ЛЕСОВЕДЕНИЕ, 2021, № 3, С. 227–239


ИНФОРМАТИВНОСТЬ СПЕКТРАЛЬНЫХ И МОРФОМЕТРИЧЕСКИХ ПРИЗНАКОВ ОКОННОЙ СТРУКТУРЫ ПОЛОГА ДРЕВОСТОЯ НА ОСНОВЕ СПУТНИКОВЫХ ДАННЫХ
А. В. Комаров, Д. В. Ершов, Е. В. Тихонова
Центр по проблемам экологии и продуктивности лесов РАН
Россия 117997 . Москва, ул. Профсоюзная, 84/32 стр. 14
E-mail: vins90nuar@gmail.com


Поступила в редакцию 24.05.2020 г.
Исследованы различия морфометрических признаков оконной структуры полога древостоя в трех доминирующих типах лесных сообществ Валуевского лесопарка на основе данных дистанционного зондирования высокого и детального пространственного разрешения. Классификация групп лесных сообществ (лиственный лес с преобладанием липы, лиственный лес с преобладанием березы или осины и хвойный лес с преобладанием ели или сосны) методом «случайный лес» выполнена по разносезонным мультиспектральным спутниковым изображениям Sentinel-2/MSI с точностью 0.96 (k = 0.88). По этим же изображениям создан слой сегментов – спектрально-однородных участков леса. Маска окон древесного полога создавалась по панхроматическому изображению Ресурс-П1/Геотон методом кластерного анализа с визуальным дешифрированием кластеров. Рассчитывались восемь морфометрических признаков для каждого окна. Анализ различий проводился на уровне сегментов (U-тест Манна-Уитни) и всей совокупности окон (H-тест Краскела-Уоллиса) каждой группы лесных сообществ. Наибольшие показатели U-теста для средних значений морфометрических признаков на уровне сегментов лесных сообществ имеют площадь окна S (U=24), его периметр P (U=19.3), комплексный индекс формы окна GSCI (U= 19.0) и отношение периметра к площади окна PS (U=18.7). Наибольшие значения H-теста на уровне отдельных окон лесных сообществ были получены для фрактальной размерности окна PFD (H=2229.2), отношения периметра к площади окна PS (H=2064.9) и площади окна S (H=1718.4). Анализ результатов и литературы позволил определить возможные причины различий в оконной структуре и параметрах окон хвойных, мелколиственных и липовых сообществ модельной территории.
Ключевые слова: оконная структура, хвойно-широколиственные леса, дистанционное зондирование, классификация лесных сообществ, сегментация, «случайный лес»
Исследование выполнено в рамках темы государственного задания ЦЭПЛ РАН № АААА-А18-118052590019-7, полевые работы проведены за счет средств проекта Российского научного фонда № 16-17-10284.
DOI: 10.31857/S0024114821030074


СПИСОК ЛИТЕРАТУРЫ



  • Абатуров А.В., Меланхолин П.Н. Естественная динамика леса на постоянных пробных площадях в Подмосковье. Тула: Гриф и К°. 2004. 333 с.

  • Аккумуляция углерода в лесных почвах и сукцессионный статус лесов / Под ред. Н.В. Лукиной. М: Товарищество научных изданий КМК, 2018. 232 с.

  • Дылис Н.В. Основы биогеоценологии. М.: Наука, 1978. 172 с.

  • Космические аппараты типа «Ресурс-П» (находятся в эксплуатации). URL: http://www.ntsomz.ru/ks_dzz/satellites/resurs_p (дата обращения: 23.04.2020).

  • Крамер Г. Математические методы статистики. М.: Мир, 1975. 648 с.

  • Материалы лесоустройства лесхоза Экспериментальный Москворецкий, Таксационное описание (по состоянию на 01.01.05 года).

  • Мирин Д.М. Причины и следствия высокой ветровальности приручьевых еловых лесов // Ученые записки Российского государственного гидрометеорологического университета. 2010. № 13. С. 111–120.

  • Публичная кадастровая карта Московской области. Интернет ресурс. URL: https://публичная-кадастровая-карта.рф/московская-область/ (дата обращения 21.01.2020).

  • Смирнова О.В., Бобровский М.В., Ханина Л.Г. Оценка и прогноз сукцессионных процессов в лесных ценозах на основе демографических методов // Бюллетень МОИП. Отд. биол. 2001. Т. 106. Вып. 5. С. 25–33.

  • Широков А.И. Использование метода парцеллярного анализа для оценки структурного биоразнообразия лесных сообществ // Лесоведение. 2005. № 1. С. 19–27.

  • Bagaram M.B., Giuliarelli D., Chirici G., Giannetti F., Barbati A. UAV Remote Sensing for Biodiversity Monitoring: Are Forest Canopy Gaps Good Covariates? // Remote Sensing. 2018. V. 10. P. 1397.

  • Barton I., Király G., Czimber K., Hollaus M., Pfeifer N. Treefall Gap Mapping Using Sentinel-2 Images // Forests. 2017. V. 8. N. 11. P. 426.

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

  • Dahir S.E., Lorimer C.G. Variation in canopy gap formation among developmental stages of northern hardwood stands // Canadian Journal of Forest Research. 1996. V. 26. N 10. P. 1875–1892.

  • Drobyshev I.V. Regeneration of Norway spruce in canopy gaps in Sphagnum–Myrtillus old-growth forests // Forest Ecology and Management. 1999. V. 115. Iss. 1. P. 71–83.

  • ERDAS IMAGINE 2014 Product Description. URL: https://ru.scribd.com/document/254309118/ERDAS-IMAGINE-2014-Product-Description-sflb (дата обращения: 23.04.2020).

