Оценка состояния растительности на основе многолетних данных спутникового мониторинга

Автор: Глаголев В.А., Зубарева А.М.

Журнал: Региональные проблемы @regionalnye-problemy

Рубрика: Геология. Геоэкология

Статья в выпуске: 4 т.26, 2023 года.

Бесплатный доступ

В данном исследовании проведена обработка данных спутникового снимков MODIS для выявления территории с высокой пожарной опасностью за 2016 г. с учетом характеристик растительности в 2016-2017 гг. Для оценки биоразнообразия территории и ущерба от пожаров растительности предложен алгоритм пространственно-временного анализа распределения пожаров растительности с учётом влияния их на трансформацию растительной территории Дальнего Востока России. Алгоритм обработки включает наложение на территорию исследования сети операционно-территориальных единиц; получение фрагментов изображения со спутников для территории исследования и преобразование спутникового снимка в единицы заданного размера с переносом атрибутивных данных за многолетний период; формирование векторных слоев индивидуальных пожаров растительности по точечному размещению или по их площади и определение вложенности индивидуальных пожаров в операционно-территориальных единицах и дополнение атрибутивных данных о состоянии растительности, на которых пожары возникали. Материалами исследования послужили ежегодные сведения о растительности и ежедневные данные о местоположении пожаров растительности на основе спутниковых снимков MODIS, спектрорадиометра Terra и Aqua Land Cover Modeling Grid Version 6. В ходе анализа данных установлено 88 вариантов трансформации состояния растительности при наличии от 1 до 11 пожаров. В 8604 случаях изменения структуры и качества флоры вызваны антропогенным фактором. В 40 вариантах трансформация не зависела от пожаров. Максимальная трансформация фиксируется в классах растительного покрова: мелколиственные и широколиственные леса, лесостепи, степи, луга и пашни. Большинство случаев трансформации растительности в операционно-территориальных единицах (от 30 до 70%) фиксируется при переходе от лесостепи в степи.

Еще

Растительность, пожары, данные дистанционного зондирования земли, индекс вегетации, варианты моделирования

Короткий адрес: https://sciup.org/143180917

IDR: 143180917   |   DOI: 10.31433/2618-9593-2023-26-4-71-76

Текст научной статьи Оценка состояния растительности на основе многолетних данных спутникового мониторинга

В.А. Глаголев1, А.М. Зубарева2 1Приамурский университет имени Шолом-Алейхема, ул. Широкая 70А, г. Биробиджан, 679015, e-mail: , ; 2Институт комплексного анализа региональных проблем ДВО РАН, ул. Шолом-Алейхема 4, г. Биробиджан, 679016, e-mail: ,

Оперативность прогноза появления пожаров растительности и моделирования их распространения на территории лесного фонда играет важную роль при определении пространственно-временного объема работ для ликвидации и оценки ущерба от лесных пожаров в короткий промежуток времени. Реализация современных

моделей и методик оценки пожарной опасности основана на использовании многомерных (многослойных) разнотипных баз данных спутникового мониторинга, позволяющих детально описывать состояние участков растительности. Пожарная опасность территории определяется комплексом достаточно хорошо изученных факторов [3, 6]; системы прогноза возникновения пожаров разрабо- таны во многих странах [4]. Значительно меньшее количество работ посвящено исследованию характеристик растительности [7]. Необходимы знания о сравнительной оценке территорий для оптимизации распределения средств пожаротушения для ежегодной оценки деятельности оперативных отделений и участковых лесничеств по борьбе с лесными пожарами, а также для долгосрочного прогнозирования пожарной опасности растительности вследствие изменения климата.

Состояние и динамика изменчивости лесов имеют большое значение для Дальнего Востока России в связи с их значительным вкладом в экономику и экологию региона. Территория Дальнего Востока России отличается высокой пожарной опасностью и горимостью лесов [1, 2]. Наличие периодически повторяющихся засушливых периодов, обилие растительных горючих материалов с высокими пирологическими свойствами, горный рельеф, низкая доступность некоторых территорий и климатические особенности определяют высокую предрасположенность данной территории к возникновению пожаров, значительную скорость их распространения и трудность ликвидации. Это в свою очередь подчеркивает значимость анализа условий формирования пожароопасного состояния растительности.

