Повышение эффективности мониторинга земель лесного фонда Белгородской области методами дистанционного зондирования

Терехин, Эдгар Аркадьевич

Бесплатный автореферат и диссертация по наукам о земле на тему
Повышение эффективности мониторинга земель лесного фонда Белгородской области методами дистанционного зондирования
ВАК РФ 25.00.26, Землеустройство, кадастр и мониторинг земель

Автореферат диссертации по теме "Повышение эффективности мониторинга земель лесного фонда Белгородской области методами дистанционного зондирования"

9 •

На правах рукописи

ТЕРЕХИН Эдгар Аркадьевич

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ МОНИТОРИНГА ЗЕМЕЛЬ ЛЕСНОГО ФОНДА БЕЛГОРОДСКОЙ ОБЛАСТИ МЕТОДАМИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ

25.00.26 - землеустройство, кадастр и мониторинг земель

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата географических наук

4845338

7 2 МАЙ 2011

Белгород - 2011

4845338

Работа выполнена на кафедре природопользования и земельного кадастра ФГАОУ ВПО «Белгородский государственный национальный исследовательский университет»

Научный руководитель:

ЛИСЕЦКИИ Федор Николаевич

доктор географических наук, профессор

Официальные оппоненты: РУСИНОВ Павел Сергеевич

доктор географических наук, профессор

ЗИНОВЬЕВ Виктор Григорьевич

кандидат биологических наук, доцент

Ведущая организация:

ГОУ ВПО «Белгородский государственный технологический университет им. В. Г. Шухова»

Защита состоится 17 мая 2011 г. в 13 часов на заседании диссертационного совета ДМ 212.036.02 при Воронежском государственном педагогическом университете, по адресу: 394043, г. Воронеж, ул. Ленина, 86, ауд. 408.

С диссертацией можно ознакомиться в библиотеке научных работников ВГПУ по адресу: 394043, Воронеж, ул. Ленина, 86, ауд. 34.

Автореферат разослан 12 апреля 2011 г.

Отзывы на автореферат (в двух экземплярах, заверенных печатью) просим направлять по адресу. 394043, Воронеж, ул. Ленина, 86. Естественно-географический факультет, ученому секретарю диссертационного совета ДМ-212.036.02. Факс: 8 (4732) 55-19-49, E-mail: shmykov@vspu.ac.ru

Ученый секретарь диссертационного совета, кандидат географических наук, доцент

сМ

В.И. Шмыков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Площадь земель лесного фонда (1104,9 млн. га) составляет больше половины территории России (65%). Леса, произрастающие на них, содержат 22% мировых запасов древесины. Значительные лесные ресурсы в целях их рационального использования требуют управления, мониторинга и контроля, которые непосредственно связаны с применением современных технологий. Получение сведений о лесохозяйственных показателях насаждений по схеме классического лесоустройства - долговременный, трудоемкий и дорогостоящий процесс. Поэтому необходимы способы, которые позволят облегчить его выполнение, посредством обеспечения предварительных оценок основных характеристик насаждений, например, возраста, высоты и диаметра на новой технологической основе. Методы дистанционного зондирования и геоинформационные технологии, стремительно совершенствующиеся в настоящее время, должны способствовать решению этой проблемы. Объектом мониторинга земель лесного фонда России выступают, в первую очередь, лесные земли, занимающие свыше 72% его площади. Лесной кодекс, вступивший в действие в 2007 г., предусматривает более масштабное применение космических данных дистанционного зондирования (ДДЗ) Земли при проведении их контроля и государственной инвентаризации лесов (Комментарий к Лесному кодексу, 2008), что стимулирует внедрение ДДЗ в структуру мониторинга и оценки лесов.

Особенно актуально внедрение современных технологий мониторинга и оценки в систему контроля лесных земель, на которых произрастают особо ценные лесные породы, например, дуб черешчатый. Доля лесных экосистем с преобладанием дуба составляет не более 5% общей площади лесов России. В то же время в ряде областей, в том числе в Белгородской области, дуб является основной лесообразующей породой, занимающей 70% лесопокрытых площадей.

Актуальность исследования обусловлена необходимостью разработки способов внедрения космических ДДЗ в систему мониторинга и оценки лесных земель.

Объект исследования - лесные земли Белгородской области.

Предмет исследования - состояние и методы оценки лесных земель по материалам многозональной космической съемки с учетом фактора региональных географических условий.

Основная цель исследования - повышение эффективности оценки и мониторинга лесных земель Белгородской области. Для достижения поставленной цели решались следующие задачи:

1. Проанализировать отечественный и зарубежный опыт исследования лесных земель аэрокосмическими методами.

2.Изучить природно-хозяйственные условия Белгородской области и обосновать необходимость применения аэрокосмических методов при оценке состояния лесных земель ее территории.

3.Обосновать спектральные показатели лесных массивов, наиболее информативные для оценки их важнейших таксационных характеристик.

4. Провести статистический анализ связей между таксационными показателями лесного насаждения и его спектральными отражательными свойствами.

5. Создать электронную карту лесопокрытых земель Белгородской области методом дешифрирования спектральных признаков на космических снимках.

6.Разработать способ детектирования изменений в состоянии лесных земель Белгородской области с применением ДДЗ.

Теоретические основы исследования. Вопросы, связанные с аэрокосмическими исследованиями и дистанционной оценкой характеристик лесных насаждений, мониторингом лесных земель, рассмотрены во многих работах отечественных и зарубежных исследователей: С.А. Барталева, И.М. Данилина, Е.П. Данюлиса, И.Д. Дмитриева, Б.В. Виноградова, В.М. Жирина, A.C. Исаева, E.H. Калашникова, В.В. Козодерова, Е.С. Мурахтанова, П.С. Русинова, Г.Г. Са-мойловича, В.И. Сухих, Н.Г. Харина, М. Batistella, D.S. Boyd, W. Chen, G.M. Foody, F. Lambin, J.Landsaberg, T. Kajisa, D. J. King, S. Franklin, R.J. Hall, S.A. Sader, D. Lu, E. Moran, В. Matsushita, M.L. Nordberg, J.A. Tullis, M. Tsutsumi, R. Virk, M. Phua, D. Lutz, M.A. Wulder, Y. Zhang и др. Работы перечисленных исследователей указывают на возможность использования методов дистанционного зондирования земли для оценки биофизических и таксационных показателей лесных насаждений и картографирования лесных земель, а также на перспективы дальнейших исследований в указанных направлениях. В то же время они обозначают ряд нерешенных задач, связанных с использованием этих методов.

Материалы и методы исследования. В исследовании применяли следующие методы: сравнительно-географический, обработки данных дистанционного зондирования Земли, геоинформационного анализа и моделирования, математи-ко-статистической обработки полученных материалов.

В значительной степени использован архив спутниковых данных и программное обеспечение для обработки ДДЗ (ERDAS IMAGINE) и геоинформационного анализа (ArcGIS) Федерально-регионального центра аэрокосмического и наземного мониторинга объектов и природных ресурсов НИУ «Белгородский государственный университет».

В работе использовали материалы многозональной космической съемки со спутников Landsat TM, ЕТМ+, данные комплексных лесоустроительных работ Белгородской области, собственных полевых обследований, проведенных с 2008 по 2010 гг., материалы отечественных и зарубежных интернет-архивов: Springer Link, InterSciens, изданий Canadian Journal of Remote Sensing, Remote Sensing of Environment, Indian Society of Remote Sensing, Journal of Forestry Research. Привлекали данные из ежегодных отчетов о состоянии окружающей среды Белгородской области, фондовые данные по учету лесных земель Белгородской области, информацию о ее физико-географических и лесорастительных условиях.

Достоверность результатов. Достоверность полученных результатов и выводов подтверждается обширным фактическим (экспериментальным) материалом: обработана информация с 1288 таксационных выделов, включающая полное лесотаксационное описание насаждений, на 492 оценочных площадях исследованы спектральные характеристики лесных массивов. Исследовательские полигоны были выбраны с учетом географических и лесорастительных особенностей Белгородской области. Для используемых спутниковых данных выполнена атмо-

сферная и радиометрическая корректировки, обеспечивающие достоверность полученных результатов анализа спектра снимков. В работе применяли современные методы и средства обработки данных, в т.ч. программный пакет для обработки ДДЗ ERDAS IMAGINE, геоинформационные системы ArcGIS, БелГИС, пакет для статистической обработки STATISTICA. При исследовании спектральных отражательных свойств лесных насаждений в значительной степени учтен не только отечественный, но и зарубежный опыт обработки снимков (проанализировано 119 иностранных источников).

Научная новизна. Разработан способ интеграции ДДЗ с материалами лесоустроительных работ и наземных обследований, позволяющий с учетом региональных природных условий проводить оценку количественных связей между таксационными характеристиками насаждения и его спектральными отражательными свойствами. Впервые для дубрав, как лесных ресурсов Белгородской области выявлены спектральные показатели, обоснованные автором как наиболее информативные для оценки важнейших таксационных характеристик: возраста, высоты и диаметра Выявлены и проанализированы зависимости изменения спектральных отражательных свойств насаждений (оцененных через группу спектральных показателей) от их биометрических (таксационных) характеристик. Разработана методика выявления многолетних изменений в сосновых насаждениях, основанная на использовании спектральных индексов.

Основные защищаемые положения.

1.Результаты анализа природно-хозяйственных условий Белгородской области и обоснование необходимости применения аэрокосмических методов при оценке состояния лесных земель ее территории.

2.Способ выбора и обоснования спектральных показателей, наиболее информативных для оценки возраста, высоты и диаметра лесных насаждений с преобладанием дуба в качестве основной лесообразующей породы.

3.Результаты анализа количественных связей между таксационными показателями лесных насаждений и их спектральными отражательными свойствами.

4.Результаты картографирования лесопокрытых земель Белгородской области по материалам космической съемки со спутников Landsat TM, ЕТМ+.

5. Обоснование возможности детектирования качественных многолетних изменений, происходящих в лесных землях, по материалам дистанционного зондирования Земли с применением спектральных индексов.

Практическая значимость и применение результатов исследования.

Результаты исследования влияния таксационных показателей лесных насаждений на их спектральную отражательную способность, а также методика детектирования многолетних изменений в сосновых лесах могут быть использованы для совершенствования аэрокосмического мониторинга лесных земель. Предложенный способ интеграции данных дистанционного зондирования и материалов лесотаксационных работ может быть адаптирован для любого лесного региона в целях выявления наиболее информативных спектральных показателей и оценки таксационных характеристик насаждений. Полученная электронная карта лесопокрытых земель может стать геоинформационной основой для совершенствования управления и мониторинга лесных земель Белгородской области и анализа лесов как составляющей экологического каркаса региона.

Материалы диссертации вошли в отчеты по следующим проектам: гранту «Фундаментальные основы развития геоаналитических систем на базе научно-образовательного кластера «Геоинформатика и технологии дистанционного зондирования в естественных науках» аналитической ведомственной целевой программы «Развитие научного потенциала высшей школы (2009-2010 гг.)» (ГР №01200951916), гранту РФФИ «Мониторинг техногенного воздействия и рациональное природопользование в действующих и вновь создаваемых промышленных районах» на 2009-2011 гг. (ГР №01200953), гранту «Разработка ресурсосберегающей системы управления агроландшафтами Европейской лесостепи России на основе данных дистанционного зондирования Земли и геоинформационного моделирования» (ГР №01201057328), гранту Президента РФ (проект МК-1189.2010.5), государственному контракту «Разработка региональных компьютерных моделей для оценки сценариев развития и оптимизации природопользования в степной и лесостепной зонах Европейской территории России на основе глобальных моделей ЬР.№ОУМ и БЕУЕН-ЕЮУМ», (2009-2010 гг.), (ГР № 0120958260).

Апробация работы. Материалы диссертационной работы доложены автором на научных и научно-практических конференциях: 12-й Международной научно-производственной конференции «Проблемы сельскохозяйственного производства на современном этапе и пути их решения» (Белгород, 2009), Международной научно-практической конференции «Географические исследования: история, современность и перспективы» (Курск, 2010), Международных научно-практических конференциях студентов, аспирантов и молодых ученых Регион-2009, 2010 (Харьков, 2009, 2010), Международной научной конференции Ин-терКарто-ИнтерГИС-16 (Ростов-на-Дону, Зальцбург, 2010).

Публикации. По теме диссертационного исследования автором опубликовано 10 научных работ, включая две из перечня ВАК, общим объемом 2,63 пл., в том числе 2,11 авторских.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников из 230 наименований, включая 119 иностранных. Основной текст диссертации изложен на 148 страницах машинописного текста и содержит 30 таблиц и 30 рисунков.

ОСНОВНЫЕ ЗАЩИЩАЕМЫЕ ПОЛОЖЕНИЯ

1. Результаты анализа природно-хозяйственных условий Белгородской области и обоснование необходимости применения аэрокосмических методов при оценке состояния лесных земель ее территории.

Белгородская область практически полностью расположена в зоне лесостепи. Климат умеренно-континентальный с довольно мягкой зимой со снегопадами и оттепелями и продолжительным летом. Средняя годовая температура воздуха изменяется от +5,4° на севере до +6,8° на юго-востоке. Безморозный период составляет 155-160 дней. Наибольшее количество осадков выпадает в западных и северных районах области и составляет в среднем 540-550 мм. Среди почв преобладают черноземы (типичные, выщелоченные, солонцеватые, карбонатные). Оптимальные климатические и почвенные условия территории области способствуют ее активному сельскохозяйственному использованию. Плотность сельского населения составляет 18,9 чел/ км2,

что в 8 раз выше среднего по России показателя (2,3 чел/ км2). Регион ежегодно производит в масштабах СНГ 12% сахара и около 6% растительных масел. Следствием этого является значительное антропогенное давление на природные комплексы, высокая распаханность территории и преобладание антропогенно-преобразованных ландшафтов над естественными.

