CC BY
4DOI 10.31509/2658-607x-202362-128 УДК 630.43
МЕТОДИЧЕСКИЕ ПОДХОДЫ К КАРТОГРАФИРОВАНИЮ ЛЕСНЫХ ГОРЮЧИХ МАТЕРИАЛОВ
© 2023 г. Д. В. Ершов *, Е. Н. Сочилова, Н. В. Королева
Центр по проблемам экологии и продуктивности лесов РАН Россия, 117997, Москва, ул. Профсоюзная, 84/32, стр. 14
* E-mail: [email protected]
Поступила в редакцию 10.06.2023 После рецензирования: 23.06.2023 Принята к печати: 23.06.2023
Данные о вертикальной структуре и запасах лесных горючих материалов (ЛГМ) в пространстве имеют большое значение для достоверных оценок прямых пожарных эмиссии углерода. Цель статьи — продемонстрировать методические подходы к картографированию допожарных запасов ЛГМ, в основе которых используются наборы многомерных регрессионных моделеи и тематических продуктов характеристик лесов, извлеченных из данных дистанционного зондирования Земли (ДЗЗ) из космоса. Модели позволяют рассчитать долю подверженных горению фракции биомассы (ветви, листва, подрост, подлесок, напочвенньш покров, лесная подстилка, крупные древесные остатки) лесных экосистем для основных лесообразующих пород разного возраста, отно-сительнои полноты и бонитета на всеи территории России с учетом географического раионирования. В статье приводятся входные тематические продукты лесов, которые используются в моделях расчета фракции биомассы. Приводятся результаты предварительного сравнения оценок запасов биомассы верхнего полога, полученных на основе спутниковых продуктов и данных леснои таксации на уровне лесничеств Костромскои области.
Ключевые слова: лесные горючие материалы, биомасса, углерод, дистанционный мониторинг, дистанционное зондирование Земли
Современное картографирование лесных (растительных) горючих материалов развивается в области определения пирологических категории растительности. В основе составления карт лесных горючих материалов (ЛГМ) лежит классификация этих материалов. Исторически сложилось так, что в крупнеиших лесных державах России, Канаде, США использо-
вались разные подходы к классификации растительных горючих материалов (РГМ).
Первые попытки построить карты типов горючих материалов в лесах сделаны в США в 1930-х гг., с 1941 г. при составлении карт стали использовать аэрофотоснимки. В последующие годы разработки классификации горючих материалов продолжались (Hornby, 1935; Bruce, 1951;
Davis et al., 1959; Muraro, 1965), и в 1972 г. в США была разработана национальная система оценки пожарной опасности NFDRS (National Fire Dander Rating System), в которой вся растительность разделяется на пи-рологические типы — топливные модели как типовые комплексы РГМ.
Типовои метод нашел свое развитие и в Канаде. Современная канадская система оценки пожарнои опасности в лесах CFFDRS (Canadian Forest Fire Danger Rating System) создавалась с 1968 г. Она состоит из подсистемы FWI для оценки пожарнои опасности и подсистемы FBP для прогноза поведения пожаров (Фильков, 2014). При разработке системы прогноза поведения лесных пожаров для Канады выделялись типовые комплексы РГМ (Alexander et al., 1984; Forestry Canada, 1992). Система CFFDRS на сегодняшнии день является однои из самых разработанных и широко применяющеися. Кроме Канады ее адаптировали для своих территории Новая Зеландия, Фиджи, Мексика, США и страны Юго-Восточнои Азии.
В России оценивать пожарную опасность в лесу стали с 1930-х гг. Лесные горючие материалы делили на первичные (опад, сухая трава, определенные виды живого напочвенного покрова, валеж, гнилые пни, порубочные остатки) и вторичные (надземные части леса, сухостоиные деревья) объекты загорания (Мелехов, 1936, 1947; Мелехов, Душа-Гудым, 1979). В России проводились многолетние фундаментальные исследования скорости пожарно-
го созревания растительных материалов и динамики их горения в разных регионах. Разработка детальнои классификации РГМ была начата и продолжается по настоящее время в лаборатории леснои пирологии Института леса им. В. Н. Сукачева СО РАН (Волокитина, Софронова, 2014). Профессор Н. П. Курбатскии (1962, 1970) выделил группы РГМ, учитывая их местоположение в биогеоценозе и выполняемую ими функцию при пожаре, а также разделил их на три категории: 1) проводники горения, 2) поддерживающие горение, 3) задерживающие горение. К настоящему времени разработаны разные методы составления карт РГМ различных масштабов.
Исследования, представленные в дан-нои статье, демонстрируют возможности построения карт ЛГМ для всеи территории России с использованием многомерных регрессионных моделеи оценки фи-томассы по слоям вертикального профиля лесных насаждении и тематических карт характеристик лесов, полученных на основе обработки данных дистанционного зондирования Земли (ДЗЗ), как входных параметров в регрессионные модели.
Растительная масса лесного биогеоценоза образует сложную и неоднородную вертикальную структуру меняющихся в пространстве слоев горючих материалов, по которым распространяется природныи пожар. Полнота сгорания органическои леснои массы, скорость распространения огня, интенсивность и другие характеристики горения зависят от своиств горючих
материалов, их количества и структуры. Лесные горючие материалы классифицируются по типам проводников горения лесов для низовых и верховых пожаров. Основными проводниками горения для верховых пожаров служат хвоя в кронах деревьев, ветви, сучья, для низовых пожаров — напочвенныи растительньш покров и лесная подстилка. Все остальные фракции ЛГМ в основном поддерживают (задерживают) горение, или способствуют переходу от низовых пожаров в верховые и обратно (Курбатскии, 1970; Волокитина, Софронов, 2002; Волокитина, Софронова, 2014). В зависимости от участия в процессе горения ЛГМ структурно разделены на следующие слои:
1. Фитомасса деревьев (верхнии ярус)
1.1. Ветви живые, диаметр менее 1 см
1.2. Листья и хвоя
2. Нижние яруса леса
2.1. Подрост и подлесок
2.2. Живои напочвенныи покров — совокупность мхов, лишаиников, травянистых растении и полукустарников
3. Крупные древесные остатки (КДО)
3.1. Сухостои (включая сухие ветви в кронах живых деревьев) — стоящие погибшие деревья в лесу, на гарях, вырубках, в местах массового размножения вредных насекомых, от засух, пни на вырубках
3.2. Валеж — упавшие стволы деревьев
4. Лесная подстилка — наземный и подземный опад растении напочвенного покрова и древесного яруса разной степени разложения и трансформации (опад кустарничков, трав, лишаини-ков, мхов, ветошь, опавшая с деревьев хвоя, листва, веточки, а также мелкие порубочные остатки на вырубках), формирующии горизонт подстилки лесных почв.
