Содержание к диссертации
Введение
I. Состояние вопроса 11
1.1 Оценка фитомассы лесов 11
1.2 Использование данных дистанционного зондирования Земли при изучении фитомассы лесов 16
1.3 Картирование лесных экосистем 26
Выводы по главе 29
II. Природные условия и лесной фонд Марийского Заволжья 33
2.1 Территория 33
2.2 Климат 35
2.3 Почвенные условия 38
2.4 Лесорастительное и лесохозяйственное районирование 38
2.5 Типы лесов 39
2.6 Распределение насаждений основных лесообразующих пород 42
Выводы по главе 46
III. Программа и объекты исследований 48
3.1 Программа исследований 48
3.2 Объекты исследований 48
IV. Разработка методики исследований 49
4.1 Методика закладки тестовых участков 49
4.2 Характеристика спутниковых данных 50
4.3 Методика работы со спутниковыми снимками в программных комплексах «ENVI 5» и «ArcGIS 10.0» 55
4.4 Преобразование Tasseled Сар 55
4.5 Легенда тематической карты 57
4.6 Анализ спектральных характеристик и оценка разделимости классов 59
4.7 Картирование лесного покрова 60
4.8 Пост-классификационная обработка 63
4.9 Определение фитомассы 66
4.10 Оценка пространственно-временной динамики площадей насаждений .66
4.11 Геостатистический анализ классов растительного покрова 71
Выводы по главе 75
V. Тематическое картирование классов (страт) лесных насаждений 77
5.1 Формирование банка данных 77
5.2 Преобразование Tasseled Сар 80
5.3 Оценка разделимости классов лесного покрова 81
5.4 Картирование лесного покрова 86
5.5 Пост-классификационная обработка 92
5.6 Моделирование классов лесного покрова по спектральным индексам .95
Выводы по главе 97
VI. Оценка пространственно-временной динамики фитомассы 100
6.1 Оценка фитомассы 100
6.2 Оценка временной и пространственной динамики лесов 102
6.3 Геостатистический анализ распределения лесного покрова 106
Выводы 113
Заключение и рекомендации 115
Список использованной литературы 121
Приложения 142
- Оценка фитомассы лесов
- Характеристика спутниковых данных
- Оценка разделимости классов лесного покрова
- Геостатистический анализ распределения лесного покрова
Введение к работе
Актуальность темы. Одной из главных составляющих фундаментальных исследований биосферной роли лесов в глобальных углеродных циклах является их биологическая продуктивность, под которой в первую очередь понимают оценку фитомассы насаждения. Актуальность исследования фитомассы также обусловлена их важностью при оценках депонирования углерода лесными насаждениями по международным соглашениям рамочной конвенции об изменении климата (1992), Киотскому протоколу (1997) и международной конвенции ООН о сохранении биоразнообразия лесных экосистем. Кроме того, повышение точности региональной оценки запасов и фитомассы лесных насаждений, а также выявление пространственно-временных тенденций в их распределении в связи с деятельностью человека и влиянием климата является одной из важнейших задач современной науки, лесоустройства и лесоинвентаризационных работ.
На сегодняшний день экономически оправданным и технически эффективным способом получения достоверных и оперативных данных о фитомассе лесов является дистанционное зондирование Земли (ДЗЗ). Результаты анализа научной литературы показали, что за рубежом использование методов дистанционного зондирования при оценках и мониторинге фитомассы лесов находит самое широкое применение почти с начала запуска первых спутников среднего и высокого разрешений. В Российской Федерации подобные работы начинают проводиться с начала 2000-х годов, но их точность варьирует от данных, полученных со спутников высокого разрешения (небольшие участки) до тематических карт грубого разрешения (региональные и континентальные оценки). Спутниковые изображения среднего разрешения до настоящего времени также применялись в оценках фитомассы, но методами упрощенной классификации (дешифрированием) насаждений без разделения их по группам возраста, составу и относительным полнотам.
Актуальность проведенных исследований по совершенствованию методов мониторинга лесного фонда, а также оценки фитомассы лесного покрова и её изменений подтверждают следующие директивные документы: «Концепция устойчивого управления лесами РФ» (1998), «Руководство МГЭИК по эффективной практике...» (2003), «Лесной кодекс РФ» (2006), «Об утверждении стратегии развития лесного комплекса Российской Федерации на период до 2020 года» (2008), «План действий по реализации основ государственной политики в области экологического развития РФ на период до 2030 г.» (2012).