  • Fox T.J., Knutson M.G., Hines R.K. Mapping Forest Canopy Gaps Using Air-Photo Interpretation and Ground Surveys // Wildlife Society Bulletin. 2000. V. 28. N. 4. P. 882–889.

  • Getzin S., Wiegand K., Schöning I. Assessing biodiversity in forests using very high-resolution images and unmanned aerial vehicles // Methods in Ecology and Evolution. 2012. V. 3. Iss. 2. P. 397–404.

  • Hobi M.L., Ginzler C., Commarmot B., Bugmann H. Gap pattern of the largest primeval beech forest of Europe revealed by remote sensing // Ecosphere. 2015. V. 6. Iss. 5. P. 1–15.

  • Kenderes K., Král K., Vrška T., Standovár T. Natural Gap Dynamics in a Central European Mixed Beech-Spruce-Fir Old-Growth Forest // Ecoscience. 2009. V. 16. P. 39–47.

  • Kneeshaw D., Bergeron Y. Canopy gap characteristics and tree replacement in the southeastern boreal forest // Ecology. 1998. V. 79. N .3. P. 783–794.

  • Kruskal W.H., Wallis W.A. Use of ranks in one-criterion variance analysis // Journal of the American Statistical Association. 1952. V. 47. N 260. P. 583–621.

  • Kucbel S., Jaloviar P., Saniga M., Vencurik J., Klimaš V. Canopy gaps in an old-growth fir-beech forest remnant of Western Carpathians // European Journal of Forest Research. 2010. V. 129. P. 249–259.

  • Kuuluvainen T. Gap disturbance, ground microtopography, and the regeneration dynamics of boreal coniferous forests in Finland: a review // Annales Zoologici Fennici. 1994. V. 31. N 1. P. 35–51.

  • Level-2A Algorithm Overview. URL: https://earth.esa.int/web/sentinel/technical-guides/sentinel-2-msi/level-2a/algorithm (дата обращения: 23.04.2020).

  • Mann H.B., Whitney D.R. On a test of whether one of two random variables is stochastically larger than the other // Annals of Mathematical Statistics. 1947. N 18. P. 50–60.

  • Maxwell A.E., Warner T.A., Fang F. Implementation of machine-learning classification in remote sensing: an applied review // International Journal of Remote Sensing. 2018. V. 39. Iss. 9. P. 2784–2817.

  • McCarthy J. Gap dynamics of forest trees: A review with particular attention to boreal forests // Environmental Reviews. 2001. V. 9(1). P. 1–59.

  • Messier J., Kneeshaw D., Bouchard M., de Römer A. A comparison of gap characteristics in mixedwood old-growth forests in eastern and western Quebec // Canadian Journal of Forest Research. 2005. V. 35. P. 2510–2514.

  • Mirkes E.M. K-means and K-methods applet. University of Leicester, 2011. URL: http://www.math.le.ac.uk/people/ag153/homepage/KmeansKmedoids/Kmeans_Kmedoids.html (дата обращения 28.01.2021 г.).

  • Muscolo A., Bagnato S., Sidari M., Mercurio R. A review of the roles of forest canopy gaps // Journal of Forestry Research. 2014. V. 25. N 4. P. 725−736.

  • Nyamgeroh B.B., Groen T.A., Weir M.J.C., Dimov P., Zlatanov T. Detection of forest canopy gaps from very high resolution aerial images // Ecological Indicators. 2018. V. 95. P. 629–636.

  • Pham A.T., De Grandpré L., Gauthier S., Bergeron Y. Gap dynamics and replacement patterns in gaps of the northeastern boreal forest of Quebec // Canadian Journal of Forest Research. 2004. V. 34. P. 353–364.

  • Redding N.J., Crisp D.J., Tang D.H., Newsam G.N. An efficient algorithm for Mumford-Shah segmentation and its application to SAR imagery // Proceedings of the 1999 Conference on Digital Image Computing: Techniques and Applications (DICTA-99). 1999. P. 35–41.

  • Runkle J.R. Guidelines and sample protocol for sampling forest gaps. General technical report PNW-GTR-283. Portland, Or., U.S.: Department of Agriculture, Forest Service, Pacific Northwest Research Station. 1992. 44 p.

  • Schliemann S.A., Bockheim J.G. Methods for studying treefall gaps: a review // Forest Ecology and Management. 2011. V. 261. P. 1143–1151.

  • Sentinel-2 MSI instrument: URL https://sentinels.copernicus.eu/web/sentinel/technical-guides/sentinel-2-msi/msi-instrument (дата обращения 29.01.2020 г.).

  • Spies T.A., Franklin J.F. Gap characteristics and vegetation response in coniferous forests of the Pacific Northwest // Ecology. 1989. V. 70. P. 543–545.

  • Tyrrell L.E., Crow T.R. Structural characteristics of old-growth hemlock–hardwood forests in relation to age // Ecology. 1994. V. 75. P. 370–386.

  • Ulanova N.G. The effects of windthrow on forests at different spatial scales: a review // Forest Ecology and Management. 2000. V. 135. P. 155–167.

  • White J.C., Tompalski P., Coops N.C., Wulder M.A. Comparison of airborne laser scanning and digital stereo imagery for characterizing forest canopy gaps in coastal temperate rainforests // Remote Sensing of Environment. 2018. V. 208. P. 1–14.

  • Zielewska-Büttner K., Adler P., Ehmann M., Braunisch V. Automated Detection of Forest Gaps in Spruce Dominated Stands Using Canopy Height Models Derived from Stereo Aerial Imagery // Remote sensing. 2016. V. 8. N 3. P. 175.