ПРИМЕНЕНИЕ МЕТОДОВ ДЗЗ В ЛЕСНОМ ХОЗЯЙСТВЕ НА ПРИМЕРЕ ВОСТОЧНО КАЗАХСТАНСКОЙ ОБЛАСТИ

АННОТАЦИЯ

В статье рассмотрены задачи и области применения дистанционного зондирования Земли (ДЗЗ), в частности, для мониторинга лесных массивов Восточно Казахстанской Области.

Ключевые слова: космические снимки, космический мониторинг, дистанционное зондирование, лесное хозяйство, лесные массивы, береговые линии, индекс NDVI, ДЗЗ.

Лесное хозяйство и водные объекты являются одними из наиболее перспективных областей для использования данных дистанционного зондирования для решения проблем, связанных с защитой лесов и водных объектов и обеспечением экологического контроля. Водоемы и растительность прекрасно видны на спутниковых снимках, они хорошо расшифрованы как по текстуре, так и по спектральным характеристикам. Основными целями мониторинга являются предоставление системам управления лесным хозяйством, водными ресурсами и окружающей средой надежной и актуальной информации, позволяющей им оценить состояние и функциональную целостность экосистем; выявить причины изменений и оценить их последствия, а также определить корректирующие меры.

Методы дистанционного зондирования широко используются для мониторинга окружающей среды во многих странах мира (США, Канада, страны ЕС, Индия, Япония и т. Д.). Наиболее известные примеры существующих систем мониторинга лесов включают спутниковую группировку fast eye, которая позволяет быстро реагировать на изменения климата. стихийные бедствия, в том числе крупные лесные пожары, и другие наблюдения, такие как мониторинг незаконных рубок или мониторинг деградации лесов (рис. 1) [1].

Рисунок 1. Определение контура выгоревшего участка леса

По инициативе Министерства экологии, геологии и природных ресурсов были созданы мобильные приложения waste editing и waste viewer с картографической базой данных для общественного мониторинга свалок, чрезвычайных ситуаций и вырубки лесов. Ведется мониторинг природных ресурсов и их сохранения. Например, следующее лесного фонда (18,1 млн га), выявлена незаконная вырубка лесов (4,8 тыс. га). Проведен сезонный мониторинг крупных рек, озер и водохранилищ, в ходе которого были обнаружены возможные ирригационные сооружения (428 тыс. га). Кроме того, по всему Казахстану был проведен мониторинг лесных и степных пожаров (охват 272,5 млн га – 100%), выявлено 8,1 млн га очагов. Также осуществлялся мониторинг паводковой ситуации, что позволило быстро и своевременно отреагировать для дальнейшей ликвидации чрезвычайного положения и его последствий [2]. В Казахстане постоянное наблюдение основано на космических снимках со спутника Kazeosat-1 с пространственным разрешением 1 метр (рис. 2).

Рисунок 2. Пример дешифрирования, тематической обработки и векторизации лесов Восточно-Казахстанской области на основе данных с КА «KazEOSat-1» с пространственным разрешением 1 метр.

Поэтому, если использовать только общие географические карты или пространственные изображения среднего разрешения, то при изучении лесов невозможно получить надежные и подробные данные. А использование пространственных изображений с высоким разрешением невозможно из-за высокой стоимости и отсутствия безоблачных изображений в летний период в определенных районах. Кроме того, на данные о состоянии воздуха влияют следующие факторы: сезонность, атмосфера, освещение и т.д. В основном это влияет на значения спектральной яркости элементов изображения. По определению, спектральная яркость элементов изображения является основной характеристикой, которую следует использовать для распознавания и обнаружения изменений в исследуемых областях. Чтобы избежать подобных ситуаций, можно использовать такие методы, как атмосферная коррекция, упорядочение, создание индексных изображений, и эти процедуры обычно выполняются во время фотосъемки [3].

При расшифровке пространственных изображений для выделения водных объектов важно точно зафиксировать границу раздела вода-суша. Для этого используются их специфические характеристики, позволяющие отражать, поглощать и излучать электромагнитные волны в различных спектральных диапазонах [4].

Наиболее характерные особенности отражательной способности водных поверхностей проявляются в ближнем инфракрасном диапазоне (NIR), а также в видимом диапазоне спектра (VIS) (рис. 3).

Рисунок 3. Объединение слоев космоснимка Landsat 8 в трехканальное изображение для анализа водных объектов

Для идентификации водоемов по спутниковым снимкам также могут использоваться NIR и VIS композиции, в частности, специальные комплексные параметры, индексы растительности, а также синтез RGB с участием этих каналов.

