Forestry Engineering JournalForestry Engineering JournalЛесотехнический журнал2222-79629847710.34220/issn.2222-7962/2024.4/5Естественные науки и лесNATURAL SCIENCES AND FORESTЕстественные науки и лесVerification of Earth remote sensing data in order to determine the aboveground phytomass of plantings in the Voronezh RegionВерификация данных дистанционного зондирования Земли с целью определения надземной фитомассы насаждений в Воронежской областиСлавскийВасилий А..SlavskiyVasiliy A.ЛитовченкоДарья А.LitovchenkoDaria A.ИвановаАнна В.IvanovaAnna V.ЛарионовМаксим В.LarionovMaxim V.0705202507052025144638406052025http://lestehjournal.ru/en/journal/2024/no-4-56/verification-earth-remote-sensing-data-order-determine-aboveground-phytomass
Развитие методов дистанционного зондирования Земли, нейросетевых технологий, создание моделей машинного обучения и т.д., позволят разработать новые алгоритмы, показатели и критерии, которые суще-ственно повысят эффективность лесного мониторинга и способствуют снижению финансовых издержек. Осно-вой для выполнения работы являлась верификация данных спутниковых снимков сверхвысокого и высокого разрешения по материалам натурного обследования, проводимого на постоянных пробных площадях в Воро-нежской области. Сформированные элементы обучающих выборок с использованием нейросетевого классифи-катора, позволяют в автоматизированном режиме с высокой степенью точности определить таксационные по-казатели насаждения на основе данных ДЗЗ. При верификации количества надземной фитомассы, рассчитан-ной по данным ДЗЗ и материалам натурного обследования, выявлено значительное сходство представленных результатов. В 67 % случаев средние значения фитомассы, определенные разными методами, достоверно не отличались друг от друга (на уровне значимости p < 0,05). Достоверные различия были обнаружены в лист-венных насаждениях с высокой горизонтальной сомкнутостью полога, наличием второго яруса и обильной подпологовой растительностью. В результате работы заложена теоретическая основа для дальнейших иссле-дований при проведении дистанционного мониторинга в области охраны, защиты и воспроизводства лесов. Материал работы полезен в выстраивании многопрофильной практической работы в сферах восстановления биологического разнообразия фитоценозов, а также обеспечения целостности и экологической стабильности лесов при современных трендах углеродных циклов и климатических изменений.
The development of Earth remote sensing methods, neural network technologies, creation of machine learning models, etc. will allow developing new algorithms, indicators and criteria that will significantly increase the efficiency of forest monitoring and help reduce financial costs. The basis for the work was the verification of ultra-high- and high-resolution satellite imagery data based on in-situ survey materials conducted on permanent test plots in the Voronezh region. The generated elements of training samples using a neural network classifier allow for automated, highly accu-rate determination of forest stand taxation indicators based on remote sensing data. When verifying the amount of aboveground phytomass calculated based on remote sensing data and in-situ survey materials, significant similarity of the presented results was revealed. In 67% of cases, the average phytomass values determined by different methods did not differ significantly from each other (at a significance level of p<0.05). Reliable differences were found in decid-uous stands with high horizontal canopy density, the presence of a second tier and abundant understory vegetation. As a result of the work, a theoretical basis was laid for further research in conducting remote monitoring in the field of for-est conservation, protection and reproduction. The material of the work is useful in building multidisciplinary practical work in the areas of restoration of biological diversity of phytocenoses, as well as ensuring the integrity and ecological stability of forests, under modern trends in carbon cycles and climate changes.
дистанционное зондированиелесной мониторингверификация данных ДЗЗсостояние насажденийоценка фитомассынизкоуглеродное развитиемодели машинного обученияremote sensingforestry monitoringverification of remote sensing dataplanting conditionphytomass assessmentlow-carbon developmentmachine learning modelsВыполнение данной научно-исследовательской работы является этапом Государственного контракта Феде-рального агентства лесного хозяйства № 0373100032224000014 на тему «Разработка комплекса научно обос-нованных мер регулирования по обеспечению низкоуглеродного развития лесного хозяйства в целях достижения показателей стратегии социально-экономического развития Российской Федерации с низким уровнем выбросов парниковых газов».The implementation of this research work is a stage of the State Contract of the Federal Forestry Agency No. 0373100032224000014 on the topic of “Development of a set of scientifically based regulatory measures to ensure low-carbon development of forestry in order to achieve the indicators of the strategy for the socio-economic develop-ment of the Russian Federation with a low level of greenhouse gas emissions.”