Леса, занимавшие в середине XVII в. около 40% современной территории области (Чендев, 2004), в настоящее время составляют 8,6% ее площади. Этот показатель соответствует средней лесистости Центрально-Черноземного региона -8,7% (Бугаев, 2006). Однако леса играют важнейшую водоохранную и санитарную роль и полностью отнесены к первой группе, являясь составляющей экологического каркаса территории. Одновременно леса Белгородской области почти на 70% представлены особо ценной лесной породой - дубом черешчатым, доля которого среди лесов России не превышает 5%.

К числу основных проблем лесного фонда области относятся устаревание материалов лесоустройства (последнее лесоустройство проводилось в 1994 г.) и, как следствие, невозможность ведения грамотно-спланированного лесного хозяйства, отсутствие системы оперативного контроля и своевременного ухода за лесами.

Леса области в связи с важной региональной экологической ролью требуют особого мониторинга и контроля, включающего оценку состояния лесных насаждений, их таксационных показателей, динамику изменений площадей, выявление погибших древостоев и лесных культур, незаконных рубок. Выполнение большинства перечисленных задач дорогостояще и трудновыполнимо. В связи с эти встает проблема совершенствования системы оценки и мониторинга лесных земель Белгородской области с применением современных технологий, среди которых ведущее место занимают методы обработки и материалы космической съемки.

2. Способ выбора и обоснования спектральных показателей, наиболее информативных для оценки возраста, высоты и диаметра лесных насаждений с преобладанием дуба в качестве основной лесообразующей породы.

Совершенствование методов лесохозяйственного дешифрирования, связанное с углубленным изучением структуры лесов и моделированием таксационных характеристик насаждений - одно из главных направлений лесного хозяйства и аэрокосмического мониторинга лесных земель, которым должно быть отдано приоритетное начало (Сухих, 2008). Моделирование таксационных характеристик лесных массивов заключается в установлении количественных отношений между ними и спектральными отражательными свойствами лесных насаждений. Однако, решение этой задачи невозможно без предварительного выявления спектральных показателей, наиболее чувствительных к изменению основных таксационных параметров - возрасту, высоте и диаметру. Связано это с тем, что далеко не все спектральные показатели характеризуются тесной связью с биометрическими (таксационными) характеристиками лесных массивов. Под спектральными показателями понимаются спектральные диапазоны или каналы космических снимков (в нашем случае -снимков Ьапс1за1 ТМ), а также спектральные индексы, рассчитываемые по спутниковым изображениям. Спектральными индексами называются преобразования, заключающиеся в алгебраических операциях с каналами снимков. Анализ этих показателей относится к методам дешифрирования, основанным

на преобразовании спектральных яркостей. Во многих случаях индексы позволяют выявлять различия, четко не наблюдающиеся на исходных снимках.

К настоящему времени выполнен ряд исследований (Foody, 2001; Gerylo, 2002; Phua, 2003; Lu, 2004; Chen, 2007), доказывающих возможность оценки биофизических и таксационных характеристик насаждений по ДДЗ с условием предварительного выявления информативных спектральных показателей. Планировалось ответить на вопрос, какой спектральный индекс или диапазон наиболее предпочтителен для анализа возраста, высоты или диаметра лесного насаждения, типичного для лесостепной провинции Среднерусской возвышенности. Сложность исследования по выявлению наиболее информативных спектральных показателей заключалась в необходимости анализа физико-географических и лесорастительных особенностей территории, обработки значительного количества материалов наземных исследований, формирования на их основе базы данных, а также выполнения всех основных стадий обработки космических снимков, включая атмосферную и радиометрическую коррекции. Главной и наиболее сложной задачей при исследовании лесных насаждений дистанционными методами является интеграция данных космической съемки и материалов наземных обследований. Предложенная универсальная схема (рис. 1) позволяет решить данную задачу путем совместного использования трех групп методов: обработки ДДЗ, ГИС-анализа и статистической обработки данных.

Блок ДДЗ

/Требования |Л I исходным V материалам ,

Получение космических снимков

/Предварительная^ обработка спутниковых материалов

Тематическая обработка данных, \ включающая выбор, обоснование и I расчет спектральных индексов /

Блок ГИС-анализа

Блок статистического анализа

Выявление наиболее информативных спектральных показателей

Корреляционный анализ данных

Дисперсионный анализ данных

Оценка тесноты связи между параметрами насаждения и его спектральными свойствами

Статистическая оценка влияния параметров насаждения на его спектральные свойства

Оценка погрешностей

Получение уравнений связи (с использованием наиболее информативных показателей)

(Регрессионный \ / анализ / \

Проверка достоверности

Рис. 1. Схема интеграции материалов наземных обследований и ДДЗ

Для выявления наиболее информативных спектральных показателей и дальнейшего расчета уравнений связи между ними и таксационными характеристиками насаждений, последовательно выполняли этапы, начиная от подборки исходных материалов и заканчивая созданием прогнозных уравнений связи. Схема является основой способа выявления наиболее информативных спектральных показателей для оценки таксационных характеристик насаждений.

Блок ДДЗ. Снимки со спутника Landsat 5 ТМ, выбранные в качестве ДДЗ на территорию Белгородской области, были подобраны таким образом, чтобы даты съемки максимально соответствовали срокам выполнения последних лесоустроительных работ, которые были проведены на территории области в 1994-1995 гг. Данные Landsat выбрали на основании критериев, к которым относятся количество и качество каналов, пространственное и радиометрическое разрешение, размер спутниковой сцены, наличие снимков на нужные даты, обширный мировой опыт предварительной корректировки данных. Снимки были отобраны из архива съемки высокого разрешения Национальной геологической службы США (USGS). Атмосферная и радиометрическая коррекции ДДЗ, являющиеся необходимым условием получения достоверных результатов спектральной обработки снимков, выполнены по методике (Chander, 2009), что позволило перевести снимки в безразмерные атмосфер-но-откорректированные коэффициенты отражения.

Руководствуясь результатами предыдущих исследований (Phua, 2003; Lu, 2004; Chen, 2007), для анализа предварительно отобрали 20 спектральных индексов, относящихся к разным группам по методике расчета или используемым каналам, а также спектральные диапазоны, соответствующие каналам снимков Landsat (6 диапазонов). Таким образом, были проанализированы 26 спектральных показателей. Рассчитанные по формулам индексов растры их значений, а также растры коэффициентов отражения, являлись основным источником получения спектральной информации о лесных массивах.

Блок ГИС-анализа. Получение данных наземных обследований в виде материалов лесоустройства, выполненное на трех исследовательских полигонах (рис. 2) общей площадью 6693 га, позволило собрать полную лесотакса-ционную информацию с 1288 выделов.

Все участки (полигоны) были выбраны таким образом, чтобы максимально репрезентативно представлять леса, типичные для Белгородской области, расположенные в лесостепной зоне и характеризующиеся доминированием дубравы свежей в качестве типа лесорастительных условий и дуба черешчатого в качестве основной лесообразующей породы. При выборе полигонов учитывалось физико-географическое районирование и лесорасти-тельные условия территории исследования. Лесоустроительные планшеты всех лесных массивов, расположенных на исследовательских участках, были отсканированы, географически привязаны и переведены в цифровую форму.

36° Е 37° Ё 38" Е 39" Е

Рис. 2. Расположение объектов исследования на территории Белгородской области. 1 - Борисовский участок: 2 - Шебекинский участок; 3 - Чернянский участок. I - лесостепная зона, II - степная зона

Присоединенная к ним и заполненная база данных таксационного описания выступала в качестве основы для создания аналитической выборки из лесных выделов и последующего развертывания в них сети исследовательских площадей. Цель развертывания сети заключалась в получении совокупности значений возраста, высоты и диаметра лесных насаждений, а также их спектральных характеристик. Исследовательская сеть, развернутая в кварталах и выделах лесных массивов, состояла из круговых оценочных площадей диаметром 60 м, который соответствовал двукратному пространственному разрешению снимка. По причине трудоемкости выполнения процесса создания сети, в геоинформационной системе АгсС18 был разработан алгоритм, позволивший развернуть сеть автоматически. Оценочные площади располагались в лесотаксационных выделах, выбранных на основании группы критериев.

1. Тип условий местности или тип лесорастительных условий по классификации Алексеева-Погребняка (Колесниченко, 1981) - дубрава свежая, индексное обозначение в классификации - Д2.

2. Основной элемент породного состава лесного насаждения (основная лесообразующая порода) - дуб нагорный высокоствольный (ДНВ) - являющийся наиболее распространенной древесной породой на территории Белгородской области (Природные ресурсы, 2007).

3. Минимальная площадь анализируемого выдела (2 га) - была выбрана, исходя из пространственного разрешения используемых снимков для достоверного извлечения из них спектральных характеристик.

В одном выделе располагалось не более одной оценочной площади. Рассчитанные на каждой площади спектральные индексы и зональные коэффициенты отражения вместе с соответствующими таксационными характеристиками насаждений, позволили создать репрезентативную выборку значений спектральных показателей и таксационных признаков. Анализируемая выборка со всех участков (492 оценочные площади) включала, таким образом, данные о таксационных характеристиках насаждений и соответствующих им спектральных показателях.

Блок статистического анализа включал проведение корреляционного и дисперсионного анализов, позволяющих выявить наиболее информативные спектральные показатели для оценки возраста, высоты или диаметра лесного насаждения. Под информативностью подразумевается теснота связи между таксационными характеристиками насаждений и конкретным спектральным показателем - индексом или диапазоном. С точки зрения дисперсионного анализа наиболее информативным является диапазон или индекс, характеризующийся максимально различными значениями для разных классов возраста, высот и диаметров лесного насаждения. Степень различий оценивается величиной отношения F-критерия к табличному значению на определенном уровне значимости (0,05). Чем выше значение F-критерия, тем существеннее различия между значениями спектральных показателей, соответствующих разным величинам таксационных характеристик. С позиций корреляционного анализа наиболее информативным спектральным показателем является спектральный диапазон или индекс, характеризующийся максимальными (по модулю) коэффициентами линейной корреляции с таксационными характеристиками лесного насаждения. Все коэффициенты корреляции также оценивали на уровне значимости 0,05.

По результатам обоих видов анализа, проведенных по суммарной совокупности данных со всех полигонов, установлен наиболее информативный спектральный диапазон снимков Landsat - 5-й средний инфракрасный Band 5 (1,55-1,75 мкм). Его коэффициенты корреляции с возрастом, высотой и диаметром насаждения равны соответственно -0,72, -0,82 и -0,71. Наиболее информативными спектральными индексами являются КТ1 (1-я компонента спектральных преобразований Каута-Томаса) и РС2 - вторая главная компонента снимка. По результатам дисперсионного анализа выяс-

нено, что эти же показатели характеризуются наибольшими значениями F-критерия (на уровне значимости 0,05). Перечисленные индексы целесообразно использовать при исследовании количественных связей между таксационными характеристиками лесного насаждения и его спектральными отражательными свойствами.

3. Результаты анализа количественных связей между таксационными показателями лесных насаждений и их спектральными отражательными свойствами.

Поиск и обоснование количественных связей между таксационными или биофизическими показателями насаждений (возрастом, высотой, диаметром, биомассой и др.) и их спектральными отражательными свойствами - одна из ключевых задач оценки и мониторинга лесных земель, исследования которой активно развиваются в настоящее время (Lutz, 2008). Исследования В.И. Сухих, Н.Г. Харина, В.В. Козодерова, S. Franklin, М.А. Wulder, D.J. King, G.M. Foody, D. Lu и других ученых показали необходимость и перспективность анализа характеристик насаждений по их спектральным отражательным свойствам. Особенностью данного вида исследований является эмпирический характер установленных зависимостей и значительное влияние региональных свойств насаждений на форму рассчитываемых уравнений (Kajisa, 2009). В плане мониторинга лесных земель актуальность приобретает разработка уравнений, позволяющих прогнозировать характеристики насаждений по космическим снимкам. Высокие стабильные коэффициенты корреляции, полученные при обработке данных, собранных на всех исследовательских полигонах, позволили предположить наличие достоверных количественных связей между возрастом, высотой и диаметром насаждений и группой их спектральных показателей. Этот факт был основной предпосылкой для успешного проведения регрессионного анализа и установления предполагаемых закономерностей. Выполненный предварительный анализ, направленный на оценку линейности корреляции, показал, что связи между возрастом, высотой, диаметром насаждения и наиболее информативными спектральными показателями (Band 5, КТ1, РС2) носят линейный характер (по показателю коэффициента линейности). Причем линейная зависимость имеет обратный характер. Обозначенная предпосылка характерна для насаждений, наиболее типичных для Белгородской области, в которых дуб преобладает в качестве основной породы.

Результаты регрессионного анализа с использованием одной независимой переменной (табл. 1), в качестве которой применили значение коэффициентов отражения 5-го канала снимка и индексы КТ1 и РС2 (как наиболее информативные), показали, что коэффициенты отражения 5-го канала снимка и индекса КТ1 наиболее полно описывают связь с таксационными характеристиками лесного насаждения.

Таблица 1

Уравнения свази спектральных днапазонов/индексов с характеристиками лесного насаждения

Таксационный показатель Анализируемый диапазон Спектральный индекс/диапазон Уравнение связи

Возраст (А), годы 5-120 Band 5 A = 227,9-1373,5xBand 5

КТ1 A = 7963,7-741,5xKTl

РС2 A = 182,8-429,9xPC2

Высота (Н), м 2-27 Band 5 H = 70,8-417,7xBand 5

КТ1 H = 2236,7-208xKTl

РС2 H = 55-123,5xPC2

Диаметр (D), см 2-56 Band 5 D = 93,5-562xBand 5

KT1 D = 3166,6-294,76xKTl

PC2 D = 73,7-171,lxPC2

В пошаговом регрессионном анализе принимали участие также спектральные индексы, теснота связи которых с параметрами насаждений несколько ниже, чем показателей Band 5, КТ1 и РС2. Это индексы GEMI, КТ2, RDVI, NU, ТМ53 (табл. 2). Сопоставлением линейных уравнений связи, использующих один и несколько спектральных показателей, установили, что точность прогнозирования таксационных характеристик по уравнениям, применяющих группу показателей не выше, чем точность их предсказания по уравнениям с одной независимой переменной.

