CC BY
80
Природопользование
Сведения об авторах
Натхин Марко - ученый Федерального научно-исследовательского института сельской местности, лесного хозяйства и рыболовства, Институт лесных экосистем, г. Эберсвальде, Германия; e-mail: [email protected]
Бек Вольфганг - ученый Федерального научно-исследовательского института сельской местности, лесного хозяйства и рыболовства, Институт лесных экосистем, г. Эберсвальде, Германия; e-mail: [email protected]
Мюллер Юрген - ученый и руководитель лесной экологии в Федеральном научноисследовательском институте сельской местности, лесного хозяйства и рыболовства, Институт лесных экосистем, г. Эберсвальде, Германия; e-mail: [email protected]
Information about authors
Natkhin Marco - scientist at the Institute of Forest Ecosystems, Eberswalde, Germany; email: [email protected]
Beck Wolfgang - scientist at the Institute of Forest Ecosystems, Eberswalde, Germany; email: [email protected]
Muller Jurgen - scientist, head of Forest Ecology at the Institute of Forest Ecosystems, Eberswalde, Germany; e-mail: [email protected]
DOI: 10.12737/14156 УДК 639.1
ЗОНИРОВАНИЕ ТЕРРИТОРИИ УДМУРТСКОЙ РЕСПУБЛИКИ ПО КАТЕГОРИЯМ СРЕДЫ ОБИТАНИЯ ОХОТНИЧЬИХ РЕСУРСОВ НА ОСНОВЕ ДАННЫХ СПУТНИКОВОЙ СЪЕМКИ LANDSAT 8 OLI-TIRS
кандидат сельскохозяйственных наук, старший научный сотрудник В. М. Сидоренков1
Э. В. Дорощенкова1
Е. В. Лопатин1
кандидат сельскохозяйственных наук О. В. Рябцев1 Е. М. Сидоренкова1
1 - ФБУ «Всероссийский НИИ лесоводства и механизации лесного хозяйства»,
г. Пушкино, Российская Федерация
Развитие современных технологий в области дистанционного зондирования земли (ДЗЗ) позволяет применять новые методические подходы к определению элементов природных ландшафтов и их характеристик. Именно к таким работам и относится зонирование территории Удмуртской Республики по категориям среды обитания охотничьих животных. Значительное разнообразие природных зон, сочетание лесов, лугов, сельскохозяйственных земель затрудняет классификацию среды обитания охотничьих ресурсов по «старинке» на основе топографических материалов
84
Лесотехнический журнал 3/2015
Природопользование
и информации на бумажных носителях. Выходом из данной ситуации является использование современных методов анализа данных дистанционного зондирования Земли (ДЗЗ), которые позволяют с минимальными затратами времени провести классификацию среды обитания охотничьих ресурсов. В тоже время при применении методов анализа территории с использованием ДЗЗ в недостаточной степени решены вопросы по методике дешифрирования различных категорий природных элементов ландшафта и их оценке с точки зрения среды обитания охотничьих ресурсов. Решению многих проблемных вопросов по особенностям дешифрирования категорий среды обитания охотничьих ресурсов посвящена данная статья. В статье содержатся результаты работ по зонированию территории Удмуртии по категориям среды обитания охотничьих ресурсов, с указанием используемых методов, данных космической съемки, а также проблем, решение которых невозможно в полной мере без дополнительных источников картографической и лесоустроительной информации. Актуальность статьи заключается не только в современных подходах и методах анализа данных ДЗЗ, но и использование их при применении свободно распространяемых данных со спутника Landsat 8 OLI-TIRS, что дает возможность применения опыта дешифрирования, содержащегося в статье для большинства территорий Европейской части России.
Ключевые слова: категории, среда обитания охотничьих ресурсов, спектрозональные снимки, зонирование, дешифрирование.
