Полная версия

Главная arrow Прочие arrow Лесотехнический журнал, 2015, том 5, вып. №1 (17) -

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

ОЦЕНКА ПОТЕНЦИАЛА РАЗЛИЧНЫХ ВИДОВ РУБОК УХОДА НА ОСНОВЕ АНАЛИЗА СПУТНИКОВЫХ ДАННЫХ LANDSAT 8

кандидат сельскохозяйственных наук В. М. Сидоренков1

Э. В. Дорощенкова1

А. В. Жафяров1 Ф. С. Ильин1

1 - ФБУ «Всероссийской научно-исследовательский институт лесоводства и механизации лесного хозяйства», Пушкино, Российская Федерация

Ограничение доступа к данным лесоустройства приводит к сложностям при осуществлении научных разработок в области лесоводства, так как их значительная часть до момента коммерческой реализации проходит путь апробации и доработок, проводимых фактически на энтузиазме разработчиков. Учитывая сложности получения данных лесоустройства для проведения научных исследований, в статье приводится пример определения информации о лесных насаждениях на основе дешифрирования свободно распространяемых данных дистанционного зондирования Земли со спутника Landsat 8 (OLI). Одним из преимуществ обработки этих данных является их доступность на любую территорию России, а также наличие значительного количества спектральных каналов, что позволяет применять различные методы анализа спутниковых снимков с целью определения характеристик лесных насаждений. На основе полученной информации осуществляется назначение лесохозяйственных мероприятий по уходу за лесами и проводится оценка доли различных мероприятий в общей системе ухода за лесами. Полученные результаты показывают вазможность применения современных методов обработки спутниковых данных для предварительного анализа лесного фонда на определенной территории с целью получения информации об лесных насаждениях. При проведении работ для верификации результатов использовались эталонные участки, заложенные в насаждениях различного состава. При проведении полевых экспериментов особое внимание уделялось естественно-сформированным насаждениям на месте сплошных рубок. Данные пробных площадей связывались с эталонами автоматической классификации, которая осуществлялась в программе Envi. На территориях с отсутствием данных пробных площадей верификация осуществлялась с использованием частично материалов лесоустройства, а также данных дистанционной съемки высокого разрешения 1-2 м размещенной в свободном доступе на сервисах Googl и Яндекс. Полученные результаты показывают возможность предварительного анализа потенциала назначения различных мероприятий ухода за лесами на основе свободно распространяемых данных дистанционного зондирования Земли (ДЗЗ).

Ключевые слова: рубки ухода, анализ спутниковых данных Landsat 8, состав насаждений, оценка потенциала назначения лесохозяйственных мероприятий.

ASSESSMENT OF THE POTENTIAL OF DIFFERENT TYPES OF THINNING BASED ON THE ANALYSIS OF SATELLITE DATA LANDSAT 8 PhD in Agriculture V. M. Sidorenkov1 E. V. Doroshchenkova1

A. V. Zhafyarov1

F. S.Ilyin1

1 - Federal State Institution '’All-Russian Research Institute of Forestry and Mechanization of Forestry", Pushkino, Russian Federation

Abstract

Restriction of access to data of forest inventory leads to difficulties in the implementation of scientific developments in the field of forestry, as a significant part of them until the business implementation passes a way of testing and improvements carried out actually on the enthusiasm of developers. Taking into account difficulty in obtaining forest inventory data for research in the article there is an example of the definition of information on forest plantations on the basis of the decryption freeware remote sensing data from Landsat 8 (OLI). One advantage of the processing of these data is their accessibility to any territory of Russia, as well as the presence of a significant number of spectral channels, which allows using different methods of analysis of satellite imagery to determine the characteristics of forest stands. Based on the information assignment of forestry activities for the care of forests is made and the proportion of various activities in the overall system of care for forests is assessed. The results show the possibility of using modem methods of processing of satellite data for a preliminary analysis of forest resources in a certain area in order to obtain information on forest plantations. When working to verify the results reference areas were used laid down in the stands of different composition. When conducting field experiments we focused on the naturally-formed plantings in place of clearcuts. Data of test plots were associated with automatic classification standards that are being implemented in the program Envi. In areas with a lack of data on test plots verification was carried out using partially materials of forest inventory, as well as of remote shooting of high-resolution 1.2 m placed in the public domain on Google and Yandex services. The results show the possibility of a preliminary analysis of the potential destination of different activities of forest care based on freely available data of Earth remote sensing (ERS).