Таблица 2

Уравнения связи между таксационными характеристиками насаждения и его спектральными показателями, построенные по нескольким независимым переменным

Таксационный показатель Анализируемый диапазон Независимые переменные Уравнение связи

Возраст (A), годы 5-120 КТ1, GEMI, РС2, КТ2 A=21158,4-2101,8xKTl+1085,7xGEMI+l 31 xPC2-770,7xKT2

Высота (Н), м 2-27 KT1.GEMI, КТ2, РС2, RDVI, NLI,TM53 H=10853,81-1184,88xKT 1+870,59xGEMI-1232,74xKT2+42xPC2+1053,82xRDVI-268,63xNLI+292,69xND53-34xTM53

Диаметр (D), см 2-56 KT1,GEMI, KT2, PC2, RDVI, NLI,TM53 D= 17000-1869,63xKTl+ 1485,26xGEMI-2020,2xKT2+55,2xPC2+1629,6xRDVI-455,6xNLI+165,4xND53

Примечание: Band 5 - 5-й, средний инфракрасный канал снимка Landsat, КТ1 - первая компонента спектральных преобразований Каута-Томаса, РС2 - вторая главная компонента спутникового изображения. GEMI - глобальный индекс состояния среды, КТ2 -вторая компонента спектральных преобразований Каута-Томаса, RDVI, NLI - нормализованные вегетационные индексы, ТМ53 - зональное отношение 5-го и 3-го каналов Landsat.

Кроме того, прогнозные уравнения, использующие группу спектральных показателей, обладают существенным недостатком - предсказанные по ним значения возраста, высоты и диаметра насаждений могут выходить за рамки реально допустимых значений, что не присуще уравнениям с одной независимой переменной при указанном диапазоне значений. Таким образом, при сопоставлении уравнений с одной и несколькими независимыми переменными, пришли к выводу, что уравнения с одним спектральным показателем более эффективны для оценки основных таксационных характеристик. В качестве таких показателей следует применять 5-й, средний инфракрасный (1,55-1,75 мкм) канал Ьапс^а!, либо спектральный индекс КТ1 (первая компонента спектральных преобразований Каута-Томаса), которые являются наиболее информативными для прогнозных оценок возраста, высоты и диаметра лесного насаждения. Применение полученных уравнений связи для прогноза возраста, высоты и диаметра насаждений позволило создать картограммы перечисленных лесотаксационных показателей на исследовательские полигоны, аналогичные картограмме возраста на рис. 3, которая построена по значениям индекса КТ1 для Шебекинского участка.

возраст, лет

Рис. 3. Прогнозная картограмма возраста лесного насаждения, построенная по значениям индекса КТ1 (Шебекинский участок). 1 - сеть оценочных точек; 2 - границы кварталов/выделов лесного массива

Аналогичные картограммы возраста, а также высоты и диаметра лесных насаждений подготовили для остальных (Борисовского и Чернянского) ис-

следовательских участков. Картограммы выполнены по снимкам 1995 г. для сопоставления реальных значений возраста, высоты и диаметра с предсказанными по рассчитанным уравнениям. Сопоставление реальных и предсказанных значений показало, что наибольшим соответствием характеризуются средневозрастные насаждения (20-85 лет). Разница между реальными и предсказанными значениями составляет от 0 до 10 лет. Значительно большим расхождением характеризуются очень молодые насаждения (до 20 лет) и переспелые (свыше 80 лет) древостой, для которых ошибка предсказания достигает 15-17 лет. Высота и диаметр насаждений старше 20 и моложе 85-90 лет также предсказываются значительно точнее, чем для молодняков и переспелых древостоев. Таким образом, впервые для лесных земель Белгородской области и Центрального Черноземья проведена количественная оценка таксационных характеристик насаждений по их спектральным отражательным свойствам. Предложенный подход, основанный на предварительном выявлении информативных спектральных показателей и последующем расчете прогнозных уравнений, доказал свою эффективность и может быть применен для картографирования основных лесотаксационных характеристик дубовых насаждений с возрастом до 90 лет, что имеет важное значение для мониторинга и оценки лесных земель.

4. Результаты картографирования лесопокрытых земель Белгородской области по материалам космической съемки со спутников Landsat ТМ, ЕТМ+.

Оперативное проведение регионального мониторинга лесного фонда и информационной поддержки лесного кадастра, подразумевающих применение ДДЗ и ГИС-технологий, невозможно без использования электронной карты лесопокрытых земель. Она необходима для картографирования многолетних изменений площадей и состояния лесных земель. Для осуществления мониторинга лесных земель на региональном уровне детальность карты должна соответствовать точности топографических карт масштаба 1:50000. Исходные спутниковые данные, по которым создается карта, должны удовлетворять ряду требований: пространственное разрешение снимков должно позволять дешифрировать лесные массивы в соответствующем масштабе, снимки должны полностью покрывать территорию исследования (Белгородской области), спутниковые данные должны быть сделаны в ближайшие годы, чтобы достоверно отражать текущую ситуацию.

Выполнить подборку снимков с одного сенсора, одновременно удовлетворяющую всем перечисленным требованиям, затруднительно. Поэтому применяли комбинацию снимков со спутников Ьапска1 5 ТМ и Ьапс^ 7 ЕТМ+. Был создан блок информации, включающий два набора снимков на территорию Белгородской области. 1-й набор включал покрытие области снимками Ьапска! ЕТМ+, сделанными в августе 2002 г., 2-й - покрытие из снимков Ьапс^а! ТМ, полученных в июне 2009 г. Преимущество совместного применения данных ТМ, ЕТМ+ для создания и обновления карт заключается в том, что схемы пролетов спутников Ьапска! 5 и Ьапс15а1 7, на которых рас-

положены эти сенсоры, идентичны, а снимки во многом близки друг другу по характеристикам. Таким образом, набор сцен Ьапс^а! 5 ТМ по расположению снимков полностью соответствует набору данных ЕТМ+. Набор снимков Ьапёэа! ЕТМ+ состоял из четырех спутников сцен, полностью покрывающих территорию Белгородской области (зоны 178025, 177025, 176025 и 177024 мировой разграфки сцен Ьапёва!). Снимки ЬашЬги ЕТМ+ в панхроматическом режиме удовлетворяют требованию пространственного разрешения. Также снимки ЕТМ+ позволяют создать полное покрытие территории Белгородской области. Однако отсутствие полноценных снимков ЕТМ+ на текущее время, связанное с поломкой сенсора в 2003 г., создает проблему обновления данных. Для их актуализации выполнена подборка данных ТМ, которые не дают возможность картографировать лесопокрытые земли в масштабе 1: 50 000 из-за ограничений в пространственном разрешении (30 м/пиксель), но позволяют обновлять информацию, полученную по данным ЕТМ+.

Для создания карты, достоверно, отражающей расположение лесопо-крытых земель в границах административного субъекта (в нашем случае -Белгородской области), необходимо наличие его векторной границы, полностью совпадающей с границей субъекта на космических снимках. Создание необходимой границы было выполнено путем сопоставления космических снимков ЬапсЬа! с топографическими картами. Электронная карта лесопокрытых земель в границах Белгородской области (рис. 4) выполнена путем визуального дешифрирования снимков ЬапсЬа! ЕТМ+ и обновлена по данным Ьапс^ ТМ.

Рис. 4. Карта лесопокрытых земель Белгородской области с границами лесничеств, созданная путем дешифрирования ДЦЗ

В результате была получена электронная карта лесопокрытых земель Белгородской области по состоянию на июнь 2009 года. Наборы космических снимков, векторная граница Белгородской области и векторная карта границ лесничеств Белгородской области были интегрированы в геоин-формациионой системе ArcGIS. Включение в полученную базу данных новых снимков позволит проводить актуализацию в изменениях площадей и состояния лесных земель. Электронная карта позволила провести оценку лесопокрытых земель в границах Белгородской области, а также в границах ее лесничеств. Созданная карта может выступать основой для мониторинга лесных земель и эффективного управления лесного фонда области. Преимущество карты заключается также в ее достоверности, обеспеченной использованием космических снимков высокого разрешения в качестве источника получения и обновления данных.

5.Обоснование возможности детектирования качественных многолетних изменений, происходящих в лесных землях, по материалам дистанционного зондирования Земли с применением спектральных индексов.

Выполнение детектирования качественных изменений в лесах, связанных с дефолиацией, усыханием и исчезновением лесных массивов, требует исследования динамики спектральных характеристик насаждений. Результаты работ многих ученых (Franklin, 2005; King, 2005; Karia, 2006; Virk, 2006; Jupiter, 2008) доказывают возможность использования спектральных отражательных свойств лесных насаждений для выявления происходящих в них изменений. Установлен ряд спектральных показателей, информативных для оценки многолетних изменений, происходящих в лесах. Среди них наибольшей чувствительностью обладает индекс EWDI (усовершенствованный влаж-ностный индекс). Он основан на спектральных преобразованиях Каута-Томаса, адаптированных для снимков Landsat TM (Crist, 1984; Franklin, 2005) в ходе которых исходный снимок трансформируется в изображения 3-х зон (компонент), которые условно называют «яркость», «зеленость», «влажность». Безразмерный индекс EWDI вычисляют по влажностной компоненте. Его рассчитывают как ее разность за отдельные годы.

Для детектирования экологических изменений в лесах выполнили параллельные оценки методом визуального дешифрирования многозональных космических снимков (Landsat) и значений индекса EWDI. В качестве объекта исследования был выбран Старооскольско-Губкинский промышленный район, расположенный на территории соответствующих административных районов Белгородской области. Объект исследования был подобран на основании характерной для него повышенной антропогенной нагрузки, обусловленной воздействием на окружающую среду предприятий горнопромышленного комплекса. Соответственно, леса, расположенные на этой территории, претерпевают значительные изменения, связанные с антропогенным воздействием. Чтобы охватить наибольший размах произошедших измене-

ний подборку снимков выполнили за максимально удаленные друг от друга даты. При этом снимки отвечали ряду установленных требований: 1) изображения должны быть получены в один вегетационный период в сроки, максимально близкие друг к другу; 2) на снимках должна отсутствовать облачность и спектральный шум, связанный с ошибками работы сканера; 3) желательно, чтобы снимки были получены с одного сенсора, например, Ьапска! ТМ; 4) пространственное и радиометрическое разрешение снимков должно позволять получать из них необходимую спектральную информацию о лесных массивах. Снимки ЬашЬа!, выбранные на основе перечисленных критериев, были получены (13 и 28 июня) 1986 и 2009 гг.

Главная часть исследования состояла в оценке возможности детектирования изменений в экологическом состоянии сосновых и лиственных лесов. Индекс Е\\Ю1 применяли непосредственно для этой цели. Оценку изменений производили в границах лесов за 1986 г. Методика оценки включала следующие этапы.

1. Создание по снимкам отдельных векторных карт сосновых и лиственных лесов.

2.Расчет картограммы индекса по спутниковым данным 1986 и 2009 гг.

3.Извлечение средних значений индекса для каждого лесного массива, соснового или лиственного леса.

4. Сопоставление полученных значений с результатами визуального дешифрирования экологического состояния лесов, которое заключалось в оценке сомкнутости, дефолиации или исчезновении лесного массива.

Первоначально были проанализированы изменения в сосновых массивах. Выявление связи между значениями Е\\Ф1 лесного массива и его экологическим состоянием было выполнено путем сопоставления значений индекса с результатами дешифрирования сосновых насаждений. Установленная искомая связь заключалась в следующем: между значениями индекса и экологическим состоянием насаждений существует обратная зависимость: увеличение значений индекса соответствует ухудшению состояния, уменьшение -улучшению. Значения индекса в диапазоне 34-145 указывают на очень значительное ухудшение состояния, либо исчезновение лесного массива. Соотношение между значениями Е\УБ1 и состоянием сосновых насаждений характеризует степень изменения экологического состояния сосновых лесов, произрастающих в районе горнодобывающих предприятий Курской магнитной аномалии (КМА): -35 - -17 (улучшение); -16,9 - 17 (существенных изменений нет); 17,1 -34 (ухудшение); 34,1 - 145(значительное ухудшение).

Картограмма индекса (рис. 5) показала, что существенных изменений в состоянии сосновых лесов, расположенных в непосредственной близости от Старого Оскола, не произошло.

Рис. 5. Изменения в состоянии сосновых лесов Старооскольско-Губкинского промышленного района, оцененные по значениям индекса Е\ТО1

В то же время значительные изменения произошли в насаждениях, прилегающих к Оскольскому электрометаплургическому комбинату (ОЭМК), что позволяет сделать вывод о том, что он оказывает значительно большее отрицательное влияние на сосновые насаждения, чем промышленный центр. Зона негативного воздействия электрометаллургического комбината простирается на расстояние до 11 км.

Анализ значений индекса, выполненный для лиственных насаждений по схеме, аналогичной исследованию сосновых лесов, не выявил закономерностей изменения значений Е\У01 от состояния насаждений. На наш взгляд, отсутствие связи обусловлено не низкой чувствительностью индекса к динамике состояния лиственных лесов, а несущественным изменением состояния лиственных насаждений, которые по своей природе более устойчивы к негативному воздействию окружающей среды, чем сосновые леса. Таким образом, оценка возможности детектирования многолетних изменений в состоянии лесных земель позволила установить, что спектральный индекс Е\¥01 можно успешно использовать для анализа изменений экологического состояния сосновых лесов, находящихся в зоне повышенной антропогенной нагрузки, а также выявить зоны негативного воздействия на сосновые леса предприятий черной металлургии. Значения индекса находятся в обратной зависимости от степени изменения экологического состояния сосновых насаждений.

Заключение.