Запасы фитомассы по фракциям оцениваются с помощью многомерных регрессионных моделеи, регионально-адаптированных к спутниковым тематическим продуктам и данным наземных измерении характеристик растительности лесных экосистем.
Спутниковые данные позволяют поддерживать актуальность с определеннои точностью тематических карт растительного покрова наземных экосистем с использованием методов ежегодного мониторинга территории России. Однако достоверность и полнота оценки площадеи пожаров и прямых пирогенных эмиссии от лесных пожаров зависит от пространственного разрешения, точности распознавания классов и актуальности спутниковых тематических продуктов, учета данных для всех слоев ЛГМ, на основе которых создаются карты растительных горючих материалов основных проводников горения наземных экосистем (Kukavskaya et al., 2013; van Wees et al., 2022). В результате различии подходов и исходных дан-
ных допожарных запасов ЛГМ существующие оценки пирогенных эмиссии от лесных пожаров находятся в очень широком диапазоне (Kukavskaya et al., 2013; Ершов, Сочилова, 2020, 2022). Пространственная база данных ЛГМ, созданная в ЦЭПЛ РАН для повышения достоверности оценок прямых пирогенных эмиссии углерода от лесных пожаров, постоянно обновляется новыми слоями и данными с использованием новых спутниковых тематических продуктов, данных наземных измерении и математических моделей оценки фито-массы и углерода.
Можно выделить несколько периодов создания карт запасов ЛГМ для всеи России в рамках научных исследовании лабо-раториеи мониторинга лесных экосистем ЦЭПЛ РАН.
I. 2003-2008 гг. Создание карт ЛГМ с использованием карты растительности наземных экосистем (SPOT-VEGETATION, пространственное разрешение 1 км) (Bartalev et al., 2003), а также статистических данных учета лесного фонда за 2003 г. (Леснои фонд..., 2004) по лесхозам, данных о запасах фитомассы подроста и подлеска на уровне субъектов (Швиденко и др., 2007), базы наземных обследовании фитомассы (Уткин и др., 1994), конверсионных коэффициентов (Замолодчиков и др., 2003).
II. 2006-2022 гг. Создание карт ЛГМ с использованием карты растительности России (MODIS, пространственное разрешение 230 м) (Барталев и др., 2011). При-
менялись те же статистические данные учета лесного фонда и данные о запасах фитомассы, база наземных обследовании фитомассы, что и на I этапе.
III. С 2022 г. по настоящее время. Использование новых типов тематических продуктов, полученных по данным MODIS (пространственное разрешение 230 м): карты лесных пород, их возраста, классов бонитета, относительнои полноты, сомкнутости и запасов древостоев (Карточка проекта РНФ 19-77-30015); а также конверсионных коэффициентов (Schepaschenko et а1., 2018; Швиденко и др., 2008; Shvidenko et а1., 2023; Щепащенко и др., 2013). Использованные регрессионные модели позволили дополнить пространственную базу ЛГМ данными о крупных древесных остатках (валеж, сухостои).
Цель представленного в статье исследования — продемонстрировать методические подходы по оценке запасов ЛГМ на основе использования наборов многомерных регрессионных моделеи, которые описывают долю различных фракции биомассы (ветви, листва, подрост, подлесок, напочвенныи покров, лесная подстилка, крупные древесные остатки) лесных насаждении в зависимости от среднего возраста древостоя, класса бонитета, относи-тельнои полноты основных лесообразу-ющих пород на территории РФ с учетом географического раионирования, а также провести анализ и сравнение полученных оценок с оценками, полученными по таксационным данным.
МАТЕРИАЛЫ И МЕТОДЫ
Принципиальным отличием нового подхода к оценке запасов ЛГМ от предыдущей версии (Сочилова и др., 2009) является использование в расчетах спутниковых продуктов среднего пространственного разрешения MODIS с такими характеристиками лесов на пиксельном уровне, как преобладающая порода, возраст, полнота, запас стволовои древесины, класс бонитета (Карточка проекта РНФ 19-77-30015), а также использование регрессионных моделеи расчета запасов основных проводников горения (Швиденко и др., 2008; Щепащенко и др., 2013; Schepaschenko et al., 2018; Shvidenko et al., 2023). Преимуществом нового подхода является возможность создания технологии и ежегодно об-новляемои базы запасов ЛГМ на пиксельном уровне.
Для расчета фитомассы ЛГМ в преды-дущеи версии используются данные государственного учета лесного фонда (ГУЛФ) (Леснои фонд..., 2004) по лесничествам, которые содержат площади (га) и запасы (м3) основных лесообразующих пород по группам возраста, а также спутниковьш продукт по данным SPOT-VEGETATION — карта наземных экосистем (Bartalev et al., 2003), позднее карта растительности по данным MODIS (Барталев и др., 2011), экспериментальные измерения фитомассы подроста, подлеска, напочвенного покрова и леснои подстилки на тестовых площадках в различных типах лесорастительных условии (Уткин и др., 1994), данные о запасах фи-
томассы подроста и подлеска на уровне субъектов (Швиденко и др., 2007), карта лесничеств, карта субъектов. Для определения надземнои фитомассы используются конверсионные коэффициенты, настроенные под данные запасов древесных пород и групп возраста из ГУЛФ (Замолод-чиков и др., 2003). Запасы фитомассы рассчитываются для каждого лесного класса, представленного на карте растительности в границах лесничеств. База запасов ЛГМ создается на уровне пикселеи, но фактически является осреднением запасов групп древесных пород и их возрастов на уровне лесничеств и субъектов РФ. Ежегодное обновление запасов ЛГМ невозможно из-за низкои периодичности обновления базы данных учета лесов ГУЛФ и других исходных данных.
Новыи метод расчета запасов фитомассы базируется на анализе спутниковых тематических продуктов MODIS с пространственным разрешением 230 метров (Карточка проекта РНФ 19-77-30015), в каждом пикселе которых записаны следующие характеристики древостоя: преобладающая древесная порода, возраст, класс бонитета, относительная полнота, относительныи запас стволовои древесины древостоя (м3/га) (рис. 1). В качестве аналитических формул используются регрессионные модели (Швиденко и др., 2008; Щепащенко и др., 2013; Schepaschenko et а1., 2018; Shvidenko et а1., 2023), с помощью которых для каждои породы с учетом возраста, полноты и бонитета рассчитываются за-
пасы фитомассы. Также используется карта лесорастительных зон (классификация С. Ф. Курнаева) для географического районирования. Оценка ЛГМ с использованием спутниковых тематических продуктов проводилась в геоинформационнои системе ArcGISArcMap10. Для этого были разработаны графические модели, созданные таким образом, чтобы можно было их запускать в пакетном режиме для разных
лет. Это необходимо для реализации возможности автоматически обновлять базу данных в случае появления новых версии спутниковых продуктов. В результате создаются карты запасов ЛГМ с пространственным разрешением 230 м с пиксель-нои детальностью на уровне каждои дре-веснои породы. В настоящее время алгоритмы адаптируются для открытых геоинформационных систем типа Quantum GIS.