ZONING OF THE UDMURTIJA REPUBLIC TERRITORY BY GAME RESOURCE HABITAT CATEGORIES BASED ON LANDSAT 8 OLI-TIRS SATELLITE SURVEY DATA
PhD in Agricultural, Senior Researcher V. M. Sidorenkov1 E. V. Doroshenkova1 E. V. Lopatin1
PhD in Agricultural O. V. Ryabtsev1 E. M. Sidorenkova1
1 - Russian research Institute for Silviculture and Mechanization of Forestry,
Pushkino, Russian Federation.
Abstract
Development of updated technologies in remote sensing (RS) enables application of new procedures in identification of natural landscape elements and its characteristics. Zoning of the Udmurtija Republic territory by game resource habitat categories exactly belongs to such work. Great variety of natural zones, combination of forests, grasslands, agricultural lands complicates game resource habitat classification in the same old way based on topography materials and information on paper carriers. Application of updated analysis procedures for remote sensing data that enable game resource habitat classification with minimum time input is a way to address this situation. In the mean time issues of decoding procedures for various categories of natural landscape elements and its assessment in relation to game resource habitat is addressed insufficiently. This paper covers solution of many controversial issues on game resource habitat category decoding specifics. The paper comprises results of the Udmurtija Republic territory zoning by
Лесотехнический журнал 3/2015
85
Природопользование
game resource habitat categories with specification of applied procedures, satellite survey data as well as problems that can’t be addressed without additional sources of mapping and forest management information. This paper applicability is not only in updated procedures of RS data analysis but in application of free available Landsat 8 OLI-TIRS satellite data that enables application of decoding experience in this paper for most European Russia territories.
Keywords: categories, game resource habitat, spectrozonal images, zoning, decoding.
Разработка проектов охотустройства на значительных территориях предполагает обработку большого количества материала, связанного с анализом категорий среды обитания охотничьих ресурсов и их классификацией. Использование материалов на традиционных носителях информации, таких как планы лесных насаждений, материалы лесоустройства, карты озер, водохранилищ, рек, сельхозугодий не позволяет получить достоверный материал за короткий промежуток времени, приводит к значительному количеству ошибок, из-за длительного времени не обновления топографических данных. Выходом из данной ситуации является использование современных технологий обработки данных дистанционного зондирования Земли (ДЗЗ), которые позволяют получить необходимую точность в решении вопросов анализа первичной информации по категориям обитания охотничьих ресурсов для последующей бонитировки охотничьих угодий.
Необходимость использования современных методов обработки и анализа информации стимулируется политикой Российской Федерации и отмечается в Стратегии развития охотничьего хозяйства в Российской Федерации до 2030 года (от 3 июля 2014 г. № 1216-р). В соответствии с приказом Министерства природных ресурсов и экологии Российской Федерации от 31 августа 2010 г. № 335 [3] для разработки схемы охотустрой-
ства и классификации среды обитания охотничьих ресурсов рекомендуется использование материалов космической съемки.
Опыт ранее осуществленных работ в этой области и анализ литературных источников [2, 4, 5] позволил определить, что для осуществления классификации категорий среды обитания охотничьих ресурсов возможно использовать разносезонные мультиспектральные снимки со спутника Landsat 8 OLI-TIRS. Преимуществом данного спутника является бесплатное предоставление данных, значительное количество каналов спектральной съемки, которые позволяют дешифрировать различные категории природных объектов экосистемы.
Результаты исследований, приведенные в статье, получены в рамках государственного контракта №0113200000814000015 от 13.08.2014. При зонировании классификации среды обитания охотничьих животных использованы снимки зимнего и летнего периода за 2013-2014 года. Анализ снимков построен на учете изменений растительного покрова по сезонам года. Зимние снимки относились к периоду декабря, начала февраля. Основные объемы работ осуществлялись по летним снимкам (июль-август).
Обработка снимков включала работы по фотограмметрии с учетом атмосферной коррекции и фототрансформирования. Одинаковый период летней и зимней съемки по-
86
Лесотехнический журнал 3/2015
Природопользование
зволил создать единую мозаику из снимков 2013-2014 года. Значительное количество каналов табл. дало возможность использовать алгоритмы автоматической классификации лесорастительных формаций, необходимых для классификации среды обитания охотничьих ресурсов. Наличие дополнительного 9 канала (Cirrus, SWIR) позволило применить при обработке снимков методики по коррекции областей с высокой облачностью.