Полученные в ходе исследования результаты позволили сформулировать следующие основные выводы:

1. Анализ природно-хозяйственных условий Белгородской области и состояния ее лесного фонда выявил необходимость внедрения материалов и методов дистанционного зондирования Земли в систему оперативного мониторинга лесных земель региона.

2. Разработанный способ интеграции данных многозональной космической съемки, материалов лесотаксационных обследований и ГИС-технологий позволил выявить и обосновать наиболее информативные спектральные показатели для оценки таксационных признаков лесных насаждений, что имеет большое значение для целей кадастровой оценки и мониторинга лесных земель Белгородской области.

3. Наиболее информативными спектральными показателями насаждений для оценки возраста, высоты и диаметра лесных массивов, где преобладает дуб черешчатый в качестве основной лесообразующей породы, являются 5-й (средний инфракрасный) диапазон Landsat ТМ, индексы КТ1 (1-я компонента спектральных преобразований Каута-Томаса) и РС2 (2-я главная компонента спутникового изображения).

4. Коэффициенты отражения каналов Landsat ТМ и большинство значений спектральных индексов находятся в обратной зависимости от возраста, высоты и диаметра лесных (дубовых) насаждений.

5. Для прогнозных оценок возраста, высоты и диаметра насаждений целесообразно использовать уравнения с одним спектральным показателем в качестве независимой переменной. Применение полученных уравнений для определения возраста, высоты и диаметра насаждений позволило выполнить предварительные оценки перечисленных таксационных характеристик.

6. Путем использования комбинации космических снимков Landsat ТМ, ЕТМ+ создана электронная карта лесопокрытых земель Белгородской области в масштабе 1:50 ООО, которая рассматривается в качестве опорного элемента для организации перспективного мониторинга лесных земель на новой технологической основе. Карта лесопокрытых земель имеет большое значение для геоинформационного анализа экологического каркаса Белгородской области и оценки пространственного размещения лесных экосистем.

7. Анализ значений спектрального индекса EWDI сосновых насаждений, расположенных в зонах повышенной антропогенной нагрузки, позволил выявить и оценить степень многолетних изменений, произошедших в их экологическом состоянии. Установленная связь между значениями индекса и изменениями, произошедшими в лесах, позволила проследить географические особенности размещения сосновых массивов с различной степенью изменения их состояния.

8. Применение аэрокосмических методов для мониторинга состояния лесных земель Белгородской области позволило повысить эффективность оценки таксационных характеристик насаждений и выявления многолетних изменений в сосновых лесах.

По материалам диссертации опубликованы следующие работы:

1.Терехин, Э.А. Анализ текстурных признаков земельных угодий по космическим снимкам landsat TM / Э.А. Терехин // Землеустройство, кадастр и мониторинг земель.- 2010. №8. - С. 47-52. *

2.Терехин, Э.А. Исследование связи между спектральными отражательными свойствами лесных насаждений Белгородской области и их лесотакса-ционными параметрами / Э.А. Терехин // Научные ведомости Белгородского государственного университета. Серия: естественные науки. - 2010-№21(92). Вып. 13. С. 157-167.*

3.Терехин, Э.А. Мониторинг состояния лесных насаждений различного назначения с помощью данных дистанционного зондирования / Терехин Э.А. // Материалы Международной конференции студентов и аспирантов. - Белгород: БелГСХА, 2009. - С. 14.

4. Терехин, Э.А. Исследование защищенности сельскохозяйственных угодий лесными полосами по материалам дистанционного зондирования Земли / Э.А. Терехин // Материалы 12-й Международной научно-производственной конференции. Белгород: БелГСХА. - 2009. - С. 362.

5.Чепелев, O.A. Ретроспективный анализ состояния лесных массивов в Староосколько-Губкинском промышленном районе по материалам космосъемки / O.A. Чепелев, О.М. Ломиворотова, Э.А. Терехин // Экология ЦентральноЧерноземной области Российской Федерации - 2009.- № 2. - С. 36-39.

6.Польшина, М.А. Реализация ландшафтного подхода в лесоустройстве средствами технологий дистанционного зондирования Земли / М.А. Польши-на, Э.А. Терехин // Дистанционное зондирование Земли из космоса: применение данных и технологий в образовании, науке и народном хозяйстве. - Барнаул: Алтайский госуниверситет, 2010. - С. 9-13.

7. Терехин, Э.А. Оценка влияния возраста древостоев на их спектральную отражательную способность (на примере дубрав Белгородской области) / Э.А.Терехин, А.П. Семенюк // Материалы Международной научно-практической конференции студентов, аспирантов и молодых ученых конференции Регион-2010. Стратегия оптимального развития. - Харьков: ХНУ, 2010,-С. 111-114.

8. Терехин, Э.А. Анализ зависимости спектральных индексов лесной растительности от возраста древостоев / Э.А.Терехин // Географические исследования: история, современность и перспективы: сб. статей по материалам Международной науч - практич. конф. - Курск: КГУ, 2010 - . 107-111.

9. Терехин, Э.А. Изменение спектральных свойств дубовых насаждений в зависимости от их возраста и высоты / Э.А.Терехин // Географические проблемы сбалансированного развития староосвоенных регионов: материалы 2-й Международной научно-практической конференции. - Брянск: Изд-во «Курсив», 2010. - С. 46-49.

10. Терехин, Э.А. Оценка взаимосвязи между спектральными индексами и биофизическими параметрами древостоев (на примере лесного массива «Лес на Ворскле») И ИнтерКарто-ИнтерГИС - 16. Устойчивое развитие территорий: теория ГИС и практический опыт: материалы Международной научной конференции. - Ростов-на-Дону: Изд-во ЮНЦ РАН, 2010. -С. 558-560.

*Статъи, опубликованные в изданиях, включенных в перечень ВАК России

Получены следующие охранные документы на объекты интеллектуальной собственности:

1.База данных индикаторов состояния земельных, водных ресурсов и климатических параметров / Правообладатель: Государственное образовательное учреждение высшего профессионального образования «Белгородский государственный университет», авторы: В.И. Соловьев, П.А. Украинский, Э.А. Терехин. Свидетельство о государственной регистрации базы данных № 2010620071. Заявка № 2009620598 дата поступления 1 декабря 2009 г. Зарегистрировано в Реестре баз данных 29 января 2010 г.

2.Программа мониторинга входных индикаторов, используемых в динамических глобальных моделях растительности фОУМэ) / Правообладатель: Государственное образовательное учреждение высшего профессионального образования «Белгородский государственный университет», авторы: В.И. Соловьев, П.А. Украинский, Э.А. Терехин. Свидетельство о государственной регистрации программы для ЭВМ № 2010610926, Заявка № 2009616889 дата поступления 2 декабря 2009 г. Зарегистрировано в Реестре баз данных 29 января 2010 г.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

Глава 1 СОСТОЯНИЕ ПРОБЛЕМЫ ИССЛЕДОВАНИЯ ЛЕСНЫХ ЗЕМЕЛЬ АЭРОКОСМИЧЕСКИМИ МЕТОДАМИ. АНАЛИЗ СОВРЕМЕННЫХ НАПРАВЛЕНИЙ КОСМИЧЕСКОГО МОНИТОРИНГА ЛЕСОВ

1.1 Современное развитие систем дистанционного зондирования Земли и их оценка для задач мониторинга лесных земель.

1.2 Особенности получения информации о параметрах и состоянии лесных экосистем по аэрокосмическим данным дистанционного зондирования

1.3 Анализ уровня современных технологий аэрокосмического исследования лесов

Глава 2 АНАЛИЗ ПРИРОДНО-ХОЗЯЙСТВЕННЫХ УСЛОВИЙ БЕЛГОРОДСКОЙ

ОБЛАСТИ И ОБОСНОВАНИЕ НЕОБХОДИМОСТИ ПРИМЕНЕНИЯ АЭРОКОСМИЧЕСКИХ МЕТОДОВ ДЛЯ ИЗУЧЕНИЯ ЛЕСНЫХ ЗЕМЕЛЬ ЕЕ ТЕРРИТОРИИ

2.1 Природные особенности территории Белгородской области

2.2 Физико-географическое районирование Белгородской области

2.3 Характеристика состояния и использования лесного фонда Белгородской области, задачи его мониторинга

Глава 3 ОЦЕНКА СОСТОЯНИЯ И ДИНАМИКИ ЛЕСНЫХ ЗЕМЕЛЬ ПО МАТЕРИАЛАМ КОСМИЧЕСКОЙ СЪЕМКИ

3.1 Схема оценки влияния параметров лесного насаждения на его спектральные отражательные свойства

3.2 Атмосферная и радиометрическая коррекции спутниковых изображений

3.3 Анализ информативности спектральных диапазонов и индексов для определения таксационных характеристик лесных насаждений

3.4 Методика оценки связи между таксационными показателями насаждений и их спектральными отражательными свойствами

3.5 Картографирование лесопокрытых земель Белгородской области по материалам космической съемки

3.6 Технология детектирования изменений в лесах Белгородской области по данным съемки Landsat ТМ

Глава 4 РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ПАРАМЕТРОВ ЛЕСНЫХ НАСАЖДЕНИЙ ПО ИХ СПЕКТРАЛЬНЫМ ОТРАЖАТЕЛЬНЫМ СВОЙСТВАМ

4.1 Информативность спектральных показателей для оценки параметров лесного насаждения

4.2 Оценка количественных связей между параметрами лесных насаждений и их спектральными отражательными свойствами.

4.3 Картографирование таксационных характеристик лесных насаждений по материалам космической съемки

ЗАКЛЮЧЕНИЕ ЛИТЕРАТУРА

Подписано в печать 08.04.2011.Times New Roman. Формат 60x84/16. Усл. п. л. 1,0. Тираж 100 экз. Заказ 42. Оригинал-макет подготовлен и тиражирован в издательстве ФГАОУ ВПО «Белгородский государственный национальный исследовательский университет» 308015, г. Белгород, ул. Победы, 85

Содержание диссертации, кандидата географических наук, Терехин, Эдгар Аркадьевич

ВВЕДЕНИЕ.

Глава 1 СОСТОЯНИЕ ПРОБЛЕМЫ ИССЛЕДОВАНИЯ ЛЕСНЫХ ЗЕМЕЛЬ АЭРОКОСМИЧЕСКИМИ МЕТОДАМИ. АНАЛИЗ СОВРЕМЕННЫХ НАПРАВЛЕНИЙ КОСМИЧЕСКОГО МОНИТОРИНГА ЛЕСОВ.

1.1.1. Анализ современных систем дистанционного зондирования земной поверхности.

1.1.2. Проблемы, связанные с исследованием лесов по данным дистанционного зондирования Земли.

1.2 Особенности получения информации о параметрах и состоянии лесных экосистем по аэрокосмическим данным дистанционного зондирования.

1.3 Анализ уровня современных технологий аэрокосмического исследования лесов.

1.3.1. Отечественный опыт исследования лесов аэрокосмическими методами.

1.3.2.Оценка зарубежных достижений в области обработки спутниковой информации для изучения состоянии лесных земель.

Глава 2 АНАЛИЗ ПРИРОДНО-ХОЗЯЙСТВЕННЫХ УСЛОВИЙ БЕЛГОРОДСКОЙ ОБЛАСТИ И ОБОСНОВАНИЕ НЕОБХОДИМОСТИ ПРИМЕНЕНИЯ АЭРОКОСМИЧЕСКИХ МЕТОДОВ ДЛЯ ИЗУЧЕНИЯ ЛЕСНЫХ ЗЕМЕЛЬ ЕЕ ТЕРРИТОРИИ.

2.1 Природные особенности территории Белгородской области.

2.2 Физико-географическое районирование Белгородской области.

2.3 Характеристика состояния и использования лесного фонда Белгородской области, задачи его мониторинга.

2.3.1. Анализ проблемы кадастровой оценки лесов и учета лесных земель.

2.3.2. Общие сведения о лесном фонде Белгородской области.

2.3.3. Хозяйственная деятельность в лесах, проблемы и задачи их мониторинга.

Глава 3 ОЦЕНКА СОСТОЯНИЯ И ДИНАМИКИ ЛЕСНЫХ ЗЕМЕЛЬ ПО МАТЕРИАЛАМ КОСМИЧЕСКОЙ СЪЕМКИ.

ЗЛ Схема оценки влияния параметров лесного насаждения на его спектральные отражательные свойства.

3.2 Атмосферная и радиометрическая коррекции спутниковых изображений.

3.3 Анализ информативности спектральных диапазонов и ин-, дексов для определения таксационных характеристик, лесных насаждений.

3.3.1. Выбор спектральных диапазонов и индексов.

3.3.2. Выбор и обоснование объектов исследования.

3.3.3. Данные лесотаксационных обследований и их анализ.

3.3.4. Статистический анализ данных спектральной обработки снимков и данных лесотаксационных обследований.

3.4 Методика оценки связи между таксационными показателями насаждений и их спектральными отражательными свойствами.

3.5 Картографирование лесопокрытых земель Белгородской области по материалам космической съемки.

3.5.1. Особенности картографирования лесных земель по матер иалам ДЗЗ.

3.5.2. Создание карты лесопокрытых земель способом дешифрирования снимков.

3.6 Технология детектирования изменений в лесах Белгородской области по данным съемки Landsat ТМ.

3.6.1. Особенности детектирования изменений в состоянии лесных насаждений.

3.6.2. Оценка многолетних изменений экологического состояния лесных массивов Белгородской области.

Глава 4 РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ПАРАМЕТРОВ. ЛЕСНЫХ НАСАЖДЕНИЙ ПО ИХ СПЕКТРАЛЬНЫМ ОТРАЖАТЕЛЬНЫМ СВОЙСТВАМ.

4.1 Информативность спектральных показателей для оценки параметров лесного насаждения.

4.1.1, Результаты корреляционного анализа характеристик насаждения и спектральных показателей, направленные на выявление наиболее информативных диапазонов и индексов.

4.1.2. Результаты дисперсионного анализа параметров насаждения и спектральных показателей, направленные на выявление наиболее информативных индексов и диапазонов.

