CC BY
122
10. Stavskaja C. C., Udod V. M., Taranova L. A., Krivec I. A. Mikrobiologicheskaja ochistka vody ot poverhnostno-aktivnyh veshhestv. - Kiev: Naukova dumka, 1988. - 184 s.
11. Ostroumov S. A., Kotelevcev S. V., Shestakova T. V., Kolotilova N. N., Poklonov V. A., Solomonova E. A.; Novoe o fitoremediacionnom potenciale: uskorenie snizhenija koncentracij ionov tjazhelyh metallov (Pb, Cd, Zn, Cu) v vode v prisutstvii jelodei. Jekologicheskaja himija. - 2009. - 18(2):111-119.
12. Ostroumov S. A.,Shestakova T. V., Kotelevcev S. V., Solomonova E. A., Golovnja E. G., Poklonov V. A. Prisutstvie makrofitov v vodnoj sisteme uskorjaet snizhenie koncentracii medi, svinca i drugih tjazhelyh metallov v vode; Vodnoe hozjajstvo Rossii, - 2009. - № 2. - S.58-66.
13. Poklonov V. A. Fitotoksicheskij jeffekt benzola v vodnoj srede. Jekologicheskij vestnik Rossii. - 2015.
- № 12. - S. 66-69.
14. Poklonov V. A. Udalenie aljuminija vodnymi rastenijami Seratophyllum demersum i Chara fragilis iz vody jeksperimental'nyh jekosistem. Jekologicheskaja himija. - 2016. - № 2.
15. Poklonov V. A. Vozdejstvie smesevogo preparata Losk automat intensive na vysshee vodnoe rastenie rogolistnik (Ceratophyllum demersum). Voda: himija i jekologija. - 2015. - № 10, - S. 82-86.
16. Poklonov V. A. Vlijanie medi i nikelja na makrofity v uslovijah jeksperimental'nyh mikrokosmov pri nizkoj temperature vody. Vestnik Severo-Vostochnogo federal'nogo universiteta im. Ammosova. - 2016.
- № 3. Tom 53. - S. 17-24.
^SHir^ir
УДК 57.036:504.064.37 Ю. Ф. Рожков, М. Ю. Кондакова
ОЦЕНКА ПРОЦЕССА ВОССТАНОВЛЕНИЯ ЛЕСОВ ПОСЛЕ ПОЖАРА С ИСПОЛЬЗОВАНИЕМ КЛАСТЕРНОГО АНАЛИЗА ПРИ ДЕШИФРИРОВАНИИ КОСМИЧЕСКИХ СНИМКОВ
Проведена оценка использования кластерного анализа распределения пикселей в мониторинге процесса восстановления лесов от пожара. Мультиспектральные космические снимки высокого и
РОжКОВ Юрий Филиппович - к. х. н., зам. директора по научной работе ФГБУ «Государственный природный заповедник «Олекминский», г. Олекминск. E-mail: [email protected]
ROZHKOV Yuri Filippovich - Candidate of Chemical Sciences, Deputy Director of the State Organization "National Nature Reserve" Olekminsky "for scientific work, Olekminsk.
КОНДАКОВА Мария Юрьевна - к. б. н., с. н. с. ФГБУ «Гидрохимический институт», г. Ростов-на-Дону.
E-mail: [email protected]
KONDAKOVA Maria Yurievna - Candidate of Biological Sciences, Senior Senior Researcher, FSBI "Hydrochemical Institute, Rostov-on-Don.
среднего разрешения Landsat TM/ETM+, Landsat MSS, сделанные в период с 1973 по 2016 гг., и их фрагменты подвергались обработке с использованием инструментов кластерного анализа: неуправляемой классификации методом ISODATA и тематической разности. Тематическая разность рассчитывалась между результатами классификации на два, четыре, шесть, десять классов. Кроме того, проведены расчеты тематической разности с изменяющимся шагом во времени. Рассмотрен характер изменений распределения кластеров для трех временных интервалов: 1995-1973 гг., 2004-1973 гг., 2013-1973 гг. Проведено сравнение изменений характера кривых тематической разности при изменении площади анализируемого фрагмента космического снимка. Показано, что суммарные кривые восстановления лесов от пожара слагаются из разнонаправленных кривых изменения отдельных классов во времени. Проведено сравнение процесса восстановления после пожара с использованием индексов NBR, NDVI, SWVI. Отмечено увеличение площадей кластеров с высокими значениями индексов за период с 1995 по 2011 гг. Показано, что характер кривой изменения индекса NDVI, связанного с фотосинтетически активной растительной биомассой, отличается от характера кривой изменения индекса SWVI, связанного с влагообеспечением растений.