Работа выполнена в рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы ГК № 02.740.11.5202 Министерства образования и науки Российской Федерации «Региональная оценка методов картирования растительного покрова по спутниковым снимкам», ГК № 02.740.11.0838 «Разработка и реализация алгоритмов передачи, обработки и анализа данных дистанционного зондирования лесных покровов для автоматических расчетов фитомассы растительности и пулов углерода», соглашение № 14.В37.21.1245 «Дистанционный мониторинг и прогнозирование состояния лесных насаждений по спутниковым снимкам» и тематического плана министерства науки и образования РФ на 2012-2014 г. «Оценка, мониторинг и прогнозирование биологической продуктивности лесов по данным спутниковой съемки».
Цель исследования - оценка пространственно-временной динамики фитомассы на основе комплексной методики дешифрирования лесных насаждений Марийского Заволжья по спутниковым снимкам Landsat. Для достижения поставленной цели были решены следующие задачи:
разработать методику оценки фитомассы лесных насаждений на основе автоматизированной классификации спутниковых изображений;
провести полевые исследования с закладкой тестовых участков на исследуемой территории;
исследовать разделимость тематических страт (классов) лесных насаждений по основным лесотаксационным показателям на основе спектральных признаков;
создать тематическую карту площадей страт лесных насаждений с оценкой их пространственного распределения и временной динамики;
провести оценку накопления фитомассы, её пространственную и временную динамику;
подготовить предложения по использованию результатов исследований на производстве.
Объектом и предметом исследования явились лесные насаждения Марийского Заволжья общей площадью 1386,7 тыс. га. В диссертационной работе были использованы разновременные мультиспектральные спутниковые снимки среднего разрешения Landsat за 1988-2011 г.
Фактический материал и личный вклад автора. В основу диссертации положены личные результаты исследований автора, проведенных на базе центра устойчивого управления и дистанционного мониторинга лесов (ЦУДМЛ) ФГБОУ ВПО «Поволжский государственный технологический университет». Методологической базой данного исследования являются выполненные ранее исследования ЦУДМЛ в области разра-
ботки методик дешифрирования космических снимков и их классификации для оценки наземного покрова по спутниковым снимкам среднего разрешения.
В ходе исследования были заложены, подробно описаны и исследованы 75 полевых тестовых участков в различных лесничествах Марийского лесного Заволжья. Тестовые участки были заложены лично соискателем совместно с сотрудниками ЦУДМЛ, а также аспирантами и магистрантами факультета лесного хозяйства и экологии ФГБОУ ВПО «ПГТУ». Автор принимал непосредственное участие в постановке задач, составлении программы и методики исследований, сборе и обработке экспериментального материала, его анализе и обобщении, оценке точности тематического картирования, разделимости страт (классов) лесного покрова, подготовке выводов и рекомендаций производству.
Научная новизна работы. Впервые для Республики Марий Эл разработана и апробирована методика разделения спектральных характеристик страт лесного покрова по основным лесотаксационным показателям (состав, возраст, полнота) на основе данных Landsat. Проведена оценка пространственно-временной динамики площадей страт лесного покрова. Выявлена зависимость между основными лесотаксационными показателями лесных насаждений и их спектральными характеристиками. Впервые запасы фитомассы лесов Марийского Заволжья определены с использованием спутниковых снимков среднего разрешения.
Основные методы исследований: метод тестовых участков, методы геоинформационной, геопространственной и математической статистики; использовались также алгоритм линейного спектрального преобразования снимков методом Tasseled Сар («колпачок с кисточкой») и алгоритм управляемой классификации SVM (Support Vector Machine -метод опорных векторов).
Основные положения диссертации, выносимые на защиту:
-
Усовершенствованная методика оценки фитомассы лесных насаждений на основе автоматизированной классификации по спутниковым снимкам Landsat.
-
Закономерность разделимости тематических классов (страт) лесных насаждений на спутниковом изображении Landsat по спектральным характеристикам.
