Разработка методов оценки состояния и динамики лесов на основе данных спутниковых наблюдений тема автореферата и диссертации по физике, 01.04.01 ВАК РФ

УДК 528 8

На правах рукописи

БАРТЛЛЕВ Сергей Александрович

РАЗРАБОТКА МЕТОДОВ ОЦЕНКИ СОСТОЯНИЯ И ДИНАМИКИ ЛЕСОВ НА ОСНОВЕ ДАННЫХ СПУТНИКОВЫХ

НАБЛЮДЕНИЙ

Специальность 01 04 01 - Приборы и методы экспериментальной физики

Автореферат

диссертации на соискание ученой степени доктора технических наук

Москва-2007

003064368

Работа выполнена в Институте космических исследований Российской

академии наук

Официальные оппоненты Член-корреспондент РАН,

доктор технических наук, профессор Чернявский Григорий Маркелович

Доктор технических наук Кузнецов Алексей Евгеньевич

Доктор технических наук Копылов Василий Николаевич

Ведущая организация

Научно-исследовательский центр космической гидрометеорологии «Планета»

Защита диссертации состоится 20 сентября 2007 года в 11 00 на заседании диссертационного совета Д 002 113 01 в Институте космических исследований РАН по адресу 117997, г Москва, ул Профсоюзная 84/32, 2-й подъезд, конференц-зал

С диссертацией можно ознакомиться в библиотеке Института космических исследований РАН

Автореферат разослан «^2. » августа 2007 г

Ученый секретарь диссертационного совета

Акимов В В

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы Как важнейший компонент биосферы и источник ресурсов леса имеют глобальное экологическое, экономическое и социальное значение Обеспеченность информацией о состоянии и динамике лесо'в планеты все еще остается недостаточной и не отвечает современным требованиям устойчивого управления лесными ресурсами, охраны окружающей среды и исследований в области глобальных изменений биосферы и климата

Необходимость осуществления мониторинга лесов на огромных территс>риях, особенности природно-географических условий и недостаточное развитие инфраструктуры ряда регионов побуждают рассматривать дистанционные, и в особенности спутниковые, наблюдения в качестве приоритетного источника информации о состоянии и динамике лесов, что определяет актуальность развития соответствующих методов обработки получаемых данных Использование методов дистанционного зондирования обеспечивает практически недостижимое другими существующими средствами повышение уровня достоверности, оперативности и регулярности измерения ключевых характеристик состояния и динамики лесного покрова Основу разрабатываемых методов обработки данных дистанционного зондирования составляют теоретически и экспериментально устанавл! ваемые взаимосвязи между измеряемыми спутниковыми приборами спектрально-энергетическими параметрами отраженного или собственного изучения наблюдаемой поверхности и структурными, физиологическими, биофизическими и другими характеристиками лесов

Цель и задачи исследований Целью проведенных исследований являлась разработка новых методов обработки данных спутниковых наблюдений в оптическом диапазоне электромагнитного спектра для решения широкого круга задач мониторинга лесов Достижение данной цели потребовало решения следующих задач — обоснование приоритетных направлений развития методов оценки состояния и динамики лесов по данным спутниковых наблюдений на основе анализа современных задач мониторинга лесных экосистем и технических средств дистанционного зондирования,

- проведение комплексных экспериментальных исследований информационных возможностей современных спутниковых приборов дистанционного зондирования,

- разработка новых признаков распознавания различных типов лесных экосистем и ассоциированных с ними объектов и явлений на основе испЬльзования временных серий данных спутниковых наблюдений,

- разработка комплекса автоматизированных и автоматических методов обработки данных спутниковых наблюдений для решения задач картографирования, оценки состояния и динамики лесов,

- разработка информационной системы дтя обеспечения эффективного доступа к результатам спутникового мониторинга лесов на разлй^ных уровнях пространственной дифференциации

Мь^оды 11сследопа1'||Г| В работе использованы методы контроля состояния природной среды с помощью оптико-электронных систем дистанционного зондирования, методы распознавания образов и обработки изображений, математического моделирования, анализа временных серий данных, математической статистики, геоинформатики, системного и прикладного программирования

Научная новизна работы В работе предложена отвечающая современным требованиям структура системы дистанционного мониторинга лесов и обоснован состав измеряемых характеристик лесной растительности Наряду с этим диссертационная работа содержит следующие обладающие научной новизной результаты оригинальных исследований и разработок автора

- методы предварительной обработки временных серий данных спутниковых наблюдений и формирования свободных от влияния облачности и других мешающих факторов композитных спутниковых изображений для повышения эффективности решения тематических задач мониторинга лесов,

- методы оценки по спутниковым данным качественных и количественных характеристик лесных и других типов наземных экосистем на основе спектральных, спектрально-временных и спектрально-угловых признаков,

- методы детектирования и оценки повреждений лесов под воздействием природных и антропогенных деструктивных факторов по многолетним временным сериям данных спутниковых наблюдений в оптическом диапазоне длин волн,

полученные с использованием разработанных в диссертационной работе методов результаты экспериментальных исследовании и уникальные тематические продукты и базы данных, позволяющие оценивать состояние и динамику лесов на континентальном и глобальном уровнях пространственного охвата Основные з<11щчч.имме положения

1 Методы предварительной обработки временных серий спутниковых данных для компенсации влияния облаков, сезонного присутствия снежного покрова, различий в условиях наблюдения поверхности и аппаратурных помех,

2 Система признаков для классификации лесов и других типов наземных экосистем, получаемая по временным сериям данных спутниковых набиодсний на основе спектральных, спектрально-временных и спектрально-угловых отражательных характеристик подстилающей иоверхносш,

3 Метод картографирования лесных и других типов наземных экосистем по спутниковым данным на основе комплексного использования измеренных характеристик отраженною излучения и вспомогательных данных о подстилающей поверхности, а также созданная с использованием разработанного метода карта наземных экосистем Северной Евразии,

4 Автоматический метод выявления повреждений лесной и другой растительности пожарами по временным сериям спутниковых данных и созданная на его основе многолетняя циркумполярная база данных о пирогенных повреждениях в различных типах наземных экосистем,

5 Методы оценки породной структуры лесов и степени повреждения насаждений насекомыми по многоспектральным спутниковым изображениям на основе использования моделей спектрального смещения,

6 Методы выявления по разновременным многоспектральным спутниковым изображениям изменений в лесах под воздействием различных деструктивных факторов,

7 Информационная система спутникового мониторинга лесов, обеспечивающая систематизированное хранение и обновление банка данных о состоянии и динамике лесного покрова, а также доступ пользователей к результатам мониторинга для решения задач управления природными ресурсами, охраны окружающей среды и проведения исследований динамики биосферы и климата

Практическая значимость Полученные автором результаты нашли использование при создании действующих систем спутникового мониторинга лесов, выполнении научных и прикладных проектов, а также при проведении фундаментальных исследований Созданная карта наземных экосистем Северной Евразии в настоящее время насчитывает более 300 зарегистрированных пользователей в различных странах мира Она стала составной частью глобальной базы данных йЬС 2000, принята в качестве базовой карты в рамках международной инициативы ЫЕЕЭР1 по изучению Северной Евразии, используется как информационная основа в системах мониторинга лесных пожаров и лесопатологического мони гори ига

Разработанный метод картографирования повреждений растительности пожарами по спутниковым данным позволил впервые сформировать многолетний циркумполярный банк данных о проиденных огнем площадях Использование банка данных открывает возможность оценки объемов пирогенных эмиссий углерода в атмосферу, что позволяет его рассматривать в качестве элемента информационного обеспечения реализации Киотского протокола к Рамочной конвенции ООН об изменении климата Созданная технология картографирования поврежденной огнем растительности используется в составе Информационной системы дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства РФ

Методы выявления и оценки изменений в лесах по спутниковым изображениям были использованы при реализации ряда международных проектов, в частности, проекта Всемирного банка по оценке повреждений лесов Красноярского края сибирским шелкопрядом, проекта по изучению бореальных1 лесов Рабочей группы по окружающей среде Российско-Американской комиссии по экономическому и технологическому сотрудничеству, научно-исследовательских проектов в рамках программ Европейской комиссии

Разработанные базы данных включены в информационную систему ТеггаМо11е и используются при моделировании биогеохимических циклов, оценке биологического разнообразия и в исследованиях взаимодействия лесов с климатической системой и обществом

1 Бореальные экосистемы - это экосистемы бореальной или, другими словами, северной (от греческого ВогеаЬя) биоклиматической зоны Земли Часто в качестве синонима бореалышм экосистемам используется термин таежные экосистемы

Анроб.щип работы Основные результаты диссертационной работы были доложены на 60 российских и международных симпозиумах, конференциях, семинарах и научных совещаниях в Москве, Санкт-Петербурге, Красноярске, Иркутске, Томске, Новосибирске, Суздале, а также в Австрии (Вена), Германии (Гамбург, Йена, Берлин), Италии (Рим, Испра), Канаде (Монреаль), США (Вашингтон, Мэриленд), Франции (Париж, Тулуза, Монпелье), Китае (Пекин), Словакии (Братислава)

Личным пклад Представленные в диссертационной работе методы обработки данных спутниковых наблюдений для оценки состояния и динамики лесов разработаны лично автором или под его непосредственным научным руководством

Пубчнканни По результатам исследований и разработок по теме диссертации опубликовано 115 печатных работ, в том числе 72 научных статьи в российских и зарубежных периодических научных изданиях, сборниках докладов симпозиумов и конференций, официальных изданиях Европейской комиссии и других организаций

Структура и объем диссертации Диссертация состоит из введения, пяти глав, заключения, библиографического списка и приложений Объем диссертации составляет 291 страницу, включая 78 рисунков и 29 таблиц Библиографический список содержит 244 литературных источника

Автор глубоко признателен академику РАН АС Исаеву за поддержку проводимых научных исследований и плодотворное сотрудничество, а также дс-хн Г Н Коровину и д с -х н В И Сухих, оказывавших методологическую помощь в исследованиях Многолетнее сотрудничество автора с д т н Е А Лупяном и к т н Д В Ершовым позволило реализовать научные результаты работы в виде широко используемых технологии спутникового мониторинга лесов Автор пользуется возможностью также выразить благодарность всем сотрудникам Отдела технологий спутникового мониторинга ИКИ РАН

СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Введение содержит обоснование перспективных направлений развития методов использования данных спутниковых наблюдений для оценки состояния и динамики лесов с учетом современных приоритетов, описание цели и задач, а также основных научных результатов диссертационной работы

Глава 1 Диализ приоритетных задач п разработка структуры а утникового мониторинга лесов Леса, как важнейший компонент наземных экосистем, взаимодействуют с климатической, гидрологической и социально-экономической системами Земли, а механизмы взаимодействия между ними основаны на процессах энергомассообмена Наряду с экономическим значением лесов мировым сообществом достигается все большее понимание их экологической роли как регулятора фундаментальных процессов, отвечающих за обмен энергией и веществом Лесные экосистемы являются поглотителем углерода, накапливающимся в связанном виде в древесном пологе насаждений, лесной подстилке, почвах и торфяных болотах Составляющие углеродного цикла в лесах, а именно поглощение, депонирование и эмиссия углерода, зависят от многих условий и определяются интенсивностью фотосинтеза, как функции породно-возрастной структуры насаждений, почвенных и климатических характеристик, а также процессами разложения биомассы и деструктивными воздействиями на лесные экосистемы

Среди деструктивных факторов воздействия на леса ведущая роль принадлежит пожарам, вырубкам, а также повреждениям лесов болезнями, насекомыми и промышленными загрязнениями Согласно далеко неполным данным официальной статистики на охраняемой территории лесного фонда России ежегодно регистрируется от 12 до 36 тысяч пожаров, охватывающих территорию от 0,5 до 5,2 млн га Последствия массовых размножений насекомых в бореальных лесах сопоставимы с ущербом от пожаров, а на территории России средние ежегодные площади очагов распространения вредных насекомых составляют около 2,2 млн га Существенное влияние на леса оказывает хозяйственная деятельность человека, и в первую очередь рубка В период наиболее интенсивной вырубки лесов в 60-80-х гг прошлого столетия в России ежегодно вырубалось около двух миллионов гектар леса Вместе с тем сбор информации о деструктивных явлениях в лесах и оценка масштабов их воздействия проводится не на всей территории, а по регулярности и достоверности не отвечает современным требованиям В России регулярные авиационные и наземные наблюдения за пожарами проводятся на территории, составляющей около 75% площади лесного фонда Недостаточно широкое использование инструментальных методов оценки поврежденных огнем насаждений, масштабов лесопользования, а также лесов, погибших в результате болезней,

воздействия насекомых и промышленных загрязнений приводит к значительным погрешностям в данных статистической отчетности Существенные неточности характерны также для данных о динамике лесовосстановления на гарях и вырубках

Огромные размеры лесов в сочетании с ограниченной доступностью ряда регионов, а также отсутствие отвечающей современным требованиям системы сбора информации о лесах диктуют необходимость широкого использования для мониторинга лесов данных спутниковых наблюдений Методы использования спутниковых данных для мониторинга лесов получили развитие в начале 70-х годов XX века В СССР, а затем в России, исследования в области использования данных спутниковых наблюдений в интересах лесного хозяйства и лесоведения позволили обосновать перечень задач и структуру системы мониторинга лесов, а также разработать ряд методов и технологий В настоящее время в России методы дистанционного зондирования становятся неотъемлемой частью инвентаризации лесов, охраны лесов от пожаров и вредных насекомых, оценки лесопользования

В последние годы наметилась потребность в расширении направлений исследований в области спутникового мониторинга лесов В частности, тенденции усиления экологической компоненты мониторинга лесов обуславливаются проблемами глобального изменения климата и снижения биоразнообразия, развитием взглядов па лес как на регулятор процессов обмена веществом и энергией на планете Развитие техники и методов дистанционного зондирования создало практические предпосылки для мониторинга лесов на глобальном уровне и получения оценок, необходимых для исследований в области изменений климата и биосферы Таблица 1 отражает приоритетные направления спутникового мониторинга лесов и содержит характеристику объектов наблюдения и измеряемых параметров

Принимая во внимание современные приоритеты и опираясь на имеющийся в мире опыт использования данных дистанционного зондирования, предложена функциональная структура системы спутникового мониторинга лесов (рис 1)

Подсистема сбора спутниковых данных предполагает получение и первичную обработку необходимых для мониторинга лесов данных широкого спектра приборов, различающихся уровнем пространственного разрешения, спектральными каналами, частотой наблюдения и другими параметрами

ПОДСИСТЕМА СБОРА СПУТНИКОВЫХ ДАННЫХ

Г \ с \ / N N

Данные низкого Данные среднего Данные высокого Данные детального

разрешения разрешения разрешения разрешения

Тегга^иа-МСЮ18 Тегга/Ациа-М0013 Метеор-ЗМ/МСУ-Э ОшскВпс!

МОАА-АУНШ[? ЕгтваММЕШЭ 1_апс15а1-ТМ/ЕТМ+ БРОТ-НИС

ЭРОТ-УСТ Тегга-М18Я ЗРОТ-НЯУ^ 1КОМОЭ

ч V У Ч

ПОДСИСТЕМА ТЕМАТИЧЕСКОГО АНАЛИЗА СПУТНИКОВЫХ ДАННЫХ

КАРТОГРАФИРОВАНИЕ ЛЕСНЫХ ЭКОСИСТЕМ

Категории лесных и нелесных земель

Породная и возрастная структура лесов

Структурные характеристики лесов

ОЦЕНКА ДИНАМИКИ ЛЕСНЫХ ЭКОСИСТЕМ

Крупномасштабные изменения в лесах

Долговременные тренды состояния лесов

Фенологическая динамика лесов

ОЦЕНКА БИ0ФИЗИЧ1СКИХ ХАРАСТЕРИСТИК ЛЕСОВ

Объем наземной биомассы

Характеристики продуктивности лесов

Площадь листовой поверхности

ИНФОРМАЦИОННАЯ ПОДСИСТЕМА

Банк данных

ГИС

УУеЬ-интерфейс

ПОДСИСТЕМА МОДЕЛИРОВАНИЯ

Продукционные процессы

Биогеохимические циклы

Климатические изменения

Потоки энергии и воды

Рис 1 Структура системы спутникового мониторинга лесов 10

Возможности широко используемых в настоящее время для мониторинга лесов оптических спутниковых приборов представлены в таблице 2

Таблица 1

Приоритетные направления спутникового мониторинга лесных экосистем

НАПРАВЛЕНИЕ МОНИТОРИНГА НАБЛЮДАЕМЫЕ ОБЪЕКТЫ И ЯВЛЕНИЯ ОЦЕНИВАЕМЫЕ ХАРАКТЕРИСТИКИ

Карто рафирование и оценка структуры чесов - Растите 7ьныи покров - Водно-боютные комплексы - Непокрытые растите чьностью je м ni - Жизненные формы растительности Тип ее стативш ix орухнов Феною^ичсскии тип растите тыюсти Видовои состав растите чьиости Возрастная структура лесов

Оценка биофизических характеристик чесов - Лесной покров - Надзе миая био масса - Индекс актовой поверхности (LA1) - Обье м первичной проду куии (А РР) - Дочя по^юи/еннои ФАР2 (fPAR) - концентрация хлорофи 7 /а - 3D структу ра и сно у> покрова

Оценка возмущающих воздействии на 1сса - Не с m te пожар! t - Вырубки чесов - Фактор11 биотическо, о воздействия - Фактор» t mctHOTKHo'o «оздсиствия - Roc с таповите чнпая динамика чесов - 7un (¡кгктора воздействия - Люгцадь повреждении - С mcnciih повреждении Врс мя coOi тия С корость вое ста пои tсния растите iьности

Оценка фенологический динамики чесов - Феио югичсская динамика тесных экосиспк и - Нродо ш итс ihiiocmi зачегания eut ла - Продо!Ж unie 1ьности ее ->етационного сезона - С роки наступления фенологических фаз

Оценка мно±очетних трендов состояния чесов - Iрашщы (томов и join i перехода - С труктура пес по у г покрова - Ьиофизичсские характеристики - Режтхт а ч иптьзования - Возмучцакпцие воздействия на чеса - Фено IOVI4CCKUе ритм» г - На lu'iue трендовои динамики - Направите трендовои динамики - ( ко рос m h трендовои динамики

Оценка физических характеристик поверхности - Все типi ¡ пазе иных экосистем • Альбедо - Температура В ? а у к одер ж анис