Ключевые слова: дешифрирование космических снимков, классификация Isodata, тематическая разность, кинетические кривые восстановления лесов, индекс NDVI, индекс NBR, индекс SWVI, соотношение древостоя и пустошей, продуктивность лесов, влагообеспеченность растений.
Y. Ph. Rozhkov, M. Y. Kondakova
Evaluation of Recovery after Forest Fire with Cluster Analysis in Interpretation of Sattelite Images
The aim of this study was to evaluate the possibility of using cluster analysis of the distribution of pixels in the monitoring of forest fire recovery process. Multispectral satellite images of high and medium resolution Landsat TM / ETM +, Landsat MSS, made in the period from 1973 to 2016 and their fragments have been processed using a cluster analysis tools: unsupervised classification method ISODATA and thematic difference. In addition, the calculations of the thematic difference with time-varying steps were held. The nature of clusters for allocation to the three time slots: 1995-1973, 2004-1973, 2013-1973 years was considered. Comparison of changes in the nature of a thematic difference between the curves when changing area analyzed fragment satellite image. A comparison of the recovery process after the fire using indexes NBR, NDVI, SWVI was held. Increase in the area of clusters with high values of the index for the period 1995 to 2011 is noticed. It is shown that the character of NDVI index change curve associated with photo synthetically active plant biomass is different from the nature SWVI index change curve associated with plant moisture.
Keywords: interpretation of satellite images, classification Isodata, thematic difference, kinetic curves reforestation, index NDVI, index NBR, index SWVI, the ratio of the stand and open spaces, forest productivity, moisture availability plants.
Введение
Леса являются самыми распространенными экосистемами в России, на долю которых приходится 22 % всех мировых ресурсов, в том числе более 50 % бореальных лесов планеты. «...Леса Якутии занимают особое место среди бореальных лесов не только России, но и всего Северного полушария. Они отличаются от бореальных лесов других регионов Евразии по условиям произрастания, по экологическому составу флоры и фауны, по типологическому разнообразию и пространственно-функциональной структуре, по производительности древостоев и восстановительной способности.» [1, с. 16].
Природные особенности территории Якутии - сочетание многолетней мерзлоты с недостатком атмосферного увлажнения и засушливым климатом - обуславливают создание естественных причин для возникновения и распространения лесных пожаров [2]. За период 1955-2010 гг. в Якутии зарегистрировано около 30 тыс. пожаров [3] как естественного, так и антропогенного происхождения.
Восстановление растительных сообществ после пожаров в естественных условиях представляет значительный научный и практический интерес. При этом использование методов дистанционного зондирования обеспечивает практически недостижимое другими существующими средствами повышение уровня достоверности, оперативности и регулярности измерения ключевых характеристик состояния и динамики лесного покрова, в том числе и после пожаров [4].
Более 80 % территории Олекминского заповедника занято лесами. В связи с удаленностью территории заповедника от населенных пунктов для территории характерны пожары, имеющие естественное происхождение (сухие грозы). Оценка процесса восстановления лесов после пожара является актуальной проблемой.
В связи с неоднородностью рельефа и труднодоступностью отдельных участков территории заповедника исследование больших территорий гарей традиционными методами представляет собой достаточно сложную задачу. Эту проблему можно решить, используя методы спутникового мониторинга [5-7].
Для дистанционной оценки площадей гарей, степени повреждения и восстановления растительного покрова после лесного пожара используют индексы, полученные с разновременных снимков различных спутников. Многочисленные работы в этом направлении подтвердили значимость использования индексов, полученных на основе комбинирования видимого красного и ближнего инфракрасного спектральных каналов [8-11]. Перспективно исследование процессов восстановления лесов после пожаров с использованием сочетания методов кластерного анализа [9]. Целью настоящего исследования является оценка процесса восстановления лесов после пожара с использованием кластерного анализа при дешифрировании космических снимков среднего и высокого разрешения.
