Сравнительный анализ индикаторов формирования древесной растительности на залежных землях среднерусской лесостепи на основе данных дистанционного зондирования Земли

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Формирование древесной растительности на залежных землях вследствие постагрогенных сукцессий приводит к изменениям в растительном покрове ландшафтов Среднерусской лесостепи. В статье проведен сравнительный анализ индикаторов лесистости и ее динамики для залежей региона, рассчитанных на основе спутниковых данных Landsat OLI, Sentinel-2 MSI, MODIS. Установлено, что показатели, вычисляемые по данным Sentinel-2, характеризуются наиболее сильной связью с лесистостью залежных земель. Для показателей, рассчитанных на их основе, также наиболее высока статистическая значимость различий между отдельными градациями величины проективного покрытия залежей древесной растительностью. Показатели многолетней динамики вегетационного индекса, вычисляемые на основе данных MODIS, наиболее информативны для сравнения внутризональных различий в интенсивности прироста лесистости залежных земель. При этом распределение залежей в подзонах по величине лесистости более сильно проявляется в гистограммах спектрально-отражательных характеристик коротковолнового инфракрасного диапазона, рассчитанных по данным Sentinel-2. Различия в породном составе насаждений, формирующихся на залежах, наиболее сильно оказывают влияние на значения вегетационного индекса, извлеченные из данных Landsat OLI. Для них установлена более высокая чувствительность к различиям в породном составе насаждений на залежных землях в сравнении с коэффициентами спектральной яркости.