Все этапы обработки космических снимков, а также их автоматическое дешифрирование проведены в программном комплексе Envi 5.2. В основе примененного подхода автоматического дешифрирования космических снимков лежат принципы последовательности и иерархичности, т. е. набор последовательных действий по отделению компонентов ландшафтов от «основной части» изображения. Анализ мультиспектрального снимка осуществляется на основе эталонов (растровых масок). Дешифрирование ландшафтов и угодий проводилось от наиболее легко дешифрируемых объектов (населенные пункты, водные объекты, дороги, хвойные насаж-
дения) к наиболее сложно дешифрируемым объектам (категории сельскохозяйственных земель, поймы рек, территории с нарушенным почвенным покровом, участки пожаров). Важной составляющей автоматического дешифрирования данных является верификация полученного результата с данными на местности. Лучше всего для этих целей подходят данные полевых наблюдений и описаний лесорасти тельных формаций в пределах изучаемой территории. При их отсутствии или недостаточном количестве возможно использование информации из других источников.
При проведении работ по верификации данных автоматического дешифрирования снимков нами были использованы материалы учета лесного фонда, данные таксационного описания насаждений, планшеты и планы лесонасаждений в масштабе от 1:10000 до 1:250000, а также материалы полевых исследований, данные космической съемки высокого разрешения для ограниченных территорий, кадастровые карты Росреестра, топографические карты масштабов 1:25000, 1:50000,
Таблица
Характеристики спектральных каналов спутника Landsat 8
Спектральный канал Длины волн Разрешение (размер 1 пикселя)
Канал 1 - Побережья и аэрозоли (Coastal / Aerosol, New Deep Blue) 0.433 — 0.453 мкм 30 м
Канал 2 - Синий (Blue) 0.450 — 0.515 мкм 30 м
Канал 3 - Зеленый (Green) 0.525 — 0.600 мкм 30 м
Канал 4 - Красный (Red) 0.630 — 0.680 мкм 30 м
Канал 5 - Ближний ИК (Near Infrared, NIR) 0.845 — 0.885 мкм 30 м
Канал 6 - Ближний ИК (Short Wavelength Infrared, SWIR 2) 1.560 — 1.660 мкм 30 м
Канал 7 - Ближний ИК (Short Wavelength Infrared, SWIR 3) 2.100 — 2.300 мкм 30 м
Канал 8 - Панхроматический (Panchromatic, PAN) 0.500 — 0.680 мкм 15 м
Канал 9 - Перистые облака (Cirrus, SWIR) 1.360 — 1.390 мкм 30 м
Лесотехнический журнал 3/2015
87
Природопользование
1:100000, карты болот, векторные карта OpenStreetMap [1].
Лучшие результаты автоматической классификации позволил получить алгоритм Mahalanobis Distance Classification, использующий принцип определении расстояния от наблюдаемой точки до центра тяжести класса в многомерном пространстве, определяемым коррелированными переменными. При дешифрировании снимков были выделены следующие классы объектов:
1. Хвойные вечнозеленые леса.
2. Смешанные с преобладанием хвойных пород (хвойных пород 60-80 %).
3. Смешанные с преобладанием мелколиственных пород (мелколиственных пород 60-80%).
4. Вырубки (самозарастающие и посадки на месте вырубок) и зарастающие поля.
5. Лиственные кустарники.
6. Болота верховые.
7. Болота травяные.
8. Луговые комплексы.
9. Луга сельскохозяйственного назначения (сенокосы и пастбища).
10. Пашни.
11. Водные объекты.
12. Береговые комплексы.
13. Г ари и ветровалы.
14. Территории с нарушенным почвенным покровом в результате добычи полезных ископаемых.
15. Промышленные и рудеральные комплексы, населённые пункты, территории свалок.
