Серов А.В., Попова О.И. — Территориальный фонд информации по природным ресурсам и охране окружающей среды Республики Коми;
Пахучий В.В. — Сыктывкарский лесной институт СПбГЛТА,
E-mail: pakhutchy@rambler.ru
Автоматизированная обработка спутниковых изображений позволяет получить информацию о лесах относительно нетрудоемкими методами. При использовании данных дистанционного зондирования Земли детальность информации снижается, зато обеспечивается оперативность ее получения, ее достоверность и сопоставимость. Примером такой работы может служить определение состава насаждений для фрагмента территории Кедвинского лесничества Ухтинского лесхоза Республики Коми.
На исследуемой территории лесоустройство проведено в 1996 г., оно выполнялось по III разряду (рис. 1). Данные лесоустройства представлены в виде цифровой карты базового масштаба 1:25000 в условной системе координат. Лесоустроительная карта была разделена на два не перекрывающихся участка. Первый использовался как основной и включал 748 лесных выделов, второй использовался в качестве дополнительного участка для уточнения отдельных положений и выводов и содержал 5470 выделов. Для проверки регрессионных уравнений использовали цифровые лесоустроительные карты участка, расположенного в Сюзьюнском лесничестве Ухтинского лесхоза и включающего 4500 выделов.
 |
| Рис. 1. Лесоводственно-таксационные исследования в ельнике-черничнике. |
Для выполнения работы были взяты два снимка, полученные спутником Ресурс-01 №3 (камера МСУ-Э) в 1996 и 1998 годах. Для получения массива табличных данных, включающих характеристики спектральной яркости и таксационные показатели насаждений на выделах, использовался программный продукт ERDAS IMAGINE и программные продукты семейства ArcGIS. Достигнута удовлетворительная степень совмещения снимков по опорным контурам (дорогам, просекам) с лесоустроительной картой. Средние значения спектральной яркости и дисперсии величин спектральной яркости для первого, второго и третьего спектральных каналов были получены путем автоматизированной совместной обработки космических снимков и цифровой повыдельной карты. Исходная таблица, преобразованная в формат пакета SPSS, использовалась для последующей статистической обработки.
К основным лесообразующим породам, произрастающим на территории Республики Коми, относятся ель, сосна и береза. На территории опытных участков кроме указанных пород в незначительных количествах произрастают также кедр, пихта, лиственница. По данным лесоустройства примесь указанных пород до 20% от состава общего запаса имеется только на 5% всех участков. Имеется 6 участков (менее 1% от их общего количества), на которых в качестве основной породы указана лиственница. С учетом хозяйственного значения перечисленных пород было принято решение об объединении пород по их спектральным характеристикам в группы темнохвойных, светлохвойных и мелколиственных. В группу темнохвойных пород включили ель, пихту и кедр, в группу светлохвойных — сосну и лиственницу, а в группу мелколиственных — березу, осину и иву. Поставленная задача решалась путем установления математико-статистических зависимостей линейной регрессии вида:
Уn = Аn*Х1 + Вn*Х2 + Сn*Х3 +Dn (1), где:
Уn (У1, У2, У3) — зависимые переменные, характеризующие суммарное участие в составе насаждения, соответственно, светлохвойных пород (сосны и лиственницы), темнохвойных пород (ели, пихты и кедра) и мелколиственных пород (березы, осины и ивы);
Х1, Х2, Х3 — независимые переменные, соответствующие спектральным яркостям, измеренным по космическому снимку соответственно в первом, втором и третьем каналах;
Аn, Вn, Сn, Dn — коэффициенты уравнения.
Была выполнена отбраковка ошибочных данных, которые могли появиться в результате неточного совмещения цифровой лесоустроительной карты и космических снимков, а также из-за особенностей формирования повыдельной карты.
Разработанная математико-статистическая модель имеет следующий вид:
У1 = А1*Х1 + В1*Х2 + С1*Х3 + D1 + e1 (2)
У2 = А2*Х1 + В2*Х2 + С2*Х3 + D2 + e2 (3)
У3 = А3*Х1 + В3*Х2 + С3*Х3 + D3 + e3 (4)
где е — остатки, случайная составляющая с независимыми значениями.
В качестве дополнительного условия, вытекающего из принципа построения формул состава яруса, можно принять следующее:
У1 + У2+ У3 = 10 (5)
Средняя ошибка оценки находится в пределах точности указания участия пород в составе яруса при высокой значимости регрессии для темнохвойных и мелколиственных пород и низкой значимости для светлохвойных пород. Учитывая соотношение (5), можем принять допустимым проведение расчета У2 и У3 по уравнениям (3) и (4) и нахождение У1 по уравнению (5) путем преобразования:
У1 = 10 — У2 — У3 (6)
Проверка полученных результатов на контрольном участке в Сюзьюнском лесничестве Ухтинского лесхоза показала умеренные расхождения между предсказанными значениями и данными лесоустройства для группы темнохвойных пород и более высокое расхождение для группы мелколиственных пород (рис. 2, 3). Причины расхождений по-видимому связаны с влиянием неучтенных факторов, а также невысоким III разрядом лесоустройства для рассматриваемой территории. Анализ графиков стандартизированных отклонений показывает, что линейная регрессия в целом достаточно хорошо описывает исходные данные, но для более точного описания необходимо использовать кривые третьего и более высокого порядка.
 |
| Рис. 2. Расчетное участие темнохвойных пород в составе насаждений Сюзьюнского лесничества Ухтинского лесхоза.
Расшифровка для записи 30024 8 (0): 30 — номер квартала, 024 — номер выдела, 8 — участие темнохвойных пород (коэффициент состава) в формуле состава насаждения, 0 — ошибка определения коэффициента состава по соответствующему уравнению регрессии. |
Совершенствование предложенного метода возможно на основе использования материалов инвентаризации лесного фонда, полученных при лесоустройстве по I и II разрядам или на базе тест-объектов. Для территории Ухтинского лесхоза, в котором выполнены данные исследования, а также Сыктывкарского и Корткеросского лесхозов такими тест-объектами могут служить опытные и учебные объекты кафедры лесного хозяйства Сыктывкарского лесного института, представленные постоянными пробными площадями. На этих площадях через 5 лет проводятся повторные перечеты, измерения высоты и определение таксационных показателей древостоев элементов леса, ярусов и общей характеристики насаждений. Накопление данных повторных наземных инвентаризаций насаждений на тест-объектах и соответствующих космических снимков позволяет по-новому подойти к оценке динамических процессов в таежных экосистемах, к организации мониторинга на основе данных дистанционного зондирования Земли.
 |
| Рис. 3. Пространственная изменчивость расчетных значений коэффициента состава насаждений.
Расшифровка для записи 30024: 30 — номер квартала, 024 — номер выдела. |