Материалы и методы
Для осуществления непрерывного мониторинга состояния бореальных лесов использовалось дешифрирование 35 мультиспектральных космических снимков среднего и высокого разрешения Landsat ТМ/ЕТМ+, Landsat MSS, сделанных в период с 1973 по 2016 гг. Снимки были сделаны во все четыре сезона (летний, осенний, зимний, весенний). Все снимки прошли радиометрическую и геометрическую коррекцию. Исследования проводились на территории Олекминского заповедника площадью 8540 км2. Для обработки космических снимков использовался пакет программ ENVI-4.0, ArcGis 10.3, ArcView-3.3 c модулями Image Analyst, Spatial Analyst. В качестве показателей, с помощью которых осуществлялся мониторинг состояния лесов, были выбраны два инструмента кластерного анализа: классификация ISODATA и тематическая разность пикселей. Инструмент тематической разницы позволяет перераспределить пиксели одного результата классификации относительно другого результата классификации, с которым проводят сравнение [9, 12-13]. Кроме результатов классификации пикселей мультиспектральных снимков, обработке с помощью кластерного анализа подвергались производные, характеризующие отношение двух спектральных каналов, такие как индекс NDVI (4-3 каналы) [10], NBR (4-7 каналы) [11], SWIR (4-5 каналы) [14].
В случае каждого из индексов результаты классификации распределились следующим образом: по индексу вегетации (NDVI) в первый класс вошли участки с низкой продуктивностью (от 0 до 0,3), во второй класс - участки с высокой продуктивностью (от 0,31 до 0,65); по индексу гарей (NBR) в первый класс вошли участки с низкими значениями индекса (0-0,4), во второй класс - участки с высокими значениями индекса (0,41-0,70); по индексу SWIR в первый класс вошли участки с низкими значениями индекса (-0,15-0,09), во второй класс - участки с высокими значениями индекса (0,10-0,15).
Результаты и обсуждение
Исследование процесса восстановления лесов после пожара было проведено на разновременных снимках пожара 1985 года, охватившего территорию в 522 км2 (рис. 1). Расчет тематической разности между результатами классификации на два и десять классов для каждого года представлен в табл. 1.
1973 г, 2005 Г. 2016 Г,
Рис. 1. Границы пожара 1985 г. на весенних снимках: 1973 г. - за 12 лет до пожара; 2005 г. - спустя 20 лет после пожара; 2016 г. - спустя 31 год после пожара
Таблица 1
Тематическая разность между десятью и двумя классами при классификации снимков гари 1985 г.
Класс темат. разности 2005 г. 2009 г. 2015 г 1973 г. до гари 2005 г. 2009 г. 2015 г. 1973 г. до гари
1 подкласс древостой 1 подкласс древостой 1 подкласс древостой 1 подкласс древостой 2 подкласс пустоши 2 подкласс пустоши 2 подкласс пустоши 2 подкласс пустоши
1 9009 9490 9729 11712 0 0 0 0
2 12663 14331 14623 14140 0 0 0 0
3 12622 13724 13857 13340 0 0 0 0
4 10338 11359 12239 11552 0 0 0 0
5 8591 9841 11431 11332 557 0 0 0
6 0 2500 6010 5620 9073 7116 4581 3052
7 0 0 0 12 9441 10021 10858 9816
8 0 0 0 0 11298 11541 12462 11432
9 0 0 0 0 15950 13090 10818 11760
10 0 0 0 0 12398 8927 5332 8172
сумма 53223 61245 67889 67708 58717 50695 44051 44232
Итоговая кривая восстановления лесов после пожара 1985 г. представлена в табл. 2. Спустя тридцать лет после пожара (в 2015 г.) соотношение между территориями, покрытыми лесом и территориями с большой долей открытых пространств, практически выравнивается (ср. 67889 пикселей в 2015 г. и 67708 в 1973 г.; 44051 в 2015 г. и 44232 в 1973 г.). При этом каждая из кривых складывается из нескольких разнонаправленных процессов, отраженных на графиках изменения классов при расчете тематической разности.