Разделение водных поверхностей и влажных почв-довольно сложная проблема. Такие грунты обладают слабым отражением вблизи поверхностей воды, но в отличие от последних их спектральные характеристики практически не меняются с увеличением длины волны. По мере увеличения длины волны водные объекты уменьшают свою отражательную способность. Кроме того, водоемы имеют отрицательный NDVI (нормализованный индекс растительности, показатель количества фотосинтетически активной биомассы), а влажные почвы близки к нулю.

В результате тематической обработки изображений создаются ежедневные маскированные карты затопленных территорий. При определении зон затопления учитываются границы акваторий в нормальных условиях. Динамика зон затопления определяется путем сравнения значений за текущий и предыдущий дни [5].

Изучение возможностей мониторинга лесных и водных ресурсов со спутников дистанционного зондирования является одним из наиболее перспективных направлений в нашей стране. Разработка устройств дистанционного зондирования, а также программного обеспечения, позволяющего обрабатывать и анализировать информацию, получаемую со спутников, открыла большие возможности для оперативного мониторинга сельскохозяйственной среды. Данные дистанционного зондирования используются для картирования лесного фонда, выявления, мониторинга и мониторинга незаконных рубок, определения видового состава лесов, классификации лесов по возрасту, запасам древесины, высоте насаждений, биологической продуктивности, изучения и картирования негативных процессов. Использование методов дистанционного зондирования, и в частности повторных спутниковых исследований, в настоящее время является наиболее перспективным для мониторинга.

На основании полученных результатов можно сделать вывод, что использование данных дистанционного зондирования в Республике Казахстан и в том числе Восточной Казахстанской Области для мониторинга состояния лесов и гидрографии и оперативного выявления очагов негативных процессов и других негативных факторов необходимо и возможно.

Проблема деградации земель затрагивает 3,2 миллиона человек по всему миру. Деградация земель — это антропогенное снижение биоразнообразия, продуктивности и экосистемных функций как наземных, так и водных экосистем. Эта проблема актуальна для всех регионов Казахстана. В последние годы, с учетом большой площади земель сельскохозяйственного назначения и лесных хозяйств, а также участившихся лесных пожаров, особенно важно провести оценку состояния земель в Восточно-Казахстанской области (ВКО). Главной целью работы является доказательство эффективности использования данных дистанционного зондирования Земли, в частности индекса NDVI, для оценки состояния земель.

На сегодняшний день географические информационные системы являются одним из самых быстро развивающихся направлений в области информационных технологий. В общем, геоинформационные системы — это не просто набор электронных карт, отображаемых на экране компьютера. Они представляют собой мощные инструменты, которые позволяют проводить анализ различных типов данных (табличных, векторных, растровых, САПР и других), а также помогают в разработке и визуализации данных [6].

Для оценки состояния земель используются различные методы. В данном случае, учитывая удаленность выбранных участков, нехватку статистических данных и другие факторы, предлагается использовать доступные методы. Одним из таких методов является применение космических снимков и получение данных дистанционного зондирования Земли (ДЗЗ). ДЗЗ является одним из наиболее удобных и эффективных методов исследования, поскольку позволяет изучать удаленные участки за относительно короткое время [7].

Эффективность применения дистанционного зондирования Земли (ДЗЗ) для оценки состояния земель заключается в возможности оперативного получения данных о земном покрове, его изменениях и потенциальных рисках деградации. Это позволяет вовремя принимать меры для устойчивого управления земельными ресурсами, предотвращения эрозии почвы и утраты биоразнообразия [8]. Кроме того, использование ДЗЗ способствует повышению точности мониторинга климатических изменений и воздействия человеческой деятельности на экосистемы, что необходимо для разработки эффективных стратегий адаптации и смягчения последствий глобальных изменений [9].

Для оценки экологической ситуации в Восточно-Казахстанской области были учтены особенности почвенного и растительного покрова, а также физико-географические характеристики региона. Для анализа земель, подвергшихся деградации, использовались космические снимки Landsat 8-9 за 2015 и 2024 годы. Снимки были получены с сайта USGS. При исследовании изменений почвенного и растительного покрова был применен нормализованный разностный вегетационный индекс (NDVI). Этот индекс широко используется в исследованиях, направленных на прогнозирование продуктивности сельского хозяйства, определение прорастающих культур [10], оценку сельскохозяйственной деятельности [11] и анализ деградации земель [12,13].

NDVI (нормализованный разностный вегетационный индекс) — это простой количественный показатель, отражающий количество фотосинтетически активной биомассы (чаще всего называемый вегетационным индексом) [14]. Он рассчитывается по следующей формуле:

NDVI = (NIR−RED) / (NIR+RED)

где: NIR — интенсивность отражения в ближнем инфракрасном диапазоне,

RED — интенсивность отражения в красном диапазоне.

