Применение ГИС-технологий при обследовании состояния лесных культур в зеленой зоне г. Астаны

Обложка

Цитировать

Полный текст

Аннотация

В лесном хозяйстве постоянный мониторинг состояния и роста растений играет немаловажную роль. Для эффективного устойчивого управления лесными ресурсами в современном мире существует множество источников открытых данных дистанционного зондирования Земли (ДЗЗ), позволяющего вести наблюдения за древесной растительностью на обширных территориях. Цель исследования — выявление площадей ослабленных и погибающих лесных культур в зеленой зоне города Астаны — лесничестве Батыс — с помощью данных ДЗЗ. Полученные сведения будут использованы для разработки дальнейших мероприятий по восстановлению и повышению устойчивости искусственных насаждений. Проведено сравнение данных ДЗЗ, выполненных с беспилотного летательного аппарата (Б) SupercamПЛА) Supercam S350F мультиспектральной камерой Micasense RedEdge, и снимков высокого пространственного разрешения со спутников Sentinel‑2 и PlanetScope для выбора оптимального метода решения поставленных задач. По материалам мультиспектральной съемки выявлено процентное отношение состояния лесных культур лесничества Батыс, где 35 % лесных насаждений относятся к категории здоровых, 30 % — ослабленных и 35 % — погибающих.

Об авторах

Андрей Николаевич Кабанов

Казахский научноисследовательский институт лесного хозяйства и агролесомелиорации им. А.Н. Букейхана

Автор, ответственный за переписку.
Email: 7058613132@mail.ru
ORCID iD: 0000-0002-5479-3689
SPIN-код: 9628-4453

аспирант, старший научный сотрудник

021704, Казахстан, г. Щучинск, ул. Кирова, д. 58

Асхат Суттибаевич Оспангалиев

Казахский агротехнический исследовательский университет им. С. Сейфуллина

Email: a.ospangaliev@mail.ru
ORCID iD: 0000-0001-7478-8505

старший преподаватель

010000, Казахстан, г. Астана, ул. Женис, д. 62Б

Светлана Анатольевна Кабанова

Казахский научноисследовательский институт лесного хозяйства и агролесомелиорации им. А.Н. Букейхана

Email: kabanova.05@mail.ru
ORCID iD: 0000-0002-3117-7381
SPIN-код: 3897-4757

кандидат биологических наук, доцент, ассоциированный профессор, заведующая отделом воспроизводства лесов и лесоразведения

021704, Казахстан, г. Щучинск, ул. Кирова, д. 58

Игорь Сергеевич Кочегаров

Казахский научноисследовательский институт лесного хозяйства и агролесомелиорации им. А.Н. Букейхана

Email: garik_0188@mail.ru
ORCID iD: 0000-0003-1185-5218
SPIN-код: 8313-4687

младший научный сотрудник

021704, Казахстан, г. Щучинск, ул. Кирова, д. 58

Айгуль Мыктыбаевна Бекбаева

Казахский агротехнический исследовательский университет им. С. Сейфуллина

Email: bekbaevaaigul@gmail.com
ORCID iD: 0000-0002-3477-1888

заместитель директора Центра технологической компетенции в области цифровизации АПК

010000, Казахстан, г. Астана, ул. Женис, д. 62Б

Матвей Анатольевич Данченко

Томский государственный университет

Email: mtd2005@sibmail.com
ORCID iD: 0000-0002-5974-9556
SPIN-код: 8209-8687

кандидат географических наук, доцент, Биологический институт

634050, Российская Федерация, г. Томск, пр. Ленина, д. 36

Список литературы

  1. Gower ST. Patterns and Mechanisms of the Forest Carbon Cycle. Annual Review of Environment and Resources. 2003;28:169–204. doi: 10.1146/annurev.energy.28.050302.105515
  2. Suyundikov ZO. Technology of creation and maintenance of forest plantations of Astana green zone. In: Tekhnologii sozdaniya zashchitnykh nasazhdenii v prigorodnoi zone g. Astany [Technologies of creation of protective plantings in the the suburban area of Astana]. Astana; 2012. p.3–5. (In Russ.).
  3. Mykytanov ZK, Rakhmov GA, Baitanaev OA, Vysotsky AN. The creation of a green zone in Astana — a breakthrough project of artificial afforestation in Kazakhstan. Experimental biology. 2011;(4):15–20. (In Russ.).
  4. Alekseev VA. Diagnostics of the vital state of trees and stands. Russian Journal of Forest Science. 1989;(4):51–57. (In Russ.).
  5. Ogievskiy VV, Hirov AA. Obsledovanie i issledovanie lesnykh kul’tur [Survey and research of forest crops]. Moscow: Lesnaya promyshlennost’ publ.; 1964. (In Russ.).
  6. Mancino G, Ferrara A, Padula A, Nole A. Cross-­Comparison between Landsat 8 (OLI) and Landsat 7 (ETM+) Derived Vegetation Indices in a Mediterranean Environment. Remote Sensing. 2020;12(2):291. doi: 10.3390/rs12020291
  7. Broge NH, Leblanc E. Comparing prediction power and stability of broadbandand hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote Sensing of Environment. 2001;76(2):156–172. doi: 10.1016/S0034-4257(00)00197-8
  8. Ahammad T. Effect of chlorophyll content & solar irradiance on spectral reflectance of vegetation canopies acquired by spectro-­radiometer. International Journal of Environment and Geoinformatics. 2021;9(1):170–178. doi: 10.30897/ijegeo.958100
  9. Gitelson AA, Gritz Y, Merzlyak MN. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. Journal of Plant Physiology. 2021;160(3):271–282. doi: 10.1078/0176-1617-00887
  10. Ovchinnikov AV. Technique for experimental study of spectral brightness coefficients materials and natural backgrounds. Journal of Radio Electronics. 2021;(6):14. doi: 10.30898/1684-1719.2021.6.5. (In Russ.).
  11. Breiman L. Random Forests. Machine Learning. 2001;45:5–32. doi: 10.1023/A:1010933404324
  12. Hastie T, Tibshirani R, Friedman JC. Random Forests. In: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer-­Verlag; 2009. p.764.
  13. Meng J, Li S, Wang W, Liu Q, Xie S, Ma W. Mapping forest health using spectral and textural information extracted from SPOT-5 satellite images. Remote Sensing. 2016;8(9):719. doi: 10.3390/rs8090719
  14. Immitzer M, Atzberger C, Koukal T. Tree species classification with random forest using very high spatial resolution 8-band WorldView-2 satellite data. Remote sensing. 2012;4(9):2661–2693. doi: 10.3390/rs4092661
  15. Plakman V, Janssen T, Brouwer N, Veraverbeke S. Mapping species at an individual-tree scale in a temperate forest, using Sentinel-2 images, airborne laser scanning data, and random forest classification. Remote Sensing, 2020;12(22):3710. doi: 10.3390/rs12223710

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).