По категориям земель, не пригодных для ведения охотничьего хозяйства (промышленные и рудеральные комплексы, населённые пункты, территории свалок и
т.д.), а также категориям водных объектов осуществлялось уточнение границ по данным кадастровых и топографических карт.
Векторизация и оцифровка картографического материала проводились с использованием программного комплекса ArcGis 10. При выделении 200 м буферных зон вокруг городов и населенных пунктов были использованы автоматические алгоритмы выделения территорий по границам населенных пунктов. Разделение водных объектов по категориям осуществлялась на основе баз данных OpenStreetMap.
При векторизации объектов и разработки карты категорий среды обитания охотничьих ресурсов (рис. 1) были исправлены ошибки дешифрирования снимков по отнесению объектов в другие категории с близкими спектральными характеристиками. Векторизация границ категорий среды обитания охотничьих ресурсов и административного деления республики позволила провести дальнейшую классификацию по определенным территориям.
Результаты анализа данных космической съемки показали, что леса и сельскохозяйственные угодья по территории республики распределены неравномерно. В южной части Удмуртии лесистость территории не превышает 20 %, в центральной и западной частях показатель лесистости может превышать 60 % (рис. 1). Из покрытой лесом площади на долю хвойных насаждений приходится около 60 %, а на долю мягколиственных - 40 %. Породный состав лесов связан с климатическими и почвенными условиями. Наибольшую площадь (40 %) среди насаждений имеют древостои ели, которые широко распространены во всех районах республики.
88
Лесотехнический журнал 3/2015
Природопользование
Сосновые древостой занимают второе место по площади (17 %) среди хвойных пород. На долю насаждений с преобладанием березы приходится 31 % лесопокрытой площади
республики. Лесные массивы этой породы распространены практически во всех лесничествах.
Рис. 1. Зонирование территории Удмуртской Республики по классам среды обитания
охотничьих ресурсов
Лесотехнический журнал 3/2015
89
Природопользование
Доминирующей средой обитания охотничьих животных в Удмуртской Республике являются леса - 42.8 % и сельскохозяйственные угодья (территории, вовлеченные в сельскохозяйственный оборот - пашни, залежи, пастбища, сенокосы) - 28.3 % (рис. 2).
Категория «леса» в основном представлена хвойными породами около - 61 % (рис. 3). Второе место в категории занимают мелколиственные (мелколиственных пород более 80 %) - 19.6 %; на третьем месте - смешанные с преобладанием мелколиственных пород 60-80 % - 12.0 %. Незначительная доля относится к классу смешанных насаждений с преобладанием хвойных пород - 7.0 %. Остальные классы среды обитания весьма незначительны, всего в пределах 0,2-0,4 % от общей площади категории «леса».
Полученные результаты дешифрирования космических снимков Landsat 8 OLI-TIRS показывают возможность их использования для определения значительного количества категорий среды обитания охотничьих ресурсов. При обработке данных выявлено
ряд проблем при дешифрировании лесных участков, пройденных пожарами, а также категорий, включающих молодняки, кустарники, пойменные и болотные комплексы. Схожие проблемы отмечены в аналогичных исследованиях, осуществляемых для территории Республики Якутия [4, 5]. При дешифрировании этих классов необходимы дополнительные материалы лесоустройства, а при их отсутствии данные полевых обследований или спектрозональной съемки более высокого разрешения (1-5 м).
Подводя итог, таким образом, в целом можно констатировать высокий потенциал использования данных мультиспектральной съемки Landsat 8 OLI-TIRS для целей зонирования территории по классам среды обитания охотничьих ресурсов. При проведении анализа необходимо полагаться на методику иерархий, последовательно исключая наиболее легко определяемые элементы ландшафтов, такие как водоемы, реки, хвойные леса, города, дороги. Дешифрирование остальных
Рис. 2. Распределение территории Удмуртии по категориям среды обитания охотничьих
ресурсов
90
Лесотехнический журнал 3/2015
Природопользование
Рис. 3. Распределение категории «леса» по классам среды обитания
охотничьих ресурсов в Удмуртской Республике
признаков ландшафта требует применение вспомогательного материала или данных съемки более высокого разрешения (1-5 м.). В целом использование ДЗЗ высокого разрешения позволяет решить проблемы с определением классов среды обитания охотничьих ресурсов. Проведенные исследования показывают необходимость дальнейших научных поисков с целью уста-
новления критериев природных объектов по данным космической съемки и их взаимосвязи со средой обитания охотничьих животных. Решаемые задачи по иерархии критериев определенного класса объектов для оптимальной среды обитания различных видов животных позволит усовершенствовать методику бонитировки охотничьих угодий.