Рисунок 1. Спутниковые тематические продукты (разрешение 230 м) — входные данные для расчета запасов ЛГМ:
а — основные лесообразующие породы
Рисунок 1. Спутниковые тематические продукты (разрешение 230 м) — входные данные для расчета запасов ЛГМ:
б — возраст насаждений, лет, в — класс бонитета
□ 0,3 -0,4Ш0,5Ш0,6Ш0,7И]0,8И0,9 - 1,0
Рисунок 1. Спутниковые тематические продукты (разрешение 230 м) — входные данные для расчета запасов ЛГМ: г — относительная полнота, д — запас стволовои древесины, м3/га
Расчеты запасов верхнего полога по продуктам ДЗЗ
Масса хвои/листвы и мелких веточек в кронах деревьев, являющихся проводниками горения при верховых пожарах, определяется через запасы стволовои древесины с помощью конверсионных коэффициентов.
В качестве аналитическои формулы используется регрессионная модель (Schepaschenko et а1., 2018), по которои для каждои породы с учетом возраста, полноты и класса бонитета рассчитываются конверсионные коэффициенты перехода от запасов стволовои древесины к запасам фитомассы листвы/хвои и живых ветвеи в кронах деревьев. На вход в модель подаются характеристики древостоя в виде спутниковых продуктов с пространственным разрешением 230 м:
/с/" = 1/(1 + ехр-(а0+а1х1пА
где А — возраст (лет); SI — класс бонитета (кодируется через среднюю высоту древостоя в возрасте спелости); RS — относительная полнота; а0-а5 — регрессионные коэффициенты.
Пример кодировки классов бонитета и регрессионные коэффициенты для оценки фитомассы различных фракции древостоя дифференцировано по породам приводятся в публикации Д. Г. Щепащенко с соавторами (Schepaschenko et а1., 2018). Схематическое представление модели расчетов конверсионных коэффициентов для верхнего полога представлено на рис. 2.
Расчеты проводились для спутниковых продуктов породнои структуры лесов, возраста древостоя, класса бонитета, полноты и запаса стволовои древесины, полученных по данным ДЗЗ в 2018 г.
+ а2х1пБ1 + аЗх1пИ5+а4ХА+а5х
(1)
КТО) = 1/(1+(ехр( -Цо&КВСЕГ^ *),)
1одИ (ВСЕР{Г) = ао + а^одА + а21од31 + а;!ЬодЯБ + а4А + аГ)Д5
Рисунок 2. Схема расчета конверсионных коэффициентов для ; — преобладающеи породы хвои/ листвы и ветвеи с учетом возраста (А), класса бонитета (8!) и полноты (№!) древостоя
В результате применения модели для каждой древесной породы получены две карты, в пикселах которых записаны значения конверсионных коэффициентов для хвои/листвы или для ветвей (рис. 3). Умножение запаса стволовои древесины (м3/га) на соответствующие конверсионные коэффициенты (т/м3) дает в каждом пикселе значение фитомассы (т/га) вет-веи или хвои/листвы.
В верхнем пологе древостоя проводниками горения служат тонкие живые ветви деревьев диаметром менее 1 см. Для того
чтобы определить долю фитомассы тонких веток относительно общеи фитомассы ветвеи крон деревьев, мы провели допол-нительныи анализ данных о фитомассе древесного яруса на тестовых площадках базы данных фитомассы и продуктивности (Уткин и др., 1994). Оказалось, что в перечне показателеи фитомассы ветвеи кроме общеи их фитомассы в базе данных по 55 тестовым площадкам содержится информация о запасе фитомассы толстых ветвеи (диаметром более 1 см). Это позволило нам исследовать связь общеи фито-
лиственница кедр
0,862642 0,436207 0,151414 0,470311 ■ 0,370245
0,009887 0,0258171 0,0377494 0,0254052 0,0308279
бук
береза каменная береза
0,42249
0,0647756
клен
0,435278 0,421759 0,522946 0,30242 0,159201
0,0508609 0,0805988 0,0532813 0,028589 0,0371757
0,0790769
Рисунок 3. Карта конверсионных коэффициентов (т/м3) для оценки запаса фитомассы ветвеи в кронах деревьев
основных лесообразующих пород России
массы ветвей с фитомассой толстых ветвей деревьев. Проанализировав эти два показателя, мы установили, что наблюдается уверенная линеиная связь между этими двумя характеристиками (рис. 4), на основе которои можно определить долю запаса фитомассы толстых веток, зная общии запас фитомассы ветвеи для всех остальных тестовых площадок, где нет данных о запасе фитомассы толстых ветвеи. Величина достоверности аппрок-
симации функции очень высокая (R2 = 0.9), что позволяет использовать уравнение конверсии (2). Затем, восстановив оба параметра, мы смогли вычислить запас фи-томассы тонких веток как разность между общеи фитомассои и фитомассои толстых ветвеи в кронах деревьев:
FM = 0.8125xFft - 2.4323 , (2)
где Fbb— фитомасса ветвеи диаметром более 1 см; F — общая фитомасса ветвеи.
Общая фитомасса ветвей, т/га
Рисунок 4. Определение фитомассы ветвеи толщинои более 1 см
Расчеты запасов ЛГМ нижних ярусов леса
К нижним ярусам леса в структуре ЛГМ относятся фитомасса подроста и подлеска, поддерживающие горение при низовых и верховых пожарах, а также фи-томасса живого напочвенного покрова, являющегося проводником горения при низовых пожарах.
Для создания новои базы запасов ЛГМ подроста, подлеска и напочвенного покрова используется регрессионная экспоненциальная модель (3). Фитомасса нижних ярусов и оценивается по моделям конверсионных коэффициентов (Швиденко и др., 2008):
(3)
где А — возраст; SI — класс бонитета, кодируется — 4, 5 ..., 12 для 1б, 1а, I ..., Vб классов соответственно, коды класса бонитета являются порядковыми величинами; RS — относительная полнота (скаляр, для покрытых лесом земель 0.2-1.0); с0-с5 — регрессионные коэффициенты.
Входными параметрами в модели являются характеристики древостоя — порода, возраст, класс бонитета, относительная полнота и регрессионные коэффициенты, опубликованные в работе А. З. Шви-денко с соавторами (2008). На вход модели характеристики подаются в виде спутниковых продуктов с пространственным разрешением 230 м.