В случае 1 подкласса, характеризующего покрытые лесом территории, изменения
Таблица 2
Оценка процесса восстановления лесов на весенних снимках
Таблица 3
Изменение классов покрытых лесом территорий по мере зарастания гари
во времени в первых пяти классах плавные и показывают рост количества пикселей в каждом классе за период с 2005 по 2015 гг. (табл. 3).
Иная картина в подклассе 2, характеризующем территории с большой долей открытых пространств. В случае 7 и 8 класса количество пикселей в классах практически не изменяется. Исходя из этого, можно предположить, что в 7 и 8 классы включены кластеры, отвечающие за территории с большой долей открытых пространств, которые имелись на выбранном фрагменте снимка до пожара.
Это пустоши, связанные с естественными особенностями ландшафта. Также отмечено значительное уменьшение количества пикселей в классах 9 и 10 (табл. 4). Именно эти классы характеризуют уменьшение площадей послепожарных пустошей по мере зарастания гари.
Наконец, после 2005 г. (спустя 20 лет после пожара) в 1 подклассе, характеризующем
Таблица 4
Изменение классов с открытыми пространствами по мере зарастания гари
Таблица 5
Динамика изменения пикселей по мере зарастания гари (в шестом классе тематической разности)
покрытые лесом территории, появляется 6 класс с важными значениями. За период с 2005 по 2015 гг. отмечен рост количества пикселей в этом классе. Количество пикселей в 6 классе в 2015 г. практически сравнивается с числом пикселей в 6 классе в 1973 году (до пожара) (табл. 5). При этом симметрично отмечается уменьшение количества пикселей в 6 классе второго подкласса, характеризующего территории с большой долей открытых пространств.
Еще более информативным является использование инструмента тематической разности между результатами классификации космических снимков, сделанных в разные годы. Для сравнения изменения тематической разности во времени были использованы три временных отрезка (1995-1973 гг., 2004-1973 гг., 2013-1973 гг.). Эти отрезки позволили сравнить изменения классов с допожарным состоянием (табл. 6).
Таблица 6
Изменения тематической разности во времени (сравнение с 1973 г., масштаб 1:30)
Классы темат. разности 1995-1973 гг. 2004-1973 гг. 2013-1973 гг. 1995-1973 гг. 2004-1973 гг. 2013-1973 гг.
1 подкласс древостой 1 подкласс древостой 1 подкласс древостой 2 подкласс пустоши 2 подкласс пустоши 2 подкласс пустоши
1 класс 1708 1191 1902 -1647 -1196 -1840
2 класс 3631 3937 4218 -3672 -3792 -4224
3 класс -144 164 1455 108 -132 -1445
4 класс -3529 -2556 -3876 3531 2682 4041
5 класс -7843 -6880 -5240 7858 6994 5547
6 класс -5345 -4888 -4372 5443 4921 4465
сумма -11522 -9032 -5913 11621 9477 6544
Таблица 7
Суммарная кривая зарастания гари 1985 года по тематической разности с 1973 г.
30000 к | 20000 и 1 10000 1 0 г -1оооо с 1 -20000 й -30000 -40000
---■--И
♦ __5
____—х
______—----X
------
1995-1973 ГГ. 2004-1973 гт. 2013-1973 гт.
♦ масштаб 1:30 пустоши 11621 9477 6544
■ масштаб 1:40 пустоши 20593 14258 10979
А масштаб 1:50 пустоши 30161 22647 18255
X масштаб 1:30 леса -11522 -9032 -5913
Ж ■масштаб 1:40 леса -20506 -13858 -10478
—•—масштаб 1:50 леса -29745 -21525 -17129
Во-первых, в первом подклассе с преобладанием древостоя первые два класса в случае тематической разности с 1973 г. имеют положительное значение (т. е. отмечен прирост относительно состояния на 1973 год). А последние два класса (5 и 6) в первом подклассе имеют отрицательные значения разности (т. е. отмечено уменьшение относительно состояния в 1973 г.). Во втором подклассе, характеризующем пустоши, наблюдается симметрия распределения пикселей относительно классов с преобладанием древостоя. Во-вторых, в случае тематической разности с 1973 г. общее направление кривой восстановления древостоя (первый подкласс тематической разности) идет от отрицательных значений к нулю (т. е. от состояния сильно нарушенного древостоя в 1995 г. к состоянию, приближающемуся к допожарному) (табл. 7). В случае второго подкласса с преобладанием пустошей наблюдается противоположная тенденция. От преобладания открытых пространств в 1995 г. и
Рис. 2. Пожар 1985 г. Характеристика процесса восстановления лесов по изменению индекса вегетации (NDVI) на разновременных снимках
больших положительных значений движение происходит также к нулю, т. е. состоянию, приближающемуся к допожарному.