Создаваемая в настоящее время в Российской Федерации сеть мониторинга пулов углерода и потоков парниковых газов в экосистемах предусматривает широкий спектр изучения климатических, почвенных и лесорастительных особенностей. Однако проводимые стационарные исследования, прежде всего, ориентированы на выполнение наземных работ и проведение трудоемкого натурного обследования. При этом, поддержание актуальности информации о состоянии лесного фонда – главное условие эффективного управления лесохозяйственной отраслью. Кроме того, по объемам накопления углерода в виде биомассы лесной растительности мы можем судить о состоянии и динамике образуемых ею экосистем и о трендах в изменениях современных ландшафтов. Всё это требует планомерного внедрения научных разработок, технологических и практико-ориентированных решений, а также использования современных методов, не уступающих мировому уровню в области автоматизации и цифровизации лесной отрасли. В рамках реализации действующей Стратегии развития лесного комплекса РФ на период до 2030 года[1] предполагается осуществление ряда мер по развитию цифровых технологий и их внедрению в лесном хозяйстве. Согласно «Стратегии научно-технологического развития Российской Федерации»[2], на период ближайших лет приоритетами научно-технологического развития России должны стать направления, позволяющие обеспечить получение научных и научно-технических результатов на основе интенсивного перехода к передовым цифровым и информационно-коммуникационным технологиям, в т.ч. дистанционному зондированию Земли (ДЗЗ). Необходимо ориентироваться на широкое внедрение дистанционных методов, базирующихся на использовании искусственного интеллекта, что позволит существенно сократить объемы работ и снизить затраты на получение актуальной информации о состоянии и структуре лесного фонда [1-3]. [1] Распоряжение Правительства Российской Федерации от 11 февраля 2021 года № 312-р «Об утверждении Стратегии развития лесного комплекса Российской Федерации до 2030 года». URL: https://docs.cntd.ru/document/573658653.[2] Указ Президента Российской Федерации от 28 февраля 2024 года № 145 «О Стратегии научно-технологического развития Российской Федерации». URL: https://docs.cntd.ru/document/1305071057.
Putzenlechner B., Koal P., Kappas M., Löw M., Mundhenk P., Tischer A., Wernicke J., Koukal T. Towards precision forestry: Drought response from remote sensing-based disturbance monitoring and fine-scale soil information in Central Europe. Science of The Total Environment. 2023; 880: 163114. DOI: 10.1016/j.scitotenv.2023.163114.Putzenlechner B., Koal P., Kappas M., Löw M., Mundhenk P., Tischer A., Wernicke J., Koukal T. Towards precision forestry: Drought response from remote sensing-based disturbance monitoring and fine-scale soil information in Central Europe. Science of The Total Environment. 2023; 880: 163114. DOI: 10.1016/j.scitotenv.2023.163114.Anees S.A., Mehmood K., Khan W.R., Sajjad M., Alahmadi T.A., Alharbi S.A., Luo M. Integration of machine learning and remote sensing for above ground biomass estimation through Landsat-9 and field data in temperate forests of the Himalayan region. Ecological Informatics. 2024; 82: 102732. DOI: 10.1016/j.ecoinf.2024.102732.Anees S.A., Mehmood K., Khan W.R., Sajjad M., Alahmadi T.A., Alharbi S.A., Luo M. Integration of machine learning and remote sensing for above ground biomass estimation through Landsat-9 and field data in temperate forests of the Himalayan region. Ecological Informatics. 