4.1.3. Итоговые результаты, полученные на основании корреляционного и дисперсионного анализов.

4.2.1. Анализ зависимости между параметрами лесных насаждений и их спектральными показателями.:.

4.2.3. Оценка уравнений зависимости по данным 2009-2010 гдов.

4.3 Картографирование таксационных характеристик лесных насаждений по материалам космической съемки.

Введение Диссертация по наукам о земле, на тему "Повышение эффективности мониторинга земель лесного фонда Белгородской области методами дистанционного зондирования"

Актуальность исследования. Лес как географический фактор оказывает влияние на компоненты окружающей среды и процессы, протекающие в ней. В условиях растущего антропогенного воздействия^ леса часто остаются наименее измененными человеческой деятельностью экосистемами, сохраняющими свою первоначальную структуру и являясь одним из ключевых элементов экологического каркаса территории.

Площадь земель лесного фонда (1104,9 млн. га) составляет больше половины территории России (65%). Леса, произрастающие на них, содержат 22% мировых запасов древесины. Значительные лесные ресурсы в целях их рационального использования требуют управления, мониторинга и контроля, которые непосредственно связаны с применением современных технологий. Интенсивное развитие земельных отношений в условиях рыночной экономики обуславливает потребности в получении информации о характеристиках и состоянии лесных земель. Для устойчивого управления лесами необходима информация о состоянии лесных экосистем.

Получение сведений о лесохозяйственных показателях насаждений по схеме классического лесоустройства - долговременный, трудоемкий и дорогостоящий процесс. Поэтому необходимы способы, которые позволят облегчить его выполнение, посредством обеспечения предварительных оценок ряда характеристик насаждений, например, возраста, высоты и диаметра. В связи с этим встает проблема разработки технологических решений, позволяющих с учетом географических особенностей территории, обеспечивать необходимой информацией систему оценки и контроля лесных земель. Методы дистанционного зондирования и геоинформационные технологии, стремительно совершенствующиеся в настоящее время, должны способствовать решению этой проблемы.

Лесной кодекс, вступивший в действие в 2007 г., предусматривает более масштабное применение космических данных дистанционного зондирования (ДДЗ) Земли при проведении государственной инвентаризации лесов-[Лесной кодекс, 2006; Комментарий к Лесному кодексу, 2008], что стимулирует внедрение ДДЗ; в ее систему.

Объектом мониторинга земель лесного фонда, выступают, в первую очередь, лесные земли, занимающие свыше 72% его площади; Одной из ключевых и наиболее сложных задач их оценки; и мониторинга является разработка количественных моделей; позволяющих с определенной точностью прогнозировать по спутниковым данным распределение конкретного таксационного (биометрического) показателя, лесного насаждения (возраста, высоты, диаметра). Наряду с этим необходимы способы, позволяющие с помощью ДДЗ- осуществлять контроль использования лесных земель , и детектировать изменения, происходящие; в них. Проведение исследований; позволяющих решить указанные задачи, должно быть основано на географическом подходе с учетом фактора природных условий, т.к. только в таком случае возможно полноценное обоснование и>применение полученных способов и результатов.

Особенно актуально внедрение современных технологий мониторинга и оценки в систему контроля лесных земель, на которых произрастают, особо ценные лесные породы, например, дуб черешчатый. Доля* дубравных экосистем среди лесов России составляет не более 5% их общей площади. В то же время-в ряде областей, в том числе в Белгородской области, дуб является основной лесообразующей породой, занимающей 70% лесопокрытых площадей.

Объект исследования — лесные земли Белгородской области.

Основная цель исследования - повышение эффективности оценки и мониторинга лесных земель Белгородской области. Для достижения поставленной цели решались следующие задачи.

1. Проанализировать отечественный и зарубежный опыт исследования лесных земель аэрокосмическими методами.

2. Изучить природно-хозяйственные условия Белгородской области и обосновать необходимость применения аэрокосмических методов при оценке состояния лесных земель ее территории.

3. Обосновать спектральные показатели лесных массивов, наиболее информативные для оценки их важнейших таксационных характеристик.

5. Создать электронную карту лесопокрытых земель Белгородской области методом дешифрирования спектральных признаков на-космических снимках.

6. Разработать способ детектирования изменений в состоянии лесных земель Белгородской области с применением ДДЗ.

Теоретические основы исследования. Вопросы, связанные с аэрокосмическими исследованиями и дистанционной оценкой характеристик лесных насаждений, мониторингом лесных земель, рассмотрены во многих работах отечественных и зарубежных исследователей: С.А. Барталева, И.М. Данилина, Е.П. Данюлиса, И.Д. Дмитриева, Б.В. Виноградова, В.М. Жирина, A.C. Исаева, E.JI. Кринова, E.H. Калашникова, В.В. Козодерова, Е.С. Мурахтанова, Г.Г. Самойловича, В.И. Сухих, Н.Г. Харина, М. Batistella, D.S. Boyd, W. Chen, G.M. Foody, F. Lambin, J. Landsberg, T. Kajisa, D.J. King, S. Franklin, R.J. Hall, S.A. Sader, D. Lu, E. Moran, В. Matsushita, M.L. Nordberg, J.A. Tullis, M. Tsutsumi, R. Virk, M. Phua, D.Lutz, M.A. Wulder, Y. Zhang и др. Работы перечисленных исследователей указывают на возможность использования методов дистанционного зондирования Земли (ДЗЗ) для оценки биофизических и таксационных показателей лесных насаждений, и картографирования лесных земель, а также на перспективы, дальнейших исследований в указанных направлениях. В то же; время« они- обозначают ряд нерешенных задач, связанных с исп ользованием; этих методов: ■ " :

Материалыги?методы? исследования;: В1исслед0ваниишрименял№сле-дующие, методы:: сравнительно-географический;,. обработки« данных дистанционного зондирования» Земли, геоинформационного анализа и моделирования; математико-статистической обработкишолученных материалов;

В значительной степени- использован архива спутниковых; данных и программное обеспечение для обработки ДДЗ (ERDAS IMAGINE) и геоинформационного анализа: (ArcGIS) Федерально-регионального центра аэро-1 космического ишаземного мониторинга объектов и-природных ресурсовтБел-городского государственного?университета.

В работе использовали материальг многозональной^ космической съемки: со спутников: Landsat TM, ЕТМ+, данные комплексных лесоустроительных работ Белгородской- области, собственных полевых обследований, проведенных с 2008 по 2010 гг.,. материалы интернет-архивов: Springer Link, InterSciens,. изданий Canadian Journal of Remote Sensing, Remote, Sensing of Environment, Indian: Society of Remote Sensing, Journal of Forestry Research: Привлекали: данные: из ежегодных отчетов : о состоянии окружающей среды Белгородской области,, фондовые: данные по учету лесных, земель Белгородской области, информацию о ее физико-географических и лесорастительных условиях.

Достоверность результатов. Достоверность полученных результатов и выводов, подтверждается обширным фактическим (экспериментальным) материалом: обработана; информация с 1288 таксационных выделов, включающая: полное лесотаксационное описание насаждений, на 492 оценочных площадях, исследованы спектральные характеристики лесных массивов. Исследовательские полигоны были выбраны с: учетом географических и лесорастительных особенностей: Белгородской области. Для-используемых спутниковых данных выполнена атмосферная и радиометрическая 'корректировки, обеспечивающие достоверность полученных результатов анализа спектра снимков. В работе применяли современные методы и средства обработки данных, в т.ч. программный пакет для анализа ДДЗ ERDAS IMAGINE, геоинформационные системы ArcGIS, БелГИС, пакет для статистической обработки STATISTICA.

Научная новизна. Разработан способ интеграции ДДЗ с'материалами лесоустроительных работ и наземных обследований, позволяющий с учетом региональных природных условий проводить оценку количественных связей между таксационными характеристиками насаждений и их спектральными отражательными свойствами. Впервые для дубрав Белгородской области выявлены спектральные показатели, обоснованные автором как наиболее информативные для оценки важнейших таксационных характеристик: возраста, высоты и диаметра. Выявлены и проанализированы зависимости изменения спектральных отражательных свойств насаждений (оцененных через группу спектральных показателей) от их биометрических (таксационных) параметров. Разработана методика выявления многолетних изменений в сосновых насаждениях, основанная на использовании спектральных индексов.

Основные защищаемые положения

1. Результаты анализа природно-хозяйственных условий Белгородской области и обоснование необходимости применения аэрокосмических методов при оценке состояния лесных земель ее территории.

2. Способ выбора и обоснования спектральных показателей, наиболее информативных для оценки возраста, высоты и диаметра лесных насаждений с преобладанием дуба в качестве основной лесообразующей породы.

3. Результаты анализа количественных связей между таксационными показателями лесных насаждений и их спектральными отражательными свойствами.

4. Результаты картографирования лесопокрытых земель Белгородской области по материалам космической съемки со спутников - ЬапёБа! ТМ, ЕТМ+.

Практическая значимость и применение результатов исследования.

Результаты исследования влияния таксационных показателей лесных насаждений на их спектральную отражательную способность, а также методика детектирования многолетних изменений в сосновых лесах с помощью индекса Е\\'Т>1 могут быть использованы для совершенствования аэрокосмического мониторинга лесных земель. Предложенный способ интеграции данных дистанционного зондирования и материалов лесотаксационных работ может быть адаптирован для любого лесного региона в целях выявления наиболее информативных спектральных показателей и оценки таксационных характеристик насаждений. Полученная электронная карта лесопокрытых земель может стать геоинформационной основой для совершенствования управления и мониторинга лесных земель Белгородской области и анализа лесов как составляющей экологического каркаса региона.

01201057328), гранту Президента РФ (проект МК-1189.2010.5), государственному контракту «Разработка региональных компьютерных моделей для оценки сценариев развития и оптимизации природопользования в степной и лесостепной зонах Европейской территории России на основе глобальных моделей ЬР^ЭОУМ и ЗЕУЕЫ-БОУМ», (2009-2010 гг.) (ГР № 0120958260).

Апробация работы. Материалы диссертационной работы доложены автором на научных и научно-практических конференциях: Международной научно-практической конференции «Географические исследования: история, современность и перспективы» (Курск, 2010), Международных научно-практических конференциях студентов, аспирантов и молодых ученых Реги-он-2009, 2010 (Харьков, 2009, 2010), 12-й Международной научно-производственной конференции «Проблемы сельскохозяйственного производства на современном этапе и пути их решения» (Белгород, 2'009), Международной научной конференции ИнтерКарто-ИнтерГИС-16 (Ростов-на-Дону, Зальцбург, 2010).

Публикации. По теме диссертационного исследования автором опубликовано 10 научных работ, включая 2 из перечня ВАК, общим объемом 2,63 п.л., в том числе 2,11 авторских.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников из 230 наименований, включая 119 иностранных. Основной текст диссертации изложен на 147 страницах машинописного текста и содержит 28 таблиц и 32 рисунка.

Заключение Диссертация по теме "Землеустройство, кадастр и мониторинг земель", Терехин, Эдгар Аркадьевич

Выводы к четвертой главе.

1. На основании анализа группы спектральных диапазонов и индексов, вычисленных по материалам съемки Ьапс^а! ТМ, выявлены спектральные показатели, наиболее информативные для оценки возраста, высоты и диаметра насаждений с преобладанием дуба черешчатого (обыкновенного) в качестве основной лесообразующей породы. Этими показателями являются средний инфракрасный диапазон (1,55 - 1,75 мкм), соответствующий 5-му каналу ЬапсЬа! ТМ, ЕТМ+, спектральный индекс КТ1 - первая, яркостная компонента спектральных преобразований Каута-Томаса и спектральный индекс РС2 -вторая главная компонента спутникового изображения. Перечисленные показатели выявлены как наиболее чувствительные к изменению параметров насаждений путем совместной оценки данных методами корреляционного и дисперсионного анализов.

2. Установлено, что большинство спектральных индексов и зональных коэффициентов отражения находятся в обратной зависимости от основных таксационных показателей лиственных насаждений с преобладанием дуба. Т.е. значения спектральных индексов и зональных коэффициентов отражения снижаются по мере увеличения возраста, высоты и диаметра стволов лесных массивов.

3. Установлены и проанализированы уравнения связи характеристик лесных насаждений с их спектральными показателями. Сопоставлены прогнозные уравнения связи биометрических параметров насаждений и их спектральных показателей, использующие один группу спектральных диапазонов или индексов, в результате чего пришли к выводу, что для прогноза основных таксационных параметров целесообразно использовать уравнения с одним спектральным показателем в качестве независимой переменной.

4. На основе уравнений, наиболее полно описывающих исследуемые зависимости межу параметрами насаждений и их спектральными отражательными свойствами по ДДЗ, построены картограммы таксационных показателей лесных массивов. Полученные картограммы можно использовать в научно-исследовательских и хозяйственных целях.

Заключение

По результатам выполненной работы сформулированы следующие основные выводы:

3. Наиболее информативными спектральными показателями насаждений для оценки возраста, высоты и диаметра лесных массивов, где преобладает дуб черешчатый в качестве основной лесообразующей породы, являются 5-й (средний инфракрасный) диапазон Ьапс1за1 ТМ, индексы КТ1 (1-я компонента спектральных преобразований Каута-Томаса) и РС2 (2-я главная компонента спутникового изображения).

4. Коэффициенты отражения каналов ЬапсЬа! ТМ и большинство значений спектральных индексов находятся в обратной зависимости от возраста, высоты и диаметра лесных (дубовых) насаждений.

6. Путем использования комбинации космических снимков Ьап(1за1 ТМ, ЕТМ+ создана электронная карта лесопокрытых земель Белгородской области в масштабе 1:50 ООО, которая рассматривается в качестве опорного элемента для организации перспективного мониторинга лесных земель на новой технологической основе. Карта лесопокрытых земель имеет большое значение для геоинформационного анализа экологического каркаса Белгородской области и оценки пространственного размещения лесных экосистем.

