ОЦЕНКА СОСТОЯНИЯ РАСТИТЕЛЬНОСТИ НА ОСНОВЕ МНОГОЛЕТНИХ ДАННЫХ СПУТНИКОВОГО МОНИТОРИНГА
Аннотация
В данном исследовании проведена обработка данных спутникового снимков MODIS для выявления территории с высокой пожарной опасностью за 2016 г. с учетом характеристик растительности в 2016–2017 гг. Для оценки биоразнообразия территории и ущерба от пожаров растительности предложен алгоритм пространственно-временного анализа распределения пожаров растительности с учётом влияния их на трансформацию растительной территории Дальнего Востока России. Алгоритм обработки включает наложение на территорию исследования сети операционно-территориальных единиц; получение фрагментов изображения со спутников для территории исследования и преобразование спутникового снимка в единицы заданного размера с переносом атрибутивных данных за многолетний период; формирование векторных слоев индивидуальных пожаров растительности по точечному размещению или по их площади и определение вложенности индивидуальных пожаров в операционно-территориальных единицах и дополнение атрибутивных данных о состоянии растительности, на которых пожары возникали. Материалами исследования послужили ежегодные сведения о растительности и ежедневные данные о местоположении пожаров растительности на основе спутниковых снимков MODIS, спектрорадиометра Terra и AquaLandCoverModelingGridVersion 6. В ходе анализа данных установлено 88 вариантов трансформации состояния растительности при наличии от 1 до 11 пожаров. В 8604 случаях изменения структуры и качества флоры вызваны антропогенным фактором. В 40 вариантах трансформация не зависела от пожаров. Максимальная трансформация фиксируется в классах растительного покрова: мелколиственные и широколиственные леса, лесостепи, степи, луга и пашни. Большинство случаев трансформации растительности в операционно-территориальных единицах (от 30 до 70%) фиксируется при переходе от лесостепи в степи.
Ключевые слова
Полный текст:
PDFЛитература
ОБРАЗЕЦ ЦИТИРОВАНИЯ: Глаголев В.А., Зубарева А.М. Оценка состояния растительности на основе многолетних данных спутникового мониторинга // Региональные проблемы. 2023. Т. 26, № 4. С. 71–76. DOI: 10.31433/2618-9593-2023-26-4-71-76.
Шешуков М.А. Горимость лесов Дальнего Востока / М.А. Шешуков, Е.В. Брусова // Северо-Восточная Азия: вклад в глобальный лесопожарный цикл. Хабаровск: Изд-во Центра глобального мониторинга природных пожаров, 2006. С. 164–180.
Andela N. Global Fire Atlas with Characteristics of Individual Fires, 2003-2016 / N. Andela, D.C. Morton, L. Giglio, J.T. Randerson // ORNL DAAC. 2019. URL: https://daac.ornl.gov/CMS/guides/CMS_Global_Fire_Atlas.html (дата обращения: 03.08.2023).
Friedl M.A. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets / M.A. Friedl, D. Sulla-Menashe, B. Tan et al. // Remote sensing of Environment. 2010. Vol. 114, N 1. P. 168–182.
Ghamisi P. Multisource and multitemporal data fusion in remote sensing: A comprehensive review of the state of the art / P. Ghamisi, R. Behnood, N. Yokoya et al. // IEEE Geoscience and Remote Sensing Magazine. 2019. Vol. 7, N 1. P. 6–39.
Glagolev V.A., Zubareva A.M. GFS model-based short-term fire weather forecasting // Proceedings of SPIE. 2018. Vol. 10833. P. 1083373.
Saah D. Primitives as building blocks for constructing land cover maps / D. Saah, K. Tenneson, A. Poortinga et al. // International Journal of Applied Earth Observation and Geoinformation. 2020. Vol. 85. P. 101979.
White C.T. Automated Land Cover Change Detection Through Rapid Uas Updates of Digital Surface Models / C.T. White, A. Petrasova, W. Reckling et al. // The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. 2020. Vol. 42. P. 155–159.
Ссылки
- Ссылки не определены.