resarПриродные ресурсы Арктики и СубарктикиArctic and Subarctic Natural Resources2618-97122686-9683Академия наук Республики Саха (Якутия)10.31242/2618-9712-2020-25-2-10resar-250Research ArticleОбщая биология. Биологические ресурсыGeneral biology. Biological resourcesСравнительная характеристика лесных массивов с использованием дешифрирования снимков сверхвысокого разрешенияComparative characterization of forests using the interpretation of ultra-high resolution imageshttps://orcid.org/0000-0002-6830-9130РожковЮ. Ф.RozhkovYu. F.

РОЖКОВ Юрий Филиппович, кандидат химических  наук, заместитель директора по научной работе

678100, Олекминск, ул. Филатова, 6

ROZHKOV Yuri Filippovich, candidate of chemical sciences, deputy director for scientific research

678100, Olekminsk, 6 Filatov str.

olekmazap-nauka@yandex.ruКондаковаМ. Ю.KondakovaM. Yu.

КОНДАКОВА Мария Юрьевна, кандидат биологических наук, старший научный сотрудник

344090, Ростов-на Дону, проспект Стачки, 198

KONDAKOVA Maria Yuryevna, candidate of biological sciences, senior researcher

344090, Rostov-on-Don, 1983 Stachki Ave.

vesna-dm@mail.ruФГБУ «Государственный природный заповедник «Олекминский»РоссияState Nature Reserve «Olekminsky»Russian FederationФГБУ «Гидрохимический институт»РоссияHydrochemical InstituteRussian Federation202030092023252125136Copyright © Рожков Ю.Ф., Кондакова М.Ю., 20232023Рожков Ю.Ф., Кондакова М.Ю.Rozhkov Y.F., Kondakova M.Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://resar.elpub.ru/jour/article/view/250

Для целей мониторинга состояния лесных экосистем наиболее эффективно использование возможностей дистанционных методов. На мультиспектральных космических снимках DigitalGlobe территории государственного природного заповедника «Олекминский» выделены фрагменты площадью 0,819 км2 (масштаб 1:3200) с доминированием сосны обыкновенной (Pinus sylvestris L.) и лиственницы Гмелина (Larix gmelinii Rupr.). Затем были сохранены полигоны по четырем уровням детализации – 4, 16, 64, 256 с масштабами 1:1600,1:800, 1:400, 1:200 соответственно. При дешифрировании проводилась неуправляемая классификация фрагмента полигонов методом ISODATA (Iterative Self-Organizing Data Analysis Technigue) на 2, 4, 10 классов. По результатам классификации на 2 класса показана взаимосвязь между индексом лесистости и количеством деревьев, отмеченных на полигонах. Были построены кривые распределения значений индекса лесистости для полигонов 4 уровня детализации. Характер кривых близок к нормальному распределению. По результатам классификации на 4 и 10 классов была проведена статобработка с расчетом показателей разности и подобия полигонов – дисперсии генеральной совокупности и теста Фишера (F-тест). Выделены наиболее похожие пары полигонов на разных уровнях детализации. Рассмотрены результаты изменения дисперсии генеральной совокупности и F-теста на разных уровнях детализации.

For the purpose of monitoring the state of forest ecosystems, it is most effective to use the capabilities of remote sensing methods. Fragments of 0.819 km2 (scale 1: 3200) with the dominance of Scots pine (Pinus sylvestris L.) and Gmelin larch (Larix gmelinii Rupr.) were identified on DigitalGlobe multispectral satellite images of the territory of the Olekminsky State Nature Reserve. Then, the polygons were saved at four levels of detail – 4.16.64.256 with scales of 1: 1600.1: 800, 1: 400, 1: 200. When decoding, an uncontrolled classification of the fragment and polygons was carried out using the ISODATA (Iterative Self-Organizing Data Analysis Technigue) method for 2,4,10 classes. According to the results of classification into 2 classes, the relationship between the forest cover index and the number of trees marked on the landfills is shown. The distribution curves for forest cover index values were constructed for polygons at level 4 of detail. The nature of the curves is close to the normal distribution. According to the classification results for grades 4 and 10, statistical processing was carried out with the calculation of the indicators of the difference and similarity of the polygons – the dispersion of the general aggregate and the Fisher test (F-test). The most similar pairs of polygons at different levels of detail are highlighted. The results of changes in the dispersion and the F-test at different levels of detail are considered.

