сотрудник
Россия
В связи с массовым усыханием еловых лесов становится актуальным вопрос их восстановления после выполнения санитарно-оздоровительных мероприятий. При необходимости обследования значительных площадей целесообразнее пользоваться дистанционными методами. Выполнен расчет межгодовых линейных трендов значений нормализованного разностного индекса растительного покрова (NDVI) и коэффициентов спектральной яркости (КСЯ) в красном канале снимков зарастающих вырубок, усохших в результате повреждения стволовым вредителем короедом-типографом (Ips typographus L.), по данным спутниковой съемки Landsat в период с 2014 по 2025 годы в зоне хвойно-широколиственных лесов Пермского края. Объекты исследований включали 26 вырубок на участках усыхания еловых древостоев, в пределах которых в 2014 году проведены сплошные санитарные рубки. В качестве контроля выбраны 3 вырубки, в границах которых проведены сплошные рубки спелых и перестойных насаждений. В результате анализа временных рядов NDVI с использованием непараметрического критерия Манна-Кендалла выявлено преобладание статистически достоверных положительных трендов при оценке динамики восстановления лиственными породами как вырубок усохших ельников (77% участков), так и контрольных участков (100% участков). На территории половины вырубок усохших ельников после сплошной санитарной рубки происходит смена пород на менее ценные лиственные. Лесовосстановление с преобладанием молодых деревьев ели зафиксировано на территории только 12% вырубок усохших ельников, что подтверждается статистически значимыми убывающими трендами КСЯ в красном канале. Анализ по типам леса демонстрирует более успешное лесовосстановление елью в условиях зеленомошного типа леса (среднее значение КСЯ составляет 0.274±0.07), а менее успешное – в условиях липового типа леса (среднее значение КСЯ – 0.439±0.07). Более успешно лиственными породами восстанавливаются вырубки, расположенные в условиях липового типа леса: базисный темп прироста средних значений NDVI относительно года рубки в условиях липового типа леса у экспериментальных участков достигает 249.2%, а у фоновых – 225.9%. В условиях зеленомошного и кисличного типов леса вырубки усохших ельников восстанавливаются активнее, чем вырубки, в пределах которых произрастали здоровые насаждения: темп прироста значений NDVI в условиях зеленомошного типа леса у экспериментальных участков составляет 200.6%, у фоновых не превышает 57.9%, а в условиях кисличного типа леса у экспериментальных составляет 194.8%, у фоновых – 26.8%. По мнению авторов, данная закономерность может быть объяснена относительно низкими исходными значениями NDVI во временном ряду для зарастающих вырубок усохших ельников, а также более благоприятными условиями произрастания, связанными с повышением доступности питательных веществ в почве за счет разложения опавшей еловой хвои после усыхания древостоя.
вырубки усохших ельников, дистанционное зондирование, снимки Landsat, NDVI, подрост предварительной генерации, лесовосстановление, линейные тренды, ельники, коэффициент спектральной яркости (КСЯ) в красном канале
Введение
В последние десятилетия как в нашей стране, так и за ее пределами наблюдается массовое усыхание еловых лесов [1, 2, 3]. Единого мнения о причинах этого явления среди ученых не существует [4, 5]. При этом следует отметить, что процесс массового усыхания еловых лесов неразрывно связан с размножением и развитием стволового вредителя – короеда-типографа (Ips typographus Linnaeus) [6]. В целях улучшения санитарного и лесопатологического состояния лесов, снижения ущерба от воздействия биотических и абиотических неблагоприятных факторов, борьбы с болезнями и вредителями леса лесным законодательством предусмотрено проведение санитарно-оздоровительных мероприятий, в частности санитарных рубок (Приказ Минприроды (МПР) РФ от 09.11.2020 г. № 912).