7. Анализ значений спектрального индекса Е\\Т)1 сосновых насаждений, расположенных в зонах повышенной антропогенной нагрузки, позволил выявить и оценить степень многолетних изменений, произошедших в их экологическом состоянии. Установленная связь между значениями индекса и изменениями, произошедшими в лесах, позволила проследить географические особенности размещения сосновых массивов с различной -степенью динамики их состояния.

8. Применение аэрокосмических методов для мониторинга состояния лесных земель Белгородской области позволило повысить эффективность оценки таксационных характеристик лиственных насаждений и выявления многолетних изменений в сосновых лесах.

Библиография Диссертация по наукам о земле, кандидата географических наук, Терехин, Эдгар Аркадьевич, Белгород

1. Авраменко, П. М. Природные ресурсы и окружающая среда Белгородской области Текст. / П. М. Авраменко, П. Г. Акулов, Ю. Г. Атанов и др.; под. ред. С. В. Лукина. Белгород, 2007. - 556 с.

2. Авраменко, П.М. Состояние окружающей среды и использование природных ресурсов Белгородской области в 2007 году: справочное пособие Текст. / П.М. Авраменко, П.Г. Акулов, А. И. Анисимов и др.; под. ред. C.B. Лукина. Белгород: Константа, 2008. - 276 с.

3. Аковецкий, В.И. Дешифрирование снимков Текст.: учебник для вузов / В.И. Аковецкий. М.: Недра, 1983. - 374 с.

4. Ануфриев, М.А. Оценка точности определения параметров сплошнолесо-сечных вырубок по аэрокосмическим изображениям высокого пространственного разрешения Текст. / М.А.Ануфриев // Лесное хозяйство. -2007. №2. - С.38-39.

5. Архипов, В. И. Государственная инвентаризация лесов: контроль из космоса Текст. / В.И. Архипов // Промышленник России. 2010. — № 10(121). - С. 66-69.

6. Аэрокосмические методы в лесном хозяйстве Электронный ресурс. / Лесной эксперт. 2007. - №5(42). Режим доступа: http://www.lesnoyexpert.ru/index.php, свободный доступ.

7. Барталев, С.А. Разработка методов оценки состояния и динамики лесов на основе данных спутниковых наблюдений: автореф. дис. докт. технич. наук Текст. / С.А. Барталев. М., Институт косм, исслед. РАН, 2007. - 48 с.

8. Барталев, С.С. Разработка методики региональной экологической оценки состояния лесов< по данным спутниковых наблюдений Текст.: автореф. дис. канд. технич. наук / С.С. Барталев.- М.: МИИГАиК, 2006. 24 с.

9. Бейчук, О.Н. Использование материалов многозональной космической съемки с целью выявления изменений в лесном фонде Белгородской области Текст. / О.Н. Бейчук, C.B. Парахин // Вестник ВГУ. Серия География и геоэкология. 2006. - № 2. - С. 62-68.

10. Боголюбов, С.А. Комментарий к Лесному кодексу Российской Федерации (постатейный) Текст. / С.А. Боголюбов, М.И. Васильева, Ю.Г. Жариков и др. М.: Изд-во проспект, 2008. - 400 с.

11. Болсуновский, М.А. Современные подходы к организации оперативного космического мониторинга Текст. I М.А.Болсуновский // Геоматика — 2010. -№ 3. С. 3-18.

12. Бугаев, В.А, Динамика лесного фонда Центрального Черноземья / В.А.Бугаев, А.И. Ревин, А.Л. Мусиевский // Лесное хозяйство. 2006. -№3. -С.41-42.

13. Быковский, В.К., Использование лесов в Российской Федерации: правовое регулирование Текст. / В.К. Быковский. М.: Волтерс Клувер, 2009. — 232 с.

14. Варламова, Е.В. Исследование вариаций вегетационного индекса NDVI арктической зоны Якутии Текст. / Е.В. Варламова, B.C. Соловьев // Современные проблемы дистанционного зондирования земли из космоса. -2010. -Т.8, №7. С. 226-230.

15. Виноградов, Б.В. Аэрокосмический мониторинг экосистем Текст. / Б.В. Виноградов.-М.: Наука, 1984.-321 с.

16. Владимирова, Н.А. Возможности применения космических снимков для государственной инвентаризации лесов Текст. / Н.А.Владимирова // Геопрофи. 2010. - №2.-С.45-49.

17. Воробьев, Д. В. Типы лесов европейской части СССР Текст. / Д.В. Воробьев. Киев: Изд. АН СССР, 1953. - 452 с.

18. Гаврилов, С.Г. Спутниковая система межевания земель: первые впечатления пользователей Текст. / С.Г. Гаврилов, С.Ю. Крыжановский, Д.Е. Осипов // Геопрофи. 2004. - №3 - С.50-52.

19. Гершензон, О.Н. Развитие космических технологий в России Текст. / О.В. Гершензон // Аэрокосмический курьер. 2009. - №3-4'. - С.8-9:

20. Горб, А.И. Системы глобального позиционирования в лесном хозяйстве Текст. / А.И. Горб, С.И. Косташкин, В.В. Богомолов, А.В. Полу-пан // Оборудование и инструмент для профессионалов.- 2007.-№1(84).-С. 38-41.

21. Горышина, Т.К. Заповедник «Лес-на-Ворскле». Заповедники СССР. II. Заповедники Европейской части РСФСР Текст. / Т.К. Горышина, Е.К. Тимофеева. -М.: Мысль, 1989. с. 138-151.

22. Данилин, И.М. Морфологическая структура, продуктивность и-дистанционные методы таксации древостоев Сибири: автореф. дис. докт. сельхоз. наук Текст. / И.М. Данилин. Красноярск: Институт леса им. Сукачева СО РАН, 2003.-48 с.

23. Данилова, И.В. Методика составления карт лесных территорий на основе данных космической съемки (на примере Красноярского края) Текст. / И.В.Данилова // География и природные ресурсы. 2007. №4. - С.140—145.

24. Данюлис, Е.П. Дистанционное зондирование в лесном хозяйстве Текст. / Е.П. Данюлис, В.М. Жирин, В.И. Сухих, Р.И. Эльман. М.: Агоропром-издат, 1989.-223 е.: ил.

25. Дейвис Ш. М. Дистанционное зондирование: количественный подход Текст. / Ш.М. Дейвис, Д.А. Ландгребе, Т.Л. Филлипс и др.; под ред. Ф. Свейна и Ш. Дейвис. Пер. с анг. М.: Недра, 1983 - 415 е.- Пер. изд. США, 1978, 396 с.

26. ДЗЗ. Соотношение масштаба карты с пространственным» разрешением снимков. Электронный ресурс. Режим доступа: http://mapexpert.com.ua/mdex ru.php?table=Menu&id=l 4, свободный доступ.

27. Доспехов, Б.А. Методика полевого опыта Текст. / Б.А. Доспехов. М.: Агропромиздат, 1985.-351 с.

28. Егоров, В.А. Мониторинг повреждений растительного покрова северной Евразии пожарами по данным спутниковых наблюдений: автореф. дис. канд. технич. наук Текст. / В.А.Егоров.- М.: ИКИ РАН, 2006. 24 с.

29. Ефременко, B.B. Об использовании различных индексов вегетации в дистанционном зондировании экосистем Текст. / В.В. Ефременко, Т.Н. Чи-митдориев // Исследование Земли из космоса. 1998. - № 3. - С. 49-56.

30. Жирин, В.М. Анализ значений вегетационного индекса и данных инвентаризации лесов^северной Якутии Текст. / В.М. Жирин // Лесоведение. -1997.-№ 1.-С. 35-44.

31. Жирин, В.М. Оценка возможностей дешифрирования лесообразующих пород по космическим снимкам IKONOS Текст. / В.М. Жирин, C.B. Князева // Современные проблемы дистанционного зондирования Земли из космоса. -2009. Т. 2, № 6. - С. 373-379.

32. Зуев, Ю.С. Применение методов дистанционного зондирования в геоинформатике (на примере снимков камеры ASTER) Текст. / Ю.С.Зуев, Т.Г, Решетникова, A.A. Ткаченко // Геоинформационные системы. -2003.1.-С. 57-65.

33. Изображения Земли из космоса: примеры применения Текст.: Научно-популярное издание М.: ООО Инженерно-технологический центр «Ска-некс», 2005.- 100 с.

34. Ильючик, М.А. Разработка методов оценки текущих изменений в лесном фонде по данным дистанционного зондирования лесов Беларуси: автореф. дис. канд. сельхоз. наук Текст. / М.А. Ильючик Минск: БГУ, 2004. - 22 с.

35. Исаев, A.C. Аэрокосмический мониторинг лесов Текст. / A.C. Исаев, В.И. Сухих, Е.Н.Калашников. -М.: Недра, 1991.-240 с.

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

37. Калуцкова, H.H. Ландшафтный кадастр заповедных территорий Текст. / H.H. Калуцкова. М.: Диалог-МГУ, 1997. - 28 с.

38. Кондратьев, К.Я. Аэрокосмические исследования почв и растительности Текст. / К.Я. Кондратьев, В.В. Козодеров, П.П: Федченко. Л.: Гидроме-теоиздат, 1986. - 360 с.

39. Кондратьев, К.Я., Спектральная отражательная, способность и распознавание растительности Текст. / К.Я. Кондратьев, П.П. Федченко. Л.: Гидрометеоиздат,. 1982. - 216 с:

40. Кравцова, В.И. Динамика лесного покрова Московского региона по картографическим материалам и космическим снимкам Текст. / В.И.Кравцова, И.К.Лурье, А.В.Жуков // Лесоведение. 2002. - № 5. - С. 67-75.

41. Кравцова, В.И. Космические методы исследования, почв Текст.: Учеб. пособие для студентов вузов / В.И. Кравцова. М.: Аспект Пресс, 2005. -190 с.

42. Креснов, В.Г. Нужна ли России информация о лесных ресурсах? Текст. / В.Г. Креснов, В.Н. Манович // Геопрофи.- 2003.- №5с. 3-6.

43. Кринов, E.JI. Спектральная отражательная способность природных образований Текст. / Е.Л. Кринов М.: Изд-то АН СССР, 1947.- 273 с.

44. Кулик, К.Н. Составление изолинейных карт лесистости по аэрокосмическим фотоматериалам Текст. / К.Н.Кулик, Н.С. Манаенкова // Лесное хозяйство. 1996. - № 4. - С.45-47.

45. Курнаев, С.Ф. Лесорастительное районирование территории СССР Текст. / С.Ф. Курнаев. М.: Наука, 1973. - 203 с.

46. Лабутина, И.А. Дешифрирование аэрокосмических снимков Текст.: Учебное пособие / И.А. Лабутина.- М.: Аспект-Пресс, 2005. 184 с.

47. Лупян, Е.А. Лесные пожары и космическая съемка. Мнения экспертов Текст. / Е.А. Лупян, А.С.Черепанов, Ю.А. Кантемиров // Геоматика -2010.-№3.-С. 9-12.

48. Лурье, И.К. Теория и практика цифровой обработки изображений. Дис- . танционное зондирование и географические информационные системы Текст. / И.К. Лурье, А.Г. Косиков. Под. Ред. А. М. Берлянта М.: Научный мир, 2003. - 168 е., 8 с. цв. вкл.

49. Манович, В.Н. Применение навигационных приемников GPS для построения цифровых карт и планов лесных ресурсов Текст. / В.Н. Манович, В.В. Максимчук // Геопрофи.- 2003- №5- С. 7-8.

50. Мартынов, А.Н. Основы лесного хозяйства и таксация леса Текст.: Учебное пособие / А.Н.Мартынов, Е.С. Мельников, В.Ф. Ковязин, A.C. Аникин, В.Н.Минаев, Н.Б. Беляева.- СПб.: ООО Изд-во Лань, 2008. 372 с.

51. Марущак, И.О. Материалы спутникового мониторинга в анализе сомкнутости лесных фитоценозов приполярного Урала Текст. / И.О. Марущак,

52. B.B. Елсаков // Современные проблемы дистанционного зондирования земли из космоса. -2010. -Т.7, №1.- С. 310-318.

53. Маслов, A.A. Дистанционный мониторинг лесов России: концепция ипрактическая организация Текст. / A.A. Маслов // Земля из космоса.

54. Наиболее эффективные решения. 2009. - №1. - С.5-10.

55. Маслов, A.A. Космический мониторинг лесов России: современное состояние проблемы и перспективы Текст. / А.А.Маслов // Лесной бюллетень. -2006.-№1. -С.8-13.

56. Мильков, Ф.Н. Физико-географическое районирование. Центральных Черноземных областей Текст. Под ред. Ф.Н. Милькова. Воронеж: Изд-во Воронеж, ун-та, 1961. - 263 с.

57. Мурахтанов, Е.С. Лесоустройство Текст.: Учебник для вузов / Е.С. Му-рахтанов, H.A. Моисеев, П.И. Мороз, Д.П. Столяров.- М.: Лесная промышленность, 1983-344 с.

58. Назимова, Д.И. Высотная поясность горных лесов и ее отражение на космических снимках NOAA/AVHRR Текст. / Д.И.Назимова, Н.П.Поликарпов, А.И. Сухинин, Л.М. Ускова, Е.В.Федотова // Лесовед-ние. 2001. - № 4. - С. 25-31.

59. Нгуен, Ч.Т. Использование ДМ и ГИС-технологий при непрерывной инвентаризации лесного фонда Ленинградской области: автореф. дис. канд. сельхоз. наук Текст. / Ч.Т. Нгуен. СПб.: С-Пб Гос. лесотех. академ. им. Кирова, 2008. — 22 с.

60. Потапов, П.В. Выявление и мониторинг дистанционными методами ма-лонарушенных лесных территорий мира Текст. / П.В.Потапов, И.В.Журавлева, А.Е.Манина, С.А. Турубанова, А.Ю.Ярошенко // Лесо-ведние. 2008. - № 2. - С. 58-67.

