Применение метода Stacking-InSAR для анализа изменений высоты лесного полога

Обложка

Цитировать

Полный текст

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

Аннотация

Показана принципиальная возможность количественной оценки динамики высоты сплошного полога зрелого и молодого соснового леса на равнине с применением метода взвешенного суммирования временных рядов развернутых интерферометрических фаз. Последние получены с использованием подхода, основанного на облачных расчётах. Скорости прироста высоты лесного полога за 2017, 2018 и 2019 гг., рассчитанные по спутниковым радиолокационным данным, подтверждены результатами наземных полевых исследований. Показано, что величина прироста зависит, в том числе, от количества осадков в мае-июле текущего года.

Полный текст

Доступ закрыт

Об авторах

В. Г. Бондур

Научно-исследовательский институт аэрокосмического мониторинга “АЭРОКОСМОС”

Автор, ответственный за переписку.
Email: vgbondur@aerocosmos.info
Россия, Москва

Т. Н. Чимитдоржиев

Институт физического материаловедения СО РАН

Email: vgbondur@aerocosmos.info
Россия, Улан-Удэ

А. В. Дмитриев

Институт физического материаловедения СО РАН

Email: vgbondur@aerocosmos.info
Россия, Улан-Удэ

Ж. Д. Номшиев

Институт физического материаловедения СО РАН

Email: vgbondur@aerocosmos.info
Россия, Улан-Удэ

Список литературы

  1. Бондур В.Г., Чимитдоржиев Т.Н., Дмитриев А.В. Аномальная геодинамика перед землетрясением 2023 г. в Турции по данным спутниковой радарной интерферометрии 2018–2023 гг. // Исследование Земли из космоса. 2023. № 3. С. 3–12. https://doi.org/10.31857/S0205961423030090.
  2. Васильев Д.Ю., Кучеров С.Е., Семенов В.А., Чибилёв А.А. Реконструкция атмосферных осадков по радиальному приросту сосны обыкновенной на Южном Урале // Доклады РАН. Науки о Земле. 2020. Т. 490. № 1. С. 37–42. https://doi.org/10.31857/S2686739720010119.
  3. Волкова М.С., Михайлов В.О., Османов Р.С. Анализ эффективности применения глобальной погодной модели HRES (GACOS) для коррекции атмосферных помех в интерферометрических оценках полей смещений на примере вулканов Камчатки // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 2. С. 9–22. https://doi.org/10.21046/2070-7401-2024-21-2-9-22.
  4. Дмитриев А.В., Чимитдоржиев Т.Н., Добрынин С.И., Худайбердиева О.А., Кирбижекова И.И. Оптико-микроволновая диагностика залесения сельскохозяйственных земель // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 168–180. https://doi.org/10.21046/2070-7401-2022-19-4-168-180.
  5. Иванов В.В., Борисов А.Н., Петренко А.Е. Оптимизация густоты сосновых древостоев восточного Прибайкалья // Сибирский лесной журнал. 2018. № 5. С. 54–61. https://doi.org/10.15372/SJFS20180505.
  6. Чимитдоржиев Т.Н., Дмитриев А.В., Кирбижекова И.И., Шерхоева А.А., Балтухаев А.К., Дагуров П.Н. Дистанционные оптико-микроволновые измерения параметров леса: современное состояние исследований и экспериментальная оценка возможностей // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 9–26. https://doi.org/10.21046/2070-7401-2018-15-4-9-24.
  7. Bondur V.G., Chimitdorzhiev T.N., Dmitriev A.V. The Induced Seismicity Effect in Morocco Caused by a Reduced Aquifers Volume according to Stacking-InSAR Method and Gravimetric Data // Dokl. Earth Sc. 2024. V. 517. P. 1269–1275. https://doi.org/10.1134/S1028334X24601809.
  8. ERA5-Land Daily Aggregated, 2024, [Электронный ресурс], URL: https://developers.google.com/earth-engine/datasets/catalog/ECMWF_ERA5_LAND_DAILY_AGGR (дата обращения 20 июня 2024).
  9. Hogenson K., Kristenson H., Kennedy J., Johnston A., Rine J., Logan T., Zhu J., Williams F., Herrmann J., Smale J., Meyer F. Hybrid Pluggable Processing Pipeline (HyP3): A cloud-native infrastructure for generic processing of SAR data. Zenodo, Oct. 20, 2020. https://doi.org/10.5281/zenodo.6917373.
  10. Imhoff M.L. Radar backscatter and biomass saturation: ramifications for global biomass inventory // IEEE Trans. Geosci. Remote Sens. 1995. V. 33. No. 2. P. 511–518. https://doi.org/10.1109/TGRS.1995.8746034.
  11. Solberg S., Næsset E., Gobakken T., Bollandsås O-M. Forest biomass change estimated from height change in interferometric SAR height models. // Carbon Balance Manage. 2014. V. 9. No. 5. https://doi.org/10.1186/s13021-014-0005-2.
  12. Yu C., Li Z., Penna N.T. Triggered afterslip on the southern Hikurangi subduction interface following the 2016 Kaikōura earthquake from InSAR time series with atmospheric corrections // Remote Sensing of Environment. 2020. V. 251. P. 112097. https://doi.org/10.1016/j.rse.2020.112097.
  13. Zakharov A.I., Zakharova L.N., Chimitdorzhiev T.N. X-band SAR interferometry for forest dynamics detection. // International Geoscience and Remote Sensing Symposium (IGARSS): 36, Advancing the Understanding of our Living Planet. Beijing, 2016. P. 5975–5977. https://doi.org/10.1109/IGARSS.2016.7730561.
  14. Zhang L., Dai K., Deng, J. Ge D., Liang R., Li W., Xu Q. Identifying Potential Landslides by Stacking-InSAR in Southwestern China and Its Performance Comparison with SBAS-InSAR // Remote Sensing. 2021. V. 13. P. 3662. https://doi.org/10.3390/rs13183662.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Расположение тестового полигона и состояние лесного покрова на изображении с мультиспектральной камеры ALOS-1 AVNIR-2, полученном 16.07.2007 г. (каналы 4-2-1).

Скачать (886KB)
Метаданные
3. Рис. 2. Поле скоростей прироста сосны за вегетационный период: а – 2017 г., б – 2018 г., в – 2019 г.

Скачать (879KB)
Метаданные
4. Рис. 3. Скорости прироста сосны вдоль профиля ABCD за вегетационный период в разные годы.

Скачать (268KB)
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».