Автоматизированное выявление низкополнотных насаждений зоны смешанных лесов с применением спутниковых данных среднего разрешения на примере учебно-опытного лесхоза БГТУ

Для ссылок:

Автоматизированное выявление низкополнотных насаждений зоны смешанных лесов с применением спутниковых данных среднего разрешения на примере Учебно-опытного лесхоза БГТУ / В.В. Вечеров, В.И. Дзубан, Ю.И. Перепечина, В.И. Шошин. – DOI 10.24419/LHI.2304-3083.2020.2.05. – Текст : электронный // Лесохоз. информ. : электрон. сетевой журн. – 2020. – № 2. – С. 54–65. URL:

Д ля оценки плотности стояния деревьев в лесном хозяйстве применяют понятие «полнота древостоя», под которым понимают показатель, характеризующий степень использования деревьями занимаемого ими пространства [1]. Относительная полнота – один из важнейших таксационных показателей, позволяющий определять запас насаждения и характеризовать его состояние. Таким образом, относительная полнота древостоя выступает в качестве характеристики фактической продуктивности того или иного насаждения [2].

Существует 3 различных подхода к определению или расчёту относительной полноты насаждений: а) непосредственные натурные измерения на пробных площадях; б) статистический метод, для которого необходимы данные о сумме площадей поперечных сечений или среднем диаметре древостоя и числе стволов на 1 га; в) применение данных дистанционного зондирования Земли (ДЗЗ).

Наземные и статистические методы при их практическом применении требуют трудоёмких вычислений и значительных затрат. Именно поэтому в настоящее время особую значимость для мониторинга состояния земель лесного фонда приобрели современные и доступные методы дистанционного зондирования. Дистанционное зондирование Земли – процесс или метод получения информации об объекте, участке поверхности или явлении путем анализа данных, собранных без контакта с изучаемым объектом [3]. Преимущества данных дистанционного зондирования Земли при изучении динамики лесных сообществ объясняются, прежде всего, их «первичностью» по сравнению картографическими материалами, а также возможностью извлекать разную, в зависимости от необходимости, информацию [4]. В данной работе для оценки относительной полноты древостоев с целью выявления низкополнотных насаждений использован метод картирования по показателю сомкнутости лесного полога (Forest Canopy Density – FCD) на основании данных среднего пространственного разрешения Sentinel-2 [5]. Показатель FCD является удобным в применении индикатором для оценки сомкнутости древесной растительности и состояния лесов при использовании данных космической съёмки [6, 7]. Преимущество этого метода заключается в возможности моделирования густоты крон (сомкнутости) без наземных тренировочных данных. Показатель густоты полога FCD выражается в процентах для каждого пикселя изображения, что позволяет, используя полевые данные и регрессионный анализ, составлять попиксельные карты относительной полноты древостоев.

Цель исследования – проанализировать возможность автоматизированного выявления низкополнотных насаждений, пройденных выборочными санитарными рубками.

Решаемые задачи:

• V    характеристика способов автоматизированной оценки густоты лесного полога;

• V    создание карт по показателю сомкнутости лесного полога (FCD) на основе данных среднего пространственного разрешения Sentinel-2;

• V    статистический регрессионный анализ наземных данных и данных, полученных из карт сомкнутости лесного полога, с целью установления зависимости между показателем FCD и относительной полнотой древостоя;

• V    создание карты относительной полноты для лесных участков, пройденных выборочными санитарными рубками.

Объекты и методы исследований

Объект исследования – Учебно-опытный лесхоз Брянского государственного инженерно-технологического университета (БГИТУ), находящийся на территории Брянского лесного массива [8]. Для Брянского лесного массива характерна большая пестрота почвенного покрова и неоднородность лесоводственно-таксационных показателей насаждений [9]. Это осложняет применение ДЗЗ для выявления насаждений, изре-женных в результате санитарно-оздоровительных мероприятий (СОМ). В качестве натурных объектов на территории Учебно-опытного лесхоза БГИТУ отобрано 20 лесотаксационных выделов, отличающихся породным составом насаждений, возрастом и интенсивностью изреживания (табл. 1).

