., Wulder M.A., Gillanders S., Schroeder T.A., Nelson T. Estimation of insect infestation dynamics using a temporal sequence of Landsat data // Remote Sensing of Environment. 2008. V. 112. N 9. P. 3680–3689.

  • Jepsen J.U., Hagen S.B., Høgda K.A., Ims R.A., Karlsen S.R., Tømmervik H., Yoccoz N.G. Monitoring the spatio-temporal dynamics of geometrid moth outbreaks in birch forest using MODIS-NDVI data // Remote Sensing of Environment. 2009. V. 113. N 9. P. 1939–1947.

  • Kennedy R.E., Yang Z.G., Cohen W.B. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr – Temporal segmentation algorithms // Remote Sensing of Environment. 2010. V. 114. N 9. P. 2897–2910.

  • Kharuk  V.I., Im S.T., Ranson K.J., Yagunov M.N. Climate-Induced Northerly Expansion of Siberian Silkmoth Range // Forests. 2017. V. 8. N 8. P. 301.

  • Kharuk V.I., Demidko D.A., Fedotova E.V., Dvinskaya M.L., Budnik U.A. Spatial and Temporal Dynamics of Siberian Silk Moth Large-Scale Outbreak in Dark-Needle Coniferous Tree Stands in Altai // Contemporary Problems of Ecology. 2016. V. 9. N 6. P. 711–720.

  • Lausch A., Erasmi S., King D., Magdon P., Heurich M. Understanding forest health with remote sensing − Part I — A review of spectral traits, processes and remote-sensing characteristics // Remote Sensing of Environment. 2016. V. 8. P. 1029.

  • Meddens  A.J.H., Hicke J.A., Vierling L.A., Hudak A.T. Evaluating methods to detect bark beetle-caused tree mortality using single-date and multi-date Landsat imagery // Remote Sensing of Environment. 2013. N 132. P. 49–58.

  • Meddens A.J.H., Hicke J.A. Spatial and temporal patterns of Landsat-based detection of tree mortality caused by a mountain pine beetle outbreak in Colorado, USA // Forest Ecology & Management. 2014. N 322. P. 78–88.

  • Potapov P.V., Turubanova S.A., Tyukavina A., Krylov A.M., McCarty J.L., Radeloff V.C., Hansen M.C. Eastern Europe's forest cover dynamics from 1985 to 2012 quantified from the full Landsat archive // Remote Sensing of Environment. 2015. V. 159. P. 28-43.

  • Senf C., Seidl R., Hostert P. Remote sensing of forest insect disturbances: Current state and future directions // International Journal of Applied Earth Observation and Geoinformation. 2017. V. 60. P. 49–60.

  • Skakun R.S., Wulder M.A., Franklin S.E. Sensitivity of the thematic mapper enhanced wetness difference index to detect mountain pine beetle red-attack damage // Remote Sensing of Environment. 2003. V. 86, N 4. P. 433–443.

  • Vogelmann J. E. Comparison between two vegetation indices for measuring different types of forest damage in the northeastern United States // International Journal of Remote Sensing. 1990. V. 11. N 12. P. 2281−2297.

  • Vogelmann J.E., Tolk B., Zhu Z. Monitoring forest changes in the southwestern United States using multitemporal Landsat data // Remote Sensing of Environment. 2009. V. 113. N 8. P. 1739–1748.

  • White J.C., Wulder M.A., Brooks D., Reich R., Wheate R.D. Detection of red attack stage mountain pine beetle infestation with high spatial resolution satellite imagery // Remote Sensing of Environment. 2005. V. 96. N 3-4. P. 340−351.

  • Wilson E.H., Sader S.A. Detection of forest harvest type using multiple dates of Landsat TM imagery. Remote Sensing of Environment. 2002. V. 80. N 3. P. 385–396.

  • Wulder M.A., White J.C., Bentz B., Alvarez M.F., Coops N.C. Estimating the probability of mountain pine beetle red-attack damage // Remote Sensing of Environment. 2006. V. 101. N 2. P. 150–166.