В связи с непрекращающимся воздействием неблагоприятных факторов окружающей среды становится актуальным вопрос восстановления вырубленных в результате усыхания лесных территорий. В научной литературе имеются работы, посвященные изучению возобновления указанных вырубок полевыми методами [7], что является трудоемким процессом [8]. При необходимости обследования значительных площадей целесообразнее пользоваться дистанционными методами. Дистанционное зондирование предоставляет возможности для отслеживания изменений растительного покрова [9, 10, 11]. Для мониторинга состояния растительности наиболее широко используемым показателем является нормализованный разностный индекс растительности (NDVI) [12, 13, 14].
Индекс отражает количество фотосинтетически активной растительной биомассы и широко применяется для количественного анализа растительного покрова, включая процессы естественного зарастания ландшафтов [15]. При этом следует отметить, что NDVI более информативен для участков, на которых произрастают лиственные леса [15, 16]. Дешифрировать произрастание еловых древостоев возможно по зимним снимкам с помощью значений яркости красного канала [17]. Указанное позволит установить, какими породами возобновляются вырубки и произошла ли смена пород.
Научные работы по мониторингу заращивания вырубок усохших ельников дистанционными методами практически не проводились, что свидетельствует о новизне исследования. В этом контексте целью исследования является оценка динамики естественного возобновления вырубок усохших ельников, расположенных в зоне хвойно-широколиственных лесов Пермского края, с помощью данных дистанционного зондирования Земли.
Материалы и методы
С целью изучения зарастания вырубок после проведения санитарно-оздоровительных мероприятий, назначенных актами лесопатологического обследования, подобраны лесные выделы 26 вырубок 2014 г. (табл. 1), расположенные в лесном районе хвойно-широколиственных (смешанных) лесов Пермского края. Район занимает южную часть региона и характеризуется наибольшей интенсивностью нарушений. Участки расположены в условиях самых распространенных в исследуемом лесном районе типов леса: ельник зеленомошный, ельник кисличный и ельник липовый. В пределах рассмотренной территории (Чайковский, Еловский, Частинский, Осинский, Большесосновский, Оханский и Березовский муниципальные округа) также подобраны «контрольные» участки, в пределах которых усыхание деревьев ели не зафиксировано.
Оценка санитарного состояния елового древостоя выполнена в соответствии классификацией, представленной в Правилах санитарной безопасности в лесах (Постановление Правительства РФ от 09.12.2020 г. № 2047).
Сведения о количестве подроста предварительной генерации приводятся в соответствии с материалами актов лесопатологических обследований. При этом следует отметить, что в документах учтен подрост темнохвойных пород. Оценка достаточности подроста для естественного лесовосстановления путем мероприятий по сохранению подроста проведена согласно шкале, представленной в
действующих Правилах лесовосстановления (Приказ МПР РФ от 29.12.2021 г. № 1024).
Ниже приводится описание типов леса, послуживших объектами исследования (Основные положения организации и развития лесного хозяйства Пермской области. Т. 1. – Пермь, 2000):
Ельник зеленомошный (Е.зм.). Почвы под насаждениями ельника зеленомошного глубокоподзолистые малогумусные суглинистые. В составе древостоев преобладают ель и пихта. Средний класс бонитета – III (II).
Ельник кисличный (Е.к.). Указанный тип леса формируется на неглубокоподзолистых среднегумусных суглинистых почвах. Распространенными породами, составляющими древостой, являются ель, пихта и береза. Средний класс бонитета – II (III).
Ельник липовый (Е.лп.). Почвы ельника липового дерново-подзолистые среднегумусные суглинистые. В составе древостоев участвуют ель,
1. Агафонова Т.Н., Итешина Н.М., Залесов С.В. Состояние еловых насаждений в Удмуртской Республике при меняющемся климате // Вестник Ижевской государственной сельскохозяйственной академии. – 2025. – № 2 (82). – С. 36-42. – DOI: https://doi.org/10.60797/IRJ.2025.153.67. – URL: https://elibrary.ru/item.asp?id=82539202.
