Использование беспилотного летательного аппарата для оценки процесса формирования молодняков на вырубках
Автор: Ольхин Ю.В., Гаврилова О.И., Грязькин А.В.
Журнал: Resources and Technology @rt-petrsu
Статья в выпуске: 3 т.20, 2023 года.
Бесплатный доступ
Представлены материалы по использованию беспилотного летательного аппарата для оценки состояния молодняков на вырубках с оставленными куртинами семенных деревьев. Для получения аэрофотоснимков применялся беспилотный авиационный комплекс самолётного типа. Аэрофотосъёмка проводилась в видимом диапазоне (RGB) и видимом и ближнем инфракрасном диапазонах (RED, REG, GRE, NIR). Пространственное разрешение в видимом диапазоне составило менее 5 см, в видимом и ближнем инфракрасном - 19 см. Использование беспилотного летательного аппарата и мультиспектральных снимков позволило оценить состояние и структуру молодняков на вырубке 8-летней давности с созданными лесными культурами сосны обыкновенной. На ортофотоплане отчётливо видны ряды лесных культур и примеси хвойных и лиственных пород естественного происхождения, как в рядах, так и в междурядьях. Определён состав молодняков, сформировавшихся на опытных участках, и состав древостоев в оставленных куртинах. Сосна обыкновенная дешифрируется по округлой форме и относительно равномерной, мелкозернистой текстуре проекции кроны, а также тени в форме полумесяца или полукольца, что обусловлено шаровидной или параболоидной формой кроны с закруглённой вершиной. Ель дешифрируется звёздчатым рисунком проекции кроны и тенью в виде полукруга и треугольника, что обусловлено конусовидной формой кроны. Мультиспектральный анализ изображения позволяет идентифицировать ель европейскую по зеленовато-голубому цвету. Лиственные деревья на мультиспектральных изображениях имеют жёлто-зелёный, жёлто-оранжевый, красноватый оттенок проекций крон. Для изображения берёзы бородавчатой характерна округлая форма проекции кроны с неровным краем, среднезернистая или комковатая текстура за счёт распределения затенённых и освещённых участков в кроне дерева. Благодаря высокому пространственному разрешению снимков с беспилотного летательного аппарата, на наклонных проекциях деревьев в видимом диапазоне берёза заметна по белому цвету ствола. С использованием специальных программ определены численность деревьев по породам и даже биометрические характеристики отдельных растений. Полученные материалы целесообразно использовать при разработке нормативных документов и планировании лесохозяйственных работ.
Методы оценки, беспилотный летательный аппарат, сосна обыкновенная, естественное восстановление леса
Короткий адрес: https://sciup.org/147242284
IDR: 147242284 | DOI: 10.15393/j2.art.2023.7163
Текст научной статьи Использование беспилотного летательного аппарата для оценки процесса формирования молодняков на вырубках
Практический опыт лесовосстановительных работ в условиях таёжной зоны показывает, что в большинстве случаев на вырубках, особенно по сухим бедным почвам, естественное возобновление сосной протекает успешно [1], [2]. Особенно это актуально при проведении мер содействия на вырубке, в виде оставленных семенных куртин и минерализации почвы [3], [4]. По этой причине создание лесных культур в данных условиях может быть не всегда целесообразно.
В самых распространённых на территории Республики Карелия сосняках брусничных и черничных, если расстояние рассевания семян позволяет, что обеспечивается оптимальной шириной вырубки, лесовосстановление обеспечивается естественно появившимся самосевом. Однако при несвоевременном проведении рубок ухода за составом в течение первых 10—20 лет он может погибать под кронами лиственных насаждений. На участках по относительно богатым типам почв (травяные и кисличные типы леса) рекомендуется проведение обработки почвы для устранения влияния, в основном, злаковой растительности. Ряд авторов отмечают [5], [6], что при сплошных рубках не всегда соблюдали Правила лесовосстановления и возобновление хвойных пород не обеспечивалось. Отмечается, кроме того, высокая ветровальность семенных деревьев и куртин в течение первых трёх лет, которые связывают с недостаточной устойчивостью корневых систем в результате отсутствия мероприятий по уходу за лесом [7], [8]. В целях повышения ветроустойчивости вместо отдельных деревьев для сосны и ели рекомендовано оставлять семенные куртины [8].
Известно, что искусственное лесовосстановление относится к плановым мероприятиям с заранее утверждённым объёмом. В этой связи при отсутствии оптимальных площадей лесокультурного фонда для создания лесных культур используются любые категории непокрытых лесом земель, включая вырубки на сухих бедных почвах после рубки сосняков [9]. Такие способы лесовосстановления приводят к нерациональному использованию выделенных материальных и денежных средств [10].
Естественное возобновление — единственный способ восстановления лесных формаций в историческом прошлом [2]. Такой способ восстановления лесов практиковался и практикуется, в основном, в зоне таёжных лесов. Нередко естественное возобновление бывает весьма успешным, численность подроста может достигать в отдельных случаях до 40 тыс. экз./га [11]. Обилие самосева хвойных пород отмечается исследователями, как правило, на сухих бедных почвах.
Оценка состояния лесовозобновления на вырубках на основе материалов, полученных с беспилотных летательных аппаратов (БПЛА), является перспективным инструментом для современного мониторинга состояния лесовосстановительных работ [12—18]. Высокое пространственное разрешение снимков БПЛА повышает качество дешифрирования объектов лесного фонда, позволяет выявлять породный состав, таксационные характеристики насаждений, наличие заболеваний у древесных растений [19—22].
Цель исследования — оценка успешности лесовосстановления на вырубках с использованием материалов, полученных с беспилотных летательных аппаратов.
2. Материалы и методы
Для оценки состояния лесовосстановления были использованы данные, полученные с помощью беспилотной авиационной системы. Аэрофотосъёмка части территории, представляющая часть лесных насаждений, вырубок, семенных куртин и лесных культур, была проведена БПЛА с жёстким крылом, высота полёта составила около 200 м. Съёмочные работы выполнялись 29—30 июня 2020 г.
Исследуемые объекты находятся в кварталах 82 и 96 лесного фонда Вешкельского лесничества в Суоярвском районе Республики Карелия. Общая площадь, охваченная аэрофотосъёмкой, составляет 1000 га. В представленном исследовании сделана оценка части территории, а именно вырубка 2014 г., ряд примыкающих насаждений, семенные куртины и лесные культуры сосны обыкновенной 8-летнего возраста (рисунок 1 — объект 1, рисунок 2 — объект 2).
Для проведения аэрофотосъёмки использовались камеры SONY DSC-RX1R с видимым диапазоном (RGB) и Parrot Sequoia с видимым и ближним инфракрасным диапазоном (RED, REG, GRE, NIR). В видимом диапазоне пространственное разрешение снимков составило менее 5 см, в видимом и ближнем инфракрасном диапазоне — 19 см.