Keywords: thinning, analysis of satellite data Landsat 8, composition of plantations, capacity assessment of purpose of forestry activities.

Развитие современных технологий гео- информационного анализа открывает новые возможности изучения природы и состояния лесов, позволяет провести оценку изменения лесных экосистем под влиянием антропогенного воздействия и природных факторов. Особенностям применения различных методов геоинформационного анализа природных факторов посвящено много публикаций [2, 3, 5, 6, 8, 9 10], в которых излагаются методы оценки, а также приводится точность исследований в зависимости от используемых данных космической съемки.

Для назначения рубок ухода необходимо определить состав насаждений, их возраст, полноту, степень повреждений (деградации) насаждений, устойчивость к воздействию неблагоприятных природных факторов (засухи, повышения уровня грунтовых вод). С целью определения этих показателей при проведении исследований нами использовались спутниковые данные Landsat 8, а также Канопус В. Основными преимуществами перечисленных данных является их свободное распространение, высокое разрешение, наличие значительного количества спектральных диапазонов, что позволяет применить методы автоматической классификации для любой территории.

Спутниковые данные Landsat 8 имеют 30 м. расширение и 9 спектральных каналов, 7 из которых близки к тем, которые использовались в более ранних инструментах Thematic Mapper (ТМ) и Enhanced Thematic Mapper Plus (ETM+) с предыдущих спутников Landsat, за счет чего обеспечивается преемственность и совместимость с ранее накопленным массивом данных Landsat. Два новых добавленных диапазона позволяют проводить изучение водных объектов и аэрозолей (канал 1 темно-синий и фиолетовый) и определение облачности (канал 9 ближний ИК) (табл. 1).

При проведении классификации дешифрирование данных дистанционного зондирования Земли (ДЗЗ) проводилось по материалам лесоустройства и данным пробных площадей, которые заложены в летний период 2012 г на пройденных рубками объектах. Обработка осуществлялась методом создания шаблонов по материалам лесоустройства и полевых обследований. В случае отсутствия на определённую территорию материалов полевого обследования использовались данные дистанционной съемки высокого разрешения 1-2 м, размещенной в свободном доступе на сервисах Googl и Яндекс. Координатная привязка снимков и их подготовка осуществлялась с использованием программного продукта «SAS Планета». Вся обработка, связанная с атмосферной коррекцией снимка, применением функций Gram-Schmidt

Таблица 1

Спектральные каналы спутника Landsat 8 (OLI)

Спектральный канал

Длины волн

Разрешение (размер 1 пикселя)

Канал 1 - Побережья и аэрозоли (Coastal / Aerosol, New Deep Blue)

0.433-0.453 мкм

30 м

Канал 2 - Синий (Blue)

0.450-0.515 мкм

30 м

Канал 3 - Зеленый (Green)

0.525-0.600 мкм

30 м

Канал 4 - Красный (Red)

0.630-0.680 мкм

30 м

Канал 5 - Ближний ИК (Near Infrared, NIR)

0.845-0.885 мкм

30 м

Канал 6 - Ближний ИК (Short Wavelength Infrared, SWIR 2)

1.560-1.660 мкм

30 м

Канал 7 - Ближний ИК (Short Wavelength Infrared, SWIR 3)

2.100-2.300 мкм

30 м

Канал 8 - Панхроматический (Panchromatic, PAN)

0.500-0.680 мкм

15 м

Канал 9 - Перистые облака (Cirrus, SWIR)

1.360-1.390 мкм

30 м

Pan Sharpening, а также классификацией осуществлялась в программном продукте Envi 5.2 компании EXELIS [11].

Территория исследований относится к южной тайге Европейской части России Костромской области - Галической, Солигали- ческой, Чухломской районы. Перечисленные районы характеризуются высокой лесистостью (60-70 %), равнинным рельефом, местами сильно расчлененным глубокими оврагами и долинами рек на небольшие водораздельные пространства с волнисто-холмистой поверхностью. Через район тянется моренная гряда, наиболее выраженная на юго-востоке, ее средняя высота составляет 170-180 м над уровнем моря. На водоразделах исследуемой территории много мелких и средних озер, наиболее крупное из них Галичское озеро.