Расчеты запасов крупных древесных остатков (КДО)
Древесныи детрит (надземная часть) — древесные остатки, включающие в себя такие фракции, как сухостои, валеж, пни, сухие ветви живых деревьев. Древесныи детрит является важным компонентом лесных экосистем. Накопление древесного детрита существенно усиливает пожарную опасность и интенсивность пожаров, особенно в лесах таежнои зоны. Масса валежа и захламленности леснои экосистемы увеличивает интенсивность горения при устоичивых низовых и верховых пожарах. Учет запасов мертвои древесины повышает точность оценки пиро-генных эмиссии углерода (Швиденко и др., 2009). Для оценки объема древесного детрита по основным лесообразующим породам используются многомерные регрессионные модели с логарифмическим преобразованием (4, 5) (Shvidenko et а1., 2023). Данные модели указывают, что запасы КДО зависят главным образом от породы деревьев, возраста, интенсивности лесо-хозяиственнои обработки и возраста дре-востоев, а также от географического положения (биоклиматическои зоны) и уровня продуктивности леса:
1одЩИГг)= аО+а\х1пА+а2х1п81+аЗ,^<А+£, (4]
ЯГг=ехр(1одШГгМ1+ехр(1одт/г))), (5]
где R/г — коэффициент пересчета, рав-ныи отношению объема /г фракции КДО (коряги, бревна, пни, сухие ветви живых
деревьев) к запасу растущеи древесины; А — среднии возраст древостоя, лет; SI — класс бонитета, выражается как средняя высота (м) зрелого леса (50 лет для березы, осины и других мягколиственных пород и 100 лет для других пород), а0-а3 — параметры модели.
Технология расчета конверсионных коэффициентов для КДО аналогична расчетам верхнего полога. Коэффициенты пересчета (т/м3) при умножении на запас стволовои древесины (м3/га) дают массу КДО (т/га) для различных фракции.
Расчеты запасов лесной подстилки
Лесная подстилка является основным проводником горения при низовых пожарах. По экспериментальным данным, в результате пожара может выгорать от 14 до 100% запаса подстилки в лесных экосистемах. В среднем, потери органического материала подстилки при пожарах составляют около 40% (Волокитина, Софронова, 2014).
Органическое вещество почвы представляет собои значительныи резервуар углерода. Подстилкои считают поверх-ностныи горизонт минеральных почв, состоящии из органического материала, мощность которого не превышает 10 см.
Запас углерода в леснои подстилке рассчитывается (Щепащенко и др., 2013, Чернова и др., 2021) на основании почвен-нои карты России масштаба 1: 2.5 млн (Фридланд, 1988), базы данных почвенных профилеи (Stolbovoi, Мсса11ит, 2002),
информации о преобладающей древесной породе и основных типов наземных экосистем (Карточка проекта РНФ № 19-7730015).
База типичных почвенных профилей содержит описание почвенных характеристик (мощность горизонтов, содержание органического вещества, плотность) и диапазон их возможного варьирования для каждого типа почв. Используя материалы этои базы данных, были рассчитаны минимальные и максимальные запасы органического углерода (Щепащенко и др., 2013).
Один и тот же тип почв территориально может быть представлен в нескольких природных зонах и регионах. Запасы подстилок на однои и тои же почве могут отличаться в разных зонах/регионах. Кроме того, на содержание углерода в почве оказывает влияние тип растительности и характер землепользования, а также возможные различные нарушения. Для учета этих факторов используются соответствующие поправочные коэффициенты Ksp, Krg, KLU. Запасы углерода в леснои подстилке рассчитываются по модели (6) (Щепащенко и др., 2013):
С = [стш + С- xKregxKspyKLU , (6)
где С — запасы органического углерода в подстилке, кг/м2; C ., C — минималь-
^ ' min max
ное и максимальное содержание углерода в подстилках, кг/м2; K — региональный поправочньш коэффициент; K — попра-
sP
вочныи коэффициент, учитывающии для
покрытых лесом земель влияние преоб-ладающеи древеснои породы; Кьи — по-правочныи коэффициент для различных типов землепользования и возможных нарушении (гарь, сенокос, пастбища, заброшенные сельскохозяиственные земли, залежи). Для лесных земель при отсутствии нарушении поправочныи коэффициент Кьи равен 1.
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
В моделях расчета запасов фитомас-сы используются в качестве входных данных спутниковые тематические продукты MODIS с пространственным разрешением 230 м за 2018 г. (Карточка проекта РНФ № 19-77-30015).
Результатом применения модели (1) являются конверсионные коэффициенты для фракции хвоя/листва и ветви деревьев (рис. 5), которые при перемножении на запас древостоя конвертируют его в фи-томассу живых ветвеи деревьев и хвои/ листвы.
Выполнены доработки моделирования запасов ветвеи с диаметром менее 1 см. В результате оценки запасов тонких веток (2) сформировано изображение запасов ЛГМ верхнего полога: фитомасса (т/га) ветвеи диаметром менее 1 см и хвои/листвы (рис. 6).
В табл. 1 приводятся количественные оценки запасов фитомассы хвои, листвы и ветвеи по основным лесообразующим породам в результате произведенных рас-
Рисунок 5. Карта конверсионных коэффициентов (т/м3) для оценки запаса фитомассы ветвеи (а) и хвои/листвы (б)
в кронах деревьев основных лесообразующих пород России
Рисунок 5. Карта конверсионных коэффициентов (т/м3) для оценки запаса фитомассы ветвеи (а) и хвои/листвы (б)
в кронах деревьев основных лесообразующих пород России
Рисунок 6. Карта запасов фитомассы верхнего полога, т/га
четов. Представленные в табл. 1 расчеты относительных запасов фитомассы совпадают с исследованиями других авторов и находятся примерно в известных диапазонах (Андреев и др., 2015; Кукавская и др., 2015; Иванов, 2019).
В результате применения модели к нижним ярусам леса (3) для каждого пикселя определяется запас фитомассы
подроста, подлеска и живого напочвенного покрова (рис. 7, 8). На рис. 9 приведены примеры расчетов по моделям (4, 5) КДО фракции сухостоя и валежа. Пример карты запасов углерода леснои подстилки представлен на рис. 10.