Методика определения состояния растительности

В работе предложен алгоритм пространственно-временного анализа распределения пожаров растительности и показано их влияние на трансформацию растительной территории Дальнего Востока России на примере спутниковых наблюдений MODIS за 2016 г. Оценка воздействия пожаров растительности на территорию выполнялась на основе данных о пожарах за 2016 г. За единицу оценки выбрана операционно-территориальная единица (ОТЕ) с разрешением 0,05º градусной сети (5,5 км на 3 км) в проекции координат WSG 84. На территории всего Дальневосточного региона построена электронная карта распределения данных ОТЕ.

Материалами исследования служат ежегодные сведения о растительности и ежедневные данные о местоположении пожаров растительности на основе спутниковых снимков MODIS, которые обеспечивают агрегированные электронные карты пространственно-временного распределения растительности спектрорадиометра Terra и Aqua Land Cover Modeling Grid Version 6 [5]. Эталонным годом состояния растительности был выбран 2016 г., а результаты трансформации фиксирова- лись в 2017 г. Фиксация типов растительности доступна на сайте агентства НАСА (https://ladsweb. , содержит 16 классов: вечнозеленые хвойные леса (1), вечнозеленые лиственные леса (2), мелколиственные леса (3), широколиственные леса (4) и лесостепи (8); степи (9); луга (10); пашни (12); селитебные и промышленные земли (13); пашни и луга (14); снег и лед (15); пустыни и разреженная растительность (16). В исследовании сконцентрировано внимание на 3, 4, 8, 9, 10, 12 классах, так как в них наиболее часто фиксируется максимальная трансформация растительности.

Пожарная опасность определялась по местоположению индивидуальных пожаров растительности в 2016 г. на основе сведений Глобального атласа лесных пожаров [2], который представляется собой набор данных повседневной динамики отдельных пожаров: время и место возгорания, периметр и площадь, продолжительность, ежедневное расширение, длина линии огня, скорость и направление распространения. Характеристики индивидуальных пожаров растительности получены на основе алгоритма Глобального пожарного атласа и расчетной информации о дате горения с разрешением 500 м продукта MCD64A1, атлас содержит данные около 13,3 миллионов записей о пожарах по всему миру, из них 170 тыс. сосредоточены на территории Дальнего Востока России.

Обработка данных выполнялась по следующему алгоритму:

  • 1.    Наложение на территорию исследования регулярной сети в виде операционно-территориальных единиц площадью 16,6 км2 : 5,5км*3 км;

  • 2.    Получение фрагментов спутниковых снимков для территории исследования [4];

  • 3.    Преобразование спутникового снимка в векторный формат с полиномиальными объектами (патчи);

  • 4.    Декомпозиция патчей в операционно-территориальные единицы заданного размера с переносом атрибутивных данных за многолетний период [7];

  • 5.    Формирование векторных слоев индивидуальных пожаров растительности по точечному размещению или по их площади;

  • 6.    Определение вложенности индивидуальных пожаров в операционно-территориальных единицах и дополнение атрибутивных данных о растительности, на которых они возникли;

  • 7.    Выполнение агрегирующих SQL – запросов к атрибутивным данным векторных слоев.

Результаты

Для определения трансформации растительности в результате пожаров необходимо изучить горимость субъектов Федерации на территории Дальневосточного региона (табл. 1). Наибольшее количество возгораний растительности на единицу площади (на 100 тыс. га субъекта) наблюдалось в Забайкальском крае (20,82) и Амурской области (17,52) в 2003 г. и Еврейской автономной области (41,42) в 2009 г.