Индекс NDVI можно рассчитать по любому космическому снимку, независимо от его разрешения (высокого, среднего или низкого). Главное условие — наличие спектральных каналов в красном и ближнем инфракрасном диапазоне. Алгоритм для расчета индекса встроен во все программные средства, предназначенные для обработки данных дистанционного зондирования Земли. После проведения расчета индекс NDVI принимает значения от -1 до 1, которые интерпретируются в соответствии с таблицей 1.

Таблица 1

Значение индекса NDVI [15]

В данной таблице представлено эмпирическое соответствие значения индекса NDVI и типа земного покрытия, а также качества растительного покрова. В диапазоне 0,6-1 мкм находится область максимального отражения радиации, что означает высокую фотосинтетическую активность. Этот диапазон, как правило, связан с густой растительностью, которая характеризуется меньшим отражением в красной области спектра и более интенсивным в инфракрасном диапазоне. Чем выше значение отражения в инфракрасной области, тем больше значение NDVI. Это позволяет на основе анализа индекса NDVI оценивать качество и тип растительности.

Восточно-Казахстанская область расположена в горной местности с резко континентальным климатом. Общая площадь территории области составляет 9 785,9 тыс. га, из которых 3 361,6 тыс. га занимают земли сельскохозяйственного назначения, а 2 153,9 тыс. га относятся к лесному фонду [16]. В регионе функционируют 3 особо охраняемые природные территории и 13 коммунальных государственных учреждений лесного хозяйства, которые подчиняются Комитету лесного хозяйства и животного мира Министерства экологии, геологии и природных ресурсов Республики Казахстан. Эти учреждения занимаются охраной лесов от пожаров и незаконных вырубок, а также проводят работы по лесовосстановлению и лесозащитным мероприятиям [17].

Анализ был выполнен с использованием программного обеспечения ArcGIS Pro с применением инструмента Spatial Analyst. Для подтверждения изменений в регионе были использованы космоснимки за 2015 и 2024 годы. В частности, использование индекса NDVI позволило оценить качество земельных ресурсов. На рисунке 4 представлено распределение значений индекса NDVI за 2024 год для Восточно-Казахстанской области.

Рисунок 4. Значение индекса NDVI на 2015 год

Индекс NDVI, варьирующийся в диапазоне от -0.9 до 0.9, является ключевым показателем состояния вегетации, где более высокие значения указывают на более здоровые и густые насаждения. На карте видно, что территории с низкими значениями NDVI, которые могут свидетельствовать о деградации земель, часто совпадают с зонами интенсивного сельскохозяйственного использования и расположены вблизи водоемов. Это может быть связано с воздействием агротехнических практик и водной эрозии. В то же время, высокие значения индекса в лесных массивах отражают здоровую растительность и подтверждают влияние лесных экосистем на окружающую среду. Различия в значениях NDVI могут объясняться разнообразием растительного покрова, его фазами развития, а также антропогенными воздействиями, такими как вырубка лесов, лесные пожары, и различные виды землепользования. Таким образом, представленная карта служит важным инструментом для мониторинга экологического состояния региона, позволяя выявлять проблемные зоны и разрабатывать меры для их восстановления и устойчивого управления. Для более детального анализа, ниже представлены результаты за 2024 год (рисунок 5).

Рисунок 5. Значение индекса NDVI на 2024 год

Сравнение с рисунком 4, который отражает данные за 2015 год, показывает значительные изменения в состоянии земель за последние 10 лет, как видно на рисунке 5. Некоторые районы стали иметь более темные оттенки красного цвета, что указывает на ухудшение качества растительности и возможное усугубление деградации земель. Также наблюдается увеличение общей площади с пониженными значениями NDVI, что может свидетельствовать о расширении зон с проблемами в землепользовании.

Рисунок 6. Отрицательные значения индекса NDVI за 2015 г. и 2024 г.

На рисунке 6 представлены карты Восточно-Казахстанской области с отрицательными значениями индекса NDVI за 2015 и 2024 годы. Карты наглядно показывают районы с низкими значениями NDVI, которые часто ассоциируются с деградированными землями. В 2014 году площадь таких земель составляла 1 974 929,3 га, в то время как к 2023 году она увеличилась до 2 487 511,4 га. Это увеличение может быть связано с интенсификацией сельскохозяйственной деятельности, расширением посевных площадей, увеличением численности пастбищ и скота, что ведет к более интенсивному использованию земельных ресурсов и их истощению.