Процесс восстановления лесов после пожаров характеризуется изменениями в распределении индексов. Нами были определены индексы NDVI, NBR, SWVI для всей территории, охваченной пожаром 1985 г. Получены три картины распределения значений индексов по площади гари для 1995, 2001 и 2011 гг. По индексу вегетации (NDVI) распределение значений индексов показано на рис. 2.
По индексу NBR за период с 1995 по 2011 гг. для гари в целом отмечено резкое увеличение площадей, относящихся ко 2 классу (ненарушенные или восстановленные с диапазоном значений NBR от 0,41 до 0,71) с 166,43 км2 до 468,90 км2 (до 89 % площади гари 1985 г.) (табл. 8).
По индексу SWVI для гари в целом также заметно увеличение площадей, относящихся ко 2 классу (с высокими значениями индекса). Увеличение с 64,21 км2 в 1995 г. до 356,97 км2 в 2011 г. (до 68 % площади гари 1985 года). По индексу вегетации NDVI для гари в целом отмечено увеличение площадей, относящихся к 0 классу поражения (диапазон NDVI от 0,31 до 0,65) или высокопродуктивным лесам. С 216,82 км2 в 1995 г. до 511,26 км2 в 2011 г. (до 98 % площади гари 1985 года) (табл. 8).
Кривые изменения индексов NDVI и SWVI неодинаковы. Если для индекса NDVI, отражающего количество фотосинтетически активной растительной биомассы, отмечено резкое увеличение площадей с высокими значениями индекса за весь период с 1995 по 2011 гг., то для индекса SWVI, отражающего влагообеспечение растительности, за период с 1995 по 2001 гг. наблюдается незначительный рост, и только с 2001 по 2011 гг. отмечено резкое увеличение площадей с высокими значениями индекса (рис. 3).
Заключение
На примере анализа территории, охваченной пожаром 1985 г., показана перспективность использования кластерного анализа разновременных космических снимков при оценке процесса восстановления лесов после пожаров.
При расчете тематической разности на снимках, сделанных в разные годы, показано, что спустя тридцать лет после пожара (в 2015 году) соотношение между территориями, покрытыми лесом и пустошами, практически выравнивается с допожарным состоянием.
Суммарная кривая восстановления лесов после пожара складывается из
Таблица 8
Изменение индексов гарей NBR (4-7 каналы) , NDVI (4-3 каналы), SWVI (4-5 каналы) во времени для всей площади гари пожара 1985 г.
Класс Интервалы значений индекса Количество пикселей на космоснимке Площадь в км2
Гарь в границах пожара Гарь в границах пожара
1995 г. 2001 г. 2011 г. 1995 г 2001 г 2011 г.
1 NBR-значения индекса (0,1-0,4) 395079 339992 58338 355,57 305,99 52,50
2 NBR-значения индекса (0,41-0,70) 184926 239811 521008 166,43 215,85 468,90
1 !Ы0У[-значения индекса (0,0-0,30) 339087 61765 11116 305,17 55,58 10,00
2 !Ы0У[-значения индекса (0,31-0,65) 240915 514650 568077 216,82 463,18 511,26
1 SWV[-значения индекса (-0,15-0,09) 508721 506241 182766 457,84 455,61 164,48
2 SWV[-значения индекса (0,091-0,150) 71354 73829 396641 64,21 66,44 356,97
600000 % g зооооо U | 400000 g 300000 jj 200000 g 100000 se 0
V „
v
Л
у4
■-ш
1995 г. 2001 г. 1011 г.
—i— SWYI-знзчеши ннцекса(-0.15- 0,09} 50S721 506241 1S2766
—■— SWVI- "начеши 1шдекн:а(0.091 -0.150) 71354 73S29 396641
Рис. 3. Сравнение кривых изменения индексов N0^, SWV[ за период с 1995 по 2011 гг. на территории, пройденной пожаром 1985 г.