На рис. 1а представлен фрагмент карты Дальнего Востока с изображением распределения индивидуальных пожаров в ОТЕ. Далее на рис. 1б представлен фрагмент карты Дальнего Востока, где изображено распределение видов земного покрова. Анализируя два фрагмента, можно заключить, что на представленной территории в основном возгоранию подвержены степи, широколиственные леса и пашни (рис. 1б).

Используя вышеизложенный алгоритм обработки атрибутивных данных (483 503 элементов выборки) с информацией о пожарах, находящихся в ОТЕ, получены следующие результаты (табл. 2). В 2016 г. на Дальнем Востоке количество ОТЕ с индивидуальными пожарами составляло 11 837 (2,4% от общего числа ОТЕ в ЕАО), трансформа-

Таблица 1

а)

б)

Характеристики пожароопасных сезонов Дальнего Востока России (фрагмент), 2003–2016 гг.

Table 1

Characteristics of fire–threatening seasons at the Russian Far East (fragment), 2003–2016

Характеристики

Субъекты Дальнего Востока России

Еврейская автономная область

Амурская область

Приморский край

Забайкальский край

Республика Бурятия

Хабаровский край

1

Площадь субъекта (100 тыс. га)

36,03

360,11

163,56

438,26

344,13

786,46

2

Относительное количество пожаров растительности (на 100 тыс. га)

25,72

7,45

7,04

6,27

3,03

1,81

3

Относительная площадь пожаров (на 100 тыс. га)

10 626,74

3525,67

1863,34

3306,73

1771,98

769,44

Рис. 1. Фрагмент карты Дальнего Востока: распределение точек пожаров растительности в ОТЕ(а) и распределение земного покрова в ОТЕ(б), 2016 г.

Fig. Fragment of the Far East map: distribution of vegetation fi re points in OTE(a) and distribution of land cover in OTE(b), 2016

ция растительности зафиксирована в 20 441 ОТЕ (4,2%).

Всего зафиксировано 128 вариантов трансформации растительности, наиболее значимые: изменения от 7 класса (разреженные кустарники) до 9 класса (степи) (3485 ОТЕ); от 8 класса (лесостепи) до 9 (степи) (3361 ОТЕ); от 7 (разреженные кустарники) до 10 класса (луга) (1714 ОТЕ); от 9 (степи) до 7 (разреженные кустарники) (1047 ОТЕ); от 3 (мелколиственные леса) до 8 класса (лесостепи) (917 ОТЕ); от 8 класса (лесостепи) до 3 (мелколиственные леса) (906 ОТЕ); от 10 класса (луга) до 7 (разреженные кустарники) (876 ОТЕ); от 9 (степи) до 8 (лесостепи) (848 ОТЕ); от 10 класса (луга) до 9 (степи) (564 ОТЕ).

Фиксация количества индивидуальных пожаров растительности позволила детально выделить взаимосвязь случаев возгорания растительности и ее трансформации на территории выгоревшего участка. Установлено 88 вариантов трансформации при наличии от 1 до 11 пожаров.

В 8604 случаях (1,7%) изменения структуры и качества флоры вызваны не пирологическим фактором, а предположительно вырубками леса горнодобывающими разработками и строительством коммуникаций в виде газопровода и дорог.

В 40 вариантах трансформация не зависела от пожаров.

Большинство случаев трансформации растительности в ОТЕ (от 30 до 70%) фиксируется при переходе от лесостепи (8 класс) в степи (9 класс). Наблюдаются случаи обратной трансформации, например, от 8 к 4 классу, что требует исторического уточнения класса растительности за предыдущие годы, такие случаи зафиксированы на территории Еврейской автономной области (8-5, 8-4, 9-5). Это может быть связано с некорректным выделением границ территорий с определённым видом земного покрова (рис. 1б), а также неточным определением границ горельников по космическим снимкам.

Например, при сравнении модификаций ОТЕ в Еврейской автономной области с наличием индивидуальных пожаров растительности наблюдается трансформация в половине случаев, при этом имеют место смежные области до 8 ОТЕ. Модификация растительности в 70% случаев происходит на горимой территории, что в значительной степени влияет на её трансформацию.