Предварительная оценка результатов моделирования слоев ЛГМ была выполнена в части сравнения запасов фи-
Таблица 1. Количественные оценки запасов фитомассы хвои, листвы и ветвеи основных
лесообразующих пород по данным ДЗЗ на территории РФ
№ Порода Площадь, млн га Листва, млн т Ветви, млн т Всего, млн т Листва и хвоя, т/га Ветви, т/га Всего, т/га
1 сосна 117.0 497.2 1214.9 1712.1 4.3 10.4 14.6
2 ель 65.1 576.9 917.0 1494.0 8.9 14.1 22.9
3 пихта 8.7 76.8 145.9 222.7 8.8 16.8 25.6
4 лиственница 287.7 518.4 2217.6 2736.0 1.8 7.7 9.5
5 кедр 44.8 304.2 688.2 992.4 6.8 15.4 22.2
6 дуб 11.1 29.7 263.0 292.7 2.7 23.7 26.3
7 береза 126.1 467.2 2099.3 2566.5 3.7 16.6 20.4
8 осина 29.4 78.6 386.4 465.0 2.7 13.1 15.8
Рисунок 7. Запасы фитомассы подроста и подлеска, т/га
Рисунок 8. Запасы фитомассы живого напочвенного покрова, т/га
Рисунок 9. Карты запасов КДО, т/га: а — сухостои
Рисунок 9. Карты запасов КДО, т/га: б — валеж
Рисунок 10. Карта запасов углерода в леснои подстилке, т С/га
томассы верхнего полога по данным ДЗЗ и данным леснои таксации в разрезе лесничеств Костромскои обл. (рис. 11). В границах лесного фонда по лесничествам рассчитаны запасы фракции ветвеи и хвои/листы. Использованы те же аналитические формулы (1), что и для данных ДЗЗ. В качестве входных параметров — данные таксации ближаишего к спутниковым продуктам года
лесоустроиства по высоте, возрасту, классу бонитета и запасу. Сравнение результатов представлено в табл. 2. Анализ результатов показывает, что расчеты запасов по данным ДЗЗ в среднем имеют превышение приблизительно на 20%. В то же время полученные расчеты относительных запасов фи-томассы находятся примерно в известных диапазонах.
(а)
(б)
Рисунок 11. Карта лесничеств Костромскои области (а) и увеличенный фрагмент (б)
Таблица 2. Результаты расчетов запасов верхнего полога по данным ДЗЗ и леснои таксации в Костромскои области
Лесничество Таксация ДЗЗ Ошибка
Абсолютные значения запаса, тыс. т Площадь, тыс. га Относительные запасы, т/га Абсолютные значения запаса, тыс. т Площадь, тыс. га Относительные запасы, т/га Запас, % Площадь, %
Антроповское 3013.6 198.9 15.2 3572.1 198.7 20.3 15.6 -0.1
Буиское 3743.8 243.4 15.4 4885.4 243.7 23.2 23.4 0.1
Вохомское 3926.5 242.5 16.2 5411.8 244.1 23.8 27.5 0.7
Галичское 2763.8 184.3 15.0 2979.2 183.8 17.4 7.2 -0.3
Кадьшское 2605.9 196.3 13.3 3544.1 196.6 19.8 26.5 0.2
Кологривское 4437.2 270.5 16.4 5877.1 272.0 26.5 24.5 0.5
Костромское 2165.8 157.4 13.8 2163.1 156.9 14.1 -0.1 -0.3
Макарьевское 5669.3 428.4 13.2 8005.1 429.0 21.1 29.2 0.2
Мантуровское 2988.9 215.5 13.9 3984.9 215.2 20.1 25.0 -0.1
Межевское 2992.4 208.5 14.4 4202.8 208.9 22.9 28.8 0.2
Неиское 3460.9 225.6 15.3 4722.1 226.1 25.2 26.7 0.2
Октябрьское 2221.4 148.0 15.0 3090.4 149.1 20.3 28.1 0.7
Островское 2783.9 185.1 15.0 3207.5 186.1 18.6 13.2 0.5
Павинское 1936.5 126.3 15.3 2575.5 127.4 19.8 24.8 0.9
Парфеньевское 2534.4 175.8 14.4 3426.2 176.3 23.4 26.0 0.3
Поназырев-ское 2101.1 173.6 12.1 3514.0 173.7 20.5 40.2 0.0
Пыщугское 2612.4 172.0 15.2 3370.6 173.0 20.5 22.5 0.6
Солигаличское 3712.5 261.3 14.2 5021.7 261.0 22.3 26.1 -0.1
Судиславское 2300.6 156.4 14.7 2259.5 157.1 15.0 -1.8 0.4
Чухломское 4599.7 307.3 15.0 5893.2 306.5 23.0 22.0 -0.3
Шарьинское 4980.7 355.4 14.0 7013.1 356.2 21.0 29.0 0.2
ЗП «Кологр. Лес» 834.3 58.9 14.2 1300.6 59.0 26.8 35.9 0.2
Ср.отн. ош., % 22.7 0.2
ЗАКЛЮЧЕНИЕ
Принципиальным отличием нового подхода оценки запасов ЛГМ от предыду-щеи версии является использование в расчетах спутниковых тематических продуктов среднего пространственного разрешения MODIS с такими характеристиками лесов на пиксельном уровне, как преобладающая порода, возраст, полнота, запас древостоя, класс бонитета (Карточка проекта РНФ № 19-77-30015), а также использование регрессионных моделеи расчета запасов основных проводников горения (Шви-денко и др., 2008; Щепащенко и др., 2013; Schepaschenko et а1., 2018; Shvidenko, 2023).
Новая версия расчетов запасов ЛГМ имеет потенциал ежегодного обновления и, как следствие, получение более достоверных оценок прямых пирогенных выбросов углерода от лесных пожаров.
На данныи момент описанные в статье методические подходы имеют ограничения в использовании для мониторинга эмиссии углерода, так как представленные результаты требуют дополнительнои работы по их проверке. Необходимо про-
вести верификацию полученных на основе моделеи тематических продуктов всех слоев ЛГМ (подрост, подлесок, КДО, живои напочвенныи покров, лесная подстилка) на основе большого объема данных по всем слоям. Однако это отдельная сложная работа по сбору и анализу литературных и полевых исследовании запасов ЛГМ в разных регионах России, что является предметом отдельнои статьи.
БЛАГОДАРНОСТИ
Методические разработки и создание спутниковых тематических продуктов характеристик лесов были выполнены в рамках проекта РНФ (Карточка проекта РНФ № 19-77-30015). Создание тематических карт запасов ЛГМ на основе математических моделеи расчета по конверсионным коэффициентам запасов фитомассы различных слоев ЛГМ и их выборочная проверка выполнена в рамках государственного задания ЦЭПЛ РАН «Методические подходы к оценке структурнои организации и функционирования лесных экосистем» № 121121600118-8.
СПИСОК ЛИТЕРАТУРЫ
Андреев Ю. А., Андреев А. Ю., Михайлов П. В., Паутяк В. Г, Коморовский В. С. Оценка запаса лесных горючих материалов при государственнои инвентаризации лесов // Труды СПбНИИЛХ. 2015. № 1. С. 39-46.