2024; 82: 102732. DOI: 10.1016/j.ecoinf.2024.102732.Waard F., Connolly J., Barthelmes A., Joosten H., Linden S. Remote sensing of peatland degradation in temperate and boreal climate zones – A review of the potentials, gaps, and challenges. Ecological Indicators. 2024; 166: 112437. DOI: 10.1016/j.ecolind.2024.112437.Waard F., Connolly J., Barthelmes A., Joosten H., Linden S. Remote sensing of peatland degradation in temperate and boreal climate zones – A review of the potentials, gaps, and challenges. Ecological Indicators. 2024; 166: 112437. DOI: 10.1016/j.ecolind.2024.112437.Филипчук А. Н., Малышева Н. В., Золина Т. А., Селезнев А. А. Запасы углерода в фитомассе лесов России: новая количественная оценка на основе данных первого цикла государственной инвентаризации лесов. Лесохозяйственная информация. 2024; 1: 29-55. DOI 10.24419/LHI.2304-3083.2024.1.03.Filipchuk A. N., Malysheva N. V., Zolina T. A., Seleznev A. A. Zapasy ugleroda v fitomasse lesov Rossii: novaya kolichestvennaya ocenka na osnove dannyh pervogo cikla gosudarstvennoy inventarizacii lesov. Lesohozyaystvennaya informaciya. 2024; 1: 29-55. DOI 10.24419/LHI.2304-3083.2024.1.03.Boreal forests in the face of climate change. Advances in Global Change Research 74 / М. М. Girona, Н. Morin, S. Gauthier, Y. Bergeron. Springer : Switzerland, 2023; 837 p. DOI: 10.1007/978-3-031-15988-6.Boreal forests in the face of climate change. Advances in Global Change Research 74 / M. M. Girona, N. Morin, S. Gauthier, Y. Bergeron. Springer : Switzerland, 2023; 837 p. DOI: 10.1007/978-3-031-15988-6.Bui Q., Pham Q., Pham V., Tran V., Nguyen D., Nguyen Q., Nguyen H., Do N., Vu V. Hybrid machine learning models for aboveground biomass estimations. Ecological Informatics. 2024; 79: 102421. DOI: 10.1016/j.ecoinf.2023.102421.Bui Q., Pham Q., Pham V., Tran V., Nguyen D., Nguyen Q., Nguyen H., Do N., Vu V. Hybrid machine learning models for aboveground biomass estimations. Ecological Informatics. 2024; 79: 102421. DOI: 10.1016/j.ecoinf.2023.102421.Бредихин А.И., Мельников А.В. Подход к построению углеродной карты Ханты-Мансийского автономного округа на основе оценки биомассы с помощью данных дистанционного зондирования Земли. Информационные и математические технологии в науке и управлении. 2022; 2 (26): 115-126. DOI:10.38028/ESI.2022.26.2.011.Bredihin A.I., Mel'nikov A.V. Podhod k postroeniyu uglerodnoy karty Hanty-Mansiyskogo avtonomnogo okruga na osnove ocenki biomassy s pomosch'yu dannyh distancionnogo zondirovaniya Zemli. Informacionnye i matematicheskie tehnologii v nauke i upravlenii. 2022; 2 (26): 115-126. DOI:10.38028/ESI.2022.26.2.011.Славский В.А., Мироненко А.В., Матвеев С.М., Литовченко Д.А. Таксационно-дешифровочные показатели насаждений как основа разработки моделей машинного обучения для дистанционного мониторинга лесов. Труды Санкт-Петербургского научно-исследовательского института лесного хозяйства. СПб.: СПбНИИЛХ 2022; №4; 99-114. DOI 10.21178/2079-6080.2022.4.99Slavskiy V.A., Mironenko A.V., Matveev S.M., Litovchenko D.A. Taksacionno-deshifrovochnye pokazateli nasazhdeniy kak osnova razrabotki modeley mashinnogo obucheniya dlya distancionnogo monitoringa lesov. Trudy Sankt-Peterburgskogo nauchno-issledovatel'skogo instituta lesnogo hozyaystva. SPb.: SPbNIILH 2022; №4; 99-114. DOI 10.21178/2079-6080.2022.4.99Голышева А.А., Бабкина Е.