Применение спутниковых данных и вегетационных индексов для анализа динамики лесных территорий на примере национального парка «Угра»
Применение спутниковых данных и вегетационных индексов для анализа динамики лесных территорий на примере национального парка «Угра»
Аннотация
В условиях активного антропогенного воздействия и изменения климата вопросы мониторинга и управления лесными ресурсами становятся особенно актуальными. Эта статья посвящена анализу применимости современных методов дистанционного зондирования Земли для идентификации и оценки динамики земель, поросших лесом, на примере национального парка «Угра». Исследование базируется на анализе спутниковых данных, применении вегетационных индексов NDVI и EVI и использовании методов машинного обучения для классификации территорий. Основные результаты работы демонстрируют, как данные подходы могут способствовать повышению точности и эффективности мониторинга лесных территорий. Результаты могут быть использованы для улучшения управления и сохранения биоразнообразия в условиях глобальных экологических изменений.
1. Введение
Целью данного исследования является создание системы для точного определения площади земель, поросших лесом, на заданной территории. Эта задача особенно актуальна в контексте глобальных экологических изменений и необходимости эффективного управления природными ресурсами. Аналогичные методы дистанционного мониторинга и использование вегетационных индексов, таких как NDVI и EVI, уже успешно применялись в аграрном секторе для мониторинга сельскохозяйственных угодий, что демонстрируется в работе Худайназарова С.А. и Шамурадова А.А. , где данные спутников Sentinel использовались для создания электронной карты полей и мониторинга состояния посевов. В нашем исследовании подобные подходы адаптированы для идентификации и оценки земель, заросших лесом, что позволяет расширить понимание потенциала дистанционного зондирования в экологическом мониторинге и управлении.
Целью данного исследования является разработка и апробация методов дистанционного мониторинга, позволяющих идентифицировать и анализировать территории, поросшие лесом, на примере национального парка «Угра» с площадью 986,245 км2 . Особое внимание уделяется анализу возможностей вегетационных индексов NDVI и EVI, которые широко используются для оценки состояния растительного покрова. Эффективность NDVI в оценке состояния лесных насаждений на нарушенных землях подтверждается работой Оплетаева и соавт. , а способность EVI точно классифицировать лесные насаждения демонстрируется в исследовании Пушкина и соавт. . Кроме того, применяются методы машинного обучения для повышения точности классификации территорий, что расширяет потенциал дистанционного зондирования в экологическом мониторинге и управлении.
Задачами исследования являются:
· анализ и выбор оптимальных спутниковых платформ и данных для мониторинга лесных территорий;
· разработка методического подхода к расчёту вегетационных индексов и их корреляции с состоянием древостоев;
· оценка изменений площади лесных территорий национального парка «Угра» на основе временных рядов спутниковых данных.
2. Основная часть
Для достижения целей данного исследования были использованы данные со спутниковых платформ, таких как Landsat-8 и Sentinel-2, которые предоставляют качественные мультиспектральные изображения, позволяющие проводить анализ растительного покрова с высоким разрешением. Данные с этих спутников находятся в открытом доступе, что делает их идеальными для научных исследований и мониторинга окружающей среды. О значении и применении данных спутников для территориального мониторинга свидетельствуют исследования Li J. Roy D. P., которые анализировали результаты мониторинга земли . Также работы Kaplan и его коллег, применяющие данные для оценки сельскохозяйственных культур .
В ходе нашего исследования были использованы несколько ключевых библиотек для обработки и анализа геопространственных данных. Библиотека Rasterio, основная утилита для работы с растровыми изображениями, была применена для чтения и записи геопространственных растровых данных. GeoPandas, расширяющая возможности библиотеки pandas для работы с геоданными, использовалась для манипуляций с геодатасетами и визуализации. Для применения алгоритмов машинного обучения мы использовали Scikit-learn, что позволило эффективно классифицировать типы земельного покрытия.
Вегетационные индексы NDVI и EVI использовались для оценки состояния растительности. NDVI рассчитывается по формуле:
Где NIR обозначает отражение в ближнем инфракрасном спектре, а RED – в красном.
EVI учитывает поглощение аэрозолями и коррекцию фона почвы, и его формула имеет вид:
Где BLUE обозначает отражение в синем спектре.
В рамках исследования применялась методика анализа временных рядов мультиспектральных данных за последние 33 года для определения территорий, потенциально заброшенных сельскохозяйственных угодий, которые заросли лесом. Этот подход позволил оценить значительные изменения в использовании земель, особенно после приватизации сельхозугодий. Используя спектральные характеристики земель на различных временных отрезках, метод позволял выявлять участки, на которых наблюдалось увеличение древостоев, что указывает на процесс зарастания лесом (см рис. 1 и 2). Участки, на которых обнаруживалось значительное увеличение древостоев на прежде задействованных в сельском хозяйстве или неиспользуемых землях, классифицировались как потенциально заброшенные, претерпевшие процесс зарастания.
В дополнение к традиционным методам, в исследовании были апробированы две основные модели машинного обучения – метод порогового значения и более сложные алгоритмы, включая сверточные нейронные сети, которые описаны в работе Скрипачева В.О. и соавт. . Модели случайного леса, подробно исследованные в исследовании Minfei М. и соавт. . Эти методы были использованы для обработки мультиспектральных данных с целью классификации типов земельного покрытия, что позволило не только выявить участки, заросшие лесом, но и оценить степень их заброшенности.
Для выявления динамики озеленённости национального парка был взят диапазон с 1990-2023 года в среднем с шагом 5 лет (см. рис. 1 и 2). Такой разброс по времени связан с отсутствием качественных данных пригодных для анализа в некоторые года.
Рисунок 1 - Национальный парк (а) и цветовая схема (б) в 1990 году
Рисунок 2 - Национальный парк (а) и цветовая схема (б) в 2023 году
Результаты исследования могут быть использованы для управления земельными ресурсами в любых регионах России. Данные могут способствовать разработке программ восстановления лесов и рекультивации заброшенных земель. Также результаты могут быть полезны для корректировки национальной и региональной экологической политики, направленной на улучшение состояния и управление лесными экосистемами.
3. Заключение
В ходе данного исследования были успешно применены методы дистанционного зондирования Земли для анализа и мониторинга изменений в площади лесных территорий национального парка «Угра». Использование спутниковых данных совместно с вегетационными индексами NDVI и EVI позволило не только оценить текущее состояние лесного покрова, но и проследить динамику его изменений.
Основные результаты:
1) совместное использование данных с нескольких спутниковых платформ значительно повышает точность оценок изменений в лесных территориях, которая составила 97%;
2) интеграция методов машинного обучения с традиционными методами ДЗЗ способствовала более глубокому анализу данных и улучшению классификации территорий;
3) исследование предоставляет важные данные для экологического управления и планирования.
Основные результаты работы демонстрируют, как данные подходы могут способствовать повышению точности и эффективности мониторинга лесных территорий. Результаты могут быть использованы для улучшения управления и сохранения биоразнообразия в условиях глобальных экологических изменений.