Барталев С. А., Егоров В. А., Ершов Д. В., Исаев А. С., Лупян Е. А., Плотников Д. Е., Уваров И. А. Спутниковое картографирование растительного покрова России по данным спектрорадиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 4. С. 285-302.
Волокитина А. В., Софронов М. А. Классификация и картографирование растительных горючих материалов. Новосибирск: СО РАН, 2002. 306 с.
Волокитина А. В., Софронова Т. М. Картографирование растительных горючих материалов // Сибирскии леснои журнал. 2014. № 6. С. 8-28.
Ершов Д. В., Сочилова Е. Н. Количественные оценки прямых пирогенных эмиссии углерода в лесах России по данным дистанционного мониторинга 2021 года // Вопросы леснои науки. 2022. Т. 5. № 4. Статья № 117. DOI: 10.31509/2658-607х-202254-117
Ершов Д. В., Сочилова Е. Н. Оценка прямых пирогенных эмиссии углерода в лесах России за 2020 год по данным дистанционного мониторинга // Вопросы леснои науки. Т. 3. № 4. 2020. С. 1-8.
Замолодчиков Д. Г, Уткин А. И., Честных О. В. Коэффициенты конверсии запасов насаждении в фитомассу для основных лесообразующих пород России // Лесная таксация и лесоустроиство. Сибирскии государственньш технологически университет. 2003. Вып. 1 (32). С. 119-127.
Иванов А. В. Горимость леса и запасы лесных горючих материалов в насаждениях Суводского лесничества Киров-скои области // Труды Поволжского государственного технологического университета. 2019. Вып. 7. C. 16-23.
Карточка проекта РНФ № 19-77-30015 «Разработка методов и технологии комплексного использования данных дистанционного зондирования Земли из космоса для развития системы национального мониторинга бюджета углерода лесов России в условиях глобальных изменении климата». 2019-2022. URL: https://rscf.ru/ project/19-77-30015/ (дата обращения: 25 мая 2023).
Кукавская Е. А., Жила С. В., Иванова Г А., Бу-рякЛ. В. Оценка эмиссии углерода при пожарах в светлохвоиных и лиственных насаждениях Красноярского края // Сибирскии леснои журнал. 2015. Т. 4. № 2. C. 185-189.
Курбатский Н. П. Исследование количества и своиств лесных горючих материалов // Вопросы леснои пирологии. Крас-
ноярск: ИЛиД им. В. Н. Сукачева СО АН СССР, 1970. С. 5-58.
Курбатский Н. П. Техника и тактика тушения лесных пожаров. М.: Гослесбумиз-дат, 1962. 154 с.
Леснои фонд России (по данным государственного учета лесного фонда по состоянию на 1 января 2003 г.) / Справочник. М.: ВНИИЛМ, 2004. 640 с.
Мелехов И. С. Лесные пожары и борьба с ними. М.: Гослестехиздат, 1936. 100 с.
Мелехов И. С. Природа леса и лесные пожары. Архангельск: ОГИЗ, 1947. 60 с.
Мелехов И. С., Душа-Гудым С. И. Лесная пирология. М.: МЛТИ, 1979. Вып. 2. 80 с.
Сочилова Е. Н., Ершов Д. В., Коровин Г Н. Методы создания карт запасов лесных горючих материалов низкого пространственного разрешения // Современные проблемы дистанционного зондирования Земли из космоса. 2009. Вып. 6. Т. II. С. 441-449.
Уткин А. И., Гульбе Я. И., Гульбе Т. А., Ермолова Л. С. Биологическая продуктивность лесных экосистем. Компьютерная база данных // Москва, ИЛ РАН, ЦЭПЛ РАН, 1994.
Фильков А. И. Физико-математическое моделирование возникновения природных пожаров. Томск: Издательскии Дом Томского государственного университета, 2014. 276 с.
Фридланд В. М. Почвенная карта РСФСР масштаба 1:2 500 000. М.: ГУГК, 1988.
Чернова О. В., Голозубов О. М., Алябина И. О., Щепащенко Д. Г. Комплексный подход к картографической оценке запасов органического углерода в почвах России // Почвоведение. 2021. № 3. С. 273-286.
Швиденко А. З., Щепащенко Д. Г., Нильссон С., Булуй Ю. И. Таблицы и модели хода роста и продуктивности насаждении основных лесообразующих пород Се-вернои Евразии (нормативно-справочные материалы). Издание 2-е, доп. М.: Федеральное агентство лесного хо-зяиства, 2008. 886 с.
Швиденко А., Щепащенко Д., МакКаллум Я., Нильссон С. «Леса и лесное хозяиство России». Международньш институт прикладного системного анализа и Россииская Академия наук. Лаксен-бург, Австрия. CD-ROM, 2007.
Швиденко А., Щепащенко Д., Нильссон С. Оценка запасов древесного детрита в лесах России // Лесная таксация и лесоустроиство. 2009. № 1 (41). С. 133-147.
Щепащенко Д. Г, Мухортова Л. В., Швиденко А. З., Ведрова Э. Ф. Запасы органического углерода в почвах России // Почвоведение. 2013. № 2. С. 123-132.
Alexander M. E., Lawson B. D., Stocks B. G., Van Wagner C. E. User Guide to the Canadian Forest Fire Behavior Prediction System: Rate of Spread Relationships. Canadian Forestry Service, 1984. 73 p.
Bartalev S. A., Belward A. S., Erchov D. V., Isaev A. S. A new SPOT4-VEGETATION derived Land Cover Map of Northern Eurasia // International Journal of Remote Sensing. 2003. Vol. 24. No 9. P. 1977-1982.
Bruce D. Fuel weights on the Osceola National Forest // Fire Control Notes. 1951. No 12 (3). P. 20-23.
Davis K. P., Byram G. M., Krumm W. R. Forest fire: control and use. N.Y., Toronto, London, 1959. 584 p.
Forestry Canada. Development and Structure of the Canadian Forest Fire Behavior Prediction System. Inf. Rep. ST-X-3. Ottawa, 1992. 63 p.
Hornby L. G. Fuel type mapping in region one // Journal of Forestry. 1935. Vol. 33. P. 67-72.
Kukavskaya E. A., Soja A. J., Petkov A. P., Pono-marev E. I., Ivanova G. A., Conard S. G. Fire emissions estimates in Siberia: evaluation of uncertainties in area burned, land cover, and fuel consumption // Canadian Journal of Forest Research. 2013. Vol. 43. No 5. P. 493-506.
Muraro S. J. Fuel classification: a review of the literature and discussion of principles // Proc. Second Federal Fire Res. Conf. Victoria, B. C., Canada, 1965. 23 p.