В. Цифровые технологии в управлении лесным хозяйством.Муниципальная академия. 2024; № 2; 306-311. DOI: 10.52176/2304831X_2024_02_306.Golysheva A.A., Babkina E.V. Cifrovye tehnologii v upravlenii lesnym hozyaystvom.Municipal'naya akademiya. 2024; № 2; 306-311. DOI: 10.52176/2304831X_2024_02_306.Черниховский Д.М., Парфенов А.А. Таксация лесов дешифровочным способом как потенциальный инструмент цифровой трансформации лесного хозяйства. Труды Санкт-Петербургского научно-исследовательского института лесного хозяйства. 2024; 2: 51-66. DOI: 10.21178/2079-6080.2024.2.51.Chernihovskiy D.M., Parfenov A.A. Taksaciya lesov deshifrovochnym sposobom kak potencial'nyy instrument cifrovoy transformacii lesnogo hozyaystva. Trudy Sankt-Peterburgskogo nauchno-issledovatel'skogo instituta lesnogo hozyaystva. 2024; 2: 51-66. DOI: 10.21178/2079-6080.2024.2.51.Толкач И.В., Бахур О.С. Измерение основных таксационно-дешифровочных показателей древостоя с использованием цифровой фотограмметрической станции (ЦФС). Труды БГТУ. Лесное хозяйство. 2022; 1: 66–68. ISBN 1683-0377. URL: https://elibrary.ru/item.asp?id=25100730.Tolkach I.V., Bahur O.S. Izmerenie osnovnyh taksacionno-deshifrovochnyh pokazateley drevostoya s ispol'zovaniem cifrovoy fotogrammetricheskoy stancii (CFS). Trudy BGTU. Lesnoe hozyaystvo. 2022; 1: 66–68. ISBN 1683-0377. URL: https://elibrary.ru/item.asp?id=25100730.Трейфельд Р.Ф., Филиппов Ю.В. Внедрение цифровых фотограмметрических систем в лесоустройство. Геопрофи. 2022; № 2; 38–41. ISBN 2311-1410. URL: https://elibrary.ru/tdqewz.Treyfel'd R.F., Filippov Yu.V. Vnedrenie cifrovyh fotogrammetricheskih sistem v lesoustroystvo. Geoprofi. 2022; № 2; 38–41. ISBN 2311-1410. URL: https://elibrary.ru/tdqewz.Фомин В.В., Иванова Н.С., Залесов С.В., Попов А.С., Михайлович А.П. Лесные типологии в Российской Федерации. Известия высших учебных заведений. Лесной журнал. 2023; 6 (396): 9-30. DOI: 10.37482/0536-1036-2023-6-9-30.Fomin V.V., Ivanova N.S., Zalesov S.V., Popov A.S., Mihaylovich A.P. Lesnye tipologii v Rossiyskoy Federacii. Izvestiya vysshih uchebnyh zavedeniy. Lesnoy zhurnal. 2023; 6 (396): 9-30. DOI: 10.37482/0536-1036-2023-6-9-30.Sympilova D.P., Shakhmatova E.Yu., Gyninova A.B., Ubugunov L.L., Sychev R.S., Bazarov A.V. Impacts of wildfire low-severity on soil properties in semiarid forest ecosystems of western Transbaikalia. Nature of Inner Asia. 2022; № 4 (22); 105-114. DOI: 10.18101/2542-0623-2022-4-105-114.Sympilova D.P., Shakhmatova E.Yu., Gyninova A.B., Ubugunov L.L., Sychev R.S., Bazarov A.V. Impacts of wildfire low-severity on soil properties in semiarid forest ecosystems of western Transbaikalia. Nature of Inner Asia. 2022; № 4 (22); 105-114. DOI: 10.18101/2542-0623-2022-4-105-114.Собачкин Р.С., Ковалева Н.М. Влияние периодичности низовых пожаров на запас лесных горючих материалов средневозрастных сосняков в лесостепи Красноярского края. Лесоведение. 2024; 2: 187-196. DOI: 10.31857/S0024114824020078.Sobachkin R.S., Kovaleva N.M. Vliyanie periodichnosti nizovyh pozharov na zapas lesnyh goryuchih materialov srednevozrastnyh sosnyakov v lesostepi Krasnoyarskogo kraya. Lesovedenie. 2024; 2: 187-196. DOI: 10.31857/S0024114824020078.Усольцев В.А., Цепордей И.С., Норицин Д.В. Аллометрические модели биомассы деревьев лесообразующих пород. Леса России и хозяйство в них. 2022; 1 (80): 4–14. DOI: 10.51318/FRET.2022.85.72.001.Usol'cev V.A., Cepordey I.S., Noricin D.V. Allometricheskie modeli biomassy derev'ev lesoobrazuyuschih porod. Lesa Rossii i hozyaystvo v nih. 2022; 1 (80): 4–14. DOI: 10.51318/FRET.2022.85.72.001.