В лесных районах расширение площади деградированных земель может быть обусловлено ростом деревообрабатывающей промышленности, активной вырубкой лесов и частыми лесными пожарами, что приводит к утрате лесного покрова и снижению его восстановительной способности. Эти изменения подчеркивают необходимость усиления мер по сохранению земельных и лесных ресурсов, включая улучшение управления ресурсами, разработку и внедрение устойчивых агротехнологий и стратегий восстановления лесов.

Основываясь на данных дистанционного зондирования, такие карты могут помочь властям и специалистам в области экологии определять приоритетные области для реабилитации и разрабатывать более эффективные стратегии управления земельными ресурсами для предотвращения дальнейшего ухудшения качества земель и поддержания биоразнообразия.

Список литературы:

1. Области применения ГИС-технологий// Применение ГИС. [Электронный ресурс]. Режим доступа. [Электронный ресурс]. Режим доступа: http://gistechnik.ru/primgis.html/ (дата обращения: 28.03.2025).
2. Подведения итогов космического мониторинга. [Электронный ресурс]. Режим доступа.: https://www.inform.kz/ru/ (дата обращения: 25.03.2025)
3. Казарян М.Л., Казарян М.Л., Шахраманьян М.А., Шахраманьян М.А., Шахраманьян М.А. Мониторинг лесных массивов с помощью космических снимков – контроль вырубок леса // Современные проблемы науки и образования. 2015. No 1-1. [Электронный ресурс]. Режим доступа: http://www.science-education.ru/ru/article/view?id=18568/ (дата обращения: 24.03.2024).
4. Кондратьев К.Я., Шумаков Ф.Е. Физические основы космического мониторинга водоемов в видимой и ближней ИК-зонах спектра // Исследование Земли из космоса, 2020. No 6. 44-48 с.
5. Barton I.J., Bathols J.M. Monitoring Floods with AVHRR // Rem/Sens/Environ, 2019. 30. 89-94 p.
6. 2. А. С. Самардак, Геоинформационные системы, Владивосток, 2019., стр 9-10
7. Сахарова Е. Ю., Сладких Л. А., Захватов М. Г., «Спутниковый мониторинг состояния посевов и прогнозирование урожайности зерновых культур на юге Западной Сибири,»//В Журн.: 2024.
8. Геологическая служба США, «usgs.gov,» [Электронный ресурс] – Режим доступа: https://www.usgs.gov/. [Дата обращения: 01.2024].
9. Marshall Burke, David Lobell, «Satellite-based assessment of yield variation and its determinants in smallholder African systems» //ВЖурн.:Sustainability Science, 2017.
10. Мышляков С.Г., «Возможности радарных снимков Sentinel-1 для решения задач сельского хозяйства,» // В Журн.:  ГЕОМАТИКА, № 2, стp. 16-24, 2022.
11. Михайленко И.М. «Развитие методов и средств применения данных дистанционного зондирования земли в сельском хозяйстве», // В Журн.: Агрофизика.стр 98-106, 2018.
12. Hassan Fathizad, Mohammad Ali Hakimzadeh Ardakani, Ruhollah Taghizadeh Mehrjardi, Hamid Sodaiezadeh, «Evaluating desertification using remote sensing technique and objectoriented Ізденістер, нәтижелер – Исследования, результаты. №1 (101) 2024, ISSN 2304-3334 189 classification algorithm in the Iranian central desert» // В Журн.: Journal of African Earth Sciences, № 145, pp. 115-130, 2021.
13. Liangliang Jianga, Guli Jiapaera, Anming Baoa, Yaoming Lia, Hao Guoa, Guoxiong Zhenga, Tao Chena, Philippe De Maeyer, «Assessing land degradation and quantifying its drivers in the Amudarya River delta» // В Журн.: Ecological Indicators, № 107, pp. 1-14, 2019.
14. Токарева О.С. «Обработка и интерпретация данных дистанционного зондирования Земли: учебное пособие», стр 115, 2020.
15. Табылдина А.Т. Какимжанов Е.Х., Уваpов В.Н., Мақаш К. К. Основы алгоритма pасчета индекса pастительности NDVI // В Журн.: Вестник КазНУ. - Алматы, 2019 г.. - 52 Т. 1. - стр. 68-78
16. Управление земельных отношений Восточно-Казахстанской области [Электронный ресурс] – Режим доступа: https://https://www.gov.kz/memleket/entities/vko-zher/activities/972?lang=ru [Дата обращения: 31.03. 2024].
17. Новикова Т.П. ГИС-моделирование для управления лесными ресурсами // Лесной журнал. – 2023. – № 6. – С. 55-69.