-
Пространственно-временная динамика распределения фитомассы в Марийском Заволжье.
Практическая значимость полученных результатов. Созданные тематические карты и ГИС-проект лесного покрова Марийского Заволжья и фитомассы могут быть использованы в качестве информационно-
го ресурса для квалифицированной поддержки принятия решений в вопросах стратегического планирования ведения лесного хозяйства и разработке лесных планов для региона исследований. Полученные данные представляют практический интерес для лесничеств, министерств лесного хозяйства, лесоустроительных предприятий при оценке и инвентаризации лесных территорий, а также при осуществлении углерододепо-нирующих проектов на территории Республики Марий Эл.
Практические и теоретические результаты диссертационной работы внедрены в производство и учебный процесс в ФГБОУ ВПО «ПГТУ».
Апробация работы. Основные положения диссертации представлены и обсуждены на российских и международных конференциях:
NASA и GOFC-GOLD/NEESPI «Влияние аномальной погоды на природные, социально-экономические и искусственные системы: засуха 2010 г. в Поволжье России» (Йошкар-Ола, Поволжский государственный технологический университет, 2012 г.);
V Международная конференция «Космическая съёмка - на пике высоких технологий» (Москва, Совзонд, 2011 г.);
Научному прогрессу - творчество молодых: международная молодежная научная конференция по естественнонаучным и техническим дисциплинам (Йошкар-Ола, Поволжский государственный технологический университет, 2010-2012 г.);
«Лесные экосистемы в условиях изменения климата: биологическая продуктивность, мониторинг и адаптационные технологии»: международная конференция с элементами научной школы для молодежи (Йошкар-Ола, Поволжский государственный технологический университет, 2010 г.);
«Международное сотрудничество в лесном секторе: баланс образования, науки и производства» (Йошкар-Ола, Поволжский государственный технологический университет, 2009 г.).
Достоверность и обоснованность выводов научных положений диссертации базируется на обширном экспериментальном материале тестовых участков, включающих полное лесотаксационное описание и репрезентативно представляющих объект исследования; использовании современных геоинформационных и статистических методов обработки спутниковых данных, применении комплексного подхода к решению поставленных научных задач.
Объем работы. Диссертация состоит из введения, 6 глав, заключения и списка литературы. Она изложена на 156 страницах, включает 55 рисунков, 19 таблиц, 170 наименований использованных источников, в том числе 92 - зарубежных.
Оценка фитомассы лесов
Одной из главных методических составляющих фундаментальных исследований биосферной роли лесов в глобальных углеродных циклах является оценка их биологической продуктивности. Подобные оценки направлены на получение биофизических показателей, необходимых в качестве входных параметров при моделировании процессов энерго- и массообмена в системе лес-атмосфера. При исследовании лесных насаждений под биологической продуктивностью в первую очередь понимают оценку их фитомассы, выраженную в тоннах абсолютно сухого вещества на 1 га (Курбанов, 2002; Усольцев, 2007).
Известно, что некоторые компоненты первичной продуктивности лесных насаждений, в частности, тонкие корни деревьев или подземная часть нижних ярусов растительности не могут быть учтены (Швиденко и др., 2007). Поэтому оценка надземной фитомассы на сегодняшний день представляет собой наиболее надежно определяемый показатель, который с высокой степенью точности моделируется методами математического анализа на основе данных полевых исследований (Курбанов и др., 2010; Габделхаков и др., 2010).
Вопросы количественной оценки фитомассы древостоев, а также отдельных её фракций (листва, ветви, ствол и корни) активно обсуждаются с середины прошлого столетия. В шестидесятые годы XX века изучение фитомассы и годичной продукции лесов было стимулировано Международной биологической программой, в ходе реализации которой получили существенное развитие различные подходы к оценке фитомассы (Курбанов, 2007).
Метод среднего дерева был одним из первых методов, применяемых для определения фитомассы на пробных площадях, который какое-то время признавался как наиболее совершенным. Позднее, анализируя целый ряд исследований, М.Г. Семечкина (1978) приходит к выводу, что наиболее надёжным методом определения фитомассы является метод отбора модельных деревьев по ступеням толщины. Дальнейшие исследования (Уткин и др., 1981; Усольцев, 1985) показали, что увеличение числа моделей свыше 10 при данном методе не приводит к возрастанию точности. На сегодняшний день наиболее используемым методом в этой области исследований является применение простых или сложных эмпирических зависимостей между таксационными показателями и надземной фитомас-сой насаждения с последующим созданием на их основе таблиц биопродуктивности (Курбанов, 2002; Уткин и др., 1999; Габделхаков, 1997; Габделхаков, Арсланов, 2009; Демаков и др., 2008).