Подсистема тематического анализа спутниковых данных включает в себя

блоки картографирования лесов, оценки их динамики и биофизических характеристик

Картографирование лесных экосистем предусматривает получение информации о пространственном распределении категорий земель, породно-возрастной структуре и других характеристиках лесов Целесообразно выделять глобальный, континентальный, региональный и локальный уровни картографирования, различающиеся пространственным разрешением и детальностью легенд получаемых карт

Требования климатических моделей к пространственному разрешению данных об экосистемах, как правило, определяются диапазоном от единиц до десятков

2 ФАР - фотосинтетически активная радиация или используемая при фотосинтезе часть солнечной радиации с длинами волн 0,38 - 0,71 мкм

километров Региональные и локальные исследования биогеохимических циклов требуют данных о структуре экосистем уровня детальности, измеряемого сотнями или даже десятками метров Согласованность легенд карт различных уровней может быть обеспечена использованием разработанной ФАО системы классификации наземного покрова ЬССЭ, учитывающей, в частности, следующие признаки растительности

- жизненные формы (древесная, кустарниковая, травяная, мохово-лишайниковая),

- типы вегетативных органов (хвойные, лиственные),

- типы фенологической динамики (вечнозеленые, листопадные)

Таблица 2

Возможности оптических спутниковых приборов для мониторинга лесов

Направления мониторинга лесов Спутниковые приборы разли жого пространственного разрешения

Hujhoe (~1к< 0 Среднее (250-500 ч) Высокое (20-50 ») Детальное (1-5 м)

Картографирование лесов NOAA-AVHRR SPOT-Veg station Terra/Aqua MODIS Terra/Aqua-MODIS Envisat MHRIS Landsat-TM/ETM+ Terra-ASTER SPOT- HRV/HRVIR Метеор-ЗМ/МСУ-Э IRS-LISS IKONOS QuickBird SPOT-HRG IRS-PAN

Оценка биофизических характеристик

Оценка биомассы LAI NPP ¡PAR

Оценка концентрации х.юрофи t ¡а Envisat MbRIS

Оценка 3D структуры лесов SPOT Vegetation Terra-MISR Terra/Aqua MODIS

Оценка возмущающих воздействий

Детектирование пожаров NOAA-AVHRR Terra/Aqua MODIS Terra/Aqua-MODIS Landsat-TM/ETM+ Terra-ASTER

Оценка nocieeicmeuu пожаров NOAA-AVHRR SPOT-Vegetation Terra/Aqua-MODIS Landsat-TM/ETM+ Tena-ASTER SPOT-HRV/HRVIR Метеор-ЗМ/МСУ-Э IRS-LISS IKONOS QuickBird SPOT-HRG IRS-PAN

Оценка воздействия биотических и техногенных фактор<т

Вырубки лесов

Оценка фенологической динамики NOAA-AVHRR SPOT Vegetation Terra/Aqua MODIS

Оценка трендов состояния Landsat-TM/ETM+ SPOT- HRV/HRVIR

Оценка физических характеристик поверхности NOAA-AVHRR Terra/Aqua-MODIS Landsat-TM/ETM+ Terra-ASTER

Современные возможности спутниковых наблюдений в оптическом диапазоне в

значительной мере удовлетворяют указанным требованиям к классификации растительности на основе спектральных, спектрально-временных и спектрально-угловых признаков

Оценка динамики лесных экосистем должна обеспечивать выявление следующих типов изменений

- крупномасштабные изменения лесного покрова в результате деструктивных факторов воздействия (пожары, вырубки, ветровалы и др ),

- допгосрочные тренды состояния лесов, отражающие их восстановительную и сукцессионную динамику, реакции на продолжительное антропогенное воздействие и изменения климата, проявляющиеся, в частности, в изменении породной структуры и продукционных характеристик насаждений, смещении границ биомов,

- фенологические изменения лесных экосистем, определяемые сезонной ритмикой развития растительности, наличием снежного покрова, частотой возникновения и масштабами воздействия пожаров

Возмущающие воздействия на леса, вызываемые различными факторами биотического, абиотического и антропогенного характера, в значительной мере определяют характеристики потоков углерода, энергии и воды между экосистемами и атмосферой Оценка возмущающих воздействий является приоритетной составляющей спутникового мониторинга лесов, основанной на выявлении участков изменений и получении характеристик интенсивности воздействия с использованием временных серий данных наблюдений

Изменения климата могут вызывать трендовую динамику характеристик насаждений, а также модифицировать режимы действия климатозависимых факторов воздействия на леса Оценка многолетних трендов состояния лесов по спутниковым данным требует выявления и интерпретации следующих типов их динамики

- изменения характеристик фенологических ритмов,

- изменения биофизических характеристик,

- изменения режимов действия пожаров и биотических факторов воздействия,

- изменения видового состава,

- смещения границ биомов и переходных зон между биомами

Одним из направлений спутникового мониторинга лесов является оценка га фенологических ритмов, характеристики которых могут служить в качестве индикаторов влияния климатических изменений К числу такого рода характеристик относятся продолжительность залегания снежного покрова, даты начала и окончания вегетационного периода, сроки наступления отдельных фаз развития растительности

Решение указанных выше задач требует использования временных серий спутниковых данных При этом рассмотрение совокупной динамики лесов в виде суперпозиции быстрых изменений, сезонной ритмики и трендовой динамики состояния позволяет формализовать постановку задачи мониторинга лесов и осуществлять разработку методов анализа спутниковых данных на основе такого рода формализации

Оценка биофизических характеристик лесов (биомасса, FPAR, NPP, NEP, LAJ) ориентирована на получение данных, необходимых в качестве входных параметров в моделях процессов энергомассообмена в системе лес-атмосфера и углеродного цикла Ряд доступных для дистанционного измерения физических характеристик, таких как альбедо, температура и влагосодержание поверхности используются в качестве переменных в моделях динамики растительности, необходимых для оценок объемов чистой первичной продукции, интенсивности стока углерода и его накопления в биомассе

Подсистема моделирования включает в себя, в частности, модели продукционных процессов в лесах и их сукцесионной динамики, модели биогеохимических циклов, а также модели взаимодействия лесных экосистем и климата Интеграция получаемых по результатам спутниковых наблюдений данных в модели позволяет уточнить оценки потоков углерода в лесах, улучшить понимание взаимосвязей изменений экосистем с социальными процессами и климатом

Информационная подсистема включает в себя банк данных, ГИС вместе с модулями пространственного анализа, и предусматривает возможности удаленного доступа пользователей на основе Интернет-технологий

Анализ современного состояния спутниковых методов дистанционного зондирования Земли свидетельствует о наличии реальных предпосылок для создания системы мониторинга лесов в интересах решения задач оценки лесных ресурсов, охраны и защиты леса, информационного обеспечения исследований глобальных изменений климата и биосферы Методы получения и обработки временных серий спутниковых данных дают возможность регулярного картографирования лесов и оценки в них изменений в результате пожаров, вырубок и других факторов, выявления трендовой динамики состояния насаждений под влиянием антропогенной нагрузки, оценки реакций экосистем на изменения климата

Глава 2 Картографирование лесов и других типов наземных экосистем Северной Евразии по данным спутниковых наблюдений. Возможности извлечения из спутниковых данных информации о наземных экосистемах определяются рядом физических, технических и методических предпосылок, в том числе

- особенностями отраженного излучения, как комплексной функции типа земной поверхности, ее структурных и физико-химических характеристик,

- характеристиками спутниковых приборов и условиями наблюдения,

- наличием моделей описания характеристик поверхности в пространстве регистрируемых сш налов и методов анализа данных наблюдений

Появление системы SPOT-Vegetation, имеющей пространственное разрешение 1,15 км, открыло широкие возможности получения спутниковых данных, удовлетворяющих требованиям глобального мониторинга растительности Для разработки метода картографирования наземных экосистем Северной Евразии были использованы продукты спутниковых данных SPOT-Vegetation S10, охватывающие регион с координатами 42°-75° СШ и 5°-180° В Д за период 1999-2000 годов Указанные данные имеют существенно редуцированное влияние облачности за счет формирования за каждый десятидневный период наблюдений композитных изображений на основе критерия максимума нормализованного разностного вегетационного индекса ND VI, вычисляемого следующим образом

NDVI = (О

Rn,r+Rred

где д и л - значения коэффициента спектральной яркости, измеряемые в каналах

red тг

0,61-0,68 мкм и 0,78-0,89 мкм

Результаты оценки информативности данных SPOT-Vegetation для картографирования лесов позволили сделать следующие выводы

- данные дают возможность учитывать спектральные, спектрально-временные и спектрально-угловые отражательные характеристики лесов и других типов экосистем для их классификации,

- наличие измерений в среднем ИК диапазоне (1,58-1,75 мкм) дает существенные преимущества при распознавании болот, гарей и погибших насаждений,

- фенологическая динамика NDV1 может быть использована при классификации хвойных и лиственных лесов, а также их отделения от других категорий земель,

- модели BRDF, описывающие угловую зависимость (индикатрису) отражения поверхности, могут быть использованы для повышения точности классификации экосистем по спутниковым данным

Разработанный метод картографирования лесов по спутниковым данным, характеризуется следующими этапами (рис 2)

- предварительная обработка спутниковых данных,

- формирование набора производных продуктов данных и признаков для распознавания типов лесных и других наземных экосистем,

- классификация типов подстилающей поверхности методом последовательной семантической декомпозиции

Предварительная обработка данных направлена на выявление пикселов непригодных для анализа из-за влияния снега, облаков и теней от них, нестабильной работы сенсора При этом на первом этапе используется система фиксированных порогов, применяемых к данным спектральных каналов 0,43-0,47 мкм и 1,58-1,75 мкм и значениям нормализованного разностного индекса снега NDSI

NDSI - »

R a-R

red

где r и R - значения коэффициента спектральной яркости, измеряемые в каналах

red jHir

0,61-0,68 мкм и 1,58-1,75 мкм

На последующем этапе зашумленные пикселы детектируются адаптивным пороговым алгоритмом, основанным на анализе временных рядов наблюдений в спектральном диапазоне 1,58-1,75 мкм Критерием для детектирования указанных пикселов является выход значений коэффициента спектральной яркости за границы интервалов, определяемых удвоенным стандартным отклонением от среднего значения, вычисляемых для заданного временного интервала наблюдений при фиксированных географических координатах '

Полученные маски зашумленных пикселов используются для формирования производных продуктов спутниковых данных и вычисления признаков для классификации наземных экосистем, включая

Предварительная обработка и получение производных Тематический анализ данных

продуктов спутниковых данных

Рис 2Логическая схема метода картографирования экосистем Северной Евразии по данным SPOT-Vegetatюn

- свободные от влияния мешающих факторов композитные многоспектральные изображения (мозаики) весеннего, летнего и осеннего сезонов, полученные осреднением незашумленных данных за соответствующие периоды наблюдений,

- индекс влажности BGWI (Bi-spectral Gradient Wetness Index), физической предпосылкой для получения которого является высокий уровень поглощения водой электромагнитного излучения в среднем ИК диапазоне BGIVI вычисляется в двумерном пространстве, образуемом измерениями коэффициента спектральной яркости в ближнем (0,78-0,89 мкм) и среднем (1,58-1,75 мкм) ИК диапазонах, и выражается углом между направлением от точки, соответствующей яркости воды, на заданную точку и осью среднего ИК канала Индекс разработан с целью повышения точности классификации участков повышенного (болота) и пониженного (гари) уровня влагосодержания в растительности и почве,

- индекс волнового подобия WLI (Wave-Likeness Index) извлекается из временного ряда значений NDVI в течение вегетационного сезона и характеризует меру его отличия от идеализированной «волновой» траектории, в качестве которой принимается аппроксимация временного ряда периодической функцией,

- индекс оптической анизотропности поверхности SAI (Surface Amsotropy Index), полученный на основе функции BRDF, описанной с помощью MRPV модели,

- продолжительность залегания снежного покрова (признак SCD), как фактора определяющего распределение растительности в бореалыюй зоне, оценивается по спутниковым данным и представляет собой важный признак для классификации экосистем В частности, этот признак дает возможность повысить точность распознавания тундры и степей

Сезонные композитные изображения описывают фенологическую динамику отражательных свойств поверхности с временным разрешением достаточным для классификации большинства типов экосистем Однако для распознавания сельскохозяйственных земель необходимо использование данных с более высокой частотой наблюдений Этому требованию удовлетворяет индекс волнового подобия WLI, представляющий собой меру различия между реальной и идеализированной траекториями фенологической динамики растительности в предположении отсутствия возмущающих факторов в течение рассматриваемого сезона При этом реальная фенологическая динамика растительности описывается временным рядом

NDVI, а его аппроксимация периодической функцией служит в качестве идеализированной траекюрии динамики растительности Сравнение значений WLI с картой землепользования продемонстрировало высокий уровень эффективности индекса при отделении пахотных земель от степей

Характеристики оптической анизотропности поверхности могут быть использованы для классификации лесов на основе различных подходов Разработанный на основе модели MRPV индекс SAI основан на восстановлении линейных уравнений связи .между значениями нормализованных коэффициентов спектральной яркости в парах спектральных каналов, коэффициенты которых с учетом идентичности геометрических условий съемки могут характеризовать уровень анизотропности отраженного излучения наблюдаемой поверхности Оценка индекса SAI проводилась с использованием скользящего вдоль временной серии данных окна и оценки линейной корреляции для проверки правильности предположения о неизменности отражательных свойств поверхности и атмосферных условий для данной группы последовательных наблюдений Индекс был использован для более точного отделения лиственных лесов от лугов, а также темнохвойных лесов от грядово-мочажинных болот

Легенда карты наземных экосистем Северной Евразии включает в себя 27 классов, образующих семь различных групп, таких как леса, кустарники, травянистая растительность, водно-болотные комплексы, тундра, растительные комплексы и непокрытые растительностью земли При этом для территории России выделяются следующие семь классов покрытых лесом земель темнохвойные вечнозеленые леса, светлохвойные вечнозеленые леса, светлохвойные листопадные леса, лиственные леса, смешанные леса, смешанные леса с преобладанием лиственных и смешанные леса с преобладанием хвойных пород

В основу классификации изображений положено использование метода последовательной семантической декомпозиции На первом этапе выполняется кластерный анализ (алгоритм ISODATA) трех сезонных композитных изображений с получением большого числа (150-200) спектрально-временных кластеров Первичная тематическая интерпретация кластеров позволяет присвоить им однозначное или комплексное наименование (в зависимости от уровня интерпретируемости) и сформировать начальный набор семантических кластеров При этом имеющие

комплексные наименования кластеры являются объектом дальнейшей декомпозиции с использованием доступных признаков и алгоритмов классификации (пороговые процедуры, управляемая классификация или кластерный анализ) Целью декомпозиции является получение набора однозначно интерпретируемых в рамках выбранной легенды простых семантических кластеров После достижения данного условия одинаково именованные кластеры объединяются в тематические классы

Тематическая интерпретация является одним из ключевых элементов процедуры классификации экосистем по спутниковым данным При этом необходимо синергетическое использование знаний о физических особенностях спектрального отражения и информации эколого-географического характера Большое значение при интерпретации спектрально-временных кластеров имеет анализ расположения и сезонной динамики их спектральных сигнатур в пространстве яркостей R и R по

red тг

отношению к линии почв и направлению максимального индекса листовой поверхности

Созданная с использованием разработанного метода карта наземных экосистем Северной Евразии прошла трехэтапную оценку достоверности, включая

- независимую экспертную проверку, выполненную последовательно в ячейках регулярной сети (2°х2°), покрывающей всю территорию России,

- сравнение с материалами учета лесов на уровне субъектов РФ,

- сравнение с данными визуальной интерпретации репрезентативной выборки изображений Landsat-ETM+ в рамках независимой валидации глобальной карты наземных экосистем GLC 2000

По результатам экспертного анализа, выполненного с привлечением материалов лесоустройства для 1523 лесхозов, интегральная точность классификации наземных экосистем составила 90,3% При этом средняя точность классификации типов леса характеризуется величиной 85,6% Сравнение покрытой лесом площади по данным карты с материалами государственного учета лесов (по состоянию 1998 год) позволяет сделать вывод о высоком уровне согласованности оценок из двух независимых источников (рис 3) Независимая валидация результатов картографирования с использованием 51 сцены Landsat-ETM+ на территории Северной Евразии показала, что средняя точность классификации типов леса составляет 91,9%

о

О 20 40 60 80 100

Данные государственного учета лесов (%)

Рис 3 Сравнение дочи покрытой лесом площади в субъектах РФ по данным карты наземных экосистем Северной Евразии и государственного учета лесов

Глава 3 Глобальный мониторинг повреждений лесов по/карами по временным

сериям данных спутниковых наблюдении В основе подходов, применяемых при определении объемов пирогенных эмиссий углерода в атмосферу и оценке ущерба от пожаров, наряду с рядом других параметров, лежит использование данных о площадях повреждений

Выявление повреждений экосистем пожарами по спутниковым данным может основываться на использовании различных подходов, а именно на детектировании поврежденных участков по изменениям их отражательных свойств, на детектировании очагов горения по аномально высокой температуре или на комбинации указанных возможностей Принятый подход основан на комбинированном использовании временных серий данных о спектрально-отражательных и температурных свойствах поверхности, получаемых приборами 8РОТ-\^е1аиоп и ТеггаЛ^иа-МОР^, имеющих пространственное разрешение около 1 км при наблюдениях близких к надиру

Воздействие огня приводит к гибели или изменению физиологических характеристик растительности, что, в частности, выражается в снижении влагосодержания и концентрации хлорофилла в зеленых фракциях Спектральное отражение поврежденных участков при этом наиболее сильно изменяется в ближнем

21

и среднем ИК диапазонах На учете этих особенностей основано использование для выявления поврежденных огнем участков коротковолнового вегетационного индекса SWVI, вычисляемого по данным SPOT-Vegetation согласно выражения

SWVI =Rn,r~Rsn,r (3)

D 4-/?

nir sntr

где Rmr и Rsmr - значения спектрального коэффициента яркости подстилающей поверхности в ближнем (0,78-0,89 мкм) и среднем (1,58-1,75 мкм) ИК каналах