Для автоматизированного выявления низкополнотных насаждений, пройденных выборочными санитарными рубками, применяли материалы бесплатной съёмки среднего разрешения Sentinel-2, которая на данный момент является наилучшей комбинацией высокого спектрального (13 каналов), пространственного (10–20 м/пкс) и временного разрешения (5 сут для одной и той же территории)[10].

Учитывая, что лесные насаждения являются динамической экосистемой, для оценки трендов взаимосвязи показателя относительной полноты древостоя и показателя FCD использованы 3 разносезонные сцены Sentinel-2 – поздневесенняя (25 мая 2019 г.), летняя (14 июня 2019 г.) и раннеосенняя (9 сентября 2019 г.).

В ходе натурных работ в мае 2019 г. заложено 20 круговых пробных площадей постоянного

Таблица 1. Таксационная характеристика пробных площадей

№ п/п	Координаты центра (WGS84)		Квартал	Выдел	Состав по ярусам	Возраст, лет	Высота, м	Диаметр, см	Класс бонитета	ТЛ1 ТЛУ2	Отн. полнота
	X	Y
1	34.462994	53.411515	52	6	10С	170	29,0	68,0	I	КИСЗ С 3	0,1
2	34.461519	53.409710	52	10	6С3Д1Кл+Лп	160	31,5	66,0	I	ЛЩКП D 3	0,44
3	34.459955	53.412852	52	1	I 7Лп3Кл II 6Е4Вз	110	24,6 1,.6	32,2 20,0	I	ЛЩКП D 2	0,27 0,02
4	34.459051	53.411683	52	5	I 4Яс3Лп3С II 10Д ед. Вз	170	33,3 24,7	35,9 41,8	I	ЛЩКП D 2	0,47 0,34
5	34.401389	53.396924	74	5	10С	160	33,0	44,0	I	ОРЛ С 2	0,1
6	34.407975	53.392086	87	2	10С	140	33,7	46,0	I	ЛИП С 3	0,11
7	34.421431	53.390059	89	10	7С3Е+Б	180	33,3	48,0	I	ЛИП С 2	0,1
8	34.424389	53.389596	89	15	9С1Е+Б	170	34,0	52,0	I	ЛИП С 2	0,3
9	34.403754	53.379453	111	19	7С3Е+ДН+Б	170	32,0	44,0	I	ЛИП С 3	0,3
10	34.450152	53.434168	4	1	5С3Е1Д1Ос	110	33,4	58,0	Iа	ЛИП С 3	0,39
11	34.453234	53.433755	4	5	I 8С2Лп II 10Д	110 60	34,1 20,0	50,0 24,0	Iа	ЛИП С 3	0,48 0,05
12	34.444768	53.417882	39	1	I 7С3Б II 10Лп	150 50	40,0 17,0	56,0 16,0	Iа	ЛЩКП D 3	0,12 0,01
13	34.415700	53.399128	66	15	I 10С II 10Лп	190	35,8 16,0	47,0 20,0	I	ЛИП С 3	0,27 0,02
14	34.424983	53.399987	67	8	3Д3Е2Олч2Кл	180	28,5	28,0	I	ЛЩКП D 3	0,19
15	34.398794	53.385284	98	2	5С3Е2Е	140	31,0	40,0	I	ОРЛ С2	0,38
16	34.462994	53.411515	52	6	5С5Е+Кл+Д	170	35,0	52,0	I	КИСЗ С 3	0,4

№ п/п	Координаты центра (WGS84)		Квартал	Выдел	Состав по ярусам	Возраст, лет	Высота, м	Диаметр, см	Класс бонитета	ТЛ1 ТЛУ2	Отн. полнота
	X	Y
17	34.461710	53.409815	52	10	4С4Е2Кл	160	33,0	48,0	I	ЛЩКП D 3	0,4
18	34.427366	53.402061	68	1	I 10С II 5Кл5Лп	130	34,5 14,0	45,7 16,0	I	ЛИП С 2	0,27 0,02
19	34.428674	53.401181	68	6	10С	190	30,0	32,0	I	ЛИП С 2	0,05
20	34.463919	53.406496	62	8	9С1Лп	150	37,5	36,0	Iа	ЛИП С 3	0,19

1 ТЛ – тип леса: КИСЗ – кислично-зеленчуковый, ЛЩКП – лещиново-копытеневый, ОРЛ – орляковый, ЛИП – липняковый.