дешифрирование космических снимковклассификация Isodataиндекс лесистостидисперсияF-тестsatellite image interpretationIsodata classificationforest cover indexdispersionF-testReferencesМониторинг биологического разнообразия лесов России: методология и методы / Под ред. А.С. Исаева. М.: Наука, 2008. 453 с.Monitoring biologicheskogo raznoobraziya lesov Rossii: metodologiya i metody / red. A.S. Isaeva. M.: Nauka, 2008. 453 p.Исаев А.С., Князева С.В., Пузаченко М.Ю. и др. Использование спутниковых данных для мониторинга биоразнообразия лесов // Исследование Земли из космоса. 2009. № 2. С. 1–12.Isaev A.S., Knyazeva S.V., Puzachenko M.Yu. et al. Ispol’zovanie sputnikovykh dannykh dlya monitoringa bioraznoobraziya lesov // Issledovanie Zemli iz kosmosa. 2009. No. 2. P. 1–12.Толкач И.В. Методы основных таксационно-дешифровочных показателей на цифровых снимках // Труды БГТУ. 2012. № 1. С. 63-65.Tolkach I.V. Metody osnovnykh taksatsionnodeshifrovochnykh pokazatelei na tsifrovykh snimkakh// Trudy BGTU. 2012. No. 1. P. 63–65.Жарко В.О., Барталев С.А., Егоров В.А. Исследование возможностей оценки запасов древесины в лесах Приморского края по данным спутниковой системы Proba-V // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15, № 1. С. 157–168.Zharko V.O., Bartalev S.A., Egorov V.A. Issledovanie vozmozhnostei otsenki zapasov drevesiny v lesakh Primorskogo kraya po dannym sputnikovoi sistemy Proba-V // Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 2018. V. 15, No. 1. P. 157–168.Ховратович Т.С., Барталев С.А., Кашницкий А.В. Метод детектирования изменений лесов на основе подпиксельной оценки проективного покрытия древесного полога по разновременным спутниковым изображениям // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16, № 4. С. 102–110.Khovratovich T. S., Bartalev S.A., Kashnitskii A.V. Metod detektirovaniya izmenenii lesov na osnove podpiksel’noi otsenki proektivnogo pokrytiya drevesnogo pologa po raznovremennym sputnikovym izobrazheniyam // Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 2019. Vol. 16, No. 4. P. 102–110.Денисова А.Ю., Кавеленова Л.М., Корчиков Е.С. и др. Пространственная классификация преобладающих древесных пород на территории Самарской области по данным Sentinel-2 и таксации леса // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16, № 4. С. 86–101.Denisova A.Yu., Kavelenova L.M., Korchikov E.S. et al. Prostranstvennaya klassifikatsiya preobladayushchikh drevesnykh porod na territorii Samarskoi oblasti po dannym Sentinel-2 i taksatsii lesa // Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 2019. Vol. 16, No. 4. P. 86–101.Фомин В.В., Залесов С.В., Магасумова А.Г. Методики оценки густоты подроста и древостоев при зарастании сельскохозяйственных земель древесной растительностью с использованием космических снимков высокого пространственного разрешения // Аграрный вестник Урала. 2015. № 1. С. 125–129.Fomin V.V., Zalesov S.V., Magasumova A.G. Metodiki otsenki gustoty podrosta i drevostoev pri zarastanii sel’skokhozyaistvennykh zemel’ drevesnoi rastitel’nost’yu s ispol’zovaniem kosmicheskikh snimkov vysokogo prostranstvennogo razresheniya // Agrarnyi vestnik Urala. 2015. No. 1. P. 125–129.Данилин И.М., Медведев Е.М., Абе Н.И. и др. Высокие технологии XXI века для аэрокосмического мониторинга и таксации лесов. Задачи исследований и перспективы использования // Лесная таксация и лесоустройство. 