Возможности детектирования участков повреждений зависят от фенологического состояния растительности, определяющего ее спектрально-отражательные свойства, и не одинаковы в различных типах экосистем в различные сезоны года Проведенные исследования позволили оценить и использовать эти различия для детектирования повреждений на основе сравнения значений SWVI в соответствующие декады текущего и предыдущего годов и разработанного набора критериев распознавания Необходимо также учитывать, что наряду с пожарами к сходным изменениям отражательных свойств может приводить воздействие и других факторов, сопровождаемых угнетением или гибелью растительности Вследствие этого для выявления пройденных пожарами участков целесообразно привлечение дополнительной информации, в качестве которой могут выступать данные об очагах горения, детектируемых по аномально высокой температуре с использованием данных Terra/Aqua-MODIS

Разработанный метод выявления повреждений пожарами по спутниковым данным (рис 4) основан на использовании совокупности критериев, учитывающих изменения отражательных свойств поверхности под воздействием огня, а также компенсирующих вероятные ошибки распознавания вследствие межгодовых различий фенологической динамики экосистем и влияния ряда мешающих факторов На основе исходных подекадных данных SPOT-Vegetation, прошедших предварительную обработку, формируются временные ряды значений SWVI за два последовательных года (текущий и предшествующий) и осуществляется коррекция межгодовых различий фенологической динамики растительности Для зашумленных наблюдений, выявленных на этапе предварительной обработки данных, производится восстановление значений SIWI методом линейной аппроксимации с использованием свободных от влияния мешающих факторов и ближайших по времени наблюдений

Рис 4 Логическая схема метода выявления поврежденной пожарами растительности по спутниковым данным

Выявление вызываемых пожарами изменений растительности, требующее учета ее естественной сезонной динамики, осуществляется с использованием межгодовых подекадных разностей ОIV!, вычисляемых для каждого пиксела с координатами (1,)) согласно выражения

= (4)

где г - номер декады к-го года, а I* - номер соответствующей декады к-1 года Для компенсации влияния межгодовых фенологических различий на результаты детектирования повреждений в качестве (* выбирается декада, соответствующая минимуму функции Д№7*(/,у,Г,<*) = ('-!>',* + 1)

Связанные с воздействием огня различия в состоянии растительности в текущем и предыдущем годах могут выражаться в существенных отклонениях значений й\У1 от нуля в область отрицательных значений Для выявления пикселов, соответствующих предполагаемым повреждениям, в качестве первого приближения используется следующий критерий

007*0,

где РI - пороговое значение, полученное на основе предварительного статистического анализа значений поврежденных пожарами участков

После применения описанной выше процедуры, результаты детектирования содержат наряду с поврежденными пожарами участками также и пикселы, относящиеся к территориям, на которых появление отрицательных аномалий вызвано другими причинами, например, разливами рек, различиями в условиях наблюдения и т д Первичная фильтрация этих участков осуществляется на основе анализа статистической значимости их спектрально-яркостных отличий от ближайшего окружения с использованием окна переменного размера (контекстная фильтрация) Окно должно содержать не менее пяти пикселов ближайшей окрестности, не включенных во множество пикселов предполагаемых повреждений Значения указанных пикселор используются для подекадной оценки среднего

М5т1 и стандартного отклонения окрестности Пиксел относится к

поврежденным участкам, если соответствующее ему значение ¿7177 не превышает величину (М„„у, - оМУ1)

На последнем этапе обработки проводится оценка пространственно-временной согласованности участков изменений с выявленными по данным ТеггаА^иа-МОО^

24

тепловыми аномалиями для идентификации вызванных пожарами повреждений растительности и заключительной фильтрации изменений, связанных с другими факторами

На основе разработанного метода была создана автоматическая технология, обеспечивающая регулярное выявление пройденных огнем площадей и вошедшая составной частью в систему мониторинга лесных пожаров Федеральной службы лесного хозяйства РФ Использование разработанной технологии позволило сформировать многолетний регулярно обновляемый циркумполярный банк данных о пройденных огнем участках на территорию бореалыюго пояса планеты Данные о площадях повреждений за период 2000-2004 годов для стран бореального пояса представлены в таблице 3

Таблица 3

Площади повреждений экосистем пожарами в странах бореалыюго пояса3

Северная Евразия

Страны 2000 2001 2002 2003 2004 Среднее СКО"

Россия 4629 4 2484 4 5614 4 2757 4 8209 3 5772 4 33563 3 22437 1 2269,9 899 9 10857,3 6870 2 11511,7 7941 4

Белоруссия 45 7 26 5 0,2 00 6138 283 6 1157 39 5 1 0 0 3 155 3 70 0 233,1 107 9

Казахстан 2296,6 64 0 3110,5 1 6 2614 6 6 1 4371,0 11 6 3132 4 19 1 3105 0 20 5 706 8 22 5

Латвия 0,1 0 1 00 00 190 125 34 3 1 00 00 4,5 3 1 7,4 48

Литва 0 3 0 3 00 00 47,7 31 8 34 03 0 0 00 10 3 6 5 188 12 7

Монголия 741,8 124 8 157,5 27 1 5199 1152 835 5 71 2 490 9 18 9 549 1 71,4 235 3 43 6

Норвегия 00 00 00 00 00 00 1 3 0 7 0,0 00 0,3 0 1 0 5 03

Украина 258 8 16 2 30 4 1 9 252 6 77 3 129 2 32 6 30 4 20 140 3 26 0 100 9 28 0

Финляндия 00 00 00 00 00 00 06 0 5 08 07 0 3 0 2 0,3 0 3

Швеция 0 7 0,7 0 0 00 0 1 0 1 1 4 1 4 0,1 0 1 0 5 0 5 0 5 0 5

Эстония 4 7 28 0 0 0 0 0,6 06 4,0 27 00 00 1 9 1 2 2,1 1 3

Северная Америка

Канада 1005 6 439 5 790 7 478 6 4352 4 2980 9 2780 1 2159 8 2996 0 2210 0 2385 0 1653 8 1487 0 1138 2

США (Аляска) 261,1 78 2 1,9 02 793 2 456 5 235,1 182 8 2302 7 1689 4 718 8 481 4 931 6 697 0

3 Площадь выражена в тысячах гектар Верхнее значение относится к общей площади повреждений, а нижнее к поврежденным лесам

4 СКО — среднеквадратическое отклонение площадей повреждений

Необходимые для оценки точности разраоотанного метода опорные данные были получены по спутниковым изображениям высокого пространственного разрешения Landsat-ETM+ (28,5 м), а также по результатам авиационных и наземных обследований Набор данных Landsat-ETM+ включал в себя 31 спутниковое изображение, полученные в 2001-2002 годах для различных регионов России, что позволило выбрать 78 опорных участков с общей площадью повреждений пожарами около 468 тысяч гектар Совместно с ФГУ «Авиалесоохрана» в Красноярском крае были проведены авиационные и наземные измерения контуров гарей 2003 и 2004 годов с использованием прибора GPS

Сопоставление полученных по данным SPOT-Vegetation и опорных значений площадей поврежденных пожарами участков демонстрирует хороший уровень согласованности результатов, что подтверждается наличием линейной связи между двумя наборами данных и высоким значением коэффициента детерминации (R2=0,94) (рис 5) Кроме того, полученное уравнение регрессии позволяет оценить площадь минимального выявляемого данным методом участка повреждений, составляющую 89,4 га Величина и знак средней ошибки (-6,6%) свидетельствует о незначительном систематическом занижении площадей повреждений, определяемых с использованием разработанного метода

Площадь по данным 8РОТ-Уеде1аиоп (га)

Рис 5 Сравнение площадей поврежденных пожарами участков по данным 8РОТ-Vegetatюn и Ьапй$а1-ЕТМ+

Представленный на рисунке 6 график демонстрирует снижение относительной ошибки определения площадей повреждений по мере роста размеров участков, из которого следует, что, достигая 17% для участков меньших по площади 1000 га, ошибка снижается до уровня 2% для участков площадью от 5000 до 10000 га Средняя разница оценок площадей в сравнении с данными авиационных облетов, составила 11%, а отклонения по отдельным участкам лежали в интервале от -13,6% до +10,4%

Площадь участков повреждений пожарами (га)

Рис 6 Зависимость средней относительной ошибки оценки площадей повреждений по данным ЕРОТ-Уе^аНоп от размеров участков

Созданный банк данных представляет собой в настоящее время наиболее полный набор однородных по точности многолетних данных о повреждениях огнем растительности для всей бореалыюй зоны Полученные данные дают возможность объективно судить о пространственно-временных характеристиках повреждений за относительно продолжительный период при подекадной частоте наблюдений, что позволяет, в частности, анализировать сезонную динамику горения, выявлять периоды наибольшей активности пожаров и оценивать продолжительность пожароопасных сезонов в различных типах экосистем Анализ многолетних оценок повреждений лесов Северной Евразии пожарами позволяет, в частности, подтвердить факт наибольшей подверженности воздействию огня насаждений лиственницы, на долю которых в различные годы приходится 65%-78% поврежденной площади

Банк данных о повреждениях растительности пожарами находит широкое применение при управлении лесными ресурсами, охране окружающей среды и оценке объемов пирогенных эмиссий углерода в атмосферу

Глава 4 Методы оценки состоянии и динамики лесов по многоспектральным спутниковым данным. В главе рассмотрены методы анализа спутниковых изображений с пространственным разрешением 20-45 м (Landsat-TM/ETM+, SPOT-HRV/HRVIR, Ресурс-01/МетеорЗМ-МСУ-Э) для оценки состояния и динамики лесов, в частности, определения их породно-возрастной структуры, степени повреждения насекомыми, изменений в результате деструктивных факторов воздействия

В исследованиях использовалась совокупность подходов к обработке изображений, основанных на управляемой классификации, кластерном анализе и методах декомпозиции спектральных смесей При этом декомпозиция спектральных смесей, предполагающая оценку доли участия классов в пикселах, осуществлялась различными методами, а именно на основе решения системы уравнений и использовании геометрического подхода Первый метод основан на описании спектральной яркости пиксела линейной функцией взвешенных значений яркости типов объектов (компонентов) с весами пропорциональными их площади на земной поверхности Это позволяет оценивать доли компонент на основе решения системы линейных уравнений

/

^epsf —> mm k = l

.k=l

где ; - индекс спектрального канала (i=l,l), к - индекс компоненты (к=1,К), Rl -

коэффициент спектральной яркости пиксела в i-ом канале, Rlk- коэффициент

спектральной яркости k-ой компоненты в i-ом канале, тк- доля площади к-ой

компоненты, eps, - погрешность измерения коэффициента спектральной яркости в

1

ом канале Результат минимизации eps,2 ->мш принимается в качестве оценки

i=i

вектора долей площади компонент тк в пикселе

К преимуществам метода относится возможность учета вариаций яркости компонент, а к ограничениям необходимость увеличения количества спектральных каналов с ростом числа компонент При использовании систем с большим количеством каналов (например, Епу^а^МЕЮБ) это ограничение не является существенным, в то время как для данных приборов Метеор-ЗМ/МСУ-Э и 8РОТ-Н11У возможности подхода ограничены

Альтернативный подход к декомпозиции спектральных смесей основан на вычислении содержания компонент на основе взаимного расположения в двумерном пространстве спектральных яркостей оцениваемого пиксела и опорных спектров Содержание А-ои компоненты в пикселе, имеющем координаты 5, определяется согласно (7) по соотношению расстояний между элементами многоугольника (рис 7), координаты вершин которого соответствуют значениям опорных спектров

-, а ][>»=! (7)

Метод имеет ясную геометрическую интерпретацию, а также свободен от жесткой связи между количеством спектральных каналов и числом оцениваемых компонент В то же время он не позволяет учитывать вероятностный характер яркостей объектов, а также получать оценки в пикселах вне многоугольника, координаты вершин которого определяются значениями опорных спектров

Рис 7 Геометрический подход к декомпозиции спектральных смесей

Оценка распознаваемости лесов различных преобладающих пород и возрастных групп по многоспектральным спутниковым данным позволила сделать вывод о высокой степени разделимости насаждений сосны, ели и лиственных деревьев При этом возможно выделение до трех возрастных категорий насаждений Было показано,

что на измеряемые по изображениям яркостные свойства лесов оказывают влияние факторы полноты насаждений, наличия подроста и подлеска под пологом, характеристики рельефа местности

Методы попцкселыюй классификации изображений позволяют достаточно точно выделять однородные хвойные и лиственные насаждения с возрастанием ошибок в смешанных лесах, природа которых связана с отнесением пикселов изображения к одному наиболее вероятному классу Это послужило основанием для исследования возможности оценки породной структуры насаждений методом декомпозиции спектральных смесей на примере использования данных Ьапска1-ТМ

При выборе компонентов смеси, как важнейшего этапа в реализации выбранного подхода, необходимо использовать априорные знания о породной структуре лесов, а также уровне разделимости пород по спектральным сигнатурам Полученные оценки содержания сосны, ели и лиственных деревьев были сопоставлены с данными лесоинвентаризации, а также с результатами классификации методом максимального правдоподобия (таб 4) Согласованность данных о содержании древесных пород на уровне отдельных насаждений характеризуется величиной коэффициента детерминации Я2 Результаты сопоставления показывают хорошую согласованность оценок методом декомпозиции спектральных смесей с данными лесоустройства, а также его преимущества по отношению к методу управляемой классификации

Таблица 4

Сравнение полученных различными методами оценок содержания пород в лесах с

данными лесоустройства

Древесные породы Данные лесоустройства По данным ЬапсЗза^ТМ

Контрол ирусмая классификация Метод декомпозиции спектральных смесей

% % % Ы."

Сосна 45,1 29,0 45,0 0,77

Ель 18,8 26,0 21,9 0,76

Лиственные 36,1 45,0 33,2 0,86

Результаты исследования возможностей использования данных дистанционного зондирования для оценки повреждений лесов под воздействием насекомых показывают, чтц методы классификации позволяют распознавать ограниченное (как правило, не более трех) число классов дефолиации, а насаждения на ранних стадиях

повреждений слабо отделимы от неповрежденных лесов Применение этих методов требует наличия опорных данных, что сопряжено, как правило, с необходимостью проведения наземных работ Наряду с наличием повреждений яркостные свойства лесов определяются их породно-возрастной структурой, сомкнутостью полога в условиях разнообразия растительных ассоциаций нижних ярусов и напочвенного покрова, что достаточно трудно учесть при использовании методов классификации Основанный на использовании техники декомпозиции спектральных смесей метод оценки дефолиации насаждений, под которой понимается доля утраченных в результате деструктивного воздействия зеленых фракций деревьев, в значительной мере свободен от указанных ограничений

Эксперименты по оценке повреждений лесов насекомыми проводились с использованием данных БРОТ-НКУ (3 08 1995) и Ресурс-01/МСУ-Э (28 06 1997) в Красноярском крае, где вспышка массового размножения сибирского шелкопряда в 1994-96 гг привела к гибели темнохвойных лесов на площади более чем 0,7 млн га

Исходя из знаний о преимущественной подверженности темнохвойных пород данному виду воздействия, породном составе насаждений и влиянии элементов экосистемы на формирование спектрального отклика было выбрано следующее множество компонент спектральных смесей

- деревья темнохвойных пород с полной дефолиацией,

- незатронутые повреждениями деревья темнохвойных пород,

- деревья светлохвойных пород,

- деревья лиственных пород,

- открытые участки напочвенного покрова

Полученные оценки свидетельствуют о том, что в период с 3 08 1995 по 28 06 1997 средняя дефолиация насаждений в зоне повреждения лесов насекомыми выросла с 35,1 % до 40% При этом сократилась площадь лесов с уровнем дефолиации 30-40%, за счет увеличения площади насаждений с дефолиацией 50-70% Сравнение полученных результатов с данными наземного обследования позволило оценить значение коэффициента детерминации (Я2=0,81) К преимуществам данного метода оценки дефолиации можно отнести гибкость в выборе числа и границ классов повреждений, возможность учета влияния породной структуры и полноты

насаждений, а также отсутствие обязательного требования по наличию опорных данных

В основе использования спутниковых изображений для выявления изменений в лесах лежит знание особенностей спектрального отражения различными компонентами лесных экосистем, а также связей между типами трансформаций лесного покрова и изменениями его отражательных свойств Необходимо учитывать, что к различиям в отражательных свойствах могут приводить также различия фенологического состояния лесов, атмосферных и геометрических условий наблюдения При выявлении изменений в лесах спутниковые изображения могут выступать в качестве источника информации о состоянии лесного покрова в различные отсчеты времени или сочетаться с другими пространственно-координированными данными (например, лесотаксационными базами данных ГИС), а в зависимости от типов сопоставляемых данных методы их анализа имеют существенные отличительные особенности

Методология выявления изменений в лесах на основе спутниковых изображений отражена на рисунке 8 Изображения могут быть представлены как одиночными, так и разновременными данными спутниковых наблюдений, а банк данных ГИС формируется, как правило, по материалам лесоустройства Предварительная обработка изображений включает в себя их геометрическую и радиометрическую коррекцию Содержание последней зависит от методики тематического анализа и может включать коррекцию геометрических условий наблюдения, влияния атмосферы, рельефа местности или взаимную радиометрическую нормализацию разновременных изображений для интегральной компенсации влияния указанных выше факторов, а также различий фенологического состояния лесной растительности

Формирование признакового описания зависит от доступности одномоментных или разновременных спутниковых изображений, согласованности типов изображений и условий их получения, видов подлежащих выявлению изменений и методов их детектирования Таблица 5 дает представление о типах информативных признаков и методах выявления изменений в лесах при различных вариантах доступных данных

Рис 8 Логическая схема выявления изменений в лесах с использованием спутниковых изображений

Информативные признаки и методы выявления изменений в лесах

ТИПЫ ПРИЗНАКОВ ПРИОРИТЕТНЫЕ МЕТОДЫ ВЫЯВЛЕНИЯ ИЗМЕНЕНИИ

Разновременные изображения, полученные Одиночные изображения и ГИС

сенсором одного типа в близких условиях различными сенсорами или в различных условиях

исходные изображения • спектральные яркости, или признаки, основанные на спектральных преобразованиях • спектральные индексы • главные компоненты или признаки, основанные на пространственном анализе • морфологические признаки • текстурные признаки или признаки, основанные на тематическом анализе данных • результаты классификации • результаты декомпозиции смесей • анализ векторов изменений по разностным изображениям • совместная классификация разновременных изображений, • сопоставление результатов независимого анализа разновременных изображений • цветовой синтез разновременных изображений • сопоставление результатов независимого анализа разновременных изображений, • совместная классификация разновременных изображений • выявление аномальных значений признаков на гипотетически однородных участках • сопоставление результатов тематической обработки изображений с картами лесов