Большая часть лесных массивов расположена на плоских равнинных участках, на сильноподзолистых и дерново-сильно- подзолисгых почвах. Из-за интенсивного лесопользования в прошлые десятилетия преобладают вторичные лиственно-хвойные насаждения.

Пробные площади заложены в Га-

личском районе в различных насаждениях, пройденных рубками ухода, а также вышедшими из-под сплошных рубок.

При проведении обследования определялись все таксационные характеристики насаждения, а также проводилась оценка эффективности различных мероприятий ухода за лесами. Полученные данные использовались при назначении различных видов рубок ухода за лесом в насаждениях по характеристикам, полученным на основе данных ДЭЗ.

Первичная обработка данных (спутникового снимка) осуществлялась методом атмосферной коррекции с использованием модели Flaash Atmospheric Correction [11]. Преимущество данного метода заключается в том, что он позволяет осуществить атмосферную коррекцию с использованием алгоритмов, учитывающих модель атмосферы, освещенность местности, наличие облачности (каналы SWIR), а также возможность скорректировать снимок в зависимости от видов аэрозолей в атмосфере. Для повышения точности обрабатываемых данных разрешение снимков улучшалось с использованием метода

Gram-Schmidt Pan Sharpening (рис. 1, 2).

Использование этого метода позволило увеличить разрешение снимков с 30 до 15 м, что существенно улучшает детализацию отображаемой информации. Дальнейшая дешифрирование снимков осуществлялось с использованием эталонов, а также общепризнанных методов по обработке снимков Lansat 8, а именно учета комбинаций обработки снимка (табл. 2).

Перечисленные признаки в табл. 2 сочетание каналов позволяет получить дополнительную информацию при проведении дешифрирования снимка, а также исключить ошибки лесоустроительных данных по характеристикам состава насаждения, их возраста, границам вырубок, давности рубок и успешности естественного возобновления на них. При достаточных полевых данных, которые равномерно размещены по площади, возможно проводить помимо определения таксационных характеристик насаждения и тип почв, ее влажность, а также особенностей ее гидрологического режима. Ранее приве-

Снимок Lansat 8 до атмосферной коррекции и улучшения разрешения (район Галичского озера Костромская область)

Рис. 1. Снимок Lansat 8 до атмосферной коррекции и улучшения разрешения (район Галичского озера Костромская область)

Снимок Lansat 8 после атмосферной коррекции и улучшения разрешения (район Г аличского озера Костромская область)

Рис. 2. Снимок Lansat 8 после атмосферной коррекции и улучшения разрешения (район Г аличского озера Костромская область)

Комбинации каналов спутника Landsat 8 (ОН), применяемые при дешифрировании характеристик лесной растительности на исследуемой территории

Таблица 2

Комбинация каналов Landsat 8

Возможная информация

Пример

1

2

3

5ЛЗ

Комбинация каналов «искусственные цвета». Лесная растительность отображается в оттенках красного, города, населенные пункты - зелено-голубых, а цвет почвы варьируется от темно до светло-коричневого. Хвойные леса отображаются темно-красными или коричневыми по сравнению с лиственными. Данная комбинация каналов в лесном хозяйстве используется для разделения хвойных и лиственных насаждений, а также определения типа почв. Насыщенные оттенки красного являются индикатором здоровой растительности. Светлые оттенки характеризуют травянистую или кустарниковую растительность иногда насаждения с низкой полнотой.

4,3,2

Комбинация «естественные цвета». Каналы видимо диапазона дешифрирование проводится по визуальным данным. Здоровая растительность имеет зеленый цвет, убранные поля - светлый, нездоровая растительность - коричневой и желтой, дороги - белый или серый цвет, береговые линии - белый цвет (совпадает с грунтовыми дорогами). Комбинация может использоваться для изучения как растительности, так и антропогенных объектов. Тип лесных насаждений и вырубки дешифрируются не в полной мере в отличии от комбинации 4-5-1 или 4-3-2.