2005. Вып. 1(34). С. 28–30.Danilin I.M., Medvedev E.M., Abe N.I. et al. Vysokie tekhnologii XXI veka dlya aerokosmicheskogo monitoringa i taksatsii lesov. Zadachi issledovanii i perspektivy ispol’zovaniya// Lesnaya taksatsiya i lesoustroistvo. 2005. Vol. 1(34). P. 28–30.Исаев А.С., Суховольский В.Г., Хлеборос Р.Г. и др. Моделирование лесоообразовательного процесса: Феноменологический подход // Лесоведение. 2005. № 1. С. 3–11.Isaev A.S., Sukhovol’skii V.G., Khleboros R.G. et al. Modelirovanie lesooobrazovatel’nogo protsessa: Fenomenologicheskii podkhod // Lesovedenie. 2005. No. 1. P. 3–11.Козодеров В.В., Кондранин Т.В. Методы оценки состояния почвенно-растительного покрова по данным оптических систем дистанционного аэрокосмического зондирования. М: МФТИ, 2008. 222 с.Kozoderov V.V., Kondranin T.V. Metody otsenki sostoyaniya pochvenno-rastitel’nogo pokrova po dannym opticheskikh sistem distantsionnogo aerokosmicheskogo zondirovaniya. M.: MFTI. 2008. 222 p.Методика лесного стереоскопического дешифрирования аэро- и космических снимков. СПб.: Леспроект, 2015. 23 с.Metodika lesnogo stereoskopicheskogo deshifrirovaniya aero- i kosmicheskikh snimkov. SPb.: Lesproekt. 2015. 23 p.Ожич О.С. Измерительное дешифрирование чистых сосновых древостоев на цифровых аэро- и космических снимках: Автореф. дисс. ... канд. сельскохозяйственных наук. Минск, 2017. 24 с.Ozhich O.S. Izmeritel’noe deshifrirovanie chistykh sosnovykh drevostoev na tsifrovykh aero- i kosmicheskikh snimkakh: Avtoref. diss. ... kand. sel’skokhozyaistvennykh nauk. Minsk, 2017. 24 p.Малышева Н.В. Дешифрирование древесной растительности на сверхдетальных изображениях [Электронный ресурс]: методическое пособие: учебное электронное издание. М.: ФГБОУ ВПО МГУЛ 2014. 40 с.Malysheva N.V. Deshifrirovanie drevesnoi rastitel’nosti na sverkhdetal’nykh izobrazheniyakh [Elektronnyi resurs]: metodicheskoe posobie: uchebnoe elektronnoe izdanie; M.: FGBOU VPO MGUL, 2014. 40 p.Терехин Э.А. Сезонная динамика проективного покрытия растительности агроэкосистем на основе спектральной спутниковой информации // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16, № 4. С. 111–123.Terekhin E. A. Sezonnaya dinamika proektivnogo pokrytiya rastitel’nosti agroekosistem na osnove spektral’noi sputnikovoi informatsii // Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 2019. Vol. 16, No. 4. P. 111–123Жирин В.М., Князева С.В., Эйдлина С.П. Эколого-динамическое исследование лесообразовательного процесса по космическим снимкам // Лесоведение. 2013. № 5. С.76–85.Zhirin V.M., Knyazeva S.V., Eidlina S.P. Ekologodinamicheskoe issledovanie lesoobrazovatel’nogo protsessa po kosmicheskim snimkam // Lesovedenie. 2013. No. 5. P. 76–85.Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.Shovengerdt R.A. Distantsionnoe zondirovanie. Modeli i metody obrabotki izobrazhenii. M.: Tekhnosfera, 2010. 560 p.Кочуб Е.В., Топаз А.А. Анализ методов обработки материалов дистанционного зондирования Земли // Вестник Полоцкого государственного университета. Сер. F. Строительство. Прикладные науки. Геодезия. 2012. № 16. С. 132–140.Kochub E.V., Topaz A.A. Analiz metodov obrabotki materialov distantsionnogo zondirovaniya Zemli // Vestnik Polotskogo gosudarstvennogo universiteta. Ser. F. Stroitel’stvo. Prikladnye nauki. Geodeziya. 2012. No. 16. P. 132–140.Шумаков Ф.Т., Толстохатько В.А., Малец А.