Рисунок 1. Контуры вырубки, семенных куртин и лесные культуры сосны обыкновенной на объекте 1 (СК-1, СК-2, СК-3 — семенные куртины)
Figure 1. Contours of clean cutting, seed trees and artificial reforestation of scots pine at object 1 (СК-1, СК-2, СК-3 — seed blocks)

Рисунок 2. Контуры вырубки и семенной куртины на объекте 2
Figure 2. Contours of clean cutting and seed blocks in object 2
Для обработки материалов аэрофотосъёмки использовалось современное фотограмметрическое программное обеспечение Agisoft Metashape Professional. Был выполнен процесс загрузки и выравнивания (фототриангуляции) снимков, привязки снимков, построения плотного облака точек, классификации облака точек, создания 3D-модели, карт высот и ортофотоплана. В качестве системы координат была применена WGS 84. Пространственное разрешение полученного ортофотоплана составило 4,84 см/пиксель. Дополнительно для анализа мультиспектральных изображений было использовано программное обеспечение Scanex Image Processor.
3. Результаты
Ортофотоплан с высоким пространственным разрешением способствует точному определению рядов и междурядий в лесных культурах, а также позволяет различить проекции крон саженцев, идентифицировать проекции крон деревьев в семенных куртинах и стволы упавших деревьев.
На рисунке 3 представлено синтезированное мультиспектральное изображение NIR-GRE-RED лесных культур сосны обыкновенной и семенной куртины на объекте 2. По преобладающему красно-оранжевому цвету хорошо дешифрируются лиственные породы на площади стен леса, окружающей вырубку. При этом заметны ряды лесных культур, которые начали смыкаться в рядах, что свидетельствует о достаточной сохранности культур. Кроме того, в рядах и междурядьях культур после 8 лет наблюдаем интенсивное зарастание вырубки видами живого напочвенного покрова, интенсивный жёлто-оранжевый фон свидетельствует как раз об этом. Участки минерализованной почвы и дорог хорошо распознаются по серовато-синему тону. На площади вырубки отмечается большое количество возобновления лиственных пород, источником которых являются стены леса, примыкающие к вырубке. Таким образом, для объекта 2 характерно большое количество примеси лиственных пород к созданным культурам сосны обыкновенной, что предполагает в ближайшее время проведение уходов за составом молодняка.