разнонаправленных процессов. Если для подкласса, характеризующего древостой, отмечается неуклонное увеличение площадей за период с 2005 по 2015 гг. во всех классах, то для подкласса, характеризующего пустоши, 7 и 8 классов (при классификации на 10 классов) практически отсутствуют изменения за весь анализируемый период. Эти классы отражают кластеры территорий с большой долей открытых пространств, которые имелись на выбранном фрагменте снимка до пожара. При этом отмечено значительное уменьшение количества пикселей в классах 9 и 10. Именно эти классы характеризуют уменьшение площадей послепожарных пустошей по мере зарастания гари.
При расчете тематической разности для трех временных отрезков (1995-1973 гг.,
2004-1973 гг., 2013-1973 гг.) общее направление кривой восстановления древостоя движется от отрицательных значений к нулю (т. е. от состояния сильно нарушенного древостоя в 1995 г. к состоянию, приближающемуся к допожарному). В случае второго подкласса с преобладанием открытых пространств тенденция противоположная. От преобладания открытых пространств в 1995 г. и больших положительных значений движение также стремится к нулю.
При оценке изменений значений индексов NBR, SWVI, NDVI во времени отмечено резкое увеличение доли кластеров с высокими значениями по мере восстановления лесов от пожара.
По индексу NBR за период с 1995 по 2011 гг. для гари в целом отмечено резкое увеличение площадей, относящихся ко 2 классу (ненарушенные или восстановленные с диапазоном значений NBR от 0,41 до 0,71), с 166,43 км2 до 468,90 км2 (до 89 % площади гари 1985 года).
По индексу SWVI для гари в целом также заметно увеличение площадей, относящихся ко 2 классу (с высокими значениями индекса). Увеличение с 64,21 км2 в 1995 г. до 356,97 км2 в 2011 г. (до 68 % площади гари 1985 года).
По индексу вегетации NDVI для гари в целом отмечено увеличение площадей, относящихся к высокопродуктивным лесам (диапазон NDVI от 0,31 до 0,65). С 216,82 км2 в 1995 г. до 511,26 км2 в 2011 г. (до 98 % площади гари 1985 года).
Кривые изменения индексов NDVI и SWVI неодинаковы. Если для индекса NDVI, отражающего количество фотосинтетически активной растительной биомассы, отмечено резкое увеличение площадей с высокими значениями индекса (за период с 1995 по 2011 г.), то для индекса SWVI, отражающего влагообеспечение растительности, за период с 1995 по 2001 гг. рост незначительный, и в период с 2001 по 2011 гг. отмечено резкое увеличение площадей с высокими значениями индекса.
Л и т е р а т у р а
1. Тимофеев П. А. Леса Якутии. - Новосибирск: Из-во СО РАН, 2003. - 195 с.
2. Габышева Л. П. Роль пожаров в возобновлении лесов в Центральной Якутии // Вестник Томского государственного университета. Биология. - 2014. - № 1 (25). - С.154-167.
3. Исаев А. П. Естественная и антропогенная динамика лиственничных лесов криоли-тозоны (на примере Якутии): Автореф. дис... доктора биологических наук. - Якутск, 2011.
- 46 с.
4. Барталев С. С. Разработка методики региональной экологической оценки состояния лесов по данным спутниковых наблюдений. Автореф. дис. доктора технических наук. - Москва, 2006. - 48 с.
5. Барталев С. А., Исаев А. С., Лупян Е. А. Современные приоритеты развития мониторинга боре-альных экосистем по данным спутниковых наблюдений // Сибирский экологический журнал. - 2005.
- № 6. - С. 1039-1054.
6. Лабутина И. А., Балдина Е. А. Использование данных дистанционного зондирования для мониторинга экосистем ООПТ. - М.: WWF, 2011. - 88 с.
7. Юрикова Е. А. Кокутенко А. А. Сухинин А. И. Исследование возможности применения данных SPOT-4 для дешифрирования поврежденных пожарами участков растительности // Вестник Сибирского государственного аэрокосмического университета им. академика М. Ф. Решетнева. - 2008. - № 4. - С. 75-78.
8. Курбанов Э. А., Воробьев О. Н., Лежкин С. А., Полевщикова Ю. А. Решение вопросов космического мониторинга лесных гарей в комплексных пакетах ENVI и ARCGIS. Геоматика. - 2012,
- № 4, - С. 82-92.