Этап выделения областей интереса на изображениях выполняется с

использованием банка данных ГИС и предназначен для локализации однородных участков с заданными лесотаксационными характеристиками Значимость этого этапа варьирует в зависимости от используемой техники детектирования изменений Он может быть отнесен к числу ключевых при выявлении изменений с использованием одномоментных изображений и носит вспомогательный характер при анализе разновременных спутниковых данных

Набор начальных данных определяет не только формирование информативных признаков, но и технику последующего анализа Наиболее широкий арсенал методов может быть использован при выявлении изменений по разновременным изображениям, полученным одним типом сенсора в сходных условиях съемки Выполненные исследования позволили оценить преимущества и ограничения (табл 6) использования различных методов анализа разновременных изображений для выявления изменений в лесах, среди которых такие, как

- метод сопоставления результатов независимой классификации изображений,

- метод поканальных разностей радиометрически нормализованных изображений,

- метод покомпонентных разностей результатов декомпозиции спектральных смесей

Преимущества и ограничения методов выявления изменений в лесах по

разновременным спутниковым данным

МЕТОДЫ ПРЕИМУЩЕСТВА ОГРАНИЧЕНИЯ

Сравнение результатов классификации - Высокий уровень независимости от различий фенологического состбяния лесов и условий съемки - Простота интерпретации изменений - Типы выявляемых изменений ограничены заданным множеством классов - Невозможность выявления изменений переходных типов - Необходимость априорных знаний и активного участия эксперта

Пока нал ьные разности взаимно нормализованных изображений - Возможность выявления изменений переходного характера - Возможность полной автоматизации - Сложность интерпретации изменений - Существенная зависимость от различий фенологического состояния лесов и условий съемки - Необходимость задания порогов

Покомпонентные разности результатов анализа спектральных смесей - Высокий уровень независимости от различий фенологического состояния лесов и условий съемки - Простота интерпретации изменений - Возможность выявления и оценки переходных изменений - Возможность полной автоматизации - Существенная зависимость результатов от множества анализируемых компонент - Необходимость данных о спектральных яркостях чистых компонент

Этап классификации/интерпретации изменений направлен на определение их

типов и фильтрацию не связанных с изменениями лесов яркостных аномалий К появлению последних могут приводить различия атмосферных условий и фенологического состояния лесов, ошибки пространственного совмещения изображений Интерпретация осуществляется на основе экспертного анализа с использованием банка данных ГИС и опорных данных о спектральных яркостях основных элементов лесных экосистем

По результатам исследований, в частности, установлено, что применение метода декомпозиции спектральных смесей позволяет выявлять по разновременным изображениям Ьапс1за1-ЕТМ+ не только сплошнолесосечные вырубки, но и изменение сомкнутости насаждений в результате лесовосстановления или выборочных вырубок Использование указанных выше подходов часто ограничивается недоступностью спутниковых данных предыдущих лет Это послужило основанием для разработки метода выявления изменений на основе использования изображений в сочетании с данными предыдущей лесоинвентаризации (рис 9) Метод основан на реализации запросов к базе данных в составе ГИС лесоустройства и последовательном выборе гипотетически однородных по спектрально-отражательным характеристикам участков изображения Яркостная однородность (в статистическом смысле) участков достигается на основе априорных знаний" о зависимости

35

спектральных яркостей насаждений от их таксационных характеристик Исходя из данной гипотезы, можно предположить, что изменениям в лесах должны соответствовать аномалии яркости изображения, что и положено в основу предложенного подхода

БАЗА ДАННЫХ ГИС

Рис 9 Логическая схема выявления изменений в лесах на основе одиночного спутникового изображения и ГИС

Апробация метода проводилась с использованием данных 8РОТ-НЯУ (1995 год) и базы данных лесоинвентаризации (1991 год) для выявления вырубок в лесах Московской области Анализ проводился для спелых и приспевающих насаждений с преобладанием сосны, ели, березы и осины При интерпретации аномалий яркости учитывался класс бонитета насаждений Были выявлены вырубки на площади 23,9 га, а среднее отклонение измеренных значений площадей отдельных вырубок от данных полевых обследований составило 12%

Глава 5. Информационная система представления результатов спутникового мониторинга лесов Необходимость обеспечения эффективного доступа широкого круга ученых и специалистов к данным о состоянии лесов послужила основанием для разработки информационной системы спутникового мониторинга бореальных экосистем ТегтаТЧоЛе (рис 10)

ТЕМАТИЧЕСКИЕ ИНФОРМАЦИОННЫЕ ПРОДУКТЫ

Наземные экосистемы

Повреждения пожарами

Землепочьзование

Вырубки лесов

I Подсистема сбора и

I предварительной обработки I спутниковых данных

Подсистема тематического анализа спутниковых данных

С

Подсистема моделирования

и

и

и

Производные продукты спутниковых данных

Банк данных

гис

А

Подсистема доступа пользоватетей

ШЕВ-сайт 1еггапо1Че 1к< га! ги

ВСПОМОГАТЕЛЬНЫЕ ДАННЫЕ

Топографические данные

Данные о биосфере

Климатические данные

Данные о гидросфере

Данные о литосфере

Социально-экономические данные

Рис 10 Структура информационной системы спутникового мониторинга бореальных экосистем

Основным назначением системы ТеггаМоПе является обеспечение систематизированного хранения и обновления банка географических данных о состоянии и динамике лесов и других типов экосистем, полученных па основе данных спутниковых наблюдений, а также доступа пользователей к информации с использованием Интернет-технологий в интересах проведения фундаментальных исследований, управления природными ресурсами и охраны окружающей среды

Банк данных является ядром системы и содержит спутниковые данные и результаты их тематической обработки, а также полученные из различных источников данные о структуре и динамике экосистем, климате, социально-экономическом развитии и других аспектах состояния бореального региона В зависимости от географического охвата в банке данных выделяются циркумполярный, субконтинентальный, региональный г! локальный уровни При этом циркумполярному уровню соответствуют наиболее обобщенные данные, охватывающие бореальный регион планеты, а субконтинентальному - данные на территорию Северной Евразии или России Региональный и локальный уровни банка данных содержат наиболее детальную информацию соответственно для отдельных субъектов РФ и сети тестовых участков

В банке данных системы можно выделить такие, различающиеся генезисом, форматами хранения и принципами использования, типы данных, как спутниковые изображения, цифровые карты и атрибутивные (фактологические) данные

Данные спутниковых наблюдений представлены в банке данных динамическими наборами изображений, получаемых приборами МОАА-АУНКК, 8РОТ-\^е1а1юп, Тегга-МОШБ, ЬапсЬа1-ТМ/ЕТМ+, БРОТ-ННУ, Метеор-ЗМ /МСУ-Э

В настоящее время банк данных содержит следующие ряды спутниковых данных на циркумполярном или субконтинентальном уровнях

- данные БРОТЛ^^аиоп (1998-2006 годы, охват циркумполярный),

- данные МОАА-АУНЮ1 (1998-2006 годы, охват субконтинентальный),

- данные Тегга-МСЮ18 (2001-2006 годы, охват субконтинентальный)

Картографическая компонента банка данных представлена топографическими основами различных масштабов, картами административно-территориального деления, а также тематическими картами растительности, типов лесного покрова,

почв, водно-болотных комплексов, землепользования В частноеiи циркумполярный и субконтинентальный уровни банка данных содержат такие наборы данных, ка.ч

- циркумполярная база данных о повреждениях пожарами в 2000-2006 годах,

- глобальная карта наземных экосистем GLC 2000,

- карта наземных экосистем Северной Евразии,

- карта лесов России

На локальном уровне банк данных содержит информацию о лесах тестовых участков, основу которой составляют цифровые планы лесонасаждений и совмещенные с ними базы лесотаксационных данных На ряд тестовых участков имеются данные, отражающие состояние и изменения лесов в связи с вырубками, воздействием вспышек массового размножения насекомых и лесных пожаров

С цслыо обеспечения эффективной выдачи информации пользователям, дополнительной обработки данных и создания новых информационных продуктов разработаны структура и формат внутреннего представления географической информации в банке данных

Геоинфориагрюнная система предназначена для обеспечения Д01 гупа локальных пользователей к банку данных, пространственного анализа и моделирования, получения информационных продуктов более высокого уровня

Подсистема удачениого доступа к банку данных на основе Ипюрист (http //terranorte iki rssi ru) обеспечивает возможность получения информационных продуктов, а также синтезируемых по запросам табличных и графических документов В частности, пользователю предоставляется возможность интеракшвной реализации запросов к банку данных и получения информации о сезонной динамике повреждений экосистем пожарами Программное обеспечение сервера пошоляст получать данные о повреждениях для заданных политико-административных регионов различного уровня (субъекты РФ, федеральные округа, страны) с различным уровнем обобщения по типам экосистем

Раздел «Карты on-hne» предназначен для интерактивного дои sua к спутниковым и картографическим данным непосредственно в окне web-бра', кра что дает возможность их анализа без инсталляции специального профаммного обеспечения на локальном компьютере пользователя .

Техническая рёашьация системы основана на использовании обеспечивающих хранение банка данных файл-серверов, данные между которыми распределены в соответствии с их статусом, типом и форматом хранения Подготовка информационных продуктов осуществляется автоматическими и автоматизированными алгоритмами обработки данных, реализованными в виде специальных программных модулей и стандартных пакетов обработки данных дистанционного зондирования

ЗАКЛЮЧЕНИЕ

Диссертационная работа содержит результаты исследований и разработок автора, представляющие собой решение важной научной проблемы развития методов обработки спутниковых данных, получаемых оптико-электронными системами дистанционного зондирования, для оценки состояния и динамики лесов Выполненный автором анализ современных приоритетов в области информационного обеспечения управления лесными ресурсами, охраны и защиты лесов, фундаментальных исследований в области глобальных изменений биосферы и климата, а также разработанных к настоящему времени технических средств и методов дистанционного зондирования позволил предложить структуру и обосновать перспективные направления развития системы спутникового мониторинга лесов Проведенные исследования информационных возможностей современных спутниковых приборов дистанционного зондирования в оптическом диапазоне электромагнитного спектра дали возможность оценить потенциал их использования для мониторинга лесов Предложенные в работе новые признаки, критерии и алгоритмы распознавания различных типов лесных и других наземных экосистем, оценки их структурных характеристик и выявления изменений в лесах под воздействием деструктивных факторов были положены в основу разработки соответствующих методов обработки спутниковых данных дистанционного зондирования в интересах решения задач мониторинга лесов К их числу относятся картографирование и определение породной структуры лесов, детектирование и оценка повреждений лесов в связи с воздействием пожаров, насекомых, вырубок, а также других природных и антропогенных факторов

I

По результатам выполненных в диссертационной работе исследований и разработок можно сделать следующие выводы

- Предложенная структура системы спутникового мониторинга лесов отвечает современному уровню развития технических средств и методов дистанционного зондирования Земли, а также существующим приоритетам в области управления лесными ресурсами, охраны окружающей среды, исследований глобальных изменений биосферы и климата,

- Разработанные методы предварительной обработки временных серии данных спутниковых наблюдений позволяют минимизировать влияние облаков, сезонного присутствия снежного покрова, различий в условиях наблюдения, аппаратурных шумов сенсора, что существенно повышает эффективность тематического анализа спутниковых данных для решения задач мониторинга лесов,

- Предложенные признаки, характеризующие спектральные, спектрально-временные и спектрально-угловые отражательные свойства подстилающей поверхности, могут быть получены с использованием временных серий данных спутниковых наблюдений и позволяют распознавать основные типы лесов и других наземных экосистем,

- Основанный на комплексном использовании характеристик отраженного излучения и последовательной семантической декомпозиции спектрально-временных кластеров метод позволяет выполнять классификацию основных типов подстилающей поверхности для картографирования наземных экосистем по спутниковым данным,

- Созданная с использованием данных спутниковых наблюдений БРОТ-Х^йаиоп на основе разработанных в диссертационной работе методов карта наземных экосистем Северной Евразии представляет собой на данном уровне пространственного охвата один из наиболее надежных в настоящее время источников информации о лесах региона, что подтверждается данными оценки достоверности полученных результатов,

- Разработанный автоматический метод выявления повреждений лесов и другой растительности пожарами основан на комплексной обработке временных серий данных спутниковых наблюдений приборами 8РОТ-\^е1аиоп и Тсгга/Лциа-

МСЮ18 и комбинированном учете признаков, характеризующих изменения температурных и спектрально-отражательных свойств поверхности Валидация полученных результатов с использованием опорных данных продемонстрировала высокий уровень точности разработанного метода,

- Созданная на основе разработанного в диссертационной работе метода циркумполярная база данных о повреждениях экосистем пожарами впервые позволила получить репрезентативные глобальные оценки масштабов и сезонной динамики пирогенных повреждений в различных типах лесного покрова,

- Основанные на использовании оригинальных подходов методы оценки состояния и динамики лесов по многоспектральным спутниковым изображениям позволяют определять породную структуру насаждений, а также выявлять и оценивать изменения в лесах в результате воздействия различных деструктивных факторов,

- Разработанная информационная система обеспечивает систематизированное хранение и обновление банка данных о состоянии и динамике лесных экосистем на различных уровнях пространственного охвата, а также эффективный доступ пользователей к результатам спутникового мониторинга на основе Интернет-технологий

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Абушенко Н А , Барталев С А , Беляев А И , Ершов Д В , Захаров М 10 , Лупян Е А , Коровин Г Н , Кошелев В В , Крашенинникова Ю С , Мазуров А А , Минько Н П , Назиров Р Р , Семенов С М , Тащилин С А , Флитман Е В , Щетинский В Е Опыт организации оперативного спутникового мониторинга территории России в целях службы пожароохраны лесов // Исследование Земли из космоса, 1998 -№3 - С 89-95

2 Абушенко Н А , Барталев С А , Беляев А И , Ершов Д В , Коровин Г Н , Кошелев В В , Лупян Е А , Крашенинникова Ю С , Мазуров А А , Минько Н П , Назиров Р Р, Прощин А А, Флитман Е В Система сбора, обработки и доставки спутниковых данных для решения оперативных задач службы пожароохраны лесов России // Наукоемкие технологии, 2000 - Т 1 - № 2 - С 4-18

3 Арманд Н А , Барталев С А , Илларионов Г П , Кондауров Н С , Сухих В И , Харин О А , Чумаченко С И , Шалаев В С , Шмаленюк А С Некоторые итоги

реализации Федеральной целевой программы Государственном поддержки интеграции высшего образования и фундаментальной науки на 1997-2000 годы // Экология, мониторинг и рациональное природопользование, Вып 302 (II), М МГУЛ, 1999 - С 305-309

4 Барталев С Л , Брейдо М Д Коррекция пространственно-временных искажений ввода фотоизображений в систему интерактивной обработки // Исследование Земли из космоса, 1988 - № 2 - С '83-89

5 Барталев С А , Брейдо М Д Автоматизированное определение таксационных характеристик кустарниковом растительности пустынь по дистанционным данным//Геодезия и аэрофотосъемка, 1989 -№4 - С 94-102

6 Брейдо М Д , Жирни В М , Барталев С А , Бахтинова Е В Определение некоторых характеристик кормовых ресурсов пустынных паегбищ по аэрокосмической информации // Исследование Земли из космоса, 1989 - № 3 -С 66-76

7 Барталев С А, Каторгин М А Автоматизация обработки материалов космической и самолетной съемок для оценки состояния растительного покрова пустынь // Лесохозяйственная информация, М ВНИИЦЛесресурс, 1990 - № 1 - 8 с

8 Барталев CA, Жирин DM, Романович Э II Применение ГИС-технологии в решении задач мониторинга лесов водоохранной зоны озера Байкал // Проблемы мониторинга и моделирования динамики лесных экосистем Сб статей иод ред академика РАН А С Исаева, М «Экос-информ», 1995 - С 5976

9 Барталев С А, Жирин В М, Ершов Д В Сравнительный анализ данных спутниковых систем Космос-1939, SPOT и Landsat-TM при изучении бореальных лесов//Исследование Земли из космоса, 1995 - №1 -С 101-114

10 Барталев С А , Коровин Г II, Шлапак Б В Оценка распознаваемости лесных пожаров по данным радиометра AVHRR со спутников серии NOAA // Международный форум по проблемам науки, техники и образования, М МИИГАиК, 1997 - Вып 11(8) - С 22-25

11 Барталев CA, Ершов ДВ , Исаев АС Оценка дефолиации лесов по мпогоспектральным спутниковым изображениям методом декомпозиции спектральных смесей // Исследование Земли из космоса, 1998 - № 3 - С 95107

12 Барталев CA, Ершов ДВ, Новик ВП Изучение лесов России по данным дистанционного зондирования из космоса // ARCREVIEW, М DATA+, 2001 -№2(17) -С 7

13 Барталев С А , Белвард А С , Ершов Д В Новая карта типов земного покрова бореальных систем Евразии по данным SPOT4-VEGETATION // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве Сб статей под ред В И Сухих, М МГУЛ, 2002 - С 30-34

14 Барталев С А , Егоров В А , Ильин В О , Лупян Е А Синтез улучшенных сезонных изображений Северной Евразии для картографирования и мониторинга динамики растительности по данным SPOT-Vegetation //

Солнечно-зЫная физика, Вып 5 (118), редактор академик РАН Г Л Жеребцов, Новосибирск СО РАН, 2004 - С 12-14

15 Баргалев С А , Бурцев М А , Лупян С А , Прошин А А , Уваров И А Разработка информационной системы поддержки мониторинга состояния и динамики наземных экосистем Северной Евразии // Современные проблемы дистанционного зондирования Земли из космоса Сб статей под ред ЕА Л>пянаиОЮ Лавровой, М Полиграф сервис, 2004 - С 131-139

16 Барталев СА, Исаев АС Современные возможности спутникового мониторинга динамики лесных бореальпых экосистем Северной Евразии // Антропогенная трансформация таежных экосистем Европы экологические, ресурсные и хозяйственные аспекты Сб статей под ред А Д Волкова и А Н Громцева, Петрозаводск КарНЦ РАН, 2004 - С 18-28