2 ТЛУ – тип лесорастительных условий: С2 – свежая сложная суборь, С3 – влажная сложная суборь, D2 – свежая дубрава, D3 – влажная дубрава.

радиуса (R=17,8 м, S=1000 м2) в насаждениях различной полноты (0,1–0,5), пройденных выборочными санитарными рубками. Характеристика пробных площадей приведена в табл. 1.

Картирование сомкнутости лесного полога по FCD основано на нескольких индикаторах: улучшенный вегетационный индекс (AVI), индекс оголённости почвы (BI) и индекс затенённости древесного полога (SI) [7, 11] (табл. 2). Расчёт вегетационных индексов проводился попиксельно с применением растрового калькулятора в QGIS.

Перед процедурой расчёта индексов была проведена атмосферная и радиометрическая коррекция съёмки в QGIS (модуль SCP), а также нормализация данных с применением линейной трансформации [12].

Улучшенный вегетационный индекс (AVI) характеризует величину биомасс и очень чувствителен к изменениям в густоте полога растительности благодаря усилению отражения в инфракрасном диапазоне, в отличие от широко применяемого вегетационного индекса [13].

Индекс оголённости почвы (BI) позволяет разделять растительность, расположенную на различных почвах, благодаря тому, что красный канал реагирует на минеральное строение почв, а ближний инфракрасный и зелёный канал характеризуют растительность [13, 14].

Индекс затенённости древесного полога (SI) позволяет оценить степень затенённости крон древостоя, что служит признаком для разделения насаждений как по возрасту (молодые насаждения имеют низкие значения индекса), так и по сомкнутости (сомкнутые насаждения имеют низкую степень затенения); выражается в процентах [15].

Показатель сомкнутости лесного полога FCD рассчитывался попиксельно в растровом калькуляторе QGIS по формуле:

FCD=[(VD x SI + 1)^] - 1, где VD – показатель густоты растительности (первая компонента преобразованного по методу главных компонент (PCA) композитного изображения из растров AVI и BI), % [7].

Таблица 2. Индикаторы, используемые при моделировании густоты древесного полога

Индикатор	Формула расчёта*
Улучшенный вегетационный индекс (AVI)	AVI=[B4x256-B3)x(B4-B3)] 1/3
Индекс оголённости почвы (BI)	BI={[(B4+B2)-B3]/[(B4+B2)+B3]}
Индекс затенённости древесного полога (SI)	SI=[(256-B1)x(256-B2)x(256-B3)] 1/3

* B1 – синий канал космоснимка, В2 – зелёный канал, В3 – красный канал, В4 – ближний инфракрасный канал.

Результаты и обсуждение

В результате проведённых исследований составлена карта сомкнутости древесного полога насаждений Учебно-опытного лесхоза БГИТУ. Согласно полученным данным (рис. 1), наибольшую долю среди древостоев с низкой сомкнутостью составляют хвойные насаждения с преобладанием ели европейской (Picea abies L.) в составе. Это связано с проведением санитарно-оздоровительных мероприятий вследствие увеличения площади насаждений, поврежденных короедом-типографом. Предыдущее исследование, посвящённое глазомерному выявлению низкополнотных хвойных насаждений после проведения СОМ, показало, что чрезмерное изреживание при выборочных санитарных рубках (ВСР) приводит к замедлению восстановления природоохранных функций лесов и на длительное время снижает их продуктивность [16].

После создания попиксельной карты сомкнутости лесного полога в программе QGIS пробным площадям присвоены полученные значения показателя FCD. Затем в среде RStudio проведен корреляционно-регрессионный анализ связи между показателем FCD и данными натурных обследований относительной полноты древостоя:

Результат корреляционно-регрессионного анализа связи между FCD и относительной полнотой

Уравнение регрессии              P=0,0024xe ⁽⁰'^0881xFCD)

Коэффициент корреляции, r0,787

Коэффициент детерминации, R2

F, при p-value<0,00110,57

Стандартная ошибка±0,07

Рис. 1. Карта сомкнутости древесного полога (FCD, %) на территорию объекта исследований

Из-за ограниченного набора полевых натурных данных, их неравномерного распределения по территории объекта работ, а также необходимости включения в модель высокополнотных лесных насаждений, проведена рандомизированная выборка 10-ти дополнительных выделов с относительной полнотой 0,6–1,0 по векторным данным последнего лесоустройства.