Первые оценки фитомассы (углерода) в лесах России достигали значений 41,2 ГтС (Исаев и др., 1993) и 42,1 ГтС (Krankina et al., 1996). Оценки последних лет, которые основываются на более углубленном анализе проблемы, дают достаточно совпадающие результаты - 32-35 Гт С и не различаются больше, чем на ± 10 % (Исаев, Коровин, 1999; Zamolodchikov et al., 2005; Швиденко и др., 2007). При этом общие выводы сводятся к следующему: менее трети (28,6 %) фитомассы содержится в лесах Европейской части; обращает на себя внимание высокая доля фитомассы корней деревьев - около 40 % от массы стволов; почти три четверти (72,2 %) фитомассы сосредоточено в хвойных лесах, 21 % в мягколиственных и 3,8 % (Кудеяров и др., 2007).
Современный этап развития методов оценки фитомассы в лесах, помимо регрессионного, выделяет еще три базовых подхода: картографический, дистанционный и модельный (Замолодчиков, 2011). Картографические, как и регрессионные, подходы расчетов фитомассы чаще всего используют схему расчета по балансу приростов и потерь. Дистанционные подходы осуществляются при помощи оптических и радарных данных, а модельные ориентированы на рассмотрение детальной схемы углеродного цикла с последующим включением оценки потерь углерода при нарушениях лесного покрова (Исаев и др., 1993; Zheng et al., 2004; Lefsky et al., 2005; Waring et al., 2006; Wulder et al., 2008).
Всемирным центром мониторинга окружающей среды программы ООН по окружающей среде (англ. United Nations Environment Programme s, World Conservation Monitoring Centre, UNEP-WCMC) разработана всемирная база данных «Углерод и биоразнообразие: демонстрационный атлас» (англ. Carbon and biodiversity: a demonstration atlas) путем объединения сведений из национальных отчетов оценок углерода в связи с изменениями в землепользовании и лесном хозяйстве для продовольственной и сельскохозяйственной организации (англ. Food and Agriculture Organization, FAO) (рис. 1.1). Есть предположение о том, что в течение последних десятилетий леса планеты выступали скорее источником углерода в связи с их сведением в тропиках (Kapos et al., 2008).
В последние годы у исследователей находит большое применение пространственный анализ (Курбанов, Воробьев, 2008; Baddeley, Turner, 2005; Fox et al., 2008), при котором ландшафтно-экосистемный подход рассматривается как наиболее приемлемый методологический базис при оценках фитомассы (углерода) лесов.
Базу данных фитомассы лесов Северной Евразии разработал коллектив ученых из Уральского государственного лесотехнического унивеситета во главе с проф. В.А. Усольцевым (Усольцев 1997, 2002, 2007, 2010; Усольцев и др., 2008). За время исследований ими разработаны инвариантные (стабильные, всеобщие) соотношения между дендрометрическими и биопродукционными показателями деревьев с дальнейшей стыковкой таблиц биопродуктивности с таблицами хода роста. Авторы собрали огромный материал, который содержит информацию в виде банка данных о запасах фитомассы и первичной продуктивности лесов Северной Евразии (рис. 1.2).
Большой вклад в оценку фитомассы лесов Поволжья внес коллектив исследователей во главе с проф. Э.А. Курбановым (2002, 2003, 2008, 2010). В частности, проведена оценка фитомассы сосновых насаждений Волго-Вятского района, по результатам которой, разработаны модели по оценке углеродных потоков в лесных экосистемах, учитывающие фитомассу насаждения, древесный детрит, углерод почв и древесных продуктов после вырубки насаждения. При этом были использованы полиномы 2 степени, степенные и логарифмические функции, а все регрессионные уравнения построены дифференцировано по классам бонитета (Курбанов, 2002). Данные свидетельствуют о том, что в течение роста соснового насаждения наибольшие запасы углерода не стволовой биомассы накапливают корни и древесный детрит (рис. 1.3).