Библиографический список
1. GIS-Lab Данные OpenStreetMap в формате shape-файлов [Электронный ресурс] // GIS-Lab - Географические информационные системы и дистанционное зондирование. - 19 Ноябрь 2011 г. - 18 Июль 2014 г. - http://gis-lab.info/ qa/osmshp.html.
2. Владимирова, Н.А. Возможности применения космических снимков для государственной инвентаризации лесов [Текст] / Н.А. Владимирова // Геопрофи. - 2010. № 2. - С. 45-49.
3. Министерство природных ресурсов и экологии РФ [Текст] / Приказ от 31 августа 2010 г. №335 «Об утверждении порядка составления схемы размещения, использования и охраны охотничьих угодий на территории Российской Федерации, а также требований к её составу и структуре». - 31 август 2010 г.
4. Мышляков, С.Г. Особенности дешифрирования ландшафтов по мультиспектральным космическим снимкам для создания карты элементов среды обитания охотничьих ресурсов [Текст] / С.Г. Мышляков // Геоматика. - Москва: Совзонд, 2013. - № 1. - С. 53-62.
Лесотехнический журнал 3/2015
91
Природопользование
5. Мышляков, С.Г. Создание карт среды обитания охотничьих ресурсов по результатам дешифрирования разновременных мультиспектральных космических снимков [Текст] / С.Г. Мышляков, А.С. Скачкова, В.В. Величенко // Геоматика. - Москва: Совзонд, 2015. - № 1. - С. 68-78.
References
1. GIS-Lab Dannye OpenStreetMap v formate shape-fajlov [GIS-Lab OpenStreetMap Data in shape format files]. GIS-Lab of Geographical information systems and remote sensing. 19 November 2011 - 18 July 2014. Available at: http://gis-lab.info/ qa/osmshp.html. (In Russian).
2. Vladimirova N.A. Vozmozhnosti primenenija kosmicheskih snimkov dlja gosudarstvennoj inventarizacii lesov [The possibility of applying satellite imagery for the state forest inventory]. Geoprobe, 2010, no. 2, pp. 45-49. (In Russian).
3. Ministerstvo prirodnyh resursov i jekologii RF Prikaz ot 31 avgusta 2010 g. № 335 «Ob ut-verzhdeniiporjadka sostavlenija shemy razmeshhenija, ispol'zovanija i ohrany ohotnich'ih ugodij na territo-rii Rossijskoj Federacii, a takzhe trebovanij k ejo sostavu i strukture» [The Ministry of natural resources and ecology of the Russian Federation the Order of 31 August 2010 № 335 "On approval of the procedure for drawing up the layout, use and protection of hunting grounds on the territory of the Russian Federation, as well as the requirements for its composition and structure"]. - 31 August 2010. (In Russian).
4. Myshljakov S.G. Osobennosti deshifrirovanija landshaftov po mul'tispektral'nym kosmi-cheskim snimkam dlja sozdanija karty jelementov sredy obitanija ohotnich'ih resursov [The interpretation of landscapes in multispectral satellite images for mapping the elements of habitat hunting resources]. Geomatics. Moscow: JSC Saturn, 2013, no. 1, pp. 53-62. (In Russian).
5. Myshljakov S.G., Skachkova A.S., Velichenko V.V. Sozdanie kart sredy obitanija ohot-nich'ih resursov po rezul'tatam deshifrirovanija raznovremennyh mul'tispektral'nyh kosmicheskih snimkov [Create maps of habitat hunt-draws resources according to the decoding results of multi-temporal multispectral satellite images]. Geomatics. Moscow: Sovzond, 2015, no. 1, pp. 68-78 (In Russian).