Данная комбинация каналов используется для первичного дешифрирования при лесоустройстве и лесной таксации.

5,6,2

При данной комбинации каналов здоровая растительность отображается в оттенках красного, коричневого, оранжевого и зеленого. Почвы, как правило, имеют оттенки зеленого и коричневого цветов. Урбанизированные территории (города, населенные пункты, постройки) - белесыми, серыми и зелено-голубыми. Лесные территории, недавно пройденные рубкой, имеют ярко-голубой цвет. Зарастающие поля имеют красноватый цвет. Чистые водные объекты имеют темно-синий цвет (почти черный). Более светлые синие тона характерны для мелководья и загрязненной воды. Добавление среднего инфракрасного канала дает возможность дешифрировать различия в возрасте растительности. Здоровая растительность дает сильное отражение в 4 и 5 каналах.

Эта комбинация каналов широко применяется для определения возраста насаждений и дешифрирования вырубок.

Продолжение таблицы 2

1

2

3

7,5,3

Комбинация каналов позволяет получить изображение, близкое к естественным цветам. Здоровая растительность имеет ярко-зеленый цвет, напочвенный покров и травянистые сообщества - зеленый, поврежденные участки почвы- ярко-розовый. Коричневые и оранжевые тона характеризуют разреженную растительность. Сухостойные насаждения имеют оранжевые цвета. Водные объекты имеют тёмносиний оттенок. Почвы представлены большим числом цветов и оттенков. Сгоревшие территории выглядят ярко- красным цветом. Городская застройка отображается в оттенках розово-фиолетового, травянистые сообщества - зелеными и светло-зелеными. Оливково-зеленый цвет характерен для лесных массивов и более темный цвет является индикатором примеси хвойных пород.

Комбинация каналов позволяет получить хорошие результаты по определению долевого участия хвойных пород в составе насаждения, участков пройденных пожаром или пораженных вредителями и болезнями леса.

денные исследования отражения спектральных характеристик почв [1, 4, 6, 7] позволяют применить методы дешифрирования для определения основных видов почв, а также их влажности. Точность определения этих показателей зависит от покрытия территории лесной растительностью, а также уровня развития сельского хозяйства (обработанных полей).

При проведении автоматической классификации (дешифрирования) данных спутникового снимка лучшие результаты позволил получить алгоритм Mahalanobis Distance Classification. С использованием этого алгоритма получена тематическая карта лесных насаждений (рис. 3). В ходе анализа установлены неточности материалов лесоустройства по породному составу и возрасту насаждений, а также территориальному размещению вырубок. Ряд ошибок можно объяснить значительной давностью лесоустройства (1997 г.), а также низким его качеством, особенно по объектам лесных культур.

Результаты обработки спутниковых данных показывают преобладание на значительных территориях средневозрастных и приспевающих березовых и березовохвойных насаждений с достаточным подростом хвойных пород под пологом. Доминирование этой группы лесов является результатом интенсивных сплошных рубок без сохранения хвойного подроста.

Достаточно богатые условия произрастания обеспечивают на значительной территории хорошее вегетативное возобновление мягколиственных пород. Оставленные куртины осины и мелкотоварной березы способствуют обсеменению вырубок и появлению семенного возобновления мягколиственных пород, которое имеет куртинный характер и в большинстве случаев приурочено к повреждениям напочвенного покрова при проведе-

Результаты обработки данных ДЗЗ

Рис. 3. Результаты обработки данных ДЗЗ (Спутника Landsat 8) по классификации лесной растительности, территорий, гидрологических объектов для территории Галичского, Солига- личского и Чухломского районов Костромской области (южно-таежный лесной район)

нии трелевки древесины. По результатам ранее проведенных исследований на таких участках в первые 20-30 лет возобновление хвойных пород не значительно. Обычно хвойные породы вводятся в такие участки в виде культур ели и при отсутствии рубок ухода постепенно за 20-30 лет уходят в отпад. Семенное возобновление хвойных пород имеет куртинный характер. К возрасту берёзовых и березово-осиновых насаждений 40- 60 лет под пологом количество подроста ели может достигать от 2 до 3 тыс. шт./га. Средняя высота подроста редко превышает 2-3 метров. Значительная его часть находится в угнетенном состоянии. Более жизнеспособный подрост ели находится в окнах насаждений. В таких типах насаждений для обеспечения максимального естественного потенциала восстановления лесов предпочтительно проводить одно или двухприёмные рубки переформирования. При увеличении возраста мягколиственного насаждения и снижается жизнеспособность подроста ели, в таких типах насаждений проводят двухприемные рубки переформирования.

