ocenka 2Оценка структурных характеристик лесных экосистем с использованием дешифрирования космических снимков высокого и сверхвысокого разрешения

 *ФГБУ Государственный природный заповедник «Олекминский», г. Олекминск, Россия

**ФГБУ Гидрохимический институт, г. Ростов-на-Дону, Россия

Аннотация. На примере анализа территории ненарушенного лесного массива в масштабе 1:10000 на космических снимках Landsat и DigitalGlobe показана перспективность использования кластерного анализа разновременных космических снимков при оценке структурных характеристик лесных экосистем. Анализ проводился с помощью неуправляемой классификации методом ISODATA и тематической разности. Тематическая разность рассчитывалась между результатами классификации на 2, 4, 6, 10, 16 классов. Проведено сравнение различных полигонов лесного массива по значениям индекса вегетации NDVI, связанного с продуктивностью лесных экосистем и индекса SWIR, связанного с влажностью. Показано, что не всегда высокие значения лесистости полигона связаны с высокой продуктивностью и высокой влагообеспеченностью лесов. На снимках с интервалом в 20 лет (1995 и 2015 гг.) сохраняется соотношение между значениями показателя лесистости, продуктивности и влагообеспеченности лесов. Проведен анализ показателя лесистости (индекс лесистости) и показателя разности между 1 классом (леса) и 2 классом (пустоши). Коэффициент корреляции между ними составил 0,99996. Показано, что с увеличением лесистости возрастает доля кластеров со средними значениями спектральной яркости. Если до значений коэффициента лесистости 0,547 преобладают пикселы с максимальным и минимальным значениями спектральной яркости, то после значения коэффициента лесистости 0,577 и выше преобладают классы с пикселями средних значений спектральной яркости. Проведено исследование серий полигонов с изменяющимся масштабом для определения критериев подобия, однородности лесных массивов, оценки густоты древостоя. Показано, чем выше густота древостоя, тем больше разность между 1 классом (леса) и 2 классом (пустоши). Определение F-теста на схожесть массивов данных позволило оценить, насколько однородны исследуемые лесные массивы. Сравнение массивов леса по показателю дисперсии показало пятикратное превышение дисперсии разных полигонов при классификации на 10 классов между неоднородными и однородными массивами.

Ключевые слова: дешифрирование космических снимков, классификация Isodata, тематическая разность, индекс NDVI, индекс SWVI, лесистость, соотношение древостоя и пустошей, продуктивность лесов, влагообеспеченность растений.

 

Ознакомиться со статьей.