Сведения об авторах
Сидоренков Виктор Михайлович - заведующий отделом лесоводства, лесоустройства и лесной таксации ФБУ «Всероссийский НИИ лесоводства и механизации лесного хозяйства», кандидат сельскохозяйственных наук, старший научный сотрудник, г. Пушкино, Российская Федерация; e-mail: [email protected]
Дорощенкова Эльвира Валерьевна - научный сотрудник отдела лесоводства, лесоустройства и лесной таксации ФБУ «Всероссийский НИИ лесоводства и механизации лесного хозяйства», г. Пушкино, Российская Федерация; e-mail: [email protected]
Рябцев Олег Викторович - заведующий сектором лесного проектирования ФБУ «Всероссийский НИИ лесоводства и механизации лесного хозяйства», кандидат сельскохозяйственных наук, г. Пушкино, Российская Федерация; e-mail: [email protected]
Лопатин Егор Вячеславович - научный сотрудник сектора лесного проектирования ФБУ «Всероссийский НИИ лесоводства и механизации лесного хозяйства», г. Пушкино,
92
Лесотехнический журнал 3/2015
Природопользование
Российская Федерация; e-mail: [email protected]
Сидоренкова Елена Михайловна - руководитель группы по геоинформационным технологиям в области лесоустройства и лесной таксации ФБУ «Всероссийский НИИ лесоводства и механизации лесного хозяйства», г. Пушкино, Российская Федерация; e-mail: [email protected]
Information about authors
Sidorenkov Victor Mikhailovich - manager of silviculture and forest management laboratory, Russian Research Institute for Silviculture and Mechanization of Forestry, Ph.D. in Agricultural, Senior Researcher, Pushkino, Russian Federation; e-mail: [email protected]
Doroshenkova Elvira Valeryevna - researcher, laboratory of silviculture, forest management and forest inventory, Russian research Institute for Silviculture and Mechanization of Forestry, Pushkino, Russian Federation; e-mail: [email protected]
Ryabtsev Oleg Viktorovich - manager of forest design sector, Russian research Institute for Silviculture and Mechanization of Forestry, Ph.D. in Agricultural, Pushkino, Russian Federation, email: [email protected]
Lopatin Egor Vyacheslavovich - researcher, forest design sector, Russian research Institute for Silviculture and Mechanization of Forestry, Pushkino, Russian Federation ; e-mail: [email protected]
Sidorenkova Elena Mihailovna - manager, group of geoinformation technologies in forest management and forest inventory, Russian research Institute for Silviculture and Mechanization of Forestry, Pushkino, Russian Federation ; e-mail: [email protected]
DOI: 10.12737/14157 УДК 630*182.59: 551.521
РАДИОЭКОЛОГИЧЕСКИЙ МОНИТОРИНГ В ЛЕСНЫХ ЭКОСИСТЕМАХ ЦЕНТРАЛЬНОЙ ЛЕСОСТЕПИ РОССИИ
В. Н. Скрипников1
кандидат биологических наук С. В. Щетинкин1 1 - Филиал ФБУ «Рослесозащита»-«ЦЗЛ Воронежской области», г. Воронеж, Российская Федерация
Установлено, что за период наблюдений на стационарах лесного радиационного мониторинга в свежих нагорных дубравах и во влажных суборях основным накопителем радиоцезия является дуб, что связано, с его биолого-экологическими особенностями. Наряду с биологической спецификой той или иной древесной породы, важную роль в накоплении древесными растениями радиоцезия играет тип лесорастительных условий (трофность, влажность). У древесных растений наиболее загрязнены поверхностные ткани, входящие в состав коры. Далее, по степени загрязненности, следуют листья (хвоя), мелкие ветви, древесина с корой и окоренная древесина, в которой радиоцезий практически не идентифицируется. Содержание радионуклидов в вышеназванных
Лесотехнический журнал 3/2015
93