Рисунок 3. Мультиспектральное синтезированное изображение NIR-GRE-RED вырубки с семенной куртиной и рядами лесных культур сосны обыкновенной
Figure 3. Multispectral synthesized image of a NIR-GRE-RED clean cutting with a seed blocks and rows of artificial reforestation of scots pine
На рисунке 4 представлено синтезированное мультиспектральное изображение NIR-GRE-RED лесных культур сосны обыкновенной и семенной куртины на объекте 1. По светлому зеленовато-серому цвету дешифрируются проекции крон сосны. Лиственные породы имеют более яркий желтоватый оттенок.
Данные с БПЛА способствуют распознаванию растений благодаря сверхвысокому пространственному разрешению. На вырубке в семенных куртинах хорошо идентифицируются лесообразующие породы по спектральным и геометрическим характеристикам. Оценка дешифровочных признаков, таких как цвет, форма проекции кроны, текстура, собственная и падающая тени, даёт возможность выявить древесные породы.
Resources and Technology 20 (3): 60-75, 2023 ISSN 2307-0048

Рисунок 4. Мультиспектральное синтезированное изображение NIR-GRE-RED фрагмента вырубки на объекте 1 с семенной куртиной (СК-3) и рядами лесных культур сосны обыкновенной
Figure 4. Multispectral synthesized image of a NIR-GRE-RED fragment of clean cutting in object 1 with a seed blocks (СК-3) and rows of artificial reforestation of scots pine
На изображениях, полученных с помощью БПЛА (рисунок 5), хорошо различимы форма и радиальная текстура проекции кроны ели европейской.

Рисунок 5. Спектральные и геометрические характеристики ели европейской в семенной куртине
Figure 5. Spectral and geometric characteristics of european spruce in a seed blocks
Особенности ветвления ели способствуют формированию звёздчатого рисунка проекций крон на снимках. Собственная тень имеет вид полукруга и треугольника, что обусловлено конусовидной формой кроны. Мультиспектральный анализ изображения позволяет идентифицировать ель европейскую по зеленовато-голубому цвету.
Сосна обыкновенная дешифрируется по округлой форме и относительно равномерной, мелкозернистой текстуре проекции кроны. Зернистость образуется за счёт распределения освещённых и затенённых участков в кроне. Собственная тень воспринимается как полумесяц или полукольцо, что обусловлено шаровидной или параболоидной формой кроны с закруглённой вершиной. В представленном мультиспектральном синтезе проекции крон сосны имеют светлый голубоватый оттенок (рисунок 6).

Рисунок 6. Спектральные и геометрические характеристики сосны обыкновенной в семенной куртине
Figure 6. Spectral and geometric characteristics of Scots pine in seed blocks
На мультиспектральных изображениях жёлто-зелёный, жёлто-оранжевый, красноватый оттенок проекций крон соответствует лиственным деревьям. На рисунке 7 представлено изображение берёзы пушистой. Выделяется округлая форма проекции кроны с неровным краем, среднезернистая или комковатая текстура за счёт распределения затенённых и освещённых участков в кроне дерева. Благодаря высокому пространственному разрешению снимков с БПЛА, на наклонных проекциях деревьев в видимом диапазоне берёза заметна по белому цвету ствола.
В квартале 96 Вешкельского лесничества исследуемые объекты, включая лесные культуры, семенные куртины, участки естественного возобновления и лесные насаждения, занимают площадь 13,2 га. На ортофотоплане (см. рисунок 1) были отмечены участки семенных куртин площадью 2327 м2, 2749 м2, 2038 м2. Поскольку в куртинах преобладали преимущественно хвойные породы, есть основания считать, что это специально оставленные семенные куртины, а не участки недорубов; об этом свидетельствует породный состав куртин. Площадь участка естественного возобновления в границах вырубки, на котором отсутствуют ряды лесных культур, составила 2,6 га. Здесь большая часть площади занята лиственными породами. Часть вырубки, на которой выделяются ряды искусственно созданных насаждений, занимает площадь 9,86 га.

