Динамика облесенности верховых болотных массивов южной тайги на примере Западнодвинского лесоболотного стационара (Тверская область)
DOI:
https://doi.org/10.21638/spbu07.2024.308Аннотация
Статья посвящена изучению изменения древостоя на верховых болотных массивах и проверке гипотезы о текущем росте облесенности верховых болот лесной зоны, зависящих от изменения климатических условий. Для анализа динамики облесенности на примере верховых болот Тверской области была разработана методика, основанная на использовании спутниковых данных Landsat разных поколений. Методика была проверена на наземных данных и применена для анализа изменения облесенности в период с 1976 по 2022 гг. на нескольких верховых болотных массивах, включая ненарушенные и осушенные для лесного хозяйства участки. В ходе исследования было протестировано около 20 спектральных индексов на различных съемках, включая летние и зимние (снежные) условия. Результаты классификации проверены с использованием данных таксации насаждений на круговых площадках и оценены с помощью матриц ошибок. Было установлено, что съемка среднего пространственного разрешения спутников Landsat, особенно зимняя, подходит для долгосрочного анализа динамики облесенности верховых болот. Предложены оптимальный вегетационный индекс SWVI (Short wave vegetation index) и методика классификации. Результаты исследования показали, что облесенность возрастает на всех неосушенных участках болот, независимо от их исходного состояния. Наименьшие изменения наблюдаются для участков с низкой сомкнутостью крон (0-0,1), в большей степени ̶ для сомкнутости 0,2-0,3, а наибольшие изменения происходят на участках с высокой сомкнутостью крон (0,6-0,7 и выше).
Ключевые слова:
верховые болота, облесение, дистанционное зондирование Земли, спутниковые снимки, Landsat, вегетационный индекс, изменение климата, лесоосушение
Скачивания
Библиографические ссылки
Аболин, Р. И. (1915). Болотные формы Pinus silvestris L. Труды Ботанического музея Академии наук, 14, 62-84.
Ветров, Л. С., ред. (2013). Таксация леса: методические указания. СПб.: СПбГЛТУ.
Вомперский, С. Э., Иванов, А. И., Цыганова, О. П., Валяева, Н. А., Глухова, Т. В., Дубинин, А. И., Глухов, А. И., Маркелова, Л. Г. (1994). Заболоченные органогенные почвы и болота России и запас углерода в их торфах. Почвоведение, 12, 17-25.
Вомперский, С. Э., Сирин, А. А., Цыганова, О. П., Валяева, Н. А., Майков, Д. А. (2005). Болота и заболоченные земли России: попытка анализа пространственного распределения и разнообразия. Известия Российской академии наук. Серия географическая, 5, 39-50.
Вомперский, С. Э., Глухова, Т. В., Смагина, М. В., Ковалев, А. Г. (2007). Условия и последствия пожаров в сосняках на осушенных болотах. Лесоведение, 6, 35-44.
Дорофеев, А. А. и Хохлова, Е. Р. (2016). Ландшафты Тверской области. Тверь: Тверской государственный университет.
Егоров, К. П., Медведева, М. А., Галанина, О. В., Сирин, А. А. (2023a). Изменение облесенности верховых болот за последние десятилетия: некоторые данные (на примере объектов Западно-двинского лесоболотного стационара ИЛАН РАН, Тверская область). В: XII Галкинские чтения. Типы болот регионов России: материалы конференции. СПб.: Изд-во БИН РАН, 71-73.
Егоров, К. П., Медведева, М. А., Галанина, О. В., Сирин, А. А. (2023б). Меняется ли облесенность верховых болот? Методика и предварительные результаты. В: Болота Северной Евразии: биосферные функции, разнообразие и управление. Тезисы докладов международного симпозиума. Петрозаводск: Карельский научный центр РАН, 31-32.
Кац, Н. Я. (1971). Болота земного шара. М.: Наука.
Молчанов, А. А., ред. (1982). Биогеоценологическое изучение болотных лесов в связи с опытной гидромелиорацией. М.: Наука.
Столярова, В. В., Любимов, А. В., Будник, М. Г., Галанина, Ю. А. (2019). Использование вегетационных индексов для оценки состояния растительности по материалам дистанционного зондирования. В: Леса России: политика, промышленность, наука, образование: материалы IV научно-технической конференции. СПб.: Политех-Пресс, 61-63.
Сукачев, В. Н. (1905). О болотной сосне. Лесной журнал СПб., 35 (3), 354-372.
Buschmann, C. and Nagel, E. (1993). In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation.International Journal of Remote Sensing, 14 (4), 711-722. https://doi.org/10.1080/01431169308904370
Elvidge, C. D. and Lyon, R. J. P. (1985). Influence of rock-soil spectral variation on the assessment of green biomass. Remote Sensing of Environment, 17 (3). https://doi.org/10.1016/0034-4257(85)90099-9
Forgy, E. (1965). Cluster analysis of multivariate data: efficiency versus interpretability of classifications. Biometrics, 21, 768-780.
Gamon, J. A. and Surfus, J. S. (1999). Assessing leaf pigment content and activity with a reflectometer. New Phytologist, 143 (1), 105-117. https://doi.org/10.1046/j.1469-8137.1999.00424.x
Gunnarsson, U., Sjörs, H., Rydin, H. (2000). Diversity and pH changes after 50 years on the boreal mire Skattlösbergs Stormosse, Central Sweden. Journal of Vegetation Science, 11, 277-286.
Hardisky, M. A., Klemas, V., Smart, R. M. (1983). The influence of soil salinity, growth form, and leaf moisture on the spectral radiance of Spartina Alterniflora canopies. Photogrammetric Engineering and Remote Sensing, 48 (1), 77-84.
Huang, S., Tang, L., Hupy, J. P., Wang Y., Shao G. (2021). A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing. Journal of Forestry Research, 32 (1), 1-6. https://doi.org/10.1007/s11676-020-01155-1
Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25, 295-309.
Huete, A. R., Jackson, R. D., Post, D. F. (1985). Spectral response of a plant canopy with different soil backgrounds. Remote Sensing of Environment, 17 (1), 37-53. https://doi.org/10.1016/0034-4257(85)90111-7
Jordan, C. F. (1969). Derivation of Leaf-Area Index from Quality of Light on the Forest Floor. Ecology, 50 (4), 663-666. https://doi.org/10.2307/1936256
Liu, Y., Hatou, K., Aihara, T., Kurose, S., Akiyama, T., Kohno, Y., Lu, S., Omasa, K. (2021). А Robust Vegetation Index Based on Different UAV RGB Images to Estimate SPAD Values of Naked Barley Leaves. Remote Sensing, 13 (4), 686. https://doi.org/10.3390/rs13040686
Masson-Delmotte, V., ed. (2021). IPCC. Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
rp5.ru (2022). Раcписание погоды [online] Доступно на: https://rp5.ru/[Дата доступа 02.05.2022].
Rubin, J. (1967). Optimal classification into groups: an approach for solving the taxonomy problem. Theoretical Biology, 15, 103-144.
Rydin, H. and Jeglum, J. (2013). The biology of peatlands. 2nd edn. Oxford: Oxford University Press.
Salomonson, V. V. and Appel, I. (2006). Development of the Aqua MODIS NDSI fractional snow cover algorithm and validation results. IEEE Transactions on Geoscience and Remote Sensing, 44 (7), 1747-1756. https://doi.org/10.1109/TGRS.2006.876029
Загрузки
Дополнительные файлы
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Статьи журнала «Вестник Санкт-Петербургского университета. Науки о Земле» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Санкт-Петербургским государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