Интересные результаты по фитомассе лесов России получены группой исследователей Международного института прикладного системного анализа (Австрия) - International Institute for Applied Systems Analysis (IIASA) совместно с Институтом леса СО РАН (Швиденко и др., 2007). В работе использовались данные по лесным предприятиям (общим числом около 2000 по стране), базы данных полевых измерений фитомассы на пробных площадях и нелинейные множественные регрессионные уравнения для перехода от таксационных показателей древо-стоев, приводимые в данных Государственного учета лесного фонда (ГУЛФ), к массе фракций фитомассы. Современные работы этого научного коллектива как на региональном, так и на национальном уровне (рис. 1.4) выполнены с использованием системы оценки, получившей название «Интегральная земельная информационная система» (ИЗИС), которую основана на системе моделей, сочетающих конверсионный и картографический подходы.
Характеристика спутниковых данных
Усовершенствованный тематический картограф плюс (Enhanced Thematic Mapper Plus, ETM+), установленный на спутнике Landsat, обеспечивает съемку земной поверхности в четырех режимах: Visible and Near Infrared - мультиспектральный видимый и ближний инфракрасный диапазон (VNIR), Shortwave Infrared - средний инфракрасный диапазон (SWIR), panchromatic - панхроматический диапазон (PAN), thermal infrared - тепловой инфракрасный диапазон (TIR). Для работы нами использовались видимый и инфракрасный каналы этого радиометра (табл. 4.1).
Для работы по созданию бесшовной мозаики исследуемой территории были подобраны снимки Landsat 7 ЕТМ+, сделанные за летний вегетационный сезон 2001 г., на следующие участки WRS-2 (Worldwide Reference System) Path/Row (колонка/ряд): 174/20, 172/20-21, 171/20-21 (рис. 4.3). Кроме того, для оценки динамики лесного покрова и фитомассы насаждений была подобрана разновременная серия снимков системы спутников Landsat с 1988 по 2011 гг. (табл. 4.2) на территорию Марийского Заволжья. Рисунок 4.3 - Бесшовная мозаика снимков Landsat 7 ЕТМ+ за летний период 2001 года (естественные цвета)
Все спутниковые изображения прошли предварительную процедуру выравнивания и трансформаций - обработку, которая включает в себя удаление так называемых «шумов»: ряд случайных, несистематических искажений, связанных с влиянием атмосферы, кривизны поверхности Земли и движением съемочного аппарата относительно её поверхности. Выравнивание снимков позволяет добиться того, чтобы один и тот же наземный объект (например, хвойный или лиственный лес) на разных снимках будет дешифрироваться в одном диапазоне спектральных характеристик.
Используемые в диссертации данные спутников Landsat являются стандартным продуктом USGS, полученные в системе генерирования 1-го уровня с использованием (Level 1 Product Generation System). По уровню ортотрансформиро-вания , собранные данные соответствует уровню IT - высокого первичного уров-ня обработки, включающие геометрическую (по данным SRTM и GTOPO 30 ) и
Ортотрансформирование изображения - математически строгое преобразование исходного изображения в ортогональную проекцию и устранение искажений, вызванных рельефом, условиями съемки и типом камеры.
Радарная топографическая съемка (Shuttle Radar Topographic Mission, SRTM) - съемка большей части территории земного шара, за исключением самых северных ( 60) и самых южных широт ( 54), а также океанов, произведённая NASA за 11 дней в феврале 2000 г. с помощью двух радиолокационных сенсоров - SIR-C и X-SAR. С 2011 г. имеется доступ к SRTM-4, что даёт возможность интерполяции поверхности со стороной пикселя 90 м (3 угловых секунды).
GTOPO 30 (Global Topographic) - глобальная цифровая модель рельефа в формате DEM с разрешением 30 угловых секунд (возможность интерполяции поверхности со стороной пикселя около 1 км). радиометрическую точность, геопривязанныи по наземным опорным точкам. Для атмосферной и радиометрической коррекций снимков Landsat в работе использовались значения калибровочных коэффициентов и констант, распространяемые вместе со снимками в файле с метаданными.