Рисунок 7. Спектральные и геометрические характеристики берёзы пушистой в семенной куртине
Figure 7. Spectral and geometric characteristics of the fluffy birch in the seed blocks
На основе карты высот и ортофотоплана, которые были получены в результате обработки изображений, проводился анализ высотных особенностей рельефа и насаждений на вырубке. Для оценки высоты деревьев в семенных культурах на ортофотоплане были выделены точки в центрах проекций крон (на вершинах деревьев) и точки на поверхности земли рядом с проекциями крон.
Рассчитанные высотные отметки земной поверхности и вершин растений позволили определить высоты деревьев. На рисунке 8 представлена расстановка точек в центрах проекций крон деревьев в семенной куртине квартала 82 Вешкельского лесничества. Также отмечено измерение высотных отметок вершины дерева и поверхности земли. Разница отметок даёт информацию о высоте дерева, которая составила 17,3 м.
Всего в этой семенной куртине было выявлено 110 вершин деревьев, из них 53 дерева определены как сосна, 45 — берёза, 12 — ель. По результатам измерений средняя высотная отметка вершин сосны составила 164,09 м, берёзы — 162,81 м, ели — 162,30 м. Средняя высотная отметка поверхности земли составила 148,24 м. Учитывая разницу отметок вершин и поверхности земли, определены следующие средние высоты деревьев в семенной куртине: сосна — 15,85 м, берёза — 14,57 м, ель — 14,06 м.

Рисунок 8. Параметры высотных отметок вершины дерева (ели европейской) и поверхности земли в семенной куртине квартала 82 Вешкельского лесничества
Figure 8. Parameters of the height marks of the top of a tree (european spruce) and the ground surface in a seed blocks of 82nd quarter Veshkelsky forestry
На рисунке 9 представлена расстановка точек в центрах проекций крон деревьев в семенной куртине СК-1 квартала 96, в окне измерений показаны координаты точек и их высотные отметки. Разница между высотной отметкой вершины и поверхности земли соответствует высоте дерева. В пространстве СК-1 по ортофотоплану проведено по 77 измерений в центрах проекций крон и на поверхности земли, для СК-2 количество измерений составило по 73, для СК-3 — по 55. По результатам измерения вершин деревьев и значений отметок поверхности земли в семенных куртинах были определены их средние отметки. Результаты вычисления средних высотных отметок и средней высоты деревьев в семенных куртинах представлены в таблице.
Таблица. Средняя высота деревьев в семенных куртинах на объекте 2
Вешкельского участкового лесничества
Table. Average height of trees in seed blocks in object 2 of the Veshkelsky district forestry
Номер семенной куртины |
Средняя высотная отметка вершин, м |
Средняя высотная отметка поверхности земли, м |
Средняя высота деревьев, м |
СК-1 |
156,49 |
137,97 |
18,52 |
СК-2 |
155,92 |
138,0 |
17,92 |
СК-3 |
148,52 |
133,47 |
15,04 |
Resources and Technology 20 (3): 60-75, 2023 ISSN 2307-0048