Таким образом, корреляционно-регрессионный анализ связи между показателем FCD и показателем относительной полноты древостоя выполнен по 30-ти независимым переменным (рис. 2), что многие авторы [17–19] считают достаточным условием репрезентативности выборочной совокупности.

Между показателем относительной полноты древостоя и величиной сомкнутости лесного полога имеется выраженная экспоненциальная зависимость. Значения коэффициентов корреляции (r = 0,787) и детерминации (R2 = 0,829) близки к единице, что говорит о сильной зависимости относительной полноты от показателя FCD. Коэффициенты уравнения регрессии значимы на уровне p-value < 0,001.

Судя по значению коэффициента детерминации (R2 = 0,829) для всех изучаемых насаждений, около 83% изменчивости относительной полноты древостоя обусловлено изменчивостью сомкнутости древесного полога, что коррелирует с увеличением показателя FCD.

Относительная полнота

FCD, %

Рис. 2. График зависимости между относительной полнотой древостоев и показателем сомкнутости древесного полога (FCD, %) для территории объекта исследований

Оценка точности полученной регрессионной модели выполнена широко применяемым методом перекрёстной проверки (k-foldcross-validation) в среде RStudio (пакет DAAG). При его использовании имеющиеся натурные данные разбивают на k частей (в данной работе k = 5), затем на k-1 частях (т.е. на 25 независимых переменных) проводят обучение модели, а на оставшейся части – тестирование. Процедуру повторяли k раз, в итоге получили значение средней точности регрессионной модели, которое составило 0,96. Данный показатель значим при p-value < 0,001, что говорит о высокой точности полученной модели.

Результаты перекрёстной проверки регрессионной модели

Уравнение регрессии	P = 0,0024xe (0'0881xFCD)
Средняя точность модели	0,96
F, при p-value < 0,001	169,00
Стандартная ошибка	±0,01

После установления уравнения регрессии между показателями FCD и относительной полноты в программе QGIS с помощью модуля «Калькулятор растров» создана тематическая карта вычисленных значений относительной полноты на 20 отобранных для исследования лесотаксационных выделах. Затем в программе QGIS с помощью модуля SCP проведена неконтролируемая классификация полученной карты относительной полноты и последующая фильтрация и векторизация классифицированной тематической карты относительной полноты древостоев, пройденных выборочными санитарными рубками (табл. 3, рис. 3).

Согласно данным табл. 5, среди насаждений, пройденных выборочными санитарными рубками, наибольшая доля приходится на древостои с полнотой 0,3 (42,9%). Значительную площадь (8,45 га, или 14,9% обследованных насаждений) занимают прогалины (относительная полнота 0,1 и менее), пригодные для создания лесных культур с целью повышения продуктивности насаждений.

Таблица 3. Распределение площади древостоев, пройденных ВСР, по относительной полноте

Относительная полнота	Площадь
	га	%
<0,1	3,41	6,0
0,1	5,04	8,9
0,2	9,23	16,3
0,3	24,32	42,9
0,4	10,03	17,7
0,5	3,45	6,1
0,6	0,84	1,5
0,7	0,39	0,6
Итого	56,71	100

Рис. 3. Карта относительной полноты насаждений, пройденных выборочными санитарными рубками, на территорию объекта исследований

Выводы

Таким образом, применение спутниковых данных среднего разрешения Sentinel-2 в зоне смешанных лесов позволяет с достаточно высокой точностью определять величину относительной полноты древостоев, т.е. осуществлять автоматизированное выявление низкополнотных (0,5–0,1) насаждений, пройденных выборочными санитарными рубками.

В ходе статистического анализа данных в среде RStudio получена экспоненциальная регрессионная модель. Значения коэффициентов корреляции и детерминации (r = 0,787;

R2 = 0,829) свидетельствуют о сильной зависимости относительной полноты от показателя FCD.

Средняя точность модели, полученная методом перекрёстной проверки на натурных данных, составляет 0,96 (при p-value < 0,001).

На основании установленной зависимости созданы попиксельные карты относительной полноты для лесных участков, пройденных выборочными рубками.

Согласно результатам исследования, среди насаждений, пройденных выборочными санитарными рубками, наибольшую площадь занимают древостои с полнотой 0,3 (42,9%).