Спелые и перестойные лесные насаждения в значительной части представлены темнохвойными древосгоями со следами частичной деградации. В большинстве случаев они приурочены к защитным лесам, где запрещены или ограничены сплошные рубки. Такие насаждения являются перспективными для рубок обновления, которые позволяют максимально использовать естественный потенциал лесных экосистем в сочетании с мероприятиями по искусственному восстановлению леса.

Из-за ограниченности рубок обновления действующим законодательством в спелых и перестойных насаждениях при их постепенной деградации применяют различные виды санитарных рубок, которые не позволяют эффективно использовать естественный потенциал лесовосстановления и приводят к созданию лесных культур. В последующем при отсутствии уходов за лесными культурами на таких участках формируются мягколиственные насаждения с подростом ели.

Спелые и перестойные насаждения фонда обновления, как показывает анализ (рис. 3, 4), занимают второе место после мо- лодняков. Рубки формирования насаждений (осветления, прочистки, прореживания, проходные) в основном проводятся в лесных культурах разного возраста, а также в незначительной части естественных хвойных дре- востоях. Распределение данных участков на исследуемой территории равномерное (рис. 4). Проходные рубки сосредоточены в основном в чистых и смешанных насаждениях сосны, произрастающих в богатых условиях брусничной и черничной групп типов леса. Уход в молодняках в значительной степени привязан к лесным участкам, вышедшим из- под сплошных рубок. К сожалению, разрешение свободно распространяемых данных дистанционного зондирования Земли (ДЗЗ) не позволяет провести более детальную оценку эффективности проведения лесовосстановительных мероприятий. Можно констатировать, что они все успешно возобновились, но определить долевое участие в составе лесных культур лиственных пород возможно только на основе коммерческих данных ДЗЗ, которые имеют разрешение не хуже 1 м на пиксель. К объектам ухода за молодняками можно отнести также участки сельскохозяйственных угодий, на которых возобновились в основном мягколиственные породы.

В случае преобладания на таких участках в составе насаждений осины и ольхи серой эти объекты являются потенциальными для проведения рубок реконструкции. К сожалению, значительная часть сельскохозяйственных территорий, где произошло естественное возобновление леса, не учитывается и на них соответственно не проводятся лесохозяйственные мероприятия. Такая тенденция способствует неэффективному использова-

Потенциальные участки для проведения различных вариантов рубок ухода за лесами

Рис. 4. Потенциальные участки для проведения различных вариантов рубок ухода за лесами

нию потенциала экосистем, потери высокопродуктивных сельскохозяйственных земель под малоценными мягколиственными насаждениями. По результатам анализа значительная часть зарастающих лесом сельхозземель находится в южной части исследуемой территории.

В категорию мероприятий по лесовосстановлению попали участки, вышедшие из- под сплошных рубок, а также пройденные пожарами. В участки не перспективные для назначения рубок ухода относятся участки спелых и перестойных осиновых насаждений, насаждений ивы и ольхи серой по сырым пониженным участкам, а также различные территории антропогенного нарушения (лесные дороги, карьеры и др.).

Приведенные исследования показывают возможность предварительного анализа потенциала назначения различных мероприятий ухода за лесами на основе свободно распространяемых данных ДЗЗ. Для дальнейшей детализации необходимо уточнение результатов анализа с учетом категорий целевого использования лесов, особенностей состава насаждений их возрастных характеристик, наличия подроста. Немаловажное значение имеет опыт и оценка эффективности проведения на исследуемой территории различных вариантов рубок ухода. Многие перечисленные показатели возможно получить при дальнейшем анализе из материалов разносезонной коммерческой съемки со спутников Ikonos, Spot 5, а так же данных радарной съемки со спутника Alos 2.

