Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Двадцатая международная конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

Участие в конкурсе молодых ученых Участие в Школе молодых 

XX.F.329

Изучение динамики изменения вегетационных и гаревых индексов для луговых пожаров на территории ООПТ в Западной Сибири

Тихонов Д.Н. (1), Карпачевский А.М. (1), Королева Т.В. (1)
(1) МГУ имени М.В. Ломоносова Географический факультет, Москва, Россия
Проблема исследования луговых пожаров с использование данных дистанционного зондирования освещена намного меньше, чем исследование лесных пожаров. Это связано с более быстрым восстановлением луговых сообществ. Цель данной работы – изучение возможностей автоматического дешифрирования луговых пожаров на территории ООПТ, сравнение значений вегетационных и гаревых индексов на разных стадиях пирогенной сукцесии.
Был использован сервис Google Earth Engine (далее - GEE) и следующие материалы:
• FireCCI51: MODIS Fire_cci Burned Area Pixel Product, Version 5.1 (далее – FireCCI) – растр с разрешением 250 метров, построенный на основе отражения Земли в ближнего инфракрасном канале съемочной системы MODIS, установленной на спутники Terra и Aqua;
• WDPA: World Database on Protected Areas (polygons) (далее – WDPA) – векторные данные с полигонами ООПТ;
• USGS Landsat 8 Level 2, Collection 2, Tier 1 – коллекция снимков Landsat 8 – OLI;
• Sentinel-2 MSI: MultiSpectral Instrument, Level-1C – коллекция снимков Sentinel 2 – MSI.
На основе этих данных в GEE был написан скрипт, который находит границы пожаров в исследуемом регионе в границах ООПТ путем пересечения растра FireCCI и векторных данных WDPA, определяет примерную дату пожара, строит растр гаревого индекса (NBR2) на основе ближайшего по времени послепожарного снимка Landsat 8, строит растр NBR2 на основе снимка Landsat 8, сделанного на год позже пожара, после чего рассчитывается разностный индекс dNBR2. В работе использовался индекс NBR2, у него меньше сезонных отклонений, чем у NBR (Storey et al., 2016), а также он менее чувствителен к выпадающим осадкам (Gibson et al., 2022).
Далее на примере крупного лугового пожара в мае 2018 года в Санарском заказнике в Челябинской области проводился анализ изменения вегетационных и гаревых индексов. Пожар произошёл на территории заказника в первой половине мая и затронул площадь 34 тыс. га. Было создано 12 равных по площади (12,25 га) тестовых полигонов, имеющих на снимке до пожара схожие спектральные характеристики, 6 полигонов – на горевшей территории, 6 – на незатронутой пожаром. На территорию заказника были подобраны безоблачные коллекции снимков Sentinel 2 и Landsat 8 на 2018 и 2019 год, для них были рассчитаны средние значения индексов на тестовых полигонах, были рассчитаны средние значения для горевших и негоревших территорий. NDVI горевших территорий по снимку, сделанному в конце пожара, был на 0,22 ниже NDVI негоревших территорий. На летних снимках через 2-3 месяца NDVI на горевших территориях был на 0,11-0,15 выше.
Работы выполнены в рамках проекта РНФ № 22-27-00329

Ключевые слова: луговые пожары, спутниковые данные, ДЗЗ, пирогенная сукцессия, ООПТ, гаревые индексы, вегетационные индексы
Литература:
  1. Gibson, R. K., White, L. A., Hislop, S., Nolan, R. H., & Dorrough, J. The post-fire stability index; a new approach to monitoring post-fire recovery by satellite imagery //Remote Sensing of Environment. – 2022. – Т. 280. – С. 113151.
  2. Storey E. A., Stow D. A., O'Leary J. F. Assessing postfire recovery of chamise chaparral using multi-temporal spectral vegetation index trajectories derived from Landsat imagery //Remote Sensing of Environment. – 2016. – Т. 183. – С. 53-64.

Видео доклада

Дистанционное зондирование растительных и почвенных покровов

342