2. Мерзленко М.Д., Мельник П.Г., Тишков А.С. Ель европейская как лесообразователь на Смоленско-Московской возвышенности // Лесной вестник / Forestry Bulletin. – 2024. – Т. 28. – № 1. – С. 5–13. – DOI:https://doi.org/10.18698/2542-1468-2024-1-5-13. – URL: https://elibrary.ru/item.asp?id=63776263.
3. Hlásny T., König L., Krokene P., Lindner M., Montagné-Huck C., Müller J., Qin H., Raffa K.F., Schelhaas M.-J., Svoboda M., Viiri H., Seidl R. Bark beetle outbreaks in Europe: State of knowledge and ways forward for management. Current Forestry Reports. 2021; 7: 138–165. – DOI:https://doi.org/10.1007/s40725-021-00142-x.
4. Чебакова Н.М., Бажина Е.В., Парфенова Е.И., Сенашова В.А. В поисках фактора “икс”: обзор публикаций по проблеме усыхания темнохвойных лесов Северной Евразии // Метеорология и гидрология. – 2022. – № 5. – С. 123-140. – DOI:https://doi.org/10.52002/0130-2906-2022-5-123-140. – URL: https://elibrary.ru/item.asp?id=49308019&ysclid=mmojpa8sdc199641569.
5. Ivanchina L., Kovalev V., Makurin D., Poplyakov E., Solontsov O., Korotaeva N. The influence of the type of forest and the type of forest growing conditions on the stability of spruce stands in the zone of coniferous-deciduous forests of the Perm Krai. Siberian Journal of Life Sciences and Agriculture. 2023; 15(4): 92-111. DOI: https://doi.org/10.12731/2658-6649-2023-15-4-92-111. URL: https://elibrary.ru/item.asp?id=57709453.
6. Nardi D., Jactel H., Pagot E., Samalens J.-C., Marini L. Drought and stand susceptibility to attacks by the European spruce bark beetle: A remote sensing approach. Agricultural and Forest Entomology. 2023; 25(1): 119-129. DOI:https://doi.org/10.1111/afe.12536.
7. Пукинская М.Ю. Реконструкция динамики темнохвойных лесов Тебердинского заповедника и перспективы их естественного восстановления после массового усыхания // Поволжский экологический журнал. – 2022. – № 4. – С. 431–451. DOI: https://doi.org/10.35885/1684-7318-2022-4-431-451. URL: https://elibrary.ru/item.asp?id=49948485&ysclid=mmokvr7oto15650276.
8. Isoaho A., Elo M., Marttila H., Rana P., Lensu A., Räsänen A. Monitoring changes in boreal peatland vegetation after restoration with optical satellite imagery. The Science of the total environment. 2024; 957: 177697. DOI: https://doi.org/10.1016/j.scitotenv.2024.177697.
9. Mashala M.J., Dube T., Mudereri B.T., Ayisi K.K., Ramudzuli M.R. A Systematic Review on Advancements in Remote Sensing for Assessing and Monitoring Land Use and Land Cover Changes Impacts on Surface Water Resources in Semi-Arid Tropical Environments. Remote Sensing. 2023; 15(16): 3926. DOI: https://doi.org/10.3390/rs15163926.
10. Подрядчикова Е.Д., Мартынова Н.Г., Кустышева И.Н., Раева И.В. Мониторинг растительного покрова на основе данных дистанционного зондирования Земли // Международный сельскохозяйственный журнал. – 2025. – Т. 68. – № 4 (406). – С. 420-423. – DOI:https://doi.org/10.55186/25876740_2025_68_4_420. – URL: https://elibrary.ru/item.asp?id=82885663.
11. Ikkala L., Ismail I., Wolff F. Marttila H., Ronkanen A.-K., Alekseychik P., Rana P., Kohv M., Tahvanainen T., Tolvanen A., Haghighi A.T., Kumpula T., Osborne C., Ilmonen J., Haapalehto T., Kløve B., Räsänen A. Remote sensing applications for monitoring restoration outcomes in boreal forestrydrained peatlands - Reviewed applications and future potential. Remote Sensing of Environment. 2026; 333: 115093. DOI: https://doi.org/10.1016/j.rse.2025.115093.
