В условиях нарастающих экологических изменений лесные и болотные природные комплексы испытывают воздействие природных и антропогенных факторов. Растительный покров был выбран для оценки как один из наиболее динамично изменяющихся ландшафтных компонентов. Он служит индикатором изменений, так как на его формирование оказывают влияние климатические, геолого-геоморфологические и антропогенные факторы. В связи с тем изменение растительного покрова влияет на процессы, протекающие в ландшафте.
В качестве ключевого участка для проверки возможности оценки изменений растительного покрова Мещеры было выбрано Белавинское сельское поселение. Территория общей площадью 29,5 тыс. га расположена на востоке Орехово-Зуевского района, включает в свой состав особо охраняемые природные территории: Губинский лесоболотный государственный природный заказник и участок леса в Губинском лесничестве.
В 2010-2012 гг. в районе сельского поселения, в том числе в районе заказника, проводились почвенные и геоботанические исследования, было выполнено краткое описание преобладающих видов растений на 15 участках и почв на 6 разрезах. Для каждой точки и участка выполнена координатная привязка с помощью навигатора Garmin.
Для пространственно-временной оценки состояния растительного покрова одних лишь полевых методов исследования, как правило, не достаточно. Использование данных дистанционного зондирования в сочетании с наземными наблюдениями позволяет решить задачу оценки изменений растительного покрова территорий. Как правило, для этой цели используются снимки среднего и высокого разрешения, такие как «Landsat» (разрешение 30 м/пиксел), IRS P5 (разрешение 2,5 м/пиксел), IRS P6 (разрешение 5,8 м/пиксел) и др. [3, с.14]. Данная статья посвящена использованию данных со спутников «Landsat» для оценки изменений растительного покрова.
Главной особенностью растительного покрова, позволяющей использовать данные Landsat, является поглощение хлорофиллом красной (0,68-0,69 мкм) и синей (0,45-0,47 мкм) частей спектра, и отражение инфракрасной NIR (0,75-1,3 мкм) и зеленой (0,54-0,58 мкм) зон спектра [2, с.10; 5, с.20]. При визуальном дешифрировании растительности наиболее информативно сочетание каналов Landsat 5,4,3 [1, с.3].
Благодаря продолжительности существования программы Landsat и относительной доступности данных, есть возможность оценить изменения растительного покрова за длительный период. Для оценки растительного покрова использовались данные со следующих спутников: «Landsat 4» (23.04.1975), «Landsat 5»(28.05.1986 и 06.06.2014) и «Landsat 8» (09.05.2014). Материалы были получены из общедоступных архивов [7].
Для оценки растительного покрова было выполнено дешифрирование и предварительная обработка данных в ГИС-пакетах ENVI 5.0 и Arcgis 10.1. При дешифрировании для распознавания типов растительного покрова были использованы индексы, учитывающие специфику отражательной способности объектов (NDVI, NDWI,B3/B5, R/G, R/SWIR2 и др.) [8 стр.2,6 стр. 30-32].
На начальном этапе дешифрирования были выделены классы для маскирования: классы водных и антропогенных объектов (дороги и застроенные территории). Классы почв подразделяются на распаханные земли и луга. Дальнейшее дешифрирование растительности осуществлялось при помощи интерактивной классификации с обучением по данным геоботанических описаний и архивных картографических материалов. Оставшаяся растительность подразделяется на лесную и болотную. По вегетационным индексам были выделены четыре типа леса. На последнем этапе все объекты, были сведены в итоговые растры. В итоге территория была разделена на 10 классов: водные объекты, антропогенные объекты, луга, сельскохозяйственные земли, болота, еловые, сосновые, смешанные и мелколиственные леса. Для снимков 1986 г. и 1995 г. был выделен объект – торфоразработки.
Для оценки изменения территории был проведён площадной анализ выделенных классов и их изменений табл.1. Наибольшие изменения отмечены в период с 1986-2014 гг.
Доля хвойных сообществ к 1996 году заметно сократилась по сравнению с 1975-1986 гг.: еловых на 11,4%, сосновых на 8,6%. В 1986 г. доля смешанного леса сократилась на 14,5%. По данным 2014 г. отмечается рост доли для еловых и смешанных древостоев на 1,9% и 12,7% соответственно и стабилизация сосновых древостоев. В 1996 г. доли мелколиственных и луговых сообществ выросли, на 6,0% и 5,0 % соответственно, что не противоречит данным [3, с.24].
При оценке изменений растительного покрова, кроме соотношения площадей растительных сообществ важна направленность изменений, отраженная в табл.2. Значительные изменения приходятся на болота 94,8 % и хвойные леса. Они обусловлены как пожарами и усыханием ельников в засушливые 2003 и 2010 гг., так и ростом доли мелколиственных пород в древостоях.
В качестве выводов следует отметить, что анализ материалов дистанционного зондирования со спутников Landsat позволяет оценить изменения растительного покрова. Проведённые исследования показали, что за последние 28 лет первичные лесные и болотные комплексы постепенно деградируют.