Разработка методик, позволяющих по данным ДЗЗ получить информацию о лесах, а также провести назначение мероприятий, будет являться в ближайшем будущем одним из перспективных направлений научных исследований. Приведенные в статье технологии анализа спутниковых данных позволят при минимальных затратах экономических и тру- чать ошибки таксации и назначения всего

довых ресурсов получить предварительную спектра лесохозяйственных мероприятий,

информацию о лесах, которая будет исюпо-

Библиографический список

  • 1. Андроников, В.Л. Аэрокосмические методы изучения почв [Текст] / В.Л. Андроников. - М. : Колос, 1979. - 280 с.
  • 2. Архипов, В.И. Новая технология стереоскопической таксации лесов «от съемки к проекту». Геопрофи [Текст] / В.И. Архипов, В.И. Березин, Д.М. Черниховский. - 2014. -№ 4. - С. 17-22.
  • 3. Владимирова, И.А. Возможности применения космических снимков для государственной инвентаризации лесов. Геопрофи [Текст] / И.А. Владимирова. - 2010. - № 2. - С. 45-49.
  • 4. Зборищук, Ю.Н. Дистанционные методы инвентаризации и мониторинга почвенного покрова [Текст] / Ю.Н. Зборищук. - М. : Изд-во МГУ, 1992. - Ч. 1. - 86 с.; 1994. - Ч. 2. - 96 с.
  • 5. Зенкевич, Ю.Э. Мониторинг лесохозяйственной деятельности. Опыт применения данных космической съёмки высокого и сверхвысокого разрешения. Земля из космоса. [Текст] / Ю.Э. Зенкевич, И.В. Глушков, Т.А. Антонова. - 2009. Вып. 1. - С. 17-21.
  • 6. Книжников, Ю.Ф. Аэрокосмические методы географических исследований [Текст] / Ю.Ф. Книжников, В.И. Кравцова, О.В. Тутубалина. - М. : Академия, 2004. - 336 с.
  • 7. Кравцова, В.И. Космические методы исследования почв [Текст] / В.И. Кравцова. - М. : Аспект Пресс, 2005. - 187 с.
  • 8. Курбанов, Э.А. Решение вопросов космического мониторинга лесных гарей в комплексных пакетах ENVI и ArcGIS, Геоматика [Текст] / Э.А. Курбанов, О.И. Воробьев, С.А. Лежнин, Ю.А. Полевщикова. - 2012. -№ 4. - С. 82-92.
  • 9. Шимов, С.В. Технология мониторинга вырубок леса с использованием космических снимков высокого пространственного разрешения. Геоматика [Текст] / С.В. Шимов, Ю.В. Никитина. - 2011. - № 3. - С. 47-52.
  • 10. Ялдыгена, Н.Б. Использование программного комплекса ENVI для решения задач лесного хозяйства. Геоматика [Текст] / Н.Б. Ялдыгена. - 2011. - № 3. - С. 34-39.
  • 11. Envi, 5.1 Environment for visualizing images [Text]. - M. : Sovzond, 2014. - 242 p.