Полный текст

Доступ закрыт

Об авторах

Э. А. Терехин

Белгородский государственный национальный исследовательский университет

Автор, ответственный за переписку.
Email: terekhin@bsu.edu.ru
Россия, Белгород

Список литературы

  1. Базилевич Н. И. Биологическая продуктивность экосистем Северной Евразии. М.: Наука. 1993. 293 с.
  2. Бурлуцкий В. А., Мазуров В. Н., Семешкина П. С., Косолапов В. П. Продукционный потенциал и освоение растительных сообществ залежных земель Мещовского ополья в Калужской области // Вестник российской сельскохозяйственной науки. 2021. № 1. С. 45–52.
  3. Данилов Д. А., Яковлев А. А., Крылов И. А. Формирование естественных растительных ассоциаций на постагрогенных землях // Известия Санкт-Петербургской лесотехнической академии. 2023. № 242. С. 60–82.
  4. Данилова И. В., Корец М. А., Рыжкова В. А.Картографирование возрастных стадий лесной растительности на основе анализа разносезонных спутниковых изображений Landsat // Исследование Земли из космоса. 2017. № 4. С. 12–24.
  5. Карелин Д. В., Горячкин С. В., Кудиков А. В., Лопес де Гереню В. О., Лунин В. Н., Долгих А. В., Люри Д. И. Изменение запасов углерода и эмиссии СО2 в ходе постагрогенной сукцессии растительности на серых почвах в европейской части России // Почвоведение. 2017. № 5. С. 580–594. doi: 10.7868/80032180X17050070.
  6. Люри Д. И., Горячкин С. В., Караваева Н. А., Денисенко Е. А., Нефедова Т. Г. Динамика сельскохозяйственных земель России в ХХ веке и постагрогенное восстановление растительности и почв. Москва: ГЕОС, 2010. 416 с.
  7. Парахневич Т. М., Кирик А. И. Структура и динамика растительного покрова на разновозрастных залежах // Вестник аграрной науки. 2017. № 4(67). С. 43–50.
  8. Терехин Э. А. Индикация многолетних изменений в растительном покрове залежных земель лесостепи на основе рядов вегетационного индекса NDVI // Компьютерная оптика. 2021. Т. 45. № 2. С. 245–252. doi: 10.18287/2412-6179-CO-797.
  9. Терехин Э. А. Влияние лесистости залежных земель лесостепи на спектрально-отражательные характеристики по данным Sentinel-2 // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 223–235. doi: 10.21046/2070-7401-2022-19-4-223-235.
  10. Трофимов И. А., Трофимова Л. С., Яковлева Е. П. Сохранение и оптимизация агроландшафтов Центрального Черноземья // Известия Российской академии наук. Серия географическая. 2017. № 1. С. 103–109. doi: 10.15356/0373-2444-2017-1-103-109.
  11. Физико-географическое районирование центральных черноземных областей. Воронеж: Изд-во Воронежского университета, 1961. 263 с.
  12. Ходячих И. Н. Смена аспектов фитоценозов на разновозрастных залежах степной зоны Южного Урала // Естественные и технические науки. 2021. № 5(156). С. 77–80.
  13. Черкасов Г. Н., Масютенко Н. П., Кузнецов А. В. Эволюция залежных земель и перспективы их использования в Центральном Черноземье // Земледелие. 2009. № 7. С. 9–11.
  14. Широких П. С., Федоров Н. И., Туктамышев И. Р., Бикбаев И. Г., Мартыненко В. Г. Закономерности лесовосстановительных сукцессий на заброшенных сельскохозяйственных землях Башкирского Предуралья // Экология. 2023. № 3. С. 179–187. doi: 10.31857/S036705972303006X.
  15. Ershov D. V., Gavrilyuk E. A., Koroleva N. V., Belova E. I., Tikhonova E. V., Shopina O. V., Titovets A. V., Tikhonov G. N. Natural Afforestation on Abandoned Agricultural Lands during Post-Soviet Period: A Comparative Landsat Data Analysis of Bordering Regions in Russia and Belarus // Remote Sensing. 2022. V. 14. № 2. doi: 10.3390/rs14020322.
  16. Gerlein-Safdi C., Keppel-Aleks G., Wang F., Frolking S., Mauzerall D. L. Satellite Monitoring of Natural Reforestation Efforts in China’s Drylands // One Earth. 2020. V. 2. № 1. P. 98–108. doi: 10.1016/j.oneear.2019.12.015.
  17. He S., Shao H., Xian W., Yin Z., You M., Zhong J., Qi J. Monitoring Cropland Abandonment in Hilly Areas with Sentinel-1 and Sentinel-2 Timeseries // Remote Sensing. 2022. V. 14. № 15. doi: 10.3390/rs14153806.
  18. Lappalainen H., Petäjä T., Kujansuu J., Kerminen V., Skorokhod A., Kasimov N., Bondur V. et al. Pan Eurasian Experiment (PEEX) – a research initiative meeting the grand challenges of the changing environment of the northern pan-eurasian arctic-boreal areas // Geography. Environment. Sustainability. 2014. № 2(7). P. 13–48.
  19. Liu C.-C., Chen Y.-H., Wu M.-H.M., Wei C., Ko M.-H. Assessment of forest restoration with multitemporal remote sensing imagery // Scientific Reports. 2019. V. 9. № 1. P. 7279. doi: 10.1038/s41598-019-43544-5.
  20. Shang R., Zhu Z., Zhang J., Qiu S., Yang Z., Li T., Yang X. Near-real-time monitoring of land disturbance with harmonized Landsats 7–8 and Sentinel-2 data // Remote Sensing of Environment. 2022. V. 278. P. 113073. doi: 10.1016/j.rse.2022.113073.
  21. Velázquez E., Martínez-Jaraíz C., Wheeler C., Mitchard E. T.A., Bravo F. Forest expansion in abandoned agricultural lands has limited effect to offset carbon emissions from Central-North Spain // Regional Environmental Change. 2022. V. 22. № 4. P. 132. doi: 10.1007/s10113-022-01978-0.
  22. Wei Z., Gu X., Sun Q., Hu X., Gao Y. Analysis of the Spatial and Temporal Pattern of Changes in Abandoned Farmland Based on Long Time Series of Remote Sensing Data // Remote Sensing. 2021. V. 13. № 13. doi: 10.3390/rs13132549.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Местоположение территории исследования. 1 – границы анализируемой территории.

Скачать (236KB)
Метаданные
3. Рис. 2. Отображение динамики лесистости залежных земель в Среднерусской лесостепи на снимках Landsat TM/ OLI. Синтез каналов SWIR2 – SWIR1 – RED (2-й, 1-й коротковолновые инфракрасные – красный).

Скачать (373KB)
Метаданные
4. Рис. 3. Сравнение спектрально-отражательных характеристик для градаций лесистости залежей, рассчитанных по разным типам спутниковых данных. Градации лесистости: 1 – 0–0.2; 2 – 0.2–0.4; 3 – 0.4–0.6; 4 – 0.6–0.8; 5 – 0.8–1.0. L – Landsat OLI. M – MODIS. S – Sentinel-2.

Скачать (331KB)
Метаданные
5. Рис. 4. Распределение одновозрастных залежей по величине лесистости в спектрально-отражательных характери- стиках SWIR-диапазона (по Sentinel‑2) в подзонах лесостепи в конце второго десятилетия XXI в.

Скачать (360KB)
Метаданные
6. Рис. 5. Примеры залежных земель Среднерусской лесостепи с лиственными (а), хвойными (б) и (в) смешанными насаждениями на снимках Sentinel‑2 от 25.08.2018. Синтез каналов 12–11–34 (SWIR2 – SWIR1 – RED).

Скачать (354KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».