Усольцев В.А., Цепордей И.С. Прогнозирование биомассы стволов сосновых деревьев естественных древостоев и лесных культур в связи с изменением климата. Сибирский лесной журнал. 2021; 2: 72–81. DOI: 10.15372/SJFS20210207.Usol'cev V.A., Cepordey I.S. Prognozirovanie biomassy stvolov sosnovyh derev'ev estestvennyh drevostoev i lesnyh kul'tur v svyazi s izmeneniem klimata. Sibirskiy lesnoy zhurnal. 2021; 2: 72–81. DOI: 10.15372/SJFS20210207.Slavskiy V.A., Matveev S.M., Sheshnitsan S.S., Litovchenko D.A., Larionov M.V., Shokurov A., Litovchenko P., Durmanov N. Assessment of phytomass and carbon stock in the ecosystems of the Central forest steppe of the east European plain: integrated approach of terrestrial environmental monitoring and remote sensing with unmanned aerial vehicles. Life. 2024; 14 (5): 632. DOI: 10.3390/life14050632.Slavskiy V.A., Matveev S.M., Sheshnitsan S.S., Litovchenko D.A., Larionov M.V., Shokurov A., Litovchenko P., Durmanov N. Assessment of phytomass and carbon stock in the ecosystems of the Central forest steppe of the east European plain: integrated approach of terrestrial environmental monitoring and remote sensing with unmanned aerial vehicles. Life. 2024; 14 (5): 632. DOI: 10.3390/life14050632.Хлюстов В.К., Юрчук С.А., Хлюстов Д.В., Ганихин А.М. Технология комплексной оценки древесных ресурсов методами дистанционного зондирования Земли. Природообустройство. 2021; 4: 129-138. DOI: 10.26897/1997-6011-2021-4-129-138.Hlyustov V.K., Yurchuk S.A., Hlyustov D.V., Ganihin A.M. Tehnologiya kompleksnoy ocenki drevesnyh resursov metodami distancionnogo zondirovaniya Zemli. Prirodoobustroystvo. 2021; 4: 129-138. DOI: 10.26897/1997-6011-2021-4-129-138.Сидоренков В.М., Калнин В.В., Рябцев О.В., Жафяров А.В., Кушнырь О.В., Рыбкин А.С. Перспективы развития тематических сервисов в области лесотаксационного дешифрирования на основе данных спутниковой съемки. Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2019; 63 (4): 440-445. DOI: 10.30533/0536-101X-2019-63-4-440-445.Sidorenkov V.M., Kalnin V.V., Ryabcev O.V., Zhafyarov A.V., Kushnyr' O.V., Rybkin A.S. Perspektivy razvitiya tematicheskih servisov v oblasti lesotaksacionnogo deshifrirovaniya na osnove dannyh sputnikovoy s'emki. Izvestiya vysshih uchebnyh zavedeniy. Geodeziya i aerofotos'emka. 2019; 63 (4): 440-445. DOI: 10.30533/0536-101X-2019-63-4-440-445.Шевелина И.В., Нуриев Д.Н. Статистическая обработка лесоводственно-таксационной информации в среде STATISTICA. Екатеринбург: УГЛТУ, 2022; 112. ISBN 978-5-94984-840-1. URL: https://elibrary.ru/item.asp?id=49911777.Shevelina I.V., Nuriev D.N. Statisticheskaya obrabotka lesovodstvenno-taksacionnoy informacii v srede STATISTICA. Ekaterinburg: UGLTU, 2022; 112. ISBN 978-5-94984-840-1. URL: https://elibrary.ru/item.asp?id=49911777.The European Space Agency BIOMASS mission: Measuring Forest above-ground biomass from space. S. Quegan, T.L. Toan, J. Chave, J. Dall, J.-F. Exbrayat, D.H. Tong Minh [et al.]. Remote Sensing of Environment. 2019; 227; 44-60. DOI: 10.1016/j.rse.2019.03.032.The European Space Agency BIOMASS mission: Measuring Forest above-ground biomass from space. S. Quegan, T.L. Toan, J. Chave, J. Dall, J.-F. Exbrayat, D.H. Tong Minh [et al.]. Remote Sensing of Environment. 2019; 227; 44-60. DOI: 10.1016/j.rse.2019.03.032.