17 Барталев СА, Егоров В А, Лупян LA, Уваров И А Оценка площади повреждений наземных экосистем Северной Евразии пожарами в 2000-2003 годах по спутниковым данным SPOT-Vegetation // Современные проблемы дистанционного зондирования Земли из космоса Сб статей под ред Е А Лупяиа и О 10 Лавровой, Том II, М «GRANP polygraph», 2005 - С 354-366

18 Барталев С А , Беляев А И , Егоров В А , Ершов Д В , Коровин Г Н , Коршунов Н А , Котельников Р В , Лупян Е А Валидация результатов выявления и оценки площадей поврежденных пожарами лесов по данным спутникового мониторинга SPOT-Vegetation // Современные проблемы дистанционного зондирования Земли из космоса Сб статей под ред Е А Лупяна и 010 Лавровой, Том II, М «GRANP polygraph», 2005 - С 343-353

19 Барталев С A, FropoB В А, Курятникова ТС, Лупяп ЕА, Уваров И А Методы и результаты использования данных спутниковых наблюдений для оценки воздействия пожаров и вырубок на леса России // Дистанционные методы в лесоустройстве и учете лесов Приборы и технологии Сб статей под ред академика РАН А С Исаева, ИЛ СО РАН, Красноярск, 2005 - С 23-27

20 Барталев СА, Исаев АС, Лупян ЕА Современные приоритеты развития мониторинга бореальных экосистем по данным спутниковых наблюдений // Сибирский экологический журнал, 2005 - № 6 - Т 12 - С 1039-1054

21 Барталев С А, Курятникова ТС, Стибиг ХЮ Методы использования временных серий спутниковых изображений высокого пространственного разрешения для оценки масштабов и динамики вырубок таежных лесов // Современные проблемы дистанционного зондирования Земли из космоса Сб статей под ред Е А Лупяна и О Ю Лавровой, Том II, М «GRANP polygraph», 2005 - С 217-227

22 Барталев С А , Лупян Е А Спутниковый мониторинг бореальных экосистем // Природа - 2005 - № 9 - С 44-53

23 Барталев С А , Лупян Е А , Нейштадт И А , Савин И Ю Классификация некоторых типов сельскохозяйственных посевов в южных регионах России по спутниковым данным MODIS // Исследование Земли из космоса, 2006 - № 3 -С 68-75

24 Барталев С А , Исаев А С , Ершов Д В Актуальные задачи, возможности и

перспективные направления развития методов спутникового мониторинга бореальных лесов // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве Сб докладов IV Международной конференции (Москва 17-19 апреля 2007 г), отв редактор В И Сухих, М ГОУ ВПО МГУЛ, 2007 - С 20-22

25 Егоров В А , Барталев С А , Лупян Е А Алгоритм детектирования и оценки площадей поврежденной пожарами растительности по данным SPOTVegetation // Труды международной научно-технической конференции, посвященной 225-лстию МИИГАиК, М Гсоипформатика, 2004 - С 199-204

26 Егоров В А , Барталев С А Анализ временных серий спутниковых данных SPOT-Vegetation для детектирования поврежденной пожарами растительности Северной Евразии // Современные проблемы дистанционного зондирования Земли из космоса Сб статей под ред Е А Лупяна и О Ю Лавровой, Том II, М «GRANP polygraph», 2005 - С 380-387

27 Егоров В А , Баотапев С А , Лупян Е А , Уваров И А Мониторинг повреждений растительного покрова пожарами по данным спутниковых наблюдений // Известия вузов Геодезия и аэрофотосъемка, 2006 - Вып 2 - С 98-109

28 Жирин В М , Барталев С А , Ершов Д В Спектрометрическая оценка состояния древесных растений при мониторинге лесов // Проблемы мониторинга и моделирования динамики лесных экосистем Сб статей под ред академика РАН А С Исаева, М «Журнал Экос-информ», 1995 - С 24-42

29 Корец М А , Данилова И В , Сухинин А И , Бычков В А , Барталев С А Использование данных Envisat MERIS для оценки степени нарушенности лесов пожарами // Дистанционные методы в лесоустройстве и учете лесов, Сб статей под ред академика РАН А С Исаева, Красноярск ИЛ СО РАН, 2005 - С 5862

30 Корец МА, Рыжкова В А, Барталев CA Оценка состояния растительного покрова в зоне воздействия промышленных предприятий с использованием данных ENVISAT-MERIS и SPOT-Vegetation // Современные проблемы дистанционного зондирования Земли из космоса Сб статей под ред Е А Лупяна и О Ю Лавровой, Т 2 , М «Азбука-2000», 2006 - С 330-334

31 Коровин ГН, Барталев CA, Беляев А И Интегрированная система мониторинга лесных пожаров//Лесное хозяйство, 1998 -№4 - С 45-48

32 Лупян Е А , Барталев С А , Бурцев М А , Егоров В А , Мазуров А А , Прошин А А Построение долговременного архива спутниковых данных по территории России для решения задач оценки состояния и динамики наземных экосистем // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве Сб докладов IV Международной конференции (Москва 1719 апреля 2007 г), отв редактор В И Сухих, М ГОУ ВПО МГУЛ, 2007 - С 57-60

33 Сухих В И, Барталев С А, Жирин В М Использование космических изображений и ГИС для инвентаризации и мониторинга лесов России // Дистанционное зондирование Земли и решение задач природопользования и экологии на Федеральном и региональном уровнях, М ЦПИ РКА, 1996 - С 63-69

34 Уваров И А , Барталев С А , Егоров В А , Лупян Е А , Нейштадт И А , Ховратович Т С Структура и функциональные возможности информационной системы TerraNorte для поддержки спутникового мониторинга бореальных экосистем // Современные проблемы дистанционного зондирования Земли из космоса Сб статен под ред ЕА Лупяна и О 10 Лавровой, Т 2, M «Азбука-2000», 2006-С 375-379

35 Лупян Е А , Зиман Я Л , Лаврова О Ю , Барталев С А Создание систем, методов и тем/о тогий дистанционного зондирования // Аэрокосмический курьер, 2007 -№2 - С 22-25

36 Bartalev S , Dcshayes M , Durrieu S , Fabre G , Stach N , Sukhikh V Monitoring by change detection in three different forest environments // Applications of Remote Sensing in European forest Monitoring -1996 - EUR 17685 EN - P 293-308

37 Bartalev S , Dwyer E , Eva H , Feltz J , Giglio L , Justice С , Korovin G , Liousse С , Michou M , Pinnock S , Prins E, Rasmussen К , Roy D and В Stocks Report of the 4th IGBP-D1S Fire Working Group Meeting // IGBP-DIS WP №21, IGBP -Toulouse, France - 1999 - 65 p

38 Bartalev S , Achard F , Erchov D and Gond V The potential contribution of SPOT4/VEGETATION data for mapping Siberian forest cover at the continental scale//Proceedings of the VEGETATION confeience, Italy -2000 -P 127-142

39 Bartalev S A , Belvvard A S Land cover and phenological monitoring in boreal ecosystems using the SPOT-VEGETATION instrument new observations for climate studies // Use of Earth Observation data for phenological monitoring, European Commission, JRC, Ispra - 2002 -P 41-48

40 Bartalev S A, Belward A S, Erchov D V, Isaev AS A new SPOT4-VEGETATION derived land cover map of Northern Eurasia // International Journal of Remote Sensing - Vol 24 -№9-2003 -P 1977-1982

41 B?rtalev S A , Egorov V A , Loupian E A and Uvarov I A Multi-year circumpolar assessment the area burnt in boreal ecosystems using SPOT-Vegetation // International Journal of Remote Sensing - Vol 28 -№6-2007 -P 1397-1404

42 Bartholomé E , Belward A S , Achard F , Bartalev S , Carmona-Moreno С , Eva H , Grégoire J-M , Mayaux P , Stibig H-J Global Land Cover mapping for the year 2000 // European Commission, JRC - EUR 20524 EN - 2002 - 55 p

43 Dontchenko V V , Johannessen О M , Bobylev L P , Bartalev S A ERS/SAR data application for Russian boreal forests mapping and monitoring // Proc IGARSS'99 -1999 -P 311-314

44 Groisman P Ya, Bartalev S A A New Northern Eurasia Earth Science Partnership Initiative (NEESPI) Science Plan of Integrated Approach to Regional Climate and Environment Change Studies /У Global and Planetary Change, 2006 Vol /Issue 56/34, P 215-234

45 Isaev A S , Korovin G N , Bartalev S A , Ershov D , Janetos A , Kasischke E S , Shugart H H , French N H , Orhck В E and Murphy T L Using remote sensing to assess Russian forest fire carbon emissions // Climate Change - Vol 55 (1-2) - 2002 - P 235-249

46 Janctos A , Isacv A , Sukhikh V , Zhirin V , Bartalev S , Ershov D , Shaialov A , Gurskiy M , Pismenmy A , Zicmelis T , Shugart H , Orlick B , Murphy T , Kasischke E , French N and Stone T Boreal Forest Characterization and Sustamabihty Study // Report on Phase I and II Results U S Russian Joint Conim on Econ & Tech Cooperation Environ WG 1998 13 p

47 Pcreira JMC, Ilasse S , Hoffman A , Pereira JAR, González-Alonso I , Trigg S , Vasconcelos M J P , Bartalev S , Lynham T J , Korovin G , Lee B S Operational use of remote sensing for fire management regional case studies // Global and Regional Wildfire Monitoring from Space Planning a Coordinated International Effort - Í>PB Acad Publ , Netherlands - 2001 - P 267-290

055(02)2 Ротапринт ИКИ РАН

_Москва, 117997, Профсоюзная, 84/32

_Подписано к печати 02 07 2007

Заказ 2098 Формат 7Ох 108/32 Тираж 120 2,0 уч -изд л

Список используемых сокращений.

Введение.

Глава 1. Анализ приоритетных задач и разработка структуры спутникового мониторинга лесов.

1.1 Структура и факторы динамики лесов, их роль в глобальных экологических процессах.

1.2 Использование данных дистанционного зондирования со спутников для мониторинга лесов.

1.3 Приоритетные задачи и структура системы спутникового мониторинга лесов.

Выводы к первой главе.

Глава 2. Картографирование лесов и других типов наземных экосистем Северной Евразии по данным спутниковых наблюдений

2.1 Оценка возможностей использования данных SPOT-Vegetation для картографирования лесных экосистем.

2.2 Методические принципы картографирования наземных экосистем по спутниковым данным.

2.3 Предварительная обработка спутниковых изображений и получение специализированных продуктов данных.

2.4 Классификация типов наземных экосистем по спутниковым данным

2.5 Валидация результатов картографирования лесов Северной Евразии

Выводы ко второй главе.

Глава 3. Глобальный мониторинг повреждений лесов пожарами по временным сериям данных спутниковых наблюдений

3.1 Анализ предпосылок для разработки метода и технологии спутникового мониторинга повреждений лесов пожарами.

3.2 Разработка метода детектирования повреждений лесов пожарами по спутниковым данным.

3.3 Циркумполярная оценка площадей повреждений лесов пожарами

3.4 Валидация результатов картографирования повреждений лесов пожарами.

Выводы к третьей главе.

Глава 4. Методы оценки состояния и динамики лесов по многоспектральным спутниковым данным.

4.1 Методы декомпозиции спектральных смесей для оценки структуры и состояния лесов по спутниковым данным.

4.2 Исследование возможностей оценки породно-возрастной структуры лесов по спутниковым данным.

4.2.1 Оценка разделимости классов лесных земель и насаждений по спектрально-отражательным характеристикам.

4.2.2 Эксперименты по оценке породной структуры лесов по спутниковым изображениям.

4.3 Оценка степени повреждения лесов насекомыми по спутниковым изображениям.

4.4 Методы выявления изменений в лесах по спутниковым данным.

4.4.1 Выявление изменений в лесах с использованием спутниковых изображений и базы данных ГИС лесоустройства.

4.4.2 Сравнительный анализ различных методов выявления изменений в лесах по разновременным спутниковым изображениям.

Выводы к четвертой главе.

Глава 5. Информационная система представления результатов спутникового мониторинга лесов.

5.1 Исходные предпосылки для разработки и назначение информационной системы TerraNorte.

5.2 Структура и функциональные возможности информационной системы TerraNorte.

5.3 Особенности программно-аппаратной реализации информационной системы TerraNorte.

Выводы к пятой главе.

Наблюдаемое с середины XIX века нарастание тесно взаимосвязанных процессов глобальных изменений климата и биосферы является предметом пристальных исследований, и находится в фокусе внимания международных политических институтов, требуя выработки адекватных механизмов реагирования с целью обеспечения устойчивого развития экосистем различных уровней и человеческого сообщества [169, 170]. Результаты исследований указывают на возможную связь происходящего глобального потепления с процессами деградации экосистем, вызываемых, в частности, нерациональным лесопользованием, изменениями качественного состава лесов, повышением их горимости вследствие антропогенного влияния, гибелью леса в результате техногенного воздействия или массового размножения насекомых, несбалансированной эксплуатацией сельскохозяйственных и пастбищных земель и ряда других факторов [184].

Леса выполняют функцию регулятора фундаментальных природных процессов на планете, отвечающих за обмен энергией и веществом, одновременно играя огромную социально-экономическую роль в жизни человечества. Характеристики состояния и динамики лесов в значительной мере определяют параметры физических процессов обмена энергией и веществом между биосферой, атмосферой и гидросферой (альбедо, потоки тепла и влаги, циклы углерода).

Большие площади лесов и возможность длительного депонирования в них живого органического вещества, обуславливают высокий удельный вклад лесных биомов в общую наземную биомассу. По некоторым оценкам, около 87% фитомассы наземных и пресноводных экосистем планеты приходится на лесные зоны, интразональные леса и лесонасаждения других природных зон [42]. При рассмотрении глобального круговорота веществ лесам принадлежит основополагающая роль в поддержании баланса углерода [85].

Аккумулирование углерода в лесных экосистемах в последние годы приобретает чрезвычайно большое значение в связи с увеличением содержания С02 в атмосфере и вызываемого этим обстоятельством, так называемого, «парникового эффекта» [167]. При этом, современные модели глобальных изменений климата и биогеохимических циклов основаны на использовании, в числе других входных параметров, регулярно обновляемых данных о биофизических характеристиках лесного покрова (доля поглощенной фотосинтетически активной радиации, площадь листовой поверхности и др.).

Произрастающие на территории России леса включают более одной пятой (22%) мировых запасов древесины [143]. Как важнейший компонент биосферы и источник ценных ресурсов леса России имеют не только общенациональное, но и глобальное экологическое, экономическое и социальное значение. Их сохранение и рациональное использование является необходимым условием обеспечения экологической безопасности и устойчивого развития не только нашей страны, но и всего мирового сообщества [44, 92].

Вместе с тем, обеспеченность информацией о состоянии и динамике российских лесов все еще остается недостаточной и не полностью отвечает современным требованиям устойчивого управления лесами. Особенно это относится к регионам Сибири и Дальнего Востока, включающих почти 80% площади лесов России, для значительной части которых характерны относительно невысокая точность и периодичность получения данных лесоинвентаризации [26]. Мониторинг изменений лесного покрова под воздействием основных деструктивных факторов (пожары, вырубки, насекомые и т.д.) и лесовосстановительных процессов проводится лишь на части этой территории либо эпизодически.

Получение своевременной и точной информации о состоянии и динамике лесных экосистем призвана обеспечить система мониторинга лесов, базирующаяся на использовании современных средств и методов сбора и обработки данных. Информационная эффективность данных дистанционного зондирования со спутников для решения широкого круга задач мониторинга лесов сейчас не вызывает сомнений у большинства ученых и специалистов в этой области [70, 76]. Тем ни менее, в силу влияния ряда факторов они все еще не нашли должного практического применения, адекватного их потенциальным возможностям. К числу объективных сдерживающих факторов до недавнего времени можно было отнести ограниченную доступность данных с современных спутниковых систем, отсутствие соответствующих программно-технических средств, и, наконец, недостаточное развитие методов тематической обработки спутниковых изображений. Снижение и даже снятие большинства этих ограничений, нарастающие влияние практических достижений в сопряженных научно-технических областях, таких как геоинформатика и телекоммуникации, являются характерными чертами нынешнего этапа развития мониторинга лесов.

Запуск в эксплуатацию новых систем дистанционного зондирования Земли, развитие сети станций приема спутниковых данных [21, 35, 60, 91, 214], активизация деятельности отечественных и зарубежных компаний по распространению спутниковой информации [65, 66] уже сейчас делают доступными для оперативного использования изображения со спутников «Метеор-3», NOAA, SPOT, Terra, Aqua, ENVISAT, Landsat, ERS, JERS и некоторых других. Современный этап развития спутниковых методов наблюдения Земли, характеризуемый наличием не только множества приборов, обеспечивающих измерения в широком диапазоне длин волн и значений пространственного разрешения, но и качественно новым уровнем доступности данных пользователям, открывает не имевшиеся ранее возможности практического построения систем мониторинга на континентальном и глобальном уровнях.

Нарастающие темпы работ по созданию цифровых карт и баз данных о состоянии лесов и факторах воздействия на них позволяют говорить о возможностях практического использования преимуществ интеграции спутниковых изображений в геоинформационные системы [8, 64, 73]. Массовая доступность компьютерных средств телекоммуникации на основе сети

Интернет дает принципиально новую возможность перехода на современные технологии доставки спутниковых данных пользователям, создания и поддержания в актуальном состоянии пространственно распределенных баз данных [61].

Необходимость осуществления мониторинга лесов на огромных территориях, особенности природно-географических условий и недостаточное развитие инфраструктуры ряда регионов побуждают рассматривать дистанционные, и, в особенности, спутниковые, наблюдения в качестве приоритетного источника информации о состоянии и динамике лесов, что определяет актуальность развития соответствующих методов обработки получаемых данных. Использование методов дистанционного зондирования обеспечивает практически не достижимое другими существующими средствами повышение уровня достоверности, оперативности и регулярности измерения ключевых характеристик состояния и динамики лесного покрова. Основу разрабатываемых методов обработки данных дистанционного зондирования составляют теоретически и экспериментально устанавливаемые взаимосвязи между измеряемыми спутниковыми приборами спектрально-энергетическими параметрами отраженного или собственного излучения наблюдаемой поверхности, а также структурными, физиологическими, биофизическими и другими характеристиками лесов.