9. ArcView Image Analisis. Руководство пользователя. - М: Дата+, 1998. - 214 с.
10. Hudak A. T., Morgan P., Bobbitt M. J., Smith M. S., Lewis S. A., Lentile L. B., Robichand P. R., Clark J. T., McKinley R. A. Relationship of multispectral satellite imagery to immediate fire effects // Journal of Fire ecology. - 2007. - № 3. - P. 64-90.
11. Escuin S., Navarro R., Fernandez P. Fire severity assessment by using NBR (Normalized
Bum Ratio) and NDVI (Normalized Difference Vegetation Index) derived from Landsat TM/ETM images // Jounal of Remote Sensing. - 2008. - № 29. - P. 1053-1073.
12. Рожков Ю. Ф., Кондакова М. Ю. Мониторинг состояния лесов с использованием кластерного анализа при дешифрировании космических снимков среднего и высокого разрешения // Наука и образование. - Якутск: 2016. - № 3. - С 95-101.
13. 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. - № 1(1). - С. 98-107.
14. Шихов А., Маракулин Я. Оценка последствий лесных пожаров в 2010 году в Пермском крае. Интернет-публикация: http://gis-lab.info/qa/fires-perm.html
R e f e r e n c e s
1. Timofeev P. A. Yakutia Forest. - Novosibirsk, Siberian Branch, 2003. - 195 p.
2. Gabysheva L. P. The role of fire in the renewal of forests in Central Yakutia // Bulletin of the Tomsk State University. Biology. - 2014. - № 1 (25). - P. 154-167.
3. Isaev A. P. Natural and anthropogenic dynamics of the larch forests permafrost zone (for example, Yakutia): - Author. thesis ... of Doctor of Biological nauk. - Yakutsk, 2011. - 46 p.
4. Bartalev S. S. Development of methods of regional environmental assessment of forest condition according to satellite observations: Author. thesis ... of Doctor of Technical nauk. - Moscow, 2006. - 48 p.
5. Bartalev S. A., Isaev A. S., Loupian E. A. Current priorities for the development of the boreal ecosystem monitoring according to satellite observations // Siberian Journal of Ecology. - 2005. - № 6.
- P. 1039-1054.
6. Labutina I. A., Baldina E. A. The use of remote sensing data to monitor the protected area ecosystems. - M .: WWF, 2011. - 88 p.
7. Yurikova E. A., Kokutenko A. A., Sukhinin A. I. Study the possibility of using SPOT-4 data to decrypt the fire damaged areas of vegetation // Bulletin of the Siberian State Aerospace University named after Academician M. F. Reshetneva. - 2008. - № 4. - P. 75-78.
8. Kurbanov E. A., Vorobiev O. N., Lezhkin S. A., Polevschikova J. A. The solution space monitoring issues of forest burnt in a comprehensive package of ENVI and ARCGIS. Geomatics. - 2012. - № 4.
- P. 82-92.
9. ArcView Image Analisis. Guidelines for the user. - M: Data +, 1998. - 214 p.
10. Hudak A. T., Morgan P., Bobbitt M. J., Smith M. S., Lewis S. A., Lentile L. B., Robichand P. R., Clark J. T., McKinley R. A. Relationship of multispectral satellite imagery to immediate fire effects // Journal of Fire ecology. - 2007. - № 3. - P. 64-90.
11. Escuin S., Navarro R., Fernandez P. Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from Landsat TM / ETM images // Jounal of Remote Sensing. - 2008. - № 29. - P. 1053-1073.
12. Rozhkov Yu., Kondakova M. Monitoring forest health using cluster analysis in deciphering space images of medium and high resolution // Science and obrazovanie. - Yakutsk: 2016, - №3. - P. 95-101.
13. Rozhkov Yu., Kondakova M. Evaluation of the possibility of using pixel distribution symmetry index in monitoring forest conditions in deciphering space images of middle and high razresheniya. -Nature Conservation Research. Protected Science . -2016. - №1 (1). - P. 98-107.
14. Shikhov A., Marakulin J. Evaluation of the effects of forest fires in 2010 in the Perm region. Internet publication: http://gis-lab.info/qa/fires-perm.html