61. Природные ресурсы и экологическое состояние Белгородской области: атлас. / сост. и подгот. к печати Белгородский гос. ун-т; ст. ред. Ф.Н. Ли-сецкий; C.B. Лукин, А.Н. Петин, O.A. Чепелев и др. 1:1200000, 12 км в 1 см. - Белгород, 2005. - 179 с.

62. Рыжков, О.В. Состояние и развитие дубрав центральной лесостепи (на примере Центрально-Черноземного заповедника и «Лес на Ворскле») Текст. / О.В. Рыжков. Тула, 2001.- 182 с.

63. Стерин, Л.З. Справочная книга лесника Текст. / Л.З. Стерин. -Мн.: Ура-ждай, 1989.-255 с.

64. Страхов, В.В. Перспективы использования географических информационных систем для устойчивого управления лесами Текст. / В.В.Страхов,

65. В.В.Сысуев // Лесное хозяйство. 1998. - №3. - С. 19-22.

66. Сухих, В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве. Текст. : учебник для вузов. / В.И. Сухих // Йошкар-Ола: МарГТУ, 2005.-382 с.

67. Сухих, В.И. Аэрометоды в лесоустройстве Текст. / В.И. Сухих, Н.Н.Гусев, Е.П. Данюлис М.: Лесная промышленность, 1977. - 192 с.

68. Сухих, В.И'. Вклад аэрокосмических методов в развитие лесного хозяйства России Текст. / В.И. Сухих // Лесное хозяйство. 1998. - № 3. - С. 34-37.

69. Сухих, В.И. Научные основы и первые результаты дистанционного мониторинга незаконных рубок леса Текст. / В.И.Сухих, М.Д. Гиряев, В.И.

70. Архипов, Е.М. Атаманкин, В.И. Березин, М.В. Дворяшин, В.М. Жирин, И.М. Потапов, В.М. Скудин, А.А Соболев, A.B. Шаталов // Современные проблемы дистанционного зондирования земли из космоса. 2006. - Т.1, №3.-С. 32-38.

71. Сухих, В.И. Общесоюзные нормативы для таксации лесов Текст. / В.И.' Сухих, А.З. Швиденко, H.H., Гусев, А.Г. Мошкалев. М.: Колос, 1992. - 495 с.

72. Сухих, В.И. Основные направления, развития дистанционных методов изучения лесов и оценки их состояния в России Текст. / В.И. Сухих // Современные проблемы дистанционного зондирования Земли из космоса. 2008. - Т.5, №2.- С.352-357.

73. Сухих, В.И. Функциональная структура космического сегмента мониторинга лесов России Текст. / В.И. Сухих // Исследования Земли из космоса. 2001.-№3. С. 61-76.

74. Трейфельд, Р.Ф. Внедрение цифровых фотограмметрических систем в лесоустройство Текст. / Р.Ф. Боголюбов, Ю.В. Филиппов // Геопрофи.-2004.-№2,- С. 38-41.

75. Фадеев, А.Н. Применение ГИС «Карта 2003» в лесном хозяйстве Текст. / А.Н.Фадеев, O.A. Зимина // Геопрофи.- 2006.- №>6.-С.25-26.

76. Фарбер, С.К. Метод ландшафтно-статистической лесоинвентаризации на основе лазерного зондирования и космической съемки лесного покрова

77. Текст. / C.K. Фарбер, В.А. Соколов, И.М. Данилин, О.П. Втюрина, И.В.Соколов // Лесоведение. 2003. - № 5. - С. 3-9.

78. Филипчук, А.Н. Применение дистанционных методов в лесном хозяйстве Текст. / А.Н. Филипчук, Н.В.Малышева // Лесное хозяйство. 2002. -№2. -С.6-8.

79. Харин, Н.Г. Применение снимков NOAA/AVHRR для изучения фенологии лесов России Текст. / Н.Г. Харин, Р. Татеиши // Лесоведение. -2003.-№2.-С. 10-17.

80. Цветков, М.А. Изменение лесистости Европейской России с конца XVII столетия по 1914 год Текст. / М.А. Цветков. М.: Изд-во АН СССР, 1957.-213 с.

81. Чандра, A.M. Дистанционное зондирование и географические информационные системы Текст. / A.M. Чандра, С.К. Гош. М.: Техносфера,2008.-312 с.

82. Чендев, Ю.Г. Естественная эволюция почв центральной лесостепи в голоцене Текст. / Ю.Г. Чендев. Белгород.: Изд-во БелГУ, 2004. - 200 с.

83. Черенькова, Т.В. Динамика лесов Подмосковья по материалам космической съемки Текст. / Т.В.Черенькова, Д.Н. Козлов // Земля из космоса. Наиболее эффективные решения. 2009. - №1. - С.22-27.

84. Черепанов, A.C. Картографирование вымокания лесов по космическим снимкам (на примере Курганской области) Текст.: автореф. дис. канд. геогр. наук / А.С.Черепанов. М., МГУ, 2008. - 25 с.

85. Черепанов, A.C. Спектральные свойства растительности и вегетационные индексы Текст. / A.C. Черепанов, Е.Г. Дружинина // Геоматика.2009. -№3.- С. 28-32.

86. Черепанов, А.С. Технология выявления медленных изменений в лесах по мультиспектральным космическим снимкам (на примере вымокания лесов) Текст. / А.С.Черепанов // Геоматика. 2009. - № 3. - С. 66-75.

87. Черны, М. Передовые технологии для полевого сбора данных в лесном хозяйстве Текст. / М. Черны, И.Ф. Букша, М.И. Букша // Оборудование и инструмент для профессионалов 2009- №2.- С. 62-65.

88. Шовенгердт, Р. А. Дистанционное зондирование. Методы и модели обработки изображений Текст. / Р.А. Шовенгердт. — М.: Техносфера, 2010.-560 с.

89. Asner, G. P. Global synthesis of leaf area index observations: implications for ecological and remote sensing studies I G. P. Asner, J. M. O. Scur-lock, J. A. Hicke // Global Ecology and Boigeography. 2003. - V. 12. -P.191-205.

90. Barbosa, P.M., An algorithm for extracting burned areas from time series of AVHRR GAC data applied at continental scale Text. / P.M. Barbosa, J.M. Gregoire, J. Pereira // Rem. Sensing of Environment. 1999. - V. 2, № 69. -P. 253-263.

91. Barsi, J. Landsat-5 Thematic Mapper Thermal Band Calibration Update Text. / J. Barsi, S. J. Hook, J. R. Schott, N. G. Raqueno, B. L. Markham // Geoscience and remote sensing letters. 2007. - V. 4, № 4. - P. 552-555.

92. Batistella, M. Mapping and monitoring land degradation risks in the Western Brazilian Amazon using multitemporal LANDSAT TM/ETM+ images Text. / M. Batistella, D. Lu, E. Moran // Land degradation and development 2007. -V. 18. -P.41-54.

93. Behn, G. Mapping forest cover, Kimberley Region of Western Australia Text. / G. Behn, F.H. McKinnell, P. Caccetta, T. Vernes // Australian Forestry Journal. 2001. - V. 64, № 2. - P. 80-87.

94. Berberoglu, S. Modeling Forest Productivity Using Envisat MERIS Data Text. / S. Berberoglu, F. Evrendilek, C. Ozkan C. Donmez // Sensors. 2007. -№89.-P. 2115-2127.

95. Biosci, J. Biomass estimation using satellite remote sensing data An investigation on possible approaches for natural forest Text. / J. Biosci, P.S. Roy, S.A. Ravan // Journal of Biosciences.- 1996. - V. 21, № 4. -P.535-561.

96. Bohlman, S. Landscape patterns and.environmental controls of deciduousness in forests of central Panama Text. / S. Bohlman // Global Ecology and Boigeo-graphy. -2010. -Vol. 19, №3 P. 1-10.

97. Bohlman, S. Seasonal Foliage Changes in the Eastern Amazon Basin Detected from Landsat Thematic Mapper Satellite Images Text. / S. Bobihlman, J. Adams, M. Smith, D. Pererson //Biotropica. 1998. -V. 30, № 3. -P.376-391.

98. Boyd, D.S. Satellite remote sensing of forest resources: three decades of research development Text. / D.S. Boyd, F.M. Danson // Progress in Physical Geography. 2005. - V. 29, № 1. - P. 1-26.

99. Brown, D. Estimating Error in an Analysis of Forest Fragmentation Change Using North American Landscape Characterization (NALC) Data Text. / D. G. Brown, J. Duh, S.A. Drzyzga // Remote Sensing of Environment. 1999. -№71.-P. 106-117.

100. Bruniquel-Pinel, V. Sensitivity of Texture of High Resolution Images of. Forest to Biophysical and Acquisition Parameters Text. / V. Bruniquel-Pinel, J. P. Gastellu-Etchegorry // Remote Sensing of Environment. 1998. - V. 65, № 1-P. 61-85.

101. Chander, G. Revised landsat-5 thematic mapper radiometric calibration Text. / G. Chander, B. Markham, J. Barsi // Geoscience and remote sensing letters. -2007. V. 4, № 3. - P. 490-494.

102. Chander, G. Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges Text. / G. Chander, B. Markham // Transactions on geosciences and remote sensing. 2003. - V. 41, № 11. - P. 2674-2677.

103. Chander, G. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and- EO-1 ALI? sensors Text. / G. Chander, B. Markham, D. L. Helder // Remote Sensing of Environment. 2009; - V. 113, №5-P. 893-903.

104. Chavez, P. S. An.Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data Text. / P. S. Chavez // Remote Sensing of Environment; — 1988 . — V. 24; №3 . — Pi 459-479.'

105. Chavez, P. S. Image-Based Atmospheric Corrections Revisited and Improved Text. / P. S. Chavez // Photogrammetric: Engineering and Remote Sensing. - 1996. - V. 62, № 9. - P. 1025-1036.

106. Chavez, P: S. Radiometric Calibration of Landsat Thematic Mapper Multispectral Images Text. / P. S. Chavez // Photogrammetric Engineering and Remote Sensing. 1989. - V, 55, № 9: - Pi 1258r-1294.

107. Chen, J.Mi Retrieving LeafArea Index of boreal conifer forests using Landsat TM images Text. / J.M. Chen, J. Cihlar // Remote Sensing of Environment. 1996. V. 55, №2. -P. 153-62.

108. Chen, L.F. Forest NPP estimation based on MODIS data under cloudless condition Text.:/ L. F. Chen, G. Y. Hua, L. Li , L. QinHuo, G. XingFa-// Science in China. Series D: Earth Sciences. -2008. -V. 51, № 3. -P331-338.

109. Chen, W. Estimation of forest parameters based on;TM imagery and statistical analysis Text. / Wen-bo Chen, Xiao-fan Zhao // Journal of Forestry Research. -2007. V. 18, № 3. - P. 241-244.

110. Crist, E. P. A Physically-Based Transformation of Thematic Mapper Data -The TM Tasseled Cap Text. / E.P. Grist, R. C. Gicone // IEEE Transactions on geoscience and remote sensing. 1984. - V. 22, № 3. - P. 256-263.

111. Foody, G. M. Mapping the biomass of the Bornean tropical rain forest from remotely sensed data Text. / G. M. Foody, M. R. Cutler, J. Mcmorrow, D. Pelz, H. Tangki, D. S. Boyd; I. Douglas // Global Ecology and Boigeography. -2001.-V. 10, №4. -P.379-387.

112. Forest Monitoring and Remote Sensing, A Survey of Accomplishments and; Opportunities for the Future Text.: / DJ Peterson, Susan Resetar, Jennifer Brower, Ronald Diver.- 1999;-90 p.

113. Franco-Lopez, H. Estimation andrmapping of forest stand density, volume, and, cover" type using the k-nearest neighbors method Text. / H. Franco-Lopez , A. R. Ek, M. E. Baue // Remote Sensing of Environment. 2001. -V. 77.-P. 251-274.

114. Franklin, S. Large-area forest structure change detection: An example Text. / S.E. Franklin, M.B. Lavigne, M.A. Wulder, T.M. McCaffrey // Canadian Journal Remote Sensing. 2002. - V. 28, № 4. - P. 588-592.

115. Franklin, S.E. Sensitivity of the Landsat enhanced wetness difference index: (EWDI) to temporal resolution Text. / S.E. Franklin, C.B. Jagielko, M.B. Lavigne// Canadian Journal Remote Sensing. 2005. - V. 32, № 2.,- P.149-152.

116. Fräser, R.1T. Estimating, fire-related parameters in boreal1 forest using SPOT VEGETATION Text. 7 RH. Fräser, Z. Li'// Remote Sensing of Environment. -2002. V. 82, №1. — P. 95-110.

117. Freitas, S. Relationships between' forest structure and Vegetation indices in; Atlantic Rainforest Text.:/ S. Freitas, M. Mello, C. Cruz // Forest Ecology and Management.,- 2005. V, №1—3; - 218 — РГ 353-362.

118. Gemmel, F. Estimating forest cover in a boreal forest test site using thematic mapper data from two dates Text. / F. Gemmell, J. Varjob, M. Strandstrom // Remote Sensing of Environment. 2001. - V. 77, №2. - P. 197-211.

119. Giri, C. Mangrove Forest Distributions and Dynamics in Madagascar (1975• 2005) Text. / C. Giri, J; Muhlhausen // Sensors. 2008. - № 8. - P. 2104-21Л 7.

120. Global Land Cover Facility электронный ресурс.: Режим доступа: http://glcf.umiacs.umd.edu/index.shtml, свободный.доступ.

121. Gu, D; Topographic Normalization of Landsat TM Images of Forest Based on Subpixel Sun-Canopy-Sensor Geometry Text. / D. Gu, A. Gillespie // Remote Sensing of Environment. 1998. - V. 64, № 2. - P: 166-175 .

122. Gunlu, A. Forest site classification using Landsat 7 ETM data: A case study of Macka-Ormanustu forest, Turkey Text. / A. Gunlu,. E. Z. Baskent, A. I.