Цель и задачи исследований. Целью проведенных исследований являлась разработка новых методов обработки данных спутниковых наблюдений в оптическом диапазоне электромагнитного спектра для решения широкого круга задач мониторинга лесов. Достижение данной цели потребовало решения следующих задач:

- обоснование приоритетных направлений развития методов оценки состояния и динамики лесов по данным спутниковых наблюдений на основе анализа современных задач мониторинга лесных экосистем и технических средств дистанционного зондирования;

- проведение комплексных экспериментальных исследований информационных возможностей современных спутниковых приборов дистанционного зондирования;

- разработка новых признаков распознавания различных типов лесных экосистем и ассоциированных с ними объектов и явлений на основе использования временных серий данных спутниковых наблюдений;

- разработка комплекса автоматизированных и автоматических методов обработки данных спутниковых наблюдений для решения задач картографирования, оценки состояния и динамики лесов;

- разработка информационной системы для обеспечения эффективного доступа к результатам спутникового мониторинга лесов на различных уровнях пространственной дифференциации.

Методы исследований. В работе использованы методы контроля состояния природной среды с помощью оптико-электронных систем дистанционного зондирования, методы распознавания образов и обработки изображений, математического моделирования, анализа временных серий данных, математической статистики, геоинформатики, системного и прикладного программирования.

Научная новизна работы. В работе предложена отвечающая современным требованиям структура системы дистанционного мониторинга лесов и обоснован состав измеряемых характеристик лесной растительности. Наряду с этим диссертационная работа содержит следующие обладающие научной новизной результаты оригинальных исследований и разработок автора:

- методы предварительной обработки временных серий данных спутниковых наблюдений и формирования свободных от влияния облачности и других мешающих факторов композитных спутниковых изображений для повышения эффективности решения тематических задач мониторинга лесов;

- методы оценки по спутниковым данным качественных и количественных характеристик лесных и других типов наземных экосистем на основе спектральных, спектрально-временных и спектрально-угловых признаков;

- методы детектирования и оценки повреждений лесов под воздействием природных и антропогенных деструктивных факторов по многолетним временным сериям данных спутниковых наблюдений в оптическом диапазоне длин волн;

- полученные с использованием разработанных в диссертационной работе методов результаты экспериментальных исследований и уникальные тематические продукты и базы данных, позволяющие оценивать состояние и динамику лесов на континентальном и глобальном уровнях пространственного охвата.

Основные защищаемые положения.

1. Методы предварительной обработки временных серий спутниковых данных для компенсации влияния облаков, сезонного присутствия снежного покрова, различий в условиях наблюдения поверхности и аппаратурных помех;

2. Система признаков для классификации лесов и других типов наземных экосистем, получаемая по временным сериям данных спутниковых наблюдений на основе спектральных, спектрально-временных и спектрально-угловых отражательных характеристик подстилающей поверхности;

3. Метод картографирования лесных и других типов наземных экосистем по спутниковым данным на основе комплексного использования измеренных характеристик отраженного излучения и вспомогательных данных о подстилающей поверхности, а также созданная с использованием разработанного метода карта наземных экосистем Северной Евразии;

4. Автоматический метод выявления повреждений лесной и другой растительности пожарами по временным сериям спутниковых данных и созданная на его основе многолетняя циркумполярная база данных о пирогенных повреждениях в различных типах наземных экосистем;

5. Методы оценки породной структуры лесов и степени повреждения насаждений насекомыми по многоспектральным спутниковым изображениям на основе использования моделей спектрального смешения;

6. Методы выявления по разновременным многоспектральным спутниковым изображениям изменений в лесах под воздействием различных деструктивных факторов;

7. Информационная система спутникового мониторинга лесов, обеспечивающая систематизированное хранение и обновление банка данных о состоянии и динамике лесного покрова, а также доступ пользователей к результатам мониторинга для решения задач управления природными ресурсами, охраны окружающей среды и проведения исследований динамики биосферы и климата.

Практическая значимость. Полученные автором результаты нашли использование при создании действующих систем спутникового мониторинга лесов, выполнении научных и прикладных проектов, а также при проведении фундаментальных исследований. Созданная карта наземных экосистем Северной Евразии в настоящее время насчитывает более 300 зарегистрированных пользователей в различных странах мира. Она стала составной частью глобальной базы данных ОЬС 2000, принята в качестве базовой карты в рамках международной инициативы МЕЕ8Р1 по изучению Северной Евразии, используется как информационная основа в системах мониторинга лесных пожаров и лесопатологического мониторинга.

Разработанный метод картографирования повреждений растительности пожарами по спутниковым данным позволил впервые сформировать многолетний циркумполярный банк данных о пройденных огнем площадях. Использование банка данных открывает возможность оценки объемов пирогенных эмиссий углерода в атмосферу, что позволяет его рассматривать в качестве элемента информационного обеспечения реализации Киотского протокола к Рамочной конвенции ООН об изменении климата. Созданная технология картографирования поврежденной огнем растительности используется в составе Информационной системы дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства РФ.

Методы выявления и оценки изменений в лесах по спутниковым изображениям были использованы при реализации ряда международных проектов, в частности, проекта Всемирного банка по оценке повреждений лесов Красноярского края сибирским шелкопрядом, проекта по изучению бореальных1 лесов Рабочей группы по окружающей среде Российско-Американской комиссии по экономическому и технологическому сотрудничеству, научно-исследовательских проектов в рамках программ Европейской комиссии.

Разработанные базы данных включены в информационную систему ТеггаКоЛе и используются при моделировании биогеохимических циклов, оценке биологического разнообразия и в исследованиях взаимодействия лесов с климатической системой и обществом.

Апробация работы. Основные результаты диссертационной работы были доложены на 60 российских и международных симпозиумах, конференциях, семинарах и научных совещаниях в Москве, Санкт-Петербурге, Красноярске, Иркутске, Томске, Новосибирске, Суздале, а также в Австрии (Вена), Германии (Гамбург, Йена, Берлин), Италии (Рим, Испра), Канаде (Монреаль), США (Вашингтон, Мэриленд), Франции (Париж, Тулуза, Монпелье), Китае (Пекин), Словакии (Братислава).

Личный вклад. Представленные в диссертационной работе методы обработки данных спутниковых наблюдений для оценки состояния и динамики лесов разработаны лично автором или под его непосредственным научным руководством.

1 Бореальные экосистемы - это экосистемы бореальной или, другими словами, северной (от греческого ВогеаПв) биоклиматической зоны Земли. Часто в качестве синонима бореальным экосистемам используется термин таежные экосистемы.

17

Публикации. По результатам исследований и разработок по теме диссертации опубликовано 115 печатных работ, в том числе 72 научных статьи в российских и зарубежных периодических научных изданиях, сборниках докладов симпозиумов и конференций, официальных изданиях Европейской комиссии и других организаций.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, заключения, библиографического списка и приложений. Объем диссертации составляет 291 страницу, включая 78 рисунков и 29 таблиц. Библиографический список содержит 244 литературных источника.

Выводы к пятой главе

- Разработанная информационная система TerraNorte обеспечивает систематизированное хранение и обновление банка данных о состоянии и динамике бореальных экосистем, получаемых преимущественно по результатам обработки и анализа спутниковых изображений, и представляет собой открытый источник информационных ресурсов с удаленным доступом пользователей к данным на основе использования Интернет-технологий. Информационная система представляет значительный интерес для широкого круга ученых и специалистов, работающих в области исследований изменений биосферы и климата, управления природными ресурсами и охраны окружающей среды;

- Система TerraNorte включает в себя многоуровневый банк данных об экосистемах бореальной зоны, содержащий информацию циркумполярного, субконтинентального, регионального и локального уровней географического охвата, а также обладает развитыми функциональными возможностями;

- Набор функций системы TerraNorte обеспечивает удаленному пользователю возможность доступа к широкому набору продуктов спутниковых данных и тематических информационных продуктов о бореальных экосистемах по сети Интернет, визуализации картографической информации с использованием стандартных web-браузеров, получения статистической информации в табличном и графическом виде с использованием гибкой системы запросов.

234

ЗАКЛЮЧЕНИЕ

Диссертационная работа содержит результаты исследований и разработок автора, представляющие собой решение важной научной проблемы развития методов обработки спутниковых данных, получаемых оптико-электронными системами дистанционного зондирования, для оценки состояния и динамики лесов. Выполненный автором анализ современных приоритетов в области информационного обеспечения управления лесными ресурсами, охраны и защиты лесов, фундаментальных исследований в области глобальных изменений биосферы и климата, а также разработанных к настоящему времени технических средств и методов дистанционного зондирования позволил предложить структуру и обосновать перспективные направления развития системы спутникового мониторинга лесов. Проведенные исследования информационных возможностей современных спутниковых приборов дистанционного зондирования в оптическом диапазоне электромагнитного спектра дали возможность оценить потенциал их использования для мониторинга лесов. Предложенные в работе новые признаки, критерии и алгоритмы распознавания различных типов лесных и других наземных экосистем, оценки их структурных характеристик и выявления изменений в лесах под воздействием деструктивных факторов были положены в основу разработки соответствующих методов обработки спутниковых данных дистанционного зондирования в интересах решения задач мониторинга лесов. К их числу относятся картографирование и определение породной структуры лесов, детектирование и оценка повреждений лесов в связи с воздействием пожаров, насекомых, вырубок, а также других природных и антропогенных факторов.

По результатам выполненных в диссертационной работе исследований и разработок можно сделать следующие выводы:

- Предложенная структура системы спутникового мониторинга лесов отвечает современному уровню развития технических средств и методов дистанционного зондирования Земли, а также существующим приоритетам в области управления лесными ресурсами, охраны окружающей среды, исследований глобальных изменений биосферы и климата;

- Разработанные методы предварительной обработки временных серий данных спутниковых наблюдений позволяют минимизировать влияние облаков, сезонного присутствия снежного покрова, различий в условиях наблюдения, аппаратурных шумов сенсора, что существенно повышает эффективность тематического анализа спутниковых данных для решения задач мониторинга лесов;

- Предложенные признаки, характеризующие спектральные, спектрально-временные и спектрально-угловые отражательные свойства подстилающей поверхности, могут быть получены с использованием временных серий данных спутниковых наблюдений и позволяют распознавать основные типы лесов и других наземных экосистем;

- Основанный на комплексном использовании характеристик отраженного излучения и последовательной семантической декомпозиции спектрально-временных кластеров метод позволяет выполнять классификацию основных типов подстилающей поверхности для картографирования наземных экосистем по спутниковым данным;

- Созданная с использованием данных спутниковых наблюдений БРОТ-Уе§е1а^оп на основе разработанных в диссертационной работе методов карта наземных экосистем Северной Евразии представляет собой на данном уровне пространственного охвата один из наиболее надежных в настоящее время источников информации о лесах региона, что подтверждается данными оценки достоверности полученных результатов;

- Разработанный автоматический метод выявления повреждений лесов и другой растительности пожарами основан на комплексной обработке

236 временных серий данных спутниковых наблюдений приборами SPOTVegetation и Terra/Aqua-MODIS и комбинированном учете признаков, характеризующих изменения температурных и спектрально-отражательных свойств поверхности. Валидация полученных результатов с использованием опорных данных продемонстрировала высокий уровень точности разработанного метода;

Созданная на основе разработанного в диссертационной работе метода циркумполярная база данных о повреждениях экосистем пожарами впервые позволила получить репрезентативные глобальные оценки масштабов и сезонной динамики пирогенных повреждений в различных типах лесного покрова;

Основанные на использовании оригинальных подходов методы оценки состояния и динамики лесов по многоспектральным спутниковым изображениям позволяют определять породную структуру насаждений, а также выявлять и оценивать изменения в лесах в результате воздействия различных деструктивных факторов;

Разработанная информационная система обеспечивает систематизированное хранение и обновление банка данных о состоянии и динамике лесных экосистем на различных уровнях пространственного охвата, а также эффективный доступ пользователей к результатам спутникового мониторинга на основе Интернет-технологий.

1. Аванесов Г.А., Зиман Я. Л., Сычев А.Г., Тарнопольский В.И. Метрологическое обеспечение измерений яркости земной поверхности многозональной сканирующей системой «Фрагмент» // Исследование Земли из космоса, 1981. №5. - С. 65-77.

2. Арцыбашев Е.С., Власов М.Н., Пуздриченко В.Д. и др. Применение спутниковой информации в охране лесов от пожаров. Л., ЛенНИЛХ, 1977, 27с.

3. Барталев С.А., Жирин В.М., Ершов Д.В. Сравнительный анализ данных спутниковых систем Космос-1939, SPOT и Landsat-TM при изучении бореальных лесов // Исследование Земли из космоса, 1995. №1. - С. 101114.

4. Барталев С.А., Коровин Г.Н., Шлапак Б.В. Оценка распознаваемости лесных пожаров по данным радиометра AVHRR спутников серии NOAA// Международный форум по проблемам науки, техники и образования. -Москва: МИИГАиК, 1997. вып. II (8). - С. 22-25.

5. Барталев С.А., Беляев А.И., Ершов Д.В., Коровин Г.Н., Лупян Е.А., Рыбникова Л.А., Сурикова Е.П., Шуляк П.П. Разработка ГИС мониторингалесных пожаров России на основе ARCVIEW-3.0 и глобальной сети Internet // ARCREVIEW, М: DATA+, 1998. №1 (4). с.6-7.

6. Барталев С.А., Ершов Д.В., Исаев A.C. Оценка дефолиации лесов по мноспектральным спутниковым изображениям методом декомпозиции спектральных смесей // Исследование Земли из космоса, 1998. №3. - С.95 -107.

7. Барталев С.А., Ершов Д.В., Новик В.П. Изучение лесов России по данным дистанционного зондирования из космоса // ARCREVIEW, М.: DATA+, 2001.-№2(17). С. 7.

8. Барталев С.А., Белвард А.С, Ершов Д.В. Новая карта типов земного покрова бореальных систем Евразии по данным SPOT 4-VEGETATION // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве. М.: ЦЭПЛ РАН, 2002. - С. 30-34.

9. Барталев С.А., Ершов Д.В., Исаев A.C., Потапов П.В., Турубанова С.А., Ярошенко А.Ю. Карта "Леса России" масштаба 1:14000000, окрашенная по группам преобладающих пород и сомкнутости лесов // М.: Гринпис, 2005.

10. Барталев С.А., Лупян Е.А. Спутниковый мониторинг бореальных экосистем // Природа. 2005. - №9. - С.44-53.

11. Брейдо М.Д., Сухих В.И. Регистрация по космическим изображениям пространственных изменений в бореальных лесах России, вызываемых сплошными рубками // Исследование Земли из космоса, 1995 №4 - С.80-90.

12. Букчин М.А., Гершензон В.Е., Захаров М.Ю., Лупян Е.А., Плюснин И.А. Возможность создания и перспективы использования недорогих станцийприема данных со спутников серии NOAA // Исследование Земли из Космоса. 1992. №6. С. 85-90.

13. Ваганов Е.А., Плешиков Ф.И. Система мониторинга лесов как основа их рационального использования и устойчивого развития // Сибирский экологический журнал. 1998. - №1. - С. 3-8.

14. Ваганов Е.А., Фуряев В.В., Сухинин А.И. Пожары сибирской тайги // Природа. 1998. - №7. - С.51-62.

15. Валендик Э.Н. Экологические аспекты лесных пожаров в Сибири // Сибирский экологический журнал. 1996. - №1. - С. 1-8.

16. Выгодская H.H., Горшкова И.И. Теория и эксперимент в дистанционных исследованиях растительности. Д.: Гидрометеоиздат, 1987.- 246с.

17. Государственный доклад о состоянии и использовании лесных ресурсов Российской Федерации в 2002 г. М.: МПР РФ, 2003. - 154с.

18. Данюлис Е.П., Жирин В.М., Сухих В.И., Эльман Р.И. Дистанционное зондирование в лесном хозяйстве. М.: Агропромиздат, 1989. 223с.

19. Ежков В.В., Исаев A.C., Сухих В.И. и др. Эффективность использования космической информации в лесном хозяйстве. // Исследование Земли из космоса. 1986. - №3. - С.3-8.

20. Елагин И.Н. Сезоны года в лесах России. Новосибирск: Наука, 1994. -272с.

21. Жеребцов Г.А., Кокоуров В.Д., Кошелев В.В., Минько Н.П. Использование данных AVHRR с ИСЗ NOAA для обнаружения лесных пожаров // Исследование Земли из космоса. 1995. - №5. - С. 74-77.

22. Жирин В.М., Сухих В.И. Выявление и картографирование участков свежих гарей по снимкам из космоса. Практические рекомендации. М.: Гослесхоз СССР, 1980.- Юс.

23. Замолодчиков Д.Г., Карелин Д.В., Иващенко А.И. Углеродный баланс ландшафтов центральной Сибири: наблюдения и моделирование на основе ГИС // Журн. общей биол., 1997. Т. 58. - № 2. - С. 15-33.

24. Захаров М.Ю., Лупян Е.А., Мазуров A.A. Программа обработки данных прибора AVHRR спутников серии NOAA для персональных компьютеров. // Исследование Земли из Космоса, 1993. №4. - С. 62-68.

25. Зукерт Н.В. Возможные смещения границ растительных зон в Якутии при изменении климата // Проблемы региональной экологии. 2000. № 4. - С. 74-81.

26. Исаев A.C., Ряполов В.Я. Анализ ландшафтно-экологической приуроченности очагов сибирского шелкопряда с применением аэрокосмической съемки // Исследование таежных ландшафтов дистанционными методами. Новосибирск: Наука, 1979. С. 152-167.

27. Исаев A.C., Кондаков Ю.П. Принципы и методы лесоэнтомологического мониторинга// Лесоведение, 1986. №4. - С. 3-10.

28. Исаев A.C., Сухих В.И. Аэрокосмический мониторинг лесов // Лесоведение, 1986. № 6. - С. 3-11

29. Исаев A.C., Карта лесов СССР масштаба 1:2500000, 1990

30. Исаев A.C., Сухих В.И., Калашников E.H. и др. Аэрокосмический мониторинг лесов. М.: Наука, 1993.

31. Исаев A.C., Носова Л.М., Пузаченко Ю.Г. Биологическое разнообразие лесов России предложения к программе действий // Лесоведение, 1997. -№2.-С. 3-13.

32. Исаев A.C., Коровин Г.Н. Устойчивое управление лесами России: проблемы и решения // Научные аспекты экологических проблем: Труды Всероссийской конференции. В 2 т. Т. 1. М.: Наука, 2002. С. 75-88.