Schepaschenko D., Moltchanova E., Shvidenko A., Blyshchyk V., Dmitriev E., Martynenko O., See L., Kraxner F. Improved estimates of biomass expansion factors for Russian forests // Forests. 2018. Vol. 9. No 6. Article 312.
Shvidenko A., Mukhortova L., Kapitsa E., Kraxner F., See L., Pyzhev A., Gordeev R., Fe-dorov S., Korotkov V., Bartalev S., Schepaschenko D. A modelling system for dead wood assessment in the forests of Northern Eurasia // Forests. 2023. Vol. 14. No 1. Article 45.
Stolbovoi V., Mccallum I., 2002. Land Resources of Russia [online]. IIASA & RAS. Laxenburg, Austria. URL: https://clck. ru/36QrC6 (дата обращения 17 июня 2023).
van Wees D., van der Werf G. R., Randerson J. T., Rogers B. M., Chen Y., Veraverbeke S., Giglio, L., Morton D. C. Global biomass burning fuel consumption and emissions at 500 m spatial resolution based on the Global Fire Emissions Database (GFED) // Geo-scientific Model Development 2022. Vol. 15. P. 8411-8437. DOI: 10.5194/ gmd-15-8411-2022
REFERENCES
Alexander M. E., Lawson B. D., Stocks B. G., Van Wagner C. E., User guide to the Canadian forest fire behaviour prediction system: rate of spread relationships, Canadian Forestry Service Fire Danger Group, 1984, 73 p.
Andreev Ju. A., Andreev A. Ju., Mihajlov P. V., Pautjak V. G., Komorovskij V. S., Ocenka zapasa lesnyh gorjuchih materialov pri gosudarstvennoj inventarizacii lesov (Stock assessment of forest combustible materials in the state forest inventory), Trudy SPbNIILH, 2015, No 1, pp. 39-46.
Bartalev S. A., Belward A. S., Erchov D. V., Isaev A. S., A new SPOT4-VEGETATION derived Land Cover Map of Northern Eurasia, International Journal of Remote Sensing, 2003, Vol. 24, No 9, pp. 1977-1982.
Bartalev S. A., Egorov V. A., Ershov D. V., Isaev A. S., Lupjan E. A., Plotnikov D. E., Uvarov I. A., Sputnikovoe kartografiro-vanie rastitel'nogo pokrova Rossii po dan-nym spektroradiometra MODIS (Mapping of Russia's vegetation cover using MODIS satellite spectroradiometer data), Sovre-mennye problemy distancionnogo zondi-rovanija Zemli iz kosmosa, 2011, Vol. 8, No. 4, pp. 285-302.
Bruce D., Fuel weights on the Osceola National Forest, Fire Control Notes, 1951, No 12 (3), pp. 20-23.
Chernova O. V., Golozubov O. M., Aljabina I. O., Shhepashhenko D. G., Kompleksnyj pod-hod k kartograficheskoj ocenke zapasov organicheskogo ugleroda v pochvah Rossii (Integrated approach to spatial assessment of soil organic carbon in Russian Federation), Pochvovedenie, 2021, No 3, pp. 273-286.
Davis K. P., Byram G. M., Krumm W. R., Forest fire: control and use, N.Y., Toronto, London, 1959, 584 p.
Ershov D. V., Sochilova E. N., Kolichestven-nye ocenki prjamyh pirogennyh jemis-sij ugleroda v lesah Rossii po dannym distancionnogo monitoringa 2021 goda (Quantitative estimates of direct pyro-genic carbon emissions in forest of Russia according to remote monitoring data
2021), Voprosy lesnoj nauki, 2022, Vol. 5, No 4, Article 117.
Ershov D. V., Sochilova E. N., Ocenka prjamyh pirogennyh jemissij ugleroda v lesah Rossii za 2020 god po dannym distancionnogo monitoringa (Assessment of direct pyrogenic carbon emissions in forests of Russia for 2020 according to remote monitoring data), Voprosy lesnoj nauki, 2020, Vol. 3, No 4, pp.1-8.
Fil'kov A. I., Fiziko-matematicheskoe modeliro-vanie vozniknovenija prirodnyh pozharov (Physical and mathematical modeling of the occurrence of wildfires), Tomsk: Izdatel'skij Dom TGU, 2014, 276 p.
Forestry Canada, Development and structure of the Canadian forest fire behavior prediction system, Information Report ST-X-3, Ottawa, 1992, 63 p.
Fridland V. M., Pochvennaja karta RSFSR masshtaba 1 : 2500 000 (Soil map of the RSFSR scale 1 : 2 500 000), Moscow: GUGK, 1988.
Hornby L. G., Fuel type mapping in region one, Journal of Forestry, 1935, Vol. 33, pp. 67-72.
Ivanov A. V., Gorimost' lesa i zapasy lesnyh gorjuchih materialov v nasazhdenijah Su-vodskogo lesnichestva Kirovskoj oblasti (The combustibility of the forests and forest reserves of combustible materials in spaces Zavodskogo forestry of the Kirov region), Trudy Povolzhskogo gosu-darstvennogo tehnologicheskogo univer-siteta, 2019, Issue 7, pp. 16-23.
Kartochka proekta RNF No 19-77-30015 "Raz-rabotka metodov I tehnologii komplek-
snogo ispo''zovanija dannyh distancion-nogo zondirovanija Zemli iz kosmosa dlja razvitija sistemy naciona''nogo monitoringa bjudzheta ugleroda lesov Rossii v uslovijah globa''nyh izmenenij klimata" (Development of methods and technologies for the integrated use of Earth remote sensing data from space for the development of the Russian forest carbon budget national monitoring system under conditions of global climate change), 2019-2022, available at: https://rscf.ru/ project/19-77-30015/ (2023, 25 May)
Kukavskaja E. A., Zhila S. V., Ivanova G. A., Burjak L. V., Ocenka jemissii ugleroda pri pozharah v svetlohvojnyh i listvennyh nasazhdenijah Krasnojarskogo kraja (Estimation of carbon emissions from fires in light-coniferous and decidious forests of Krasnoyarsk krai), Sibirskij lesnoj zhur-nal, 2015, Vol. 4, No 2, pp.185-189.
Kukavskaya E. A., Soja A. J., Petkov A. P., Pon-omarev E. I., Ivanova G. A., Conard S. G., Fire emissions estimates in Siberia: evaluation of uncertainties in area burned, land cover, and fuel consumption, Canadian Journal of Forest Research, 2013, Vol. 43, No 5. pp. 493-506.
Kurbatskij N. P., Issledovanie kolichestva i sostava lesnyh gorjuchih materialov (Investigation of quantity and composition of the forest fire fuels), [in:] Voprosy lesnoj pirologii (Questions of forest pyrol-ogy), Krasnojarsk, 1970, pp. 5-58.
