Анализ естественного постпирогенного лесовозобновления в Центральной Якутии по высокодетальным данным ДЗЗ

Республика Саха (Якутия) обладает наибольшей площадью лесного покрова среди всех субъектов Российской Федерации, на ее территории наблюдается высокая частота лесных пожаров. Центральная Якутия — наиболее населенная часть Якутии, пожары в которой представляют большую опасность для населения. Территории, подвергшиеся воздействию пожаров, различаются по степени и времени воздействия огня. Успешность естественного лесовосстановления, проходящего на таких территориях, зависит от мер, применяемых к лесным участкам, в которые в том числе входят сплошные санитарные рубки. Известны случаи, когда под видом санитарных рубок проходила заготовка здорового леса, площади которого были пройдены огнём.
Существует проблема индикации степени воздействия пожаров спутниковыми системами мониторинга в виду их низкой точности и пространственного разрешения, а также полевыми методами таксации лесов из-за высоких затрат и экстраполяции данных. Предполагается, что высота древостоя и разница высот являются показателями, по которому можно судить о степени воздействия пожаров и скорости лесовосстановления. Анализ таких глобальных данных, как Global Forest Change (Hansen et al., 2013) для территории Центральной Якутии выявил такие проблемы, как перекрытие данных о периодическом воздействии пожаров и низкое пространственное разрешение. Для получения высот древостоя был выбран метод съемки с беспилотных летательных аппаратов (БПЛА) с применением фотограмметрических алгоритмов для построения облаков точек. Данный метод обладает высокой точностью и меньшими затратами на съемки (Медведев и др., 2017).
Для выбора ключевых участков на территории Центральной Якутии учитывалось наличие на ключевом участке сразу нескольких прохождений пожаров в разные года, соответствие лесов типичным для Центральной Якутии (светлохвойная тайга из лиственницы даурской с незначительным участием сосны), транспортная доступность. Было выбрано два ключевых участка: “Вилюй” в 50 км от города Якутска по Вилюйскому шоссе и “Суола” в 4 км от с. Суола Мегино-Кангаласского улуса.
Съемка была проведена в августе 2021 года с использованием БПЛА модели Phantom 4 Pro v2.0, также была проведена съемка в мае 2022 года в условиях неполного таяния снежного покрова, позволяющих детектировать отдельные деревья под плотным пологом в летнее время.
Полученные снимки обрабатывались в программном обеспечении Agisoft Metashape Professional. На территорию ключевого участка “Вилюй” было предоставлено фотограмметрическое облако точек съемки 2019 года, которое использовалось как опорное облако точек для привязки к нему снимков 2021 года с использованием естественных (природных) опорных точек для корегистрации полученных трехмерных моделей леса к данным 2019 года, без создания опорной геодезической сети и наземных контрольных точек. Облака точек были классифицированы по высотным классам, определение которых было осуществлено через анализ распределения высот точек в наборах данных, а также методами автоматической классификации с использованием скриптов в программном обеспечении Global Mapper.
По полученным классифицированным плотным облакам точек для территории ключевых участков предложена типология лесов по категориям воздействия пожаров: сохранившийся лес; лес, площадь которых пройдена огнем без полного повреждения насаждений; лес, поврежденный низовыми пожарами до степени прекращения роста. Данные категории выделены на основе визуального преобладания того или иного высотного класса (для каждого из ключевых участков, имеющих различия в структуре древостоя и прохождения пожаров, определены паттерны облаков точек в плане и в перспективе) и пространственного распределения растительности.
На основе данных о ходе роста лиственницы даурской после пирогенного воздействия и ходе роста молодняка лиственницы даурской на территорию Центральной Якутии (Тимофеев, 1994; Лыткина, 2006) были составлены формулы линейной зависимости, которые использовались для перерасчета высотных классов во временную характеристику прохождения пожаров. Полученные данные были сравнены с глобальными наборами данных о времени прохождения пожаров Global Forest Change (Hansen et al., 2013). По сравнению с данными прямой индикации времени прохождения пожаров, данные, пересчитанные по формулам линейной зависимости имеют больший (до 53 лет) временной охват.
Для непосредственного определения значения скорости лесовосстановления предложено уменьшение перекрытия между блоками автоматизированной съемки для создания бесшовных облаков точек, создание равномерной опорной геодезической сети, дальнейшего расширения временного охвата минимально до 3 лет. Для развития типологии лесов по категориям воздействия пожаров предложено создание дополнительных ключевых участков с разнообразными сценариями прохождения пожаров для развития типологии лесов по категориям воздействия пожаров.