33. Калашников E.H. Мониторинг нарушенности лесов Сибири // Сибирский экологический журнал. 1998. - Т. 5. - №1. - С. 49-58.

34. Карабань Р.Т., Гитарский М.Л. Особенности мониторинга лесных экосистем, подверженных воздействию промышленных выбросов загрязняющих веществ // Обзор загрязнения природной среды в Российской Федерации за 2000 год. М.: Росгидромет, 2001. С. 49-52.

35. Книжников Ю.Ф., Кравцова В.И. Космические методы географических исследований. М.: Изд-во МГУ, 1981. 54 с.

36. Козодеров В.В., Косолапов B.C. Новые подходы к решению обратной задачи восстановления объема зеленой фитомассы лесной растительности по аэрокосмическим данным // Исследование земли из космоса, 1999. -№1. С. 28-36.

37. Кондранин Т.В., Овчинникова Е.В. Моделирование эффективности алгоритмов распознавания из космоса тепловой аномалии типа лесного пожара // Исследование Земли из космоса, 1995. №6. - С.51-57.

38. Кондратьев К.Я. Приоритеты глобальной экологии и задачи дистанционного зондирования окружающей среды и биосферы // Исследование Земли из космоса. 1991. №5. - С. 3-9.

39. Корец М.А., Черкашин В.П., Рыжкова В. А. Методы индикации экологических характеристик лесных территорий по данным со спутника "РЕСУРС-01" с использованием ГИС // Исследование Земли из космоса. -2000.-№4. С. 1-8.

40. Коровин Г.Н., Андреев H.A. Авиационная охрана лесов, М.: Агропромиздат, 1988. 233с.

41. Коровин Г.Н., Барталев С.А. Структура географической информационной системы по лесам России // Тез. докл. конф. Информационные системы в науке 95, М.: Фазис, 1995. - С. 55-56.

42. Коровин Т.Н., Барталев С.А., Беляев А.И. Интегрированная система мониторинга лесных пожаров // Лесное хозяйство, 1998. №4. - С. 45-48.

43. Коровин Т.Н., Зукерт Н.В. Влияние климатических изменений на лесные пожары в России // В кн.: Климатические изменения: взгляд из России, ред. В.И. Данилов-Данилян, М.: ТЕИС, 2003. С. 69-98

44. Кравцова В.И., Воробьева Л.В. Оценка космических сканерных снимков низкого и среднего разрешения как материалов для картографирования лесов // Лесоведение, 2000. №5. - С. 35-42.

45. Курнаев С.Ф., 1973, Лесорастительное районирование СССР, Москва

46. Ливайн Дж.С., Кейхун Д.Р., Кофер У.Р. Пожары в бореальных лесах и выброс парниковых и химически активных газов // Экспресс-информация. Лесное хозяйство за рубежом. 1997. - N 4. - С. 10-21.

47. Лупян Е.А., Мазуров A.A., Прошин A.A. и др. Система автоматического приема и архивирования спутниковых данных. // Препринт ИКИ РАН. Пр-1988. М., 1998, 19с.

48. Методика организации и проведения космовизуальных наблюдений в целях охраны лесов от пожаров. М.: Изд-во Минлесхоза СССР, 1987, 36с.

49. Плешиков Ф.И., Ваганов Е.А., Ведрова Э.Ф. и др. Лесные экосистемы Енисейского меридиана // Новосибирск: Изд-во СО РАН, 2002. 356с.

50. Плешиков Ф.И., Черкашин В.П. Геоинформационные технологии в решении задач оценки экологического состояния лесов // Сибирский экологический журнал. 1998. - №1. - С. 9-18.

51. Ромасько В.Ю., Кашкин В.Б., Сухинин А.И. Послепожарная инвентаризация лесных территорий по спутниковым данным // Исследование Земли из космоса. 1998. - №6. - С. 99-103.

52. Руководство по мелкомасштабному картографированию лесов с использованием материалов космических съемок и картографическихматериалов лесоинвентаризационных и лесообследовательских работ. М.: Гослесхоз СССР. 1986. 25 с.

53. Рудский В.В., М. Бухройтиер, А. Володчеико, В. А. Малинников Дистанционные и картографические методы изучения природных систем Алтая // Горы и человек: в поисках путей устойчивого развития. Тез. докл. научно-практич. конф., Барнаул, 1996. С.77-78.

54. Савиных В.П., Малинников В.А., Сладкопевцев С.А., Цыпина Э.М. География из космоса. Изд-во "Московский государственный университет геодезии и картографии". М.: 2000.- 224 с.

55. Седых В.Н. Аэрокосмический мониторинг лесного покрова. Новосибирск: Наука СО, 1991.-238 с.

56. Соколов В.А., Семечкин И.В. Система экологического мониторинга лесов и лесоустройство // Сибирский экологический журнал. 1998. - Т. 5. - №1. - С. 39-49.

57. Старостенко Д.А. Геоинформационные технологии в лесной отрасли. МПР, Бюллетень «Использование и охрана природных ресурсов России», 2000.-№11-12.-С. 137-141.

58. Страхов В.В. О совершенствовании государственного учета лесов России // Лесное хозяйство, 2001. - №2. - С. 11-13.

59. Сухинин А.И. Система космического мониторинга лесных пожаров в Красноярском крае // Сибирский экологический журнал, 1996. №1. - С. 85-91.

60. Сухих В.И., Синицын С.Г., Апостолов Ю.С. и др. Аэрокосмические методы в охране природы и в лесном хозяйстве. М.: Лесная промышленность, 1977-288 с.

61. Сухих В.И. Дистанционные методы в лесном хозяйстве и охране природы. «Лесное хозяйство», 1979, №3, С. 41-45.

62. Сухих В.И., Кропов П.А., Максимов В.А. Методика мелкомасштабного картографирования лесного фонда на основе космического фотографирования. М.: Гослесхоз СССР. 1981.-23 с.

63. Сухих В.И. Использование космической информации в лесном хозяйстве // Геодезия и картография, 1986. № 4. - С. 30-36.

64. Сухих В.И. Вклад аэрокосмических методов в развитие лесного хозяйства в России // Лесное хозяйство, 1998. № 3. - С. 34-37.

65. Сухих В.И., Харин Н.Г., Бутусов О.Б. Возможности классификации лесов северной тайги по изображениям с ИСЗ «Pecypc-Ol» // Исследование Земли из космоса, 1999. №5. - С. 65-74.

66. Сухих В.И. Лесопользование в России в начале XXI века // Лесное хозяйство №6. - 1999. - С. 8-13.

67. Сухих В.И. Становление космических методов в лесном хозяйстве России. "Лесное хозяйство", 2001 №2. - С. 6-11.

68. Сухих В.И., Жирин В.М., Шаталов A.B. Оценка порядка лесопользования и лесовосстановления на вырубках на основе данных дистанционного зондирования. В кн.: Экология, мониторинг и рациональное природопользование. М.: МГУЛ, 2001. С. 18- 35.

69. Уткин А.И., Замолодчиков Д.Г., Честных О.В., Коровин Г.Н., Зукерт Н.В. Леса России как резервуар органического углерода биосферы // Лесоведение, 2001. № 5. - С. 8- 23.

70. Федотова Е.В., Буренина Т.А., Харук В.И., Сухинин А.И. Оценка применимости съемки NOAA/AVHRR в картировании лесных территорий Енисейского меридиана // Исследование Земли из космоса, 1999. №3. - С. 67-73.

71. Фуряев В.В., Голдаммер И.Г. Экологические проблемы пожаров в бореальных лесах: опыт и пути международного сотрудничества // Лесное хозяйство, 1996. №3. - С. 7-8

72. Фуряев В.В., Киреев Д.М., Злобина Л.П. Выявление, картографирование и прогнозирование нарушенности таежных лесов Сибири пожарами: Обзорн. информ. М.: ВНИИЦлесресурс, 1997. 24 с. (Библиотечка работника лесного хозяйства, вып. 8)

73. Харук В.И. О разработке ГИС техногенных воздействий на леса Сибири // Сибирский экологический журнал. 1998. - Т. 5. - №1. - С. 25-30.

74. Харук В.И., Исаев А.С., Кожуховская А.Г. Возможности применения съемки спутников NOAA для мониторинга катастрофических повреждений лесов насекомыми // Лесоведение. 1998. - №4. - С. 20-25.

75. Чернявский Г.М. Перспективы космического мониторинга Земли // Современные проблемы дистанционного зондирования Земли из космоса. М.: ИКИ РАН, 2004. - С. 39-46.

76. Швиденко А. 3., Нильссон С. Экологические проблемы перехода к устойчивому управлению лесами России // Устойчивое лесопользование, №1,2003, С. 6-9.

77. Швиденко А.З., Нильссон С., Столбовой B.C. и др. Опыт агрегированной оценки основных показателей биопродукционного процесса и углеродного бюджета наземных экосистем России. 2. Нетто-первичная продукция экосистем // Экология, 2001. № 2. - С. 83-90.

78. Шиятов С.Г., Ваганов Е.А. Методические основы организации системы дендроклиматического мониторинга в лесах азиатской части России // Сибирский экологический журнал. 1998. - Т. 5. - №1. - С. 31-39.

79. Щетинский Е.А. Об оценке экономического ущерба от лесных пожаров // Лесное хозяйство. 1996. - №3. - С. 9-10.

80. Эльман Р.И., Кузенков Л.А., Апаринова Н.А. Статистическое оценивание характеристик лесных объектов по аэро- и космическим снимкам // Исследование Земли из космоса. 1986. - № 4. - С.105-112.

81. Adams J.B., Smith М.О., Johnson Р.Е. Spectral mixture modelling: a new analysis of rock and soil types at the Viking Lander I site// Journal of geophysical research, 1986, №91. P. 8098 - 8112

82. Adams J.B., Smith M. O., Gillespie A. R. Simple models for complex natural surfaces: a strategy for the hyperspectral era of remote sensing // Proc. IEEE Int. Geosci. and Remote Sensing Symp. '89, IEEE, New York, 1989 P. 16-21

83. Arino O., Rosaz J.M. World Fire Atlas // Proceedings of conference on Remote Sensing and Forest Monitoring, Rogow, Poland, 1997 P.606-615.

84. Baret F., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment // Remote Sensing of Environment, 1981. -Vol. 35.-P. 161173.

85. Bartalev S., Achard F., Erchov D., and Gond V., 2000, The potential contribution of SPOT4/VEGETATION data for mapping Siberian forest cover at the continental scale. // In proceedings of the VEGETATION conference, Italy.-2000.-P. 127-142.

86. Bartalev S., Deshayes M., Durrieu S., Fabre G., Stach N., Sukhikh V. Monitoring by change detection in three different forest environments // Applications of Remote Sensing in European forest Monitoring, EUR 17685 EN. Vienna - 1997. - P. 293-308.

87. Bartalev S.A., Belward A.S., Erchov D.V., Isaev A.S. A new SPOT4-VEGETATION derived land cover map of Northern Eurasia // International Journal of Remote Sensing. Vol. 24. - № 9 - 2003. - P. 1977-1982.

88. Bartholome E. and Belward A. S. 2005. GLC2000: a new approach to global land cover mapping from Earth Observation data // International Journal of Remote Sensing, 26(9) 2005. - P. 1959-1977.

89. Belward A.S., Estes J.E., Kline K.D. The IGBP-DIS Global 1-km Land-Cover Data Set DISCover: A Project Overview // Photogrammetric Engineering and Remote Sensing, 65. 1999. - P. 1013-1020.

90. Boardman, J. W. Geometric Mixture Analysis of Imaging Spectrometry Data // Proc. IEEE Int. Geosci. and Remote Sensing Symp. '94, IEEE, New York, 1994. -P. 2369-2371.

91. Boles S.H., Verbyla D.L. Comparison of three AVHRR-based fire detection algorithms for interior Alaska // Remote Sensing of Environment, 72. 2000. -P. 1-16.

92. Boschetti L., Flasse S., Trigg S., Brivio P.A., Maggi M. A methodology for the validation of low resolution remotely sensed data products // Proc. of 4th ASITA conference, Vol. 1. Rimini. - 2001. - P. 293-298.

93. Boyd D.S., Danson F.M., Satellite remote sensing of forest resources: three decades of research development Progress in Physical Geography. Vol. 29, Issue 1.-2005.-P. 1-26.

94. Brown S.A., Hall C.A.S., Knabe W., Raich J., Trexler M.C., Woomer P. Tropical forests, their past, present and potential future role in the terrestrial carbon budget // Water, Air and Soil Pollution, 70. 1993. - P. 71-94.

95. Cahoon D.R., Stocks B.J., Levine J.S., Cofer W.R., Chung C.C. Evaluation of a technique for satellite-derived area estimation of forest fires // Journal of Geophysical Research, 97. 1992. - P. 3805-3814.

96. Chalifoux S., Cavayas F., Gray J. Map-guided approach for the automatic detection on Landsat TM of forest stands damaged by the spruce budworm // Photogrammetric Engineering & Remote Sensing, Vol. 64, №6, 1998, P. 629635.

97. Chapin III F.S., Matson P.A., Mooney H.A. Principles of terrestrial ecosystem ecology, 2002, Springer, 436 pp.

98. Ciesla W.M., Dull C.W., Acciavatti R.E. Interpretation of SPOT-1 Colour Composites for mapping defoliation of hardwood forests by gypsy moth // Photogrammetric Engineering & Remote Sensing 55, 10: 1989. - P.1465-1470.

99. Cihlar J., 2000, Land Cover Mapping of Large Areas from Satellites: Status and Research Priorities // International Journal of Remote Sensing, Vol. 21, № 6/7, 2000.-P. 1093-1114.

100. Clevers J.G.P.W. The derivation of a simplified reflectance model for the estimation of leaf area index // Remote Sensing of Environment 1988 - Vol. 35. - P. 53-70.

101. Conard S.G., Sukhinin A.I., Stocks B.J., Cahoon D.R., Davidenko E.P., Ivanova G.A. Determining effects of area burned and fire severity on carbon cycling and emissions in Siberia // Climatic Change, 55. 2002. - P. 197-211.

102. Conway J. Evaluating ERS-1 SAR data for the discrimination of tropical forest from other tropical vegetation types in Papua New Guinea // International Journal of Remote Sensing, Vol. 18. 1997. - P. 2967-84.

103. Coppin P.R., Bauer M.E. Digital change detection in forest ecosystems with remote sensing imagery // Remote sensing reviews, 13. 1996. - P. 207-234.

104. Cramer W., Kicklighter D.W., Bondeau A., Moore III B., Churkina G., Nemry B., Ruimy A., Schloss A. Comparing global models of terrestrial net primary productivity (NPP): overview and key results. // Global Change Biology, Vol. 5, no. SI. 1999.-P.1-15.

105. D'Souza G., Malingreau J.P., Eva H.D. Tropical forest cover of South and Central America as derived from analyses of NOAA AVHRR data. // TREES Series B: Research Report № 3 European Commission - 1995.

106. Danko D.M. The Digital Chart of the World Project, // Photogrammetric Engineering and Remote Sensing, 58(8). 1992. - P. 1125-1128.

107. Davidenko E.P., Eritsov A. Russian Federation Fire 2002 Special Part II: The fire season 2002 in Russia Report of the aerial forest fire service Availesookhrana // International Forest Fire News, 28. 2003.

108. De Moraes J.F.L. Seyler F., Cerri C.C., Volkoff B. Land cover mapping and carbon pools estimates in Rondonia, Brazil // International Journal of Remote Sensing, 19.-1998.-P. 921-34.

109. DeFries R., Hansen M., Steininger M., Dubayah R., Sohlberg R., Townshend J.R.G. Subpixel forest cover in central Africa from multisensor, multitemporal data // Remote Sensing of Environment, 60. 1997. - P. 228-246.

110. Di Gregorio A. and Jansen L.J.M., Land Cover Classification System, concepts and user manual // GCP/RAF/287/ITA UN FAO, 2000. 179 pp.

111. Dobson M.C., Ulaby F.T., Le Toan T, Beaudoin A., Kasischke E.S., Christensen N. Dependence of radar backscatter on coniferous forest biomass. // IEEE Transactions on Geoscience and Remote Sensing, Vol. 30. № 2 - 1992 P. 412-415.

112. Dontchenko V.V., Johannessen O.M., Bobylev L.P., Bartalev S.A. ERS/SAR data application for Russian boreal forests mapping and monitoring. // Proc. IGARSS'99. 1999. -P. 311-314.

113. Dottevio C.L., Williams D.L. Satellite technology: An improved means for monitoring forest insect defoliation // Journal of forestry, 1983, Vol.81. №1. -P. 30 - 34.

114. Ekstrand S. Reflection of moderate damages on Norway spruce using Landsat TM and digital stand data // IEEE Transactions on Geoscience and Remote Sensing, 1990, v. 52(2): P. 229 241.

115. Engelsen O., Pinty B., Verstraete M. Parametric Bi-directional Reflectance Factor Models: Evaluation, Improvements and Application // EC JRC, Research Report EUR 16426. 1996 - 120 pp.

116. Ershov D., Bartalev S., Deshayes M., Dymond J. R. BRDF correction in SPOT4- Vegetation ten-days composite imagery for mapping of boreal forest // Abstract VEGETATION 2000 conference Italy - 2000. - P. 53.

117. Ershov D.V., Novik V.P. Features of burnt area mapping in forest of Siberia using SPOT Sl-VGT data // GOFC Fire Satellite Product Validation Workshop, Lisbon, 2001.

118. Eva H., Lambin E. F. Burnt area mapping in central Africa using ATSR data // Int. J. Remote Sens., 19. 1998 - P. 3473- 3497.

119. Flannigan M.D., & Vonder Haar T.H. Forest fire monitoring using NOAA satellite AVHRR. // Canadian Journal of Forest Research, 16. 1986 - P. 975982.

120. Foley, J. A. Net primary productivity in the terrestrial biosphere: The application of a global model // Journal of Geophysical Research, 99. 1994. P. 773-783.

121. Foody G.M., Lucas R.M., Curran P.J., Honzak M. Mapping tropical forest fractional cover from coarse spatial resolution remote sensing imagery // Plant Ecology 131, 1997. P.143-54.

122. Forest resources of Europe, CIS, North America, Australia, Japan and New Zealand. UN-ECE/FAO contribution to the Global forest resources Assessment 2000. Main report. New York Geneva: UN, 2000. - 445p.