References

  • 1. Andronikov V.L. Ajerokosmicheskie metody izuchenija pochv [Aerospace methods for studying soils]. Moscow, Kolos, 1979, 280 p. (In Russian).
  • 2. Arkhipov V.I., Berezin V.I., Chernikhovsky D.M. Novaja tehnologija stereoskopicheskoj taksacii lesov «ot semki к proektu». Geoprofi [New technology of stereoscopic forest inventory "from shooting to the project." Geoprofi], 2014, no. 4, pp. 17-22 (In Russian).
  • 3. Vladimirova N.A. Vozmozhnosti primenenija kosmicheskih snimkov dlja gosudarst-vennoj inventarizacii lesov. Geoprofi [The possibility of using satellite imagery for the state forest inventory, Geoprofi], 2010, no. 2, pp. 45-49 (In Russian).
  • 4. Zborishchuk Y.N. Distancionnye metody inventarizacii i monitoringa pochvennogo pokro- va [Remote methods of inventory and monitoring of soil cover]. Moscow, 1992, Part. 1, 86 p.; 1994, Part. 2, 96 p. (In Russian).
  • 5. Zenkevich Y.E., Glushkov I.V., Antonova T.A. Monitoring lesohozjajstvennoj dejatel'nosti. Opyt primenenija dannyh kosmicheskoj sjomki vysokogo i sverhvysokogo razreshenija. Zemlja iz kosmosa. [Monitoring of forestry activities. Experience of using satellite imagery data of high and ultra-high resolution. Earth from Space], 2009, Issue 1, pp. 17-21 (In Russian).
  • 6. Knizhnikov Y.F., Kravtsova V.I., Tutubalina O.V. Ajerokosmicheskie metody geograflcheskih issledovanij [Aerospace methods of geographical research]. Moscow, 2004, 336 p. (In Russian).
  • 7. Kravtsova V.I. Kosmicheskie metody issledovanija pochv [Space research methods of soil]. Moscow, Aspect Press, 2005, 187 p. (In Russian).
  • 8. Kurbanov E.A., Vorobyev O.N., Lezhnin S.A., Polevshchikova Y.A. Reshenie voprosov kosmicheskogo monitoringa lesnyh garej v kom-pleksnyh paketah ENVI i ArcGIS, Geomatika [Decision of questions of space monitoring of forest burnt areas in comprehensive packages of ENVI and ArcGIS, Geomatics], 2012, no. 4, pp. 82-92 (In Russian).
  • 9. Shimov S.V., Nikitin Y.V. Tehnologija monitoringa vyrubok lesa s ispol'zovaniem kosmicheskih snimkov vysokogo prostranstvennogo razreshenija. Geomatika [Technology of monitoring deforestation using satellite images with high spatial resolution. Geomatics], 2011, no. 3, pp. 47-52 (In Russian).
  • 10. Yaldygena N.B. Ispol'zovanie programmnogo kompleksa ENVI dlja reshenija zadach les- nogo hozjajstva. Geomatika [Using ENVI software for solving problems of forestry. Geomatics], 2011, no. 3, pp. 34-39 (In Russian).
  • 11. Envi 5.1 Environment for visualizing images. Moscow, Sovzond, 2014, 242 p.

Сведения об авторах:

Сидоренков Виктор Михайлович - заведующий отделом лесоводства, лесоустройства и лесной таксации Федеральное бюджетное учреждение «Всероссийский научно- исследовательский институт лесоводства и механизации лесного хозяйства», кандидат сельскохозяйственных наук, г. Пушкино, Российская Федерация; e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

Дорощенкова Эльвира Валерьевна - научный сотрудник Федеральное бюджетное учреждение «Всероссийский научно-исследовательский институт лесоводства и механизации лесного хозяйства», г. Пушкино, Российская Федерация; e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

Жафяров Артур Винсентович - заведующий лабораторией лесоустройства и лесной таксации Федеральное бюджетное учреждение «Всероссийский научно-исследовательский институт лесоводства и механизации лесного хозяйства», г. Пушкино, Российская Федерация; e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

Ильин Федор Степанович - научный сотрудник Восточно-Европейской лесной опытной станции Федеральное бюджетное учреждение «Всероссийский научно- исследовательский институт лесоводства и механизации лесного хозяйства», г. Пушкино, Российская Федерация; e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

Information about authors

Sidorenkov Viktor Mikhailovich - Head of the Department of Forestry, Forest Inventory and Forest Taxation, Federal Budget Institution "All-Russian Research Institute of Silviculture and Mechanization of Forestry", PhD in Agriculture, Pushkino, Russian Federation; e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

Doroshchenkova Elvira Valeryevna - Researcher, Federal Budget Institution "All-Russian Research Institute of Silviculture and Mechanization of Forestry", Pushkino, Russian Federation; e- mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

Zhafyarov Arthur Vinsentovich - Head of Laboratory of Forest Inventory and Forest Taxation, Federal Budget Institution "All-Russian Research Institute of Silviculture and Mechanization of Forestry", Pushkino, Russian Federation; e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

Ilyin Fedor Stepanovich - Researcher of Eastern European Forestry Experiment Station, Federal Budget Institution "All-Russian Research Institute of Silviculture and Mechanization of Forestry", Pushkino, Russian Federation; e-mail: Этот адрес e-mail защищен от спам-ботов. Чтобы увидеть его, у Вас должен быть включен Java-Script

DOI: 10.12737/11268 УДК 631.42

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>