Площади выделенных классов поверхности и их изменение
|
Площадь классов от общей в % |
Изменение доли в % |
||||||
№ класса |
Описание |
1975 |
1986 |
1995 |
2014 |
1986 |
1995 |
2014 |
1 |
Водные объекты |
3,0 |
1,8 |
1,8 |
5,5 |
-1,2 |
0,0 |
3,7 |
2 |
Еловые леса |
14,7 |
20,3 |
9,0 |
10,9 |
5,6 |
-11,4 |
1,9 |
3 |
Сосновые леса |
15,1 |
22,5 |
13,9 |
13,9 |
7,4 |
-8,6 |
0 |
4 |
Болота |
9,2 |
12,7 |
7,2 |
5,0 |
3,5 |
-5,6 |
-2,2 |
5 |
Смешанные леса |
22,4 |
7,9 |
13,0 |
25,7 |
-14,5 |
5,1 |
12,7 |
6 |
Мелколиственные леса |
15,4 |
16,4 |
25,7 |
19,8 |
1,0 |
9,4 |
-6,0 |
7 |
Антропогенные объекты |
5,5 |
4,2 |
7,9 |
5,7 |
-1,3 |
3,7 |
-2,2 |
8 |
Луга |
11,7 |
8,7 |
15,5 |
10,5 |
-3,0 |
6,8 |
-5,0 |
9 |
Сельскохозяйственные земли |
3,0 |
5,4 |
2,4 |
3,1 |
2,4 |
-3,0 |
0,6 |
10 |
Торфоразработки |
0,0 |
3,5 |
3,6 |
0,0 |
3,5 |
0,1 |
-3,6 |
Таблица 2.
Направленность изменений за 1986 и 2014 год
Класс в 2014 г. |
Изменения площади классов в % |
|||||||||
Класс в 1986 г. |
||||||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
1 |
0,0 |
2,7 |
3,4 |
5,2 |
8,4 |
4,2 |
1,3 |
1,9 |
0,5 |
23,7 |
2 |
0,4 |
0,0 |
15,6 |
4,7 |
25,2 |
1,6 |
0,2 |
1,2 |
0,0 |
2,3 |
3 |
0,9 |
25,4 |
0,0 |
12,9 |
17,0 |
5,7 |
1,6 |
2,2 |
0,6 |
5,8 |
4 |
0,0 |
4,2 |
5,6 |
0,0 |
2,7 |
6,2 |
4,6 |
6,8 |
6,6 |
9,2 |
5 |
5,3 |
27,9 |
33,0 |
40,1 |
0,0 |
23,5 |
3,7 |
13,4 |
3,0 |
28,6 |
6 |
0,9 |
15,5 |
20,5 |
32,4 |
10,5 |
0,0 |
15,5 |
24,0 |
6,0 |
37,6 |
7 |
0,0 |
1,0 |
1,0 |
1,9 |
2,2 |
11,8 |
0,0 |
12,8 |
14,1 |
8,1 |
8 |
0,0 |
0,9 |
1,3 |
2,1 |
1,0 |
19,0 |
37,8 |
0,0 |
51,3 |
5,8 |
9 |
0,0 |
0,1 |
0,2 |
0,6 |
0,1 |
4,7 |
10,1 |
8,4 |
0,0 |
2,6 |
Площадь изменений в % |
7,5 |
75,0 |
77,3 |
94,8 |
58,7 |
72,5 |
73,5 |
68,8 |
81,7 |
100,0 |
Литература
-
Данилова И.В. Методика составления карт лесных территорий на основе данных космической съемки (на примере Красноярского края) // География и природные ресурсы. 2007. №4. – с.140-145.
-
Лабутина И.А., Балдина Е.А. Использование данных дистанционного зондирования для мониторинга экосистем ООПТ. – М.: WWF России, 2011.
-
Карпачевский М.Л.. Природа Подмосковья: утраты последних двух десятилетий, — М.: Изд-во Центра охраны дикой природы, 2009. – 92 с.
-
Лурье И.К., Косиков А.Г. Теория и практика цифровой обработки изображений: Учебное пособие. – М.: Научный мир, 2003.
-
Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: Учебник. – Йошкар-Ола: МарГТУ, 2005. – 392 с.
-
Черепанов А.С., Дружинина Е.Г. Спектральные свойства растительности и вегетационные индексы // Геоматика №3, 2009. – С 28-32
-
http://glovis.usgs.gov – USGS GVV (Global Visualization Viewer) сайтгеологической службы США.
-
Кренке А.Н., Пузаченко Ю.Г. Построение карты ландшафтного покрова на основе дистанционной информации // Экологическое планирование и управление, Вып. №7, 2008. 24.
Источник: Рассказов А. А. Галаганова Л. А. Использование данных LANDSAT для оценки динамики изменений растительного покрова на территории Мещеры // Научные труды Института Непрерывного Профессионального Образования. Выпуск третий (№3/2014) / Под научн. редакцией проф. С. В. Чернова. М.: Издательство Института Непрерывного Профессионального Образования, 2014. С. 236-239.