12. Huang S., Tang L., Hupy J.P., Wang Y., Shao G. A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing. J. For. Res. 2021; 32: 1–6. DOI: https://doi.org/10.1007/s11676-020-01155-1.
13. Pei F., Zhou Y., Xia Y. Application of Normalized Difference Vegetation Index (NDVI) for the Detection of Extreme Precipitation Change. Forests. 2021; 12(5): 594. DOI: https://doi.org/10.3390/f12050594.
14. Asam S., Eisfelder C., Hirner A., Reiners P., Holzwarth S., Bachmann M. AVHRR NDVI Compositing Method Comparison and Generation of Multi-Decadal Time Series—A TIMELINE Thematic Processor. Remote Sens. 2023; 15(6): 1631. DOI: https://doi.org/10.3390/rs15061631.
15. Балдина Е.А., Илюшина П.Г., Васильев П.К. Оценка космических снимков разного спектрального разрешения для анализа состояния растительного покрова // ИнтерКарто. ИнтерГИС. – 2025. – Т. 31. – Ч. 2. – С. 5–20. – DOI:https://doi.org/10.35595/2414-9179-2025-2-31-5-20. – URL: https://elibrary.ru/item.asp?id=88577486.
16. Drechsel J., Forkel M. Remote sensing forest health assessment – a comprehensive literature review on a European level. Central European Forestry Journal. 2025; 71(1): 14-39. DOI: https://doi.org/10.2478/forj-2024-0022.
17. Pivovar M., Näsi R., Honkavaara E., Blaženec M., Skvarenina J., Modlinger R., Rožnovský J., Jakuš R. Spectral signatures discrimination of Norway spruce trees under experimentally induced drought and acute thermal stress using hyperspectral imaging. Forest Ecology and Management. 2025; 586: 122692. DOI: https://doi.org/10.1016/j.foreco.2025.122692.
18. Попова В.В., Бокучава Д.Д., Матвеева Т.А. Экстремальная засуха на восточно-европейской равнине в период потепления середины ХХ столетия: климатические характеристики и аналоги в условиях современного климата // Аридные экосистемы. – 2023. – Т. 29. – № 2 (95). – С. 3-11. – DOI:https://doi.org/10.24412/1993-3916-2023-2-3-11. – URL: https://elibrary.ru/item.asp?id=54312207.
19. Иванова Е.А., Данилова М.А., Смирнов В.Э., Ершов В.В. Сравнительная оценка скорости разложения растительного опада в еловых и сосновых лесах на северном пределе распространения // Вопросы лесной науки. – 2023. – Т. 6. – № 3. – Статья № 132. – DOI:https://doi.org/10.31509/2658-607x-202363-132. – URL: https://elibrary.ru/item.asp?id=67224208.
20. Багаев Е.С., Чудецкий А.И., Макаров С.С. Оценка возможности использования быстрорастущих форм осины для закладки лесосырьевых плантаций с коротким оборотом рубки // Лесохозяйственная информация. – 2023. – № 1. – С. 55–67. – DOI:https://doi.org/10.24419/LHI.2304-3083.2023.1.05. – URL: https://www.elibrary.ru/item.asp?id=50372387.
21. Усольцев В.А., Цепордей И.С., Парамонов А.А., Третьяков С.В., Коптев С.В., Карабан А.А., Цветков И.В., Давыдов А.В., Часовских В.П. Сравнительный мета-анализ аллометрических моделей биомассы быстрорастущих лиственных пород // Биосфера. – 2023. – Т. 15. – № 1. – С. 7-20. – DOI: https://doi.org/10.24855/biosfera.v15i1.789. – URL: https://www.elibrary.ru/item.asp?id=53211437&ysclid=mnaly8c9lk71965818.
22. Pukinskaya M.Yu. Tree Species Change in Nemoral Spruce Forests of the Central Forest Reserve. Biology Bulletin. 2021; 48(10): 1912-1923. DOI:https://doi.org/10.1134/S1062359021100216.