Рисунок 9. Высотные отметки точек в центрах проекций крон деревьев семенной куртины на объекте 1
Figure 9. Elevation marks of points in the centers of projections of tree crowns on the object 1
4. Обсуждение и заключение
Таким образом, использование БПЛА и мультиспектральных снимков позволяет оценивать качество лесовозобновления. При этом хорошо «читаются» не только ряды лесных культур, но и примеси хвойных и лиственных пород естественного происхождения не только в рядах, но и в междурядьях. Кроме этого, с использованием снимков, полученных с помощью БПЛА, можно определять состав молодняков и древостоев в оставленных куртинах, численность по породам, а также биометрические характеристики отдельных растений.
Применение БПЛА позволяет оценивать качество лесохозяйственных работ на труднодоступных лесных участках большой пощади. Полученные таким образом материалы можно использовать при разработке Проектов освоения лесных участков, при обновлении Лесохозяйственных регламентов и Лесных планов субъектов РФ.
Список литературы Использование беспилотного летательного аппарата для оценки процесса формирования молодняков на вырубках
- Особенности роста подроста сосны под пологом древостоев на сухих бедных почвах / А. В. Грязькин, Н. В. Беляева, И. А. Кази [и др.] // Research Science (Banska Bystrica, Словакия). 2019. № 8. С. 3—6. URL: http://researchscience.info/payment. Текст: электронный.
- Распоряжение Правительства Российской Федерации от 11 февраля 2021 г. № 312-р «Об утверждении Стратегии развития лесного комплекса Российской Федерации до 2030 года».
- Беляева Н. В. Меры содействия естественному возобновлению — история, современность и перспективы // Международно-исследовательский журнал. 2012. № 7. URL: https://research-joumal/org/archive/7-7-2012-december/200225/. Текст: электронный.
- Мочалов Б. А. О нормативных положениях по лесовосстановлению на севере Европейской России и в Финляндии // Лесное хозяйство. 2008. № 2. С. 17—20.
- Иванов А. И. Содействие естественному возобновлению на вырубках // Труды СПбНИИЛХа. Вып. 2 (12). СПб.: СПбНИИЛХ, 2004. С. 45—56.
- Приказ Министерства природных ресурсов и экологии РФ от 29 декабря 2021 г. № 1024 «Об утверждении Правил лесовосстановления, формы, состава, порядка согласования проекта лесовосстановления, оснований для отказа в его согласовании, а также требований к формату в электронной форме проекта лесовосстановления».
- Лейнонен Т., Туртиайнен М., Сиеккинен А. Лесовосстановление на Северо-Западе России и сравнение с Финляндией: комментарии финских специалистов. Научно-исследовательский институт леса Финляндии, 2009. 38 с.
- Соколов А. И. Лесовосстановление на вырубках Северо-Запада России. Петрозаводск: Карельский научный центр РАН, 2006. 215 с.
- Динамика роста и оценка состояния культур сосны обыкновенной на вейниково-луговиковых вырубках методами дистанционного зондирования / О. И. Гаврилова, И. В. Морозова, Ю. В. Ольхин [и др.] // Известия высших учебных заведений. Лесной журнал. 2020. № 1 (373). С. 63—74. URL: http://lesnoizhurnal.ru/upload-/iblock/ab1/63_74.pdf. Текст: электронный.
- Аковецкий В. Г., Афанасьев А. В. Методы и технологии интерпретации аэрокосмических мониторинговых наблюдений лесной растительности // Вестник МГУЛ — Лесной вестник. 2020. № 2. C. 29—36.
- Дайнеко Д. В. Применение беспилотных летательных систем в лесной отрасли // Материалы Всероссийской научно-практической конференции «Применение беспилотных летательных аппаратов в географических исследованиях». Иркутск: Изд-во Института географии им. В. Б. Сочавы СО РАН, 2018. С. 59—62.
- Кабонен А. В., Ольхин Ю. В. Цифровое моделирование природно-ландшафтных комплексов по данным, полученным с помощью беспилотных летательных аппаратов // Лесохозяйственная информация. 2020. № 3. С. 101—110.
- Перевод лесных культур в покрытую лесом площадь с использованием беспилотных летательных аппаратов / Ю. В. Ольхин, О. И. Гаврилова, А. В. Грязькин [и др.] // Известия Санкт-Петербургской лесотехнической академии. 2022. № 239. С. 89—103. DOI: 10.21266/2079-4304.2022.239.89-103.
- Оценка естественного возобновления леса на гари с использованием данных, полученных с помощью беспилотного летательного аппарата / А. В. Кабонен, О. И. Гаврилова, А. В. Грязькин [и др.] // Сибирский лесной журнал. Красноярск, 2022. № 2. С. 11—20. DOI: 10.15372/SJF S20220202.
- Опыт применения квадрокоптера для создания трёхмерной модели лесных насаждений / А. Е. Осипенко, Я. Коукал, И. А. Панин [и др.] // Леса России и хозяйство в них. 2017. № 4 (63). С. 16—22.
- Скуднева О. В. Беспилотные летательные аппараты в системе лесного хозяйства России // Известия вузов. Лесной журнал. 2014. № 6 (342). С. 150—154.
- Петушкова В. Б., Потапова С. О. Мониторинг и охрана лесов с применением беспилотных летательных аппаратов // Пожарная безопасность: проблемы и перспективы. 2018. № 9. С. 717—722.
- Филатов А. А., Грязькин А. В., Гаврилова О. И. Оценка структуры и состояния молодняков с использованием беспилотных летательных аппаратов и наземным методом // Лесной вестник / Forestry Bulletin. М., 2022. Т. 26, № 4. С. 21—28. DOI: 10.18698/2542-1468-2022-4-21-28.
- Эпов М. И., Злыгостев И. Н. Применение беспилотных летательных аппаратов в аэрогеофизической разведке // Международная научная конференция «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология»: Сб. материалов: В 2 т. Новосибирск: ИНТЕРЭКСПО ГЕО-СИБИРЬ, 2012. Т. 2. С. 27—32.
- Belcher J. Forest Practices Illustated. Wachington Departament of Natural Resources, 2007. 52 p.
- Dandois J. P., Ellis E. C. Remote Sensing of Vegetation Structure Using Computer Vision // Remote Sens. 2010. 2. 1157—1176. URL: https://doi.org/10.3390/rs2041157. Text. Image: electronic.
- Neuville R., Bates J. S., JonardF. Estimating Forest Structure from UAV-Mounted LiDAR Point Cloud Using Machine Learning. // Remote Sens. 2021. 13. 352. URL: https://doi.org/10.3390/rs13030352. Text. Image: electronic.