Для создания тематической карты распределения лесных насаждений в качестве основного был выбран снимок Landsat LE71720212001130SGS00 от 10 мая 2001 г., охватывающий наибольшую часть района исследований. Все остальные сцены были выделены по полигональным маскам в рамках границ области Марийского Заволжья (рис. 4.4, табл. 4.3), что позволило в дальнейшем существенным образом сократить объем исходных данных и время на их обработку.
Оценка разделимости классов лесного покрова
В диссертационной работе перед процессом классификации проведён предварительный анализ разделимости на спутниковом снимке лесных насаждений по лесотаксационным показателям (преобладающая порода, состав насаждения, возраст и полнота) по их спектральным характеристикам, полученным по различным спектральным преобразованиям (условно - индексам). Ряд зарубежных и отечественных исследователей достаточно успешно использовали коэффициент линейной корреляции при оценке спектральных характеристик лесных насаждений в качестве критерия, определяющего наиболее информативные индексы (Lu et al., 2004; Терехин, 2010). Наши исследования также показали, что спектральные преобразования повышают коэффициенты линейной корреляции индексов с таксационными характеристиками лесного насаждения.
Оценка разделимости показала, что наиболее информативными при выделении насаждений с различными таксационными показателями оказались индексы преобразования Tasseled Сар «яркость» и «зеленость». Результаты регрессионного анализа показали их значительные коэффициенты детерминации (R ) для различных страт лесного покрова: минимальный коэффициент детерминации составляет 0,47 для страты «смешанные средневозрастные среднеполнотные», максимальный - 0,72 для страты «хвойные спелые высокополнотные». При этом индекс преобразования «яркость» показал самую высокую корреляцию со стратами различных насаждений. Другие спектральные преобразования (NDVI, SR, RVI) показали слабую корреляцию с изучаемыми стратами лесного покрова (рис. 5.5) и, поэтому не были использованы в дальнейшей работе.
Также было установлено, что спектральные показатели хвойных и лиственных насаждений имеют существенные различия в пространстве признаков индексов преобразования Tasseled Сар. В страте «хвойные насаждения» наблюдается сходство средних значений индекса «яркость» преобразования Tasseled Сар по сосне и ели, а внутри группы лиственных насаждений - берёзы, осины и липы (рис. 5.6).
На рисунке 5.6 представлена диаграмма, в которой, в качестве примера разделимости лесных пород по спектральным показателям принят индекс Tasseled Сар «яркость» (TCBRIGHTNESS)- ИЗ рисунка 5.6 видно, что около 95 % наблюдений по индексу «яркость» в классе «сосна» и «ель» принадлежат к диапазону, отличному от значений, в который попадают примерно 95 % наблюдений индексов «яркость» в классе лиственных пород - «берёза», «осина» и «липа». Смешанные насаждения также хорошо выделяются на этом графике значений индексов Tasseled Сар «яркость».
Оценка по составу насаждения показала достоверное отличие (разделимость) хвойных пород от лиственных и смешанных при коэффициенте состава 7 и более единиц. Отличие лиственных пород от хвойных и смешанных насаждений наблюдалось при коэффициенте состава 8 и более единиц. Таким образом, смешанные насаждения в диссертационной работе представлены хвойно-лиственными насаждениями составом от 5 до 6 единиц хвойных пород и от 5 до 7 единиц лиственных пород. Оценка влияния возраста насаждений на их индексы Tasseled Сар показала, что детальное разделение древостоев на спутниковых снимках Landsat по группам возраста, принятым в лесной таксации и лесоустройстве, не представляется возможным. Поэтому в диссертации при классификации лесного покрова на спутниковых снимках Landsat принято следующее деление по группам возраста: молодняки, средневозрастные и приспевающие, спелые и перестойные. При этом выделение страты «молодняк хвойных и лиственных насаждений» в пространстве признаков Tasseled Сар выраженно не однозначно: молодняки 2-й группы возраста имеют сходные спектральные значения со стратой средневозрастных и приспевающих насаждений. По индексам Tasseled Сар и по относительным полнотам классы лесного покрова формируются в три группы: 0,3-0,4 -низкополнотные; 0,5-0,7 - среднеполнотные; 0,8-0,9 - высокополнотные. Результаты оценки спектральной разделимости различных лесных насаждений по составу, возрасту и полнотам в пространстве признаков Tasseled Сар в виде диаграмм размаха (box-whisker plots «ящики с усами») приведены в приложении 1.