123. Kadogullari, L. Altun // Environ Monit. Assess. 2009. - V. 151, №1/4 -P.93-104.

124. Hall, R. J. Ground and remote estimation of leaf area index in Rocky Mountain forest stands, Kananaskis, Alberta Text. / R.J. Hall, D.P. Davidson, D.R. Peddle // Canadian Journal Remote Sensing. 2003. - V. 29, № 3. - P. 411- 427.

125. Irish, R. R. Characterization of the Landsat-7 ETM Automated Cloud-Cover Assessment (ACCA) Algorithm Text. / R. R. Irish, J. L. Barker, S. N. Go-ward, T. Arvidson // Photogrammetric Engineering & Remote Sensing. -2006.-V. 72, № 10.-P. 1179-1188.

126. Janzen, D.J. Radiometric correction techniques and accuracy assessment for Landsat TM data in remote forested regions Text. / D.T. Janzen, A.L. Fredeen, R.D. Wheate // Canadian Journal Remote Sensing. 2006. - V. 32, № 5. - P. 330-340.

127. Jianjun, J. Leaf area index etrieval based on canopy reflectance and vegetation index in eastern China Text. / J. Jianjun, C. Suozhong, C. Shunxian, W. Hongan, Z. Li, Z. Hailong // Journal of Geographical Sciences. 2005. -V. 15, № 2. -P.247—254.

128. Jing, X. Study on forest vegetation classification based on multi-temporal remote sensing images Text. / X. Jing, J. Wang , W. Huang, L.Y. Liu, J. D. Wang // Computer and Computing Technologies in Agriculture. 2009. - V. 1 -P.l 15-123.

129. Jupiter, S.D. Changes in Forest Area Along Stream Networks In an Agricultural Catchment of the Great Barrier Reef Lagoon Text. / S. D. Jupiter, G. S. Marion // Environmental Management. 2008. - V. 42, №1. - P. 66-79.

130. Kajisa, T Object-based forest biomass estimation using Landsat ETM+ in Kampong Thom Province, Cambodia Text. / T. Kajisa, T. Murakami, N. Mi-zoue, N. Top, S. Yoshida // Journal of Forest Research. 2009. - V. 14, № 4. -P. 203-211.

131. Kajisa, T. Estimation of stand volumes using the k-nearest neighbors method in Kyushu, Japan Text. / T. Kajisa, T. Murakami, N. Mizoue, F. Kitahara, S. Yoshida // Journal Forest Research. 2008. - V. 13, № 4. p.249-254.

132. Karia, J.P. Forest Change Detection in Kalarani Round, Vadodara, Gujarat-A Remote Sensing and GIS Approach Text. / J. P Karia, M. C. Porwal, P. S. Roy, G. Sandhya // Journal of the Indian Society of Remote Sensing. 2006. — V. 29, № 3. - P.129-135.

133. Kim, J.W. Correlation Analysis Between Forest Volume, ETM+ Bands, and Height Estimated from C-Band SRTM Product Text. / J. W. Kim, J. H. Kim, J. B. Lee, J. Heo // Korean Journal of Remote Sensing. 2006. - V. 22, № 5. -P.427-431.

134. King, D. J. Modelling and Mapping Damage to Forests from an Ice Storm Using Remote Sensing and Environmental Data Text. / D.J. King, I. Olthof, K. E.

135. Pellikka, E. Dl Seed; C. Butson // Natural, Hazards. 2005. - V. 35;,№3. -P.321-342.

136. Kohl, M. Sampling Methods, Remote Sensing and GIS Multiresource Forest Inventory Text. / M. Kohl, S. Magnussen, M. Marchetti. Springer-Verlag Berlin Heidelberg, 2006. 275 p.

137. Kozak, J. Forest cover and .pattern changes in the Carpathians over the last decades Text., / Kozak, E C. Estreguil, E P. Vogt // European Journal Forest Research. 2007. - V. 126, №7. - P.77-90.

138. Lambin, E. F. Monitoring forest degradation in tropical regions by remote sensing: some methodological issues Text. / E. F. Lambin // Global Ecology and.Biogeography. 1999. -V. 8, №3-4. — P. 191-198.

139. Landerburger, L. Mapping Regional Distribution of a Single Tree Species: Whitebark Pine in the Greater Yellowstone Ecosystem Text. / L. Lan-denburger, R. L. Lawrence, S. Podruzny, С. C. Schwartz // Sensors. 2008. - № 8. -P. 4983-4994.

140. Landsat7 Science Data Users Handbook Электронный ресурс. Режим доступа: http://landsathandbook.gsfc.nasa.gov/, свободный-доступ.

141. Landsberg, J. Modeling forest productivity across large areas and long periods Text. / J. Landsberg, N. Coops // Natural resource modeling. -1999. -V. 12, № 4. — P.383-411. .

142. Lu, D. Assessment of atmospheric correction methods for Landsat TM data applicable to Amazon basin LBA research Text. / D. Lu, P. Mausel, E. Brondizio, E. Moran // Int. J. Remote Sensing. 2002. - V. 23, № 13 - P. 2651-2671.

143. Lu, D. Comparison of Land-Cover Classification Methods in the Brazilian Amazon Basin Text. / D. Lu, P. Mausel, M. Batistella, E. Moran //

144. Photogrammetric Engineering & Remote Sensing. 2004. - V. 70, № 6. -P. 723-731.

145. Lu, D. Exploring TM Image Texture and its Relationships with Biomass Estimation in Rondönia, Brazilian Amazon Text. / D. Lu, M. Batistella // Acta Amazon. 2005. - V. 35, № 2. - P. 249-257.

146. Lu, D. Integration of vegetation« inventory data and Landsat TM image for vegetation classification in the western Brazilian Amazon Text. / D. Lu // Forest Ecology and Management. 2005. - V. 213, №1-3. - P. 369-383.

147. Lu, D. Multitemporal spectral mixture analysis for Amazonian land-cover change detection Text. / D. Lu, P. Mausel, M. Batistella, E. Moran // Canadian Journal Remote Sensing. 2004. - V. 30, № 1. - P. 87-100.

148. Lu, D. Relationships between forest stand parameters and Landsat TM Spectral responses in the Brazilian Amazon Basin Text. / D. Lu, P. Mausel, E. Brondzio, E. Moran // Forest Ecology and Management. 2004. - V. 198, №1-3.-P. 149-167.

149. Lutz, D. Remote sensing of boreal forest biophysical and inventory parameters: a review / Text. D. A. Lutz, R. A. Washington-Allen, H.H. Shugart // Canadian Journal Remote Sensing. 2008. - V. 34, № 2. - P. 286-313.

150. Lyon, J.G. A Change Detection Experiment Using Vegetation Indices Text. / J. G. Lyon, D. Yuan, R. S. Lunetta, C. D. Elvidge // Photogrammetric Engineering & Remote Sensing. 1998. - V. 64, №2. - P. 143-150.

151. Makela, H. Estimation of timber volume at the sample plot level by means of image segmentation and Landsat TM imagery Text. / H. Makela, A. Pekkarinen // Remote Sensing of Environment. 2001. - V. 77, №1. — P. 66-75.

152. Matsushita,,B. Detecting forest degradations in:Kochi, Japan: ground-based measurements versus satellite (Terra/ASTER) remote sensing Text. / B. Matsushita; Mi Xü, Y. Onda; Y. Otsuki, M. Toyota // Hydrological processes -2010;-V;24<№5.-P:588-595:

153. McAllister, D.M. EiTor and quality assessment for, remotely sensed estimates-of leaf area index Text.-/ D. M. McAllister, C. Valeo // Canadian Journal Remote Sensing. -2009. V. 35, № 2. - P. 141-151.

154. Monk, C.D. A classification of the deciduous forest of eastern North America Text.,/ C. D. Monk, D. W. Imm, R. L. Potter, G.G. Parker / Vegetation. -1989:-V:80; №2.-P; 167-181.

155. Murakami; T. Seasonal variation in classification accuracy of forest-cover types examined by a single band or band combinations. Text. / T. Murakami // Journal Forest Research. 2004, - V. 9, №3. - P.211-215.

156. Nordberg, M.L. Vegetation index differencing and linear regression for change detection in Swedish mountain range using LANDSAT TM and ETM+ image Text. / M.-L. Nordberg, J. Evertson // Land degradation and development.-2005.-V. 16, №2.-P.139-149:

157. Olthof, I. Mapping deciduous forest ice storm damage using Landsat and environmental data . Text. / I. Olthof, D. J. King, R.A. Lautenschlager // Remote Sensing of Environment. 2004.V. 89, №4. - P; 484-496.

158. Ouaidrari, H. Operational Atmospheric Correction of Landsat TM Data Text.- / H. Ouaidrari, E. F. Vermote // Remote Sensing of Environment. -1999.-V. 70, №1. P.4-15.

159. Pax-Lenney, M. Forest mapping with a generalized classifier and Landsat TM data Text.; / M. Pax-Lenney, C. E. Woodcock, S. A. Macomber, S. Gopal, C. Song // Remote Sensing of Environment. 2001. - V. 77, №3: - P. 241-250.

160. Peterson, D. Forest Monitoring and Remote Sensing A Survey of Accomplishments and Opportunities for the Future Text. / DJ Peterson, S. Resetar, J. Brower, R. Diver // Science and Technology Policy Institute, 1999; 90 p.

161. Propastin, P. Relations between Landsat ETM+ imagery and forest structure parameters in tropical rainforests: a case study from lore-lindu national;park in sulawesi, Indonesia Text. / P. Propastin // EARSeL eProceedings. 2009: — V. 8,№ 2.-P.96-106.

162. Pu, R. Oakwood crown closure estimation by unmixing Landsat TM= data Text. / R. Pu, B. Xu, P. Gong // Int. J. Remote Sensing. 2003. - V. 24, №22.- P.4433-4445.

163. Rautiainen, M. Application of a forest reflectance model in Estimating leaf area index of Scots pine stands usingLandsat-7 ETM reflectance data Text. /

164. M. Rautiainen, P. Stenberg, T. Nilson, A. Kuusk, H. Smolander // Canadian Journal Remote Sensing. 2003. - V. 29, № 2. - P. 314-323.

165. Sader, S.A. Forest Change Estimates for the Northern Peten Region of Guatemala 1986-1990 Text. / S. A. Sader, T. Sever, J. C. Smoot, M. Richards // Human Ecology. 1994, - V. 22, № 3. - P.317-332.

166. Salajanu, C. E. The significance of spatial resolution identifying forest cover from satellite data Text. / D. Salajanu, C.E. Olson // Journal of Forestry. -2001. V. 99, №6.-P. 32-38.

167. Samimi, C. Biomass estimation using Landsat-TM and ETM+. Towards a regional model for Southern Africa Text. / C. Samimi, T. Kraus // GeoJournal. — 2004. — V. 59, №3.-P. 177-187.

168. Schowengerdt, R. A. Remote Sensing: Models and Methods for Image Processing Text. / R.A. Schowengerdt. Amsterdam, 2007. - 515 p.

169. Shepherd, J.R. A simple physical model of vegetation reflectance for standardising optical satellite imagery Text. / J.R. Shepherd, J.D. Shepherd, J. Qi // Remote Sensing of Environment. 2001. - V. 77, № 2. - P. 230-239.

170. Stenberg, P. Gap fraction based estimation of LAI in Scots pine stands subjected to experimental removal of branches and stems Text. / P. Stenberg, T. Nilson, H. Smolander, P. Voipio // Canadian Journal Remote Sensing 2003. -V. 29, №3.-P. 363-370.

171. Stibig, H. J. A new forest cover map of continental southeast Asia derived from SPOT-VEGETATION satellite imagery Text. / H. J. Stibig, F. Achard, S. Fritz // Applied vegetation science.- 2004. V. 7, № 2. - P. 153-162.

172. Thome, K.J. Absolute radiometric calibration of Landsat 7 ETM+ using the reflectance-based method Text. / K.J. Thome // Remote Sensing of Environment. -2001. -V. 78, №1-2. P. 27-38.

173. Tokola, T. Relative Calibration of Multitemporal Landsat Data for Forest Cover Change Detection Text. / T. Tokola, S. Lofman, A. Erkkila // Remote Sensing of Environment. 1999. - V. 68, №1. - P. 1-11.

174. Tullis, J.A. Scale Management and Remote Sensor Synergy in Forest Monitoring Text. / J. A. Tullis, J. M. Defibaugh у Chavez // Geography Compass. -2009. -V. 3, № 1. -P.l54-170.

175. USGS Global Visualization Viewer электронный ресурс. Режим доступа: http://glovis.usgs.gov/, свободный доступ.

176. Virk, R. Comparison of Techniques for Forest Change Mapping Using Landsat Data in Karnataka, India Text. / R. Virk, D. King // Geocarto International. 2006. - V. 21, № 4. — P.49-57.

177. Wen-bo, C. Estimation of forest parameters based on TM imagery and statistical analysis Text. / C. Wen-bo, Z. Xiao-fan // Journal of Forestry Research.2007.-V. 18, №3.-P.241-244.

178. Wulder, M. A. Evaluation of Landsat-7 SLC-off image products for forest change detection Text. / M. A. Wulder, S. M. Ortlepp, J. C. White, S. Maxwell // Canadian Journal Remote Sensing. 2008. - V. 34, № 2. - P.93-99.

179. Wulder, M.A. Monitoring Canada's forests. Parti: Completion of the EOSD landcover project Text. / M. A.Wulder, J.C.White, M.Cranny, R.J.Hall,

180. J.E.Luther, A.Beaudoin, D.G. Goodenough, J.A. Dechka // Canadian Journal Remote Sensing. 2008. - V. 34, № 6. - P. 549-562.

Информация о работе

Терехин, Эдгар Аркадьевич
кандидата географических наук
Белгород, 2011
ВАК 25.00.26

Диссертация

Повышение эффективности мониторинга земель лесного фонда Белгородской области методами дистанционного зондирования - тема диссертации по наукам о земле, скачайте бесплатно

Автореферат

Похожие работы