123. Franklin S.E., Hudak J. Classification of Hemlock Looper defoliation from satellite imagery // North American insect work conference, 1991. P. 182

124. Franklin S.E., Wulder M.A. Remote sensing methods in medium spatial resolution satellite data land classification of large areas // Progress in Physical Geography, 26. 2002. - P. 173-205.

125. Fraser R. H., Li Z, Estimating fire-related parameters in boreal forest using SPOT VEGETATION // Remote Sensing of Environment, 82. 2002. - P. 95110.

126. Fraser R. H., Li Z., Cihlar J. Hotspot and NDVI Differencing Synergy (HANDS): A new technique for burned area mapping over boreal forest // Remote Sensing of Environment, 74. 2000. - P. 362-376.

127. Fraser R. H., Li Z., Landry R. SPOT VEGETATION for characterising boreal forest fires // International Journal of Remote Sensing, 21. 2000. - P. 35253532.

128. Gao B.-C. NDWI A Normalised Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space // Remote Sensing of Environment, 58. - 1996.-P. 257-266.

129. Garcia M. J., Caselles V. Mapping burns and natural reforestation using thematic mapper data // Geocarto International, 1. 1991 - P. 31-37.

130. Gemmell F.M., Varjo J., Strandstrom M. Estimating forest cover in a boreal forest test site using Thematic Mapper data from two dates. // Remote Sensing of Environment, 77. 2001 - P. 197-211.

131. Global forest resources assessment 2000 // FAO UN Main Report, Italy, 2002. -140p.

132. Green G.M., Sussman R. Deforestation history of the eastern rainforests of Madagascar from satellite images. // Science, 248. 1990 - P. 212-215.

133. Grégoire J.-M., Tansey K., Silva J.M.N. The GBA2000 initiative: Developing a global burned area database from SPOT-Vegetation imagery. // International Journal of Remote Sensing, 24. 2003. - P. 1369 - 1376.

134. Grégoire J-M., Pinnock S. The World Fire Web network. A satellite based system for globally mapping fires in vegetation. // Publication of the European Communities, S.P.I.00.11 2000. - P. 6

135. Groof H.D., Malingreau J.P., Sokeland A., Achard F. A first look at ERS-1 data over the tropical forest of West Africa. // World Forest Watch Conference on Global Forest Monitoring, Sao Paulo: INPE. 1992

136. Grover K., Quegan, S., Freitas C.D. Quantitative estimation of tropical forest cover by SAR. // IEEE Transactions on Geoscience and Remote Sensing, 37. -1999-P. 479-490.

137. Gu J., Smith E.A. High resolution estimates of total solar and PAR surface fluxes over larger scale BOREAS study area from GOES measurements. // J. Geophy. Res., 102:29. - 1997. - P. 685-705.

138. Gutman G., Bartalev S., Korovin G. Delineation of large fire damage areas in boreal forests using NOAA AVHRR measurements // Advances in Space Research. 1995. - Vol. 15. - Issue: 11 - P. 111-113.

139. Hall D.K., Riggs G.A., Salamonson V.V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data // Remote Sensing of Environment, 54. 1995. - P. 27-40.

140. Hâme T. Spectral interpretation of changes in forest using satellite scanner images// The Society of Forestry of Finland The Finnish Forest Research Institute, Helsinki, 1991 - lllp.

141. Hansen M. C., DeFries R. S., Townshend J. R. G., Carroll M., Dimiceli C., Sohlberg R. A. Global Percent Tree Cover at a Spatial Resolution of 500 Meters: First Results of the MODIS Vegetation Continuous Fields Algorithm // Earth Interactions, 2003.

142. Hansen M., DeFries R., Townshend J. R. G., Sohlberg, R. Global land cover classification at 1km resolution using a decision tree classifier // International Journal of Remote Sensing, 21. 2000. - P. 1331-1365.

143. Hepner G.F., Logan T., Ritter N., Bryant N. Artificial neural network classification using a minimal training set: comparison to conventional supervised classification. // Photogrammetric Engineering and Remote Sensing 56- 1990-P. 469-73.

144. Houghton J., Global Wanning: The Complete Briefing. Lion Publishing, Oxford, UK / Elgin, 111., US; Albatross Books, Sutherland, Australia 1994. -192p.

145. Houghton R.A., Hackler J.L., Lawrence K.T. Changes in terrestrial carbon storage in the United States. 2: the role of fire and fire management. // Global Ecology and Biogeography 9 2000 - P. 145-170.

146. IPCC Intergovernmental Panel On Climate Change: IPCC special report on land use, land use change and forestry. Cambridge University Press, 2000.

147. IPCC Third Assessment Report: Climate Change Synthesis Report, IPCC, Geneva, 2001.- 184 pp.

148. Isaev A.S., Korovin G.N., Bartalev S.A., Ershov D., Janetos A., Kasischke E.S., Shugart H.H., French N.H., Orlick B.E., Murphy T.L. Using remote sensing to assess Russian forest fire carbon emissions // Climate Change 55 (1-2). - 2002. - P. 235-249.

149. Jeanjean H., Achard F. A new approach for tropical forest area monitoring using multiple spatial resolution satellite sensor imagery. // International Journal of Remote Sensing 18 1997-P. 2455-61.

150. Jones P.D., Moberg A. Hemispheric and large-scale surface air temperature variations: an extensive revision and an update to 2001. // Journal of Climate 16 -2003 P. 206-223

151. Jordan C. F. Derivation of leaf area index from quality of light on the forest floor, Ecology, vol. 50 1969 - P. 663-666.

152. Joria P.E., Ahearn S.C. A comparison of the SPOT and Landsat Thematic Mapper Satellite Systems for detecting gypsy moth defoliation in Michigan. // Photogrammetric Engineering & Remote Sensing 57, 12. 1991. - P. 16051612.

153. Justice C., Belward A., Morisette J., Lewis P., Privette J., Baret F. Developments in the validation of satellite sensor products for the study of the land surface. // International Journal of Remote Sensing, 21 2000. - P. 3383 -3390.

154. Justice C.O, Giglio L., Korontzi S., Owens J., Morisette J.T., Roy D., Descloitres J., Alleaume S., Petitcolin F., Kaufman Y. The MODIS fire products. // Remote Sensing of Environment, 83 2002 - P. 244-262.

155. Justice C.O., Kendall J.D., Dowty P.R., Scholes R.J. Satellite remote sensing of fires during the SAFARI campaign using NOAA advanced very high-resolution radiometer. // Journal of Geophysical Research, 101 1996 - P. 23851-23863.

156. Justice C.O., Townshend J.R.G., Vermote E,F., Masuoka E., Wolfe R.E., Saleous E., Roy D.P., Morisette J.T. An overview of MODIS land data processing and product status. // Remote Sensing of the Environment, vol. 83 -2002-P. 3-15.

157. Kasischke E. S., French N. H. F., Harrell P., Christensen Jr. N. L., Ustin S. L., Barry D. Monitoring of wildfires in boreal forests using large area AVHRR NDVI composite data. // Remote Sensing of Environment, 44 1993 - P. 5171.

158. Kasischke E.S., Christensen N.L., Stocks B.J. Fire, global warming, and the carbon balance of boreal forests. // Ecol Appl. 5 1995 - P. 437-451.

159. Kasischke E.S., Stocks B.J. Fire, Climate Change, and Carbon Cycling in the Boreal Forest. New York: Springer-Verlag. 2000

160. Kates R.W., Turner B.L., Clark W.C. The Earth as Transformed by Human Action, Cambridge University Press, 1990 P. 1-17.

161. Kaufman Y. J., Remer L. A. Detection of forests using mid-IR reflectance: an application for aerosol studies. // IEEE Transactions on Geoscience and Remote Sensing 32, 1994 P. 672-683.

162. Kim J.O., Mueller C.W. Factor analysis: statistical methods and practical issues. Thousand Oaks (CA): Sage Publications. 1978

163. Laporte N., Justice C., Kendall J. Mapping the dense humid forest of Cameroon and Zaire using AVHRR satellite data. // International Journal of Remote Sensing 16 1995 - P. 1127-45.

164. Lavoue D., Liousse C., Cachier H., Stocks B.J., Goldammer J.G. Modeling of carbonaceous particles emitted by boreal and temperate wildfires at northern latitudes // Journal of Geophysical Research, vol. 105, № D22, 26 2000 - P. 871-26,890.

165. Leckie D.G. Factors affecting defoliation assessment using airborne multispectral scanner data // Photogrammetric Engineering and Remote Sensing, 1987, v. 53(2). P. 1665 - 1674.

166. Liu J., Chen J.M., Cihlar J., Park W.M. A process-based boreal ecosystem productivity simulator using remote sensing inputs. // Remote Sensing of Environment, 62 1997. - P. 158-175.

167. Liu Q.J., Takamura T., Takeuchi N., Shao G. Mapping of boreal vegetation of a temperate mountain in China by multitemporal Landsat TM imagery. // International Journal of Remote Sensing 23 2002 - P. 3385-405.

168. Loveland T. R., Zhu Z., Ohlen D. O., Brown J. F., Reed B. C., Yang L. 1999, An analysis of the IGBP Global Land-Cover Characterization Process, Photogrammetric Engineering and Remote Sensing, 65, 1021 1032

169. Lucht W., Schaaf C.B., Strahler A.H. An algorithm for the retrieval of albedo from space using semiempirical BRDF models. // IEEE Transactions on Geoscience and Remote Sensing, vol. 38 № 2 - 2000 - P. 977 - 998.

170. Malingreau J.P., Tucker C.J. Large scale deforestation in the southeastern Amazon of Brazil. // Ambio 17 1988 - P. 49-55.

171. Malingreau J.P., Verstraete M.M., Achard F. Monitoring global deforestation: a challenge for remote sensing. // TERRA-1: understanding the terrestrial environment. London: Taylor and Francis, 1992 P. 203-209.

172. MalyshevaN., Shvidenko A., Nilsson S., Petelina S., Oskog A. An Overview of Remote Sensing in Russian Forestry, International Institute for Applied Systems Analysis, Interim Report IR-00-034, 2000, 83p.

173. Mathieu S., Berthod M., Leymarie P. Determination of proportions and entropy of land use mixing in pixels of a multispectral satellite image // International Conference on Pattern Recognition, Jerusalem, 1994. P. 798 - 800.

174. Mathieu-Marni S., Leymarie P., Bertold M. Removing ambiguities in a multi-spectral image classification // International Journal of Remote Sensing, 1996, vol. 17, № 8, P.1493-1504.

175. Matson P.A., Potter C.S., Randerson J.T., Field C.B., Vitousek P.M., Mooney H.A., Klooster S.A. Terrestrial ecosystem production: a process model based on global satellite and surface data. // Global Biogeochemical Cycles, 7 1993 -P.811-841.

176. Mayaux P., Achard F., Malingreau J.P. Global tropical forest area measurements derived from coarse resolution maps at a global level: a comparison with other approaches // Environmental Conservation 25(1), 1998, P. 35-52

177. Mayaux P., De Grandi G., Malingreau J.P. Central African forest cover revisited: a multisatellite analysis. // Remote Sensing of Environment 71, 2000, P. 183-196.

178. Melillo J. M., McGuire A. D., Kicklinghter D. W., Moore III B., Vorosmarty C. J., Schloss A. L. Global climate change and terrestrial net primary production. // Nature, 363: 1993, P. 234-240.

179. Milane A. K., Change direction analysis using Landsat imagery: a review of methodology. // Proc. IGARSS'88 Symp. (ESA SP-284), Edinburgh, Scotland, 1988, P. 541-544.

180. Morisette J., Justice C., Pereira J., Grégoire J.M., Frost P. Report from the GOFC Fire: Satellite Product Validation Workshop // The Earth Observer, v. 13, №5, 2001, P. 15-18.

181. Nezry E., Mougin E., Lopes A., Gastellu-Etchegorry J.P., Laumonier Y. Tropical vegetation mapping with combined visible and SAR spaceborne data. // International Journal of Remote Sensing 14, 1993, P. 2165-84.

182. Pereira J. M. C. A comparative evaluation of NOAA/AVHRR vegetation indexes for burned surface detection and mapping. // IEEE Transactions on Geoscience and Remote Sensing, 37(1), 1999, P. 217- 226.

183. Prince S. D., Goward S. N. Global primary production: a remote sensing approach. // Journal of Biogeography, 22, 1995, P. 815-835.

184. Quegan S., Venevsky S. The role of dynamic vegetation models in greenhouse gas calculations for SIBERIA-II. Project Deliverable 2, Siberia-II EC Project Report, 2002.

185. Ranson R. J., Sun G., Lang R. H., Chauhan N. S., Cacciola R. J., Kilic O. Mapping of boreal forest biomass from spaceborne synthetic aperture radar. // Journal of Geophysical Research, vol. 102, 1997, № D24: 29,599-29,610.

186. Roberts G. A review of the application of BRDF models to infer land cover parameters at regional and global scales. // Progress in Physical Geography, vol. 25, №4, 2001, P. 483 511.

187. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring vegetation systems in the Great Plains with ERTS, Third ERTS Symposium, NASA SP-351 I, 1973, P. 309-317.

188. Roy P.S., Joshi P.K. Forest cover assessment in northeast India the potential of temporal wide swath satellite sensor data (IRS-1C WiFS). // International Journal of Remote Sensing 23, 2002, P. 4881-96.

189. Running S. W., Nemani R. R., Peterson D. L., Band L. E., Potts D. F., Pierce L. L., Spanner M. A. Mapping regional forest évapotranspiration and photosynthesis by coupling satellite data with ecosystem simulation. // Ecology 70, 1989, P. 1090-1101.

190. Saatchi S.S., Rignot E. Classification of Boreal forest cover types using SAR images. // Remote Sensing of Environment 60, 1997, P. 270-81.

191. Sandmeier St., Deering D.W. Structure Analysis and Classification of Boreal Forest Using Airborne Hyperspectral BRDF Data from ASAS // Remote Sensing of Environment, Vol.69, Issue 3, 1999, P. 281-295

192. Scepan J. Thematic validation of high-resolution global land-cover data sets. // Photogrammetric Engineering and Remote Sensing 65, 1999, P. 1051-1060.

193. Scepan J., Menz G., Hansen M.C. The DISCover Validation Image Interpretation process // Photogrammetric Engineering and Remote Sensing, 65, 1999, P. 1075-1081.

194. Schmullius C. Monitoring Siberian Forests and Agriculture with the ERS-1 Windscatterometer // IEEE Transactions on Geoscience and Remote Sensing, Vol. 35, No. 5, 1997, P. 1363-1366.

195. Seiler W., Crutzen P. J. Estimates of gross and net fluxes of carbon between the biosphere and the atmosphere from biomass burning // Climate Change, 2, 1980, P. 207- 247.

196. Settle J.J., Drake N.A. Linear mixing and the estimation of ground cover proportions. // International Journal of Remote Sensing 14, 1993, P. 1159-77.

197. Shugart H. Terrestrial ecosystems in changing environments, Cambridge University Press, 1998, 537p.

198. Simon M. GLOBSCAR Products Qualification Report. ESA-ESRIN, Frascati, Italy, 2002.

199. Soja A. J., Sukhinin A. I., Cahoon Jr D. R., Shugart H. H., Stackhouse Jr P. W. AVHRR-derived fire frequency, distribution, and area burned in Siberia // International Journal of Remote Sensing, Vol. 25 № 10 - 2004 - P. 1939-1960(22).

200. Stocks BJ. The extent and impact of forest fires in northern circumpolar countries // Global biomas burning: atmospheric, climatic, and biospheric implications, J.S. Levine (editor), the MIT Press, Cambridge, Massachusetts, London, England, 1991.

201. Stolbovoi V., McCallum I. CD-ROM Land Resources of Russia, IIASA and the Russian Academy of Science, Laxenburg, Austria, 2002.

202. Stroppiana D., Pinnock S., Pereira J. M. C., Gregorie J.-M. Radiometric analysis of SPOT-VEGETATION images for burnt area detection in Northern Australia. // Remote Sensing of Environment, 82, 2002, P. 21-37.

203. Suzuki T., Shimada M. Japanese Earth Observation satellite program and application of JERS-1 sensors data to forest monitoring. // World Forest Watch Conference on Global Forest Monitoring, Sao Paulo: INPE, 47, 1992.

204. Townshend J.R.G., Justice C.O. Selecting the spatial resolution of satellite sensors required for global monitoring of land transformations // International Journal of Remote Sensing 9, 1988, P. 187-236.

205. Tucker C. J. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation, Remote Sensing of Environment, vol. 8, 1979, P. 127150.

206. Tucker C.J., Holben B.N., Goff T.E. Intensive forest clearing in Rondonia, Brazil, as detected by satellite remote sensing. // Remote Sensing of Environment 15, 1984, P. 255-61.

207. Verstraete M.M., Pinty B., Curran P.J. MERIS potential for land applications. // International Journal of Remote Sensing 20, 1999, P. 1747-56.

208. Vogelmann J.E., Rock B.N. Assessing forest damage in high-elevation coniferous forests in Vermont and New-Hampshire using Thematic Mapper data// Remote Sensing of Environment, Vol. 24, 1988, P.227-246

209. Widlowski J.-L., Pinty B., Gobron N., Verstraete M. M., Diner D. J., Davis A. B. Canopy Structure Parameters Derived From Multi-angular Remote Sensing Data for Terrestrial Carbon Studies // Climatic Change, 67, 2004, P. 403-415.263

210. Woodcock C. E., Gopal S. Fuzzy set theory and thematic maps: accuracy assessment and area estimation. // International Journal of Geographical Information Science, 14(2), 2000, P. 153-172.

211. Woodward F. I., Smith T. M., Emanuel W. R. A global land primary productivity and phytogeography model. // Global Biogeochemical Cycle, 9, 1995, P. 471-490.

212. Woodwell G.M., Houghton R.A., Stone T.A., Nelson R.F., Kovalick W. Deforestation in the tropics: new measurements in the Amazon basin using Landsat and NOAA/AVHRR imagery. // Journal of Geophysical Research 92, 1987, P. 2157-63.

213. Wu Q.X., North H.C. A multi-scale technique for detecting forest-cover boundary from L-band SAR images. // International Journal of Remote Sensing 22, 2001, P. 757-72.

214. Zhang Y.-H., Wooster M.J., Tutubalina O., Perry G.L.W. Monthly burned area and forest fire carbon emission estimates for the Russian Federation from SPOT VGT // Remote Sensing of Environment, Vol. 87, Issue 1, 2003, P. 1-15.