Таким образом, оценка разделимости страт позволила распределить все элементы растрового изображения BGW (с вероятностью 95 %) на конечное число страт лесного покрова в соответствии с их различными значениями индексов Tasseled Сар в пространстве признаков (рис. 5.7), среднестатистические показатели которых приведены в таблице 5.3. Как видно из рис. 5.7 и табл. 5.3 наибольшее влияние на разделимость классов (страт) лесного покрова имеют индексы «яркость» и «зеленость» преобразования Tasseled Сар. Индекс «Влажность» не показал приемлемую степень связи и был исключен из дальнейшей работы. Полученные пороговые значения (табл. 5.3) индексов для исследуемых классов лесного покрова были использованы для разделимости классов после проведения процедуры классификации спутниковых снимков Landsat, что позволило повысить точность тематического картирования. Высокую разделимость показали средневозрастные и высокополнотные классы (страты) хвойных, лиственных и смешанных пород. Более высокую ошибку пороговых значений индексов Tasseled Сар демонстрируют низкополнотные средневозрастные и молодые насаждения. Различные классы лесного покрова даже визуально хорошо выделяются в двухмерном пространстве признаков значений индексов (рис. 5.7).
Геостатистический анализ распределения лесного покрова
Результаты предыдущих разделов наглядно показали (см. рис. 5.7), что лесной покров территории исследования состоит из различных классов, определенным образом размещенных в пространстве. В диссертационной работе для пространственной оценки распределения страт лесного покрова в комплексном пакете ArcGIS применялся обычный кригинг (англ. Ordinary kriging). В качестве нулевой гипотезы обычно принимается предположение о полностью случайном размещении точек в изучаемой области. Для удобства обработки данных полигональные векторные слои классов лесного покрова были преобразованы в точечные. Мерой точечного распределения служит плотность. Она определяется как результат деления числа точек на значение площади территории, на которой они расположены. Анализ распределения полигонов подобен анализу распределения точек, однако при оценке плотности определяют не количество полигонов на единицу площади, а относительную долю площади, занимаемой полигоном.
Результаты анализа нормальности распределения данных показали, что график очень близок к прямой линии (рис. 6.5). Главные отклонения от этой линий приходятся на начало и конец графика, что связанно с наличием меньших и больших значений площадей класса по сравнению со средними значениями.
Анализ тренда не выявил никакого доминирующего процесса в наших данных, который оказывал бы определяющее влияние на все измерения. Это связано с тем, что лесные страты, преимущественно, располагаются равномерно по территории исследования. Направляющая составляющая пространственной корреляции исследуемых данных при интерполяции поверхности была учтена на вариограмме в виде анизотропии (рис. 6.6). Использование инструмента анизотропии позволило привести эмпирические значения к минимальным отклонениям от кривой. Согласно анизотропии различия между объектами классов быстрее нарастают в направлении с севера-запада на юго-восток.
При моделировании вариограмм были использованы сферическая и круговая модели, которые показывают постепенное уменьшение пространственной автокорреляции (соответственно, увеличение дисперсии) до некоторого расстояния, за пределами которого автокорреляция равна нулю.
Использование сферической и круговой моделей и учёт анизотропии в пространственной структуре данных привели к уменьшению ошибки оценки, о чём свидетельствуют результаты «перекрестной проверки». Графики квантиль-квантиль для всех классов в работе имеют очень сходное строение (рис. 6.7), на которых большинство наблюдаемых значений попадают на линию регрессии.
Как было сказано в методике, важными характеристиками построения ва-риограмм являются среднее значение и его среднеквадратичное отклонение. Из рисунка 6.7 видно, что значение средней стандартной ошибки полученной модели, на основе которых строятся карты поверхности интерполированных значений страт, составляет 0,001, а значение среднеквадратичной нормированной - 1,1. Подобные значения были получены для всех классов лесного покрова, анализируемых в данной работе. Таким образом, были подобраны оптимальные модели ва-риограмм: найдены функции, имеющие устойчивое решение и доставляющие минимум ошибки по отношению к наблюдаемым данным - площадям страт лесного покрова Марийского Заволжья.