Таким образом, предложенный алгоритм пространственно-временного анализа распределения индивидуальных пожаров растительности на

Таблица 2

Распределения индивидуальных пожаров растительности и количество трансформаций ОТЕ на территории Дальнего Востока России (фрагмент)

Table 2

Distribution of individual vegetation fires and the number of OTE transformations in the Russian Far East (fragment)

Количество индивидуальных пожаров в ОТЕ

Количество вариантов трансформаций

Количество ОТЕ без трансформации

Общее количество ОТЕ с трансформацией

Варианты трансформации с наибольшим количеством индивидуальных пожаров

1

34

3253

229

8 - 9; 10 - 9; 10 - 12;

2

26

1248

98

8 - 9; 10 - 12; 9 -10;

3

14

402

57

8 - 9; 10 - 12; 4 - 9

4

12

229

23

8 - 9; 10 - 12; 8 - 4

5

3

100

10

10 - 9; 3 - 9; 8 - 9

6

2

36

3

8 - 9; 9 - 12

7

0

17

0

Нет трансформации

8

0

4

0

Нет трансформации

9

1

0

1

8 - 9

10

0

1

0

Нет трансформации

11

0

1

0

Нет трансформации

Примечание. 3 – мелколиственные леса; 4 – широколиственные леса; 8 – лесостепи; 9 – степи; 10 – луга; 12 – пашни территории Дальнего Востока России имеет практическую значимость, особенно при разработке комплексного показателя оценки напряженности пожароопасных сезонов, методик оценки ущерба, формирования противопожарных рекомендаций и мероприятий при дистанционном мониторинге территории.

Проведение оценки трансформации территории в ходе пожаров растительности позволяет спрогнозировать смену одного типа растительности на другой и определить в будущем предполагаемую площадь лесного фонда субъектов Федерации, что будет способствовать сбалансированному распределению сил и средств для усовершенствования деятельности природоохранных ведомств.

Исследование выполнено за счет средств гранта в форме субсидии в целях реализации программы стратегического академического лидерства «Приоритет-2030» (Соглашение № 075-15-2023-495 от 25.04.2023 г.).

Список литературы Оценка состояния растительности на основе многолетних данных спутникового мониторинга

  • Шешуков М.А. Горимость лесов Дальнего Востока / М.А. Шешуков, Е.В. Брусова // Северо-Восточная Азия: вклад в глобальный лесопожарный цикл. Хабаровск: Изд-во Центра глобального мониторинга природных пожаров, 2006. С. 164-180.
  • Andela N. Global Fire Atlas with Characteristics of Individual Fires, 2003-2016 / N. Andela, D.C. Morton, L. Giglio, J.T. Randerson // ORNL DAAC. 2019. URL: https://daac.ornl.gov/CMS/guides/CMS_Global_Fire_Atlas.html (дата обращения: 03.08.2023).
  • Friedl M.A. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets / M.A. Friedl, D. Sulla-Menashe, B. Tan et al. // Remote sensing of Environment. 2010. Vol. 114, N 1. P. 168-182.
  • Ghamisi P. Multisource and multitemporal data fusion in remote sensing: A comprehensive review of the state of the art / P. Ghamisi, R. Behnood, N. Yokoya et al. // IEEE Geoscience and Remote Sensing Magazine. 2019. Vol. 7, N 1. P. 6-39. EDN: JTGXYK
  • Glagolev V.A., Zubareva A.M. GFS model-based short-term fire weather forecasting // Proceedings of SPIE. 2018. Vol. 10833. P. 1083373. EDN: IGEHVL
  • Saah D. Primitives as building blocks for constructing land cover maps / D. Saah, K. Tenneson, A. Poortinga et al. // International Journal of Applied Earth Observation and Geoinformation. 2020. Vol. 85. P. 101979.
  • White C.T. Automated Land Cover Change Detection Through Rapid Uas Updates of Digital Surface Models / C.T. White, A. Petrasova, W. Reckling et al. // The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. 2020. Vol. 42. P. 155-159.
Еще
Статья научная