Ю. Классификация космических снимков с использованием методов кластерного анализа // ВосточноЕвропейский журнал передовых технологий. 2011. Вып. 3/4 (51). С. 58–62.Shumakov F.T., Tolstokhat’ko V.A., Malets A.Yu. Klassifikatsiya kosmicheskikh snimkov s ispol’zovaniem metodov klasternogo analiza // Vostochno-Evropeiskii zhurnal peredovykh tekhnologii. 2011. V. 3/4 (51). P. 58–62.Рожков Ю.Ф., Кондакова М.Ю. Оценка возможности использования показателя симметрии распределения пикселей в мониторинге состояния лесов при дешифрировании космических снимков среднего и высокого разрешения // Nature Conservation Research. Заповедная наука. 2016. Вып. 1(1). С. 98–107. DOI: 10.24189/ncr.2016.008Rozhkov Yu.F., Kondakova M.Yu. Otsenka vozmozhnosti ispol’zovaniya pokazatelya simmetrii raspredeleniya pikselei v monitoringe sostoyaniya lesov pri deshifrirovanii kosmicheskikh snimkov srednego i vysokogo razresheniya // Nature Conservation Research. Zapovednaya nauka. 2016. V. 1(1). P. 98–107. DOI: 10.24189/ncr.2016.008Рожков Ю.Ф., Кондакова М.Ю. Мониторинг состояния лесов с использованием кластерного анализа при дешифрировании космических снимков среднего и высокого разрешения // Наука и образование. 2016. № 3. С. 95–101.Rozhkov Yu.F., Kondakova M.Yu. Monitoring sostoyaniya lesov s ispol’zovaniem klasternogo analiza pri deshifrirovanii kosmicheskikh snimkov srednego i vysokogo razresheniya // Nauka i obrazovanie. 2016. No. 3. P.95–101.Рожков Ю.Ф. Мониторинг состояния лесных экосистем с использованием космических снимков высокого и сверхвысокого разрешения // Вестник СВФУ. Сер. Науки о Земле. 2019. № 4(16). С. 71–81. DOI:10.25587/SVFU.2020.16.49741Rozhkov Yu.F. Monitoring sostoyaniya lesnykh ekosistem s ispol’zovaniem kosmicheskikh snimkov vysokogo i sverkhvysokogo razresheniya // Vestnik SVFU. Ser. Nauki o Zemle. 2019. No. 4(16). P. 71–81. DOI:10.25587/SVFU.2020.16.49741Рожков Ю.Ф., Кондакова М.Ю. Оценка динамики восстановления лесов после пожаров в Олекминском заповеднике (Россия) по космическим снимкам Landsat// Nature Conservation Research. Заповедная наука. 2019. Вып. 4(1). С. 1–10. DOI:10.24189/ncr.2019.014Rozhkov Yu.F., Kondakova M.Yu. Otsenka dinamiki vosstanovleniya lesov posle pozharov v Olekminskom zapovednike (Rossiya) po kosmicheskim snimkam Landsat// Nature Conservation Research. Zapovednaya nauka. 2019. Vol. 4(1). P. 1–10. DOI:10.24189/ncr.2019.014Рожков Ю.Ф., Кондакова М.Ю. Оценка структурных характеристик лесных экосистем с использованием дешифрирования космических снимков высокого и сверхвысокого разрешений // Вестник СВФУ. 2018. № 1 (63). С. 38–51. DOI:10.25587/SVFU.2018.63.10539Rozhkov Yu.F., Kondakova M.Yu. Otsenka strukturnykh kharakteristik lesnykh ekosistem s ispol’zovaniem deshifrirovaniya kosmicheskikh snimkov vysokogo i sverkhvysokogo razreshenii // Vestnik SVFU. 2018. No. 1 (63). P. 38–51.DOI:10.25587/SVFU.2018.63.10539Мандельброт Б.Б. Фрактальная геометрия природы. М: Институт компьютерных исследований, 2002. 656 с.Mandel’brot B.B. Fraktal’naya geometriya prirody. M.: Institut komp’yuternykh issledovanii, 2002. 656 p.Mandelbrot B.B. The fractal geometry of trees and other natural phenomena // Lecture Notes in Biomathematics. 1978. Vol. 23. P. 235–249.Mandelbrot B.B. The fractal geometry of trees and other natural phenomena // Lecture Notes in Biomathematics. 1978. Vol. 23. P. 235–249.

The authors declare that there are no conflicts of interest present.