По результатам пространственного моделирования с помощью ГИС модуля Geostatistical Analyst были получены карты поверхности вариограмм интерполированных значений распределения страт по площади территории исследования (прил. 2). На рисунке 6.8 представлен пример построенной поверхности интерполированных значений страты «хвойные средневозрастные / приспевающие сред-неполнотные» в 2001 г., на которой хорошо видна ее пространственная автокорреляция в южной и западной частях территории исследования. Легенда построенной поверхности представляет из себя рассчитанные геостатистические средние величины, автокоррелированные (агрегированные) в пространстве территории исследования с учетом веса качественно однородных и количественно отличающихся величин (площади страт в данном примере). Заметно, что распределение анизотропно (неравномерно изменяется) по направлению северо-запад-юго-восток. Остальные карты поверхности вариограмм пространственной автокорреляции страт лесного покрова приведены в приложении 2.
Таким образом, кригинг позволил провести обобщение данных тематического картирования, а также визуализировать эти данные на новом уровне. Анализируя геопространственную структуру выделенных страт лесного покрова, можно сделать вывод о геопространственном размещении страт хвойных, лиственных и смешанных насаждений. Значительных пространственных различий по полнотам и возрастам не наблюдается и их пространственная локальная неоднородность на фоне всей исследуемой территории не значительно сказывается на балансе фитомассы.
В западной части Марийского Заволжья с относительно равномерным распределением наблюдается высокая пространственная автокорреляция страт «хвойные спелые/перестойные и средневозрастные/приспевающие высокопол-нотные» (см. прил. 2). Также отдельными кластерами на западе представлены лиственные среднеполнотные насаждения, которые имеют наибольшую пространственную неоднородность на территории исследования (отдельные кластеры наблюдаются и в восточной части). Для южной части Марийского Заволжья характерна автокорреляция страт «хвойные спелые/перестойные и средневозрастные/приспевающие среднеполнотные». Страта «лиственные спелые/перестойные высокополнотные» имеет наибольшую плотность автокорреляции в северной и северо-восточной части Марийского Заволжья. Отдельные кластеры автокорреляции спелых и перестойных среднеполнотных хвойных насаждений вновь представлены в пределах северо-востока территории (см. прил. 2). Карты поверхности интерполированных значений страт «молодняки хвойных и лиственных насаждений» и смешанных насаждений показывают высокую пространственную автокорреляцию практически по всей территории. При этом максимальная концентрация по страте смешанные средневозрастные/приспевающие высокополнотные» наблюдается на северо-западе, а по страте «молодняки хвойных и лиственных насаждений» - в центральной части Марийского Заволжья (см. прил. 2). Смешанные высокополнотные насаждения представлены с меньшей плотностью автокорреляции в разрезе территории по сравнению со среднеполнотными.
Выявленная структура пространственной автокорреляции страт лесных насаждений на территории Марийского Заволжья соответствует исторически сложившемуся распространению основных растительных сообществ лесообразу-ющих видов, встречающихся на территории исследования. Например, мелколиственные леса (берёза, осина) на территории республики в основном антропогенного происхождения с характерной мозаично-пятнистой структурой, а сосновые леса образуют сплошные массивы (Прокопьева, 2009).
Полученные карты поверхности интерполяции значений площадей страт лесных насаждений Марийского Заволжья наглядно отражают пространственное варьирование плотности автокорреляции площадей картируемых страт на 2001 г.
Структура пространственной автокорреляции страт лесных насаждений также соответствует их расположению в лесничествах РМЭ. Например, в Сернур-ском лесничестве на 2001 г. преобладали средневозрастные насаждения хвойных пород (в частности еловые леса с примесью пихты) с полнотой 0,6-0,8, а лиственные насаждения составляли только около 17 % территории. Согласно нашим результатам по картам поверхностей в пределах северо-востока территории в 2001 г. максимально представлена страта «хвойные средневозрастные/приспевающие высокополнотные» (рис. 6.9), а лиственные насаждения, на построенных картах поверхности интерполированных значений площадей лиственных насаждений, не агрегированы на территории Сернурского лесничества.
