ОПРЕДЕЛЕНИЕ ПОРОДНОГО СОСТАВА ЛЕСНОЙ РАСТИТЕЛЬНОСТИ КОСТАНАЙСКОЙ ОБЛАСТИ ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ
DOI:
https://doi.org/10.54668/2789-6323-2024-112-1-133-143Ключевые слова:
лесная растительность, древесные породы, Костанайская область, спектральные каналы, дешифрирование, геоинформационные системыАннотация
В процессе научного исследования были определены древесные породы и создана карта лесной растительности Костанайской области на основе различных данных: полевых материалов, данных дистанционного зондирования Земли и с использованием программного средства ArcGIS10.9, материалов специальной литературы. Создан алгоритм действий для выявления древесных пород лесов по материалам космических снимков Landsat 9, характеризующихся высоким пространственным разрешением. Распознавание преобладающих древесных пород лесообразующих пород выполнялось на основе различных комбинации спектральных каналов снимка Landsat 9, исследованию вегетационных индексов (NDVI, EVI) в различные сезоны года и контролируемой локально-адаптивной классификации с обучением. Полученные данные были верифицированы с материалами полевых исследований (август-сентябрь 2023) и лесоустройства. Выбранный алгоритм действий реализует наиболее актуальные подходы к получению и обработке необходимого материала из данных космических снимков Scientific article Ozgeldinova, Zhanguzhina et al., Determining the species... 142 дистанционного зондирования Земли. Дальнейшая дифференциация и создание карты лесной растительности Костанайской области осуществлялось на основе созданной карте древесных пород лесной растительности, данным цифровой модели рельефа, геолого-геоморфологическим особенностям региона исследования, проведенным полевым исследованиям, материалам тематических карт и физической географии исследуемого региона. В результате проведенных исследований на территории Костанайской области было выделено 6 классов лесных массивов и были выделены светлохвойные, лиственные лесообразующие породы, такие как сосны, березы, осины, лиственница, кустарниковые заросли и луговая растительность. Данный алгоритм проведенных исследований могут быть применен на других объектах исследования и имеет практическое значение.
Библиографические ссылки
Thematic decoding and interpretation of satellite images of medium and high spatial resolution [Electronic resource]: textbook Shikhov A.N., Gerasimov A.P., Ponomarchuk A.I., Perminova E.S.; Perm State National Research University. – Perm, 2020. - 191 p
Lupyan E.A., Satellite service for monitoring the state of vegetation (Vega)/ E.A. Lupyan, I.Yu. Savin, S.A. Bartalev, V.A. Tolpin, I.V. Balashov, D.E. Plotnikov // Modern problems of remote sensing of the Earth from space. 2011. No. 1. pp. 190-198.
Bartalev S.A., Egorov V.A., Zharko V.O., Lupyan E.A., Plotnikov D.E., Khvostikov S.A., Shabanov N.V. Satellite mapping of the vegetation cover of Russia. - M.: IKI RAS, 2016. - 208 p.
Bartalev S. A. Development of methods for assessing the state and dynamics of forests based on satellite observations: dis., Dr. tech. 01.04.01/ S. A. Bartalev. — M 2007. -291 p.
Marchukov V.S., Decoding of vegetation cover using spectral-temporal features/ V.S. Marchukov, E.A. Stytsenko // Exploring the Earth from space. 2012, No. 1, pp. 77-88.
Zharko V.O., S.A. Bartalev Assessment of the recognizability of woody forest species based on satellite data on seasonal changes in their spectral-reflective characteristics // Modern problems of remote sensing of the Earth from space. 2014. Vol. 11. No. 3., pp. 159-170.
Zhirin V. M., Dynamics of spectral brightness of the breed-age structure of groups of forest types on Landsat satellite images/ V. M. Zhirin, S. V. Knyazeva, S. P. Eidlina // Forest science. 2014. No.5. pp. 3-12.
Isaev A. S., Satellite sensing ― a unique tool for monitoring forests in Russia/ A. S. Isaev, S. A. Bartalev, E. A. Lupyan, N. V. Lukina// Bulletin of the Russian Academy of Sciences. 2014. Vol. 84. No. 12. pp. 1073-1079.
Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring vegetation systems in the Great Plains with ERTS // Third ERTS Symposium, NASA SP-351 I, 1973, P. 309-317.
Czaplewski R. Variance approximations for assessments of classification accuracy // Fort Collins: US Department of Agriculture, Forest Service. Research paper RM–316. – 1994. – 30 p.
Epting, J.; Verbyla, D. Landscape-level interactions of prefire vegetation, burn severity, and postfire vegetation over 16 years in interior Alaska. Can. J. For. Res. 2005, 35, 1367–1377.
https://www.gov.kz/memleket/entities/kostanay/documents/details/206893?lang=ru
Pugachev P.G. Pine forests of the Turgai depression. – Kostanay, 1994. – 406 p.
L.N. Gribanov Steppe forests of the Altai Territory and Kazakhstan. – Moscow, Goslesbumizdat, 1960. - 212 p.
Vilesov E.N., Naumenko A.A., Veselova L.K., Nurbekov B.J. Physical geography of Kazakhstan. – Almaty: Kazak University, 2009. – 362 p.
Munzer Nur. Development of a methodology for using satellite imagery data for forest monitoring: dissertation ... Candidate of Technical Sciences: 25.00.34 / Munzer Nur; [Place of protection: Moscow State University of Geodesy and Cartography]. - Moscow, 2021. - 150 p.
National Atlas of the Republic of Kazakhstan / edited by A.R. Medeu et al. – Almaty, 2010. – vol. 1. – 149 p.