Kurbatskij N. P., Tehnika i taktika tushenija lesnyh pozharov (Forest fire extinguishing
techniques and tactics), Moscow: Gosles-bumizdat, 1962, 154 p
Lesnoj fond Rossii, po dannym gosudarstven-nogo ucheta lesnogo fonda po sostojaniju na 1 janvarja 2003 g., (Forest Fund of Russia), Spravochnik, Moscow: VNIILM, 2004, 640 p.
Melehov I. S., Lesnye pozhary i bor'ba s nimi (Forest fires and their control), Moscow: Goslestehizdat, 1936, 100 p.
Melehov I. S., Priroda lesa i lesnye pozhary (Nature of forests and forest fires), Arhangel'sk: OGIZ, 1947, 60 p.
Melehov I. S., Dusha-Gudym S. I., Lesnaja pirologija (Forest pyrology), Moscow: MLTI, 1979, Issue 2, 80 p.
Muraro S. J., Fuel classification: a review of the literature and discussion of principles, Proceedings of the Second Federal Fire Research Conference, Victoria, B.C., Canada, 1965, 23 p.
Schepaschenko D. G., Muhortova L. V., Sh-videnko A. Z., Vedrova Je. F., Zapasy or-ganicheskogo ugleroda v pochvah Rossii (The Pool of organic carbon in the soils of Russia), Pochvovedenie, 2013, No 2, pp. 123-132.
Schepaschenko D., Moltchanova E., Shvi-denko A., Blyshchyk V., Dmitriev E., Mar-tynenko O., See L., Kraxner F., Improved Estimates of Biomass Expansion Factors for Russian Forests, Forests, 2018, Voll. 9 (6), Article 312, DOI: 10.3390/f9060312
Shvidenko A., Mukhortova L., Kapitsa E., Kraxner F., See L., Pyzhev A., Gordeev R., Fe-dorov S., Korotkov V., Bartalev S., Schepas-
chenko D., A Modelling System for Dead Wood Assessment in the Forests of Northern Eurasia, Forests, 2023, Vol. 14, Article 45.
Shvidenko A. Z., Schepaschenko D. G., Nil's-son S., Buluj Ju. I., Tablicy i modeli hoda rosta i produktivnosti nasazhdenij os-novnyh lesoobrazujushhih porod Sever-noj Evrazii (normativno-spravochnye materialy) (Tables and models of growth and productivity of forests of major forest forming species of Northern Eurasia (standard and reference materials)), Moscow: Federal'noe agentstvo lesnogo hozjajstva, 2008, 886 p.
Shvidenko A., Schepaschenko D., MakKallum Ja., Nil'sson S. "Lesa i lesnoe hozjajstvo Rossii" (Forests and forestry of Russia), Mezhdunarodnyj institut prikladnogo sistemnogo analiza i Rossijskaja Aka-demija nauk, Laksenburg, Avstrija, CD-ROM, 2007.
Shvidenko A., Schepaschenko D., Nil'sson S., Ocenka zapasov drevesnogo detrita v lesah Rossii (Assessment of woody detritus in forests of Russia), Lesnaja taksacija i le-soustrojstvo, 2009, No 1(41), pp. 133-147.
Sochilova E. N., Ershov D. V., Korovin G. N., Metody sozdanija kart zapasov lesnyh gorjuchih materialov nizkogo prostranst-vennogo razreshenija (Methods of course resolution forest fuel load mapping), Sovremennye problemy distancionnogo zondirovanija Zemli iz kosmosa, 2009, Issue 6, Vol. 2, pp. 441-449.
Stolbovoi V., Mccallum I., Land Resources of Russia, IIASA & RAS, Laxenburg, Austria, 2002, URL: https://clck.ru/36QrC6 (2023, 17 June). Utkin A. I., Gul'be Ja. I., Gul'be T. A., Er-molova L. S., Biologicheskaja produktiv-nost' lesnyh jekosistem (Biological productivity of forest ecosystems), Database, Moscow, 1994, IL RAN, CEPL RAN. van Wees D., van der Werf G. R., Rander-son J. T., Rogers B. M., Chen Y., Veraver-beke S., Giglio L., Morton D. C., Global biomass burning fuel consumption and emissions at 500 m spatial resolution based on the Global Fire Emissions Database (GFED), Geoscientific Model Development, 2022, No 15, pp. 8411-8437, 2022, DOI: 10.5194/gmd-15-8411-2022 Volokitina A. V., Sofronov M. A., Klassifikacija i kartografirovanie rastitel'nyh gorjuchih materialov (Vegetation fuel classification and mapping), Novosibirsk, iz-vo SO RAN,
2002, 306 p.
Volokitina A. V., Sofronova T. M., Kartografirovanie rastitel'nyh gorjuchih materialov (Vegetation Fuel Mapping), Sibirskij le-snojzhurnal, 2014, No 6, pp. 8-28. Zamolodchikov D. G., Utkin A. I., Chestnyh O. V., Kojefficienty konversii zapasov nasazhdenij v fitomassu dlja osnovnyh lesoobrazujushhih porod Rossii (Conversion factors of forest stocks volumes in biomass for the main dominated forest species of Russia), Lesnaja taksacija i lesoustrojstvo,
2003, Issue 1 (32), pp. 119-127.
METHODOLOGICAL APPROACHES TO MAPPING FOREST FUELS
D. V. Ershov *, E. N. Sochilova, N. V. Koroleva
Center for Forest Ecology and Productivity of the Russian Academy of Sciences Profsoyuznaya st. 84/32 bldg. 14, Moscow, 117997, Russian Federation
* E-mail: [email protected]
Received: 10.06.2023 Revised: 23.06.2023 Accepted: 23.06.2023
Spatial data on the vertical structure and forest fuel loads are a very importance for reliable estimates of direct fire carbon emissions. Main purpose of our paper is to demonstrate methodological approaches to mapping pre-fire forest fuels, which sets of multidimensional regression models and thematic satellite products of forest stand characteristics are based on. The used models make it possible to calculate the parts of combustible biomass fractions (branches, foliage, undergrowth layer, ground vegetation cover, forest litter, detritus) of forest ecosystems for the main dominated species of different ages, relative density and site index for all the forested area of Russia in the different geographic zones. The article provides thematic input remote sensing data, which are used in models for calculating biomass fractions. The paper provides thematic input remote sensing data, which are used in models for calculating biomass fractions. The results of a preliminary comparison of estimates of biomass reserves of the upper canopy obtained based on satellite products and forest inventory data at the level of forest districts of the Kostroma region are presented.
Key words: Forest Fire Fuels, Biomass, Carbon, Remote Sensing Monitoring
Рецензент: к. физ-мат. н., доцент Барановский Н. В.
