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)

Двадцать первая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"

Участие в конкурсе молодых ученых 

XXI.F.408

Анализ спектральных дешифровочных признаков лесообразующих пород на основе значений вегетационного индекса NDVI

Шестаков Н.А (1), Топаз А.А. (1)
(1) Факультет географии и геоинформатики БГУ, Минск, Республика Беларусь
Для изучения и картографирования растительных покровов по многоспектральным изображениям широко применяются различные вегетационные спектральные индексы (ВИ) – относительные показатели, получаемые в результате комбинации информации о спектральной отражательной способности растительности из нескольких спектральных каналов, задаваемой по математической формуле [1, 2]. Наиболее широкое практическое применение среди ВИ получил нормализованный разностный вегетационный индекс NDVI (Normalized Difference Vegetation Index) [3–6].
В качестве объекта исследования для изучения возможностей применения индекса NDVI в процессе дешифрирования лесной растительности по разносезонным (14.02.2022–30.10.2022 гг.) мультиспектральным спутниковым снимкам Sentinel-2, Landsat-8/9 был выбран лесной покров территории ландшафтного заказника «Озёры» (Гродненская область, Республика Беларусь). Исследование проводилось на базе 5 тестовых участков, включавших насаждения 6 лесообразующих пород: сосна, ель, берёза, ольха чёрная, осина, дуб. Предварительная и тематическая обработка данных ДЗЗ (15 снимков Sentinel-2A, 9 снимков Sentinel-2B, 11 снимков Landsat-8, 3 снимка Landsat-9), включая расчёт значений NDVI, осуществлялась в программном комплексе ENVI 5.6.
На основе рассчитанных в ENVI 5.6 индексных изображений был выполнен анализ значений NDVI по 3-м направлениям: анализ спектральных дешифровочных признаков типов поверхности, типов леса и лесообразующих пород.
1. При анализе значений NDVI типов поверхности наблюдаются: самые низкие отрицательные значения индекса для водных объектов (от -0,10 до -0,30), а также для переувлажнённых и заболоченных почв (от -0,15 до -0,20); низкие отрицательные значения индекса (0,20–0,35) для открытой почвы и грунтовых дорог; низкие положительные значения индекса для снега, льда в зимнее время (0,00–0,10), а также для облаков и затенённых участков (0,10–0,20); средние положительные значения индекса (0,40–0,50) для сухой или разреженной травянистой растительности; высокие положительные значения индекса (0,50–0,70) для хвойной лесной, а также густой травянистой растительности; самые высокие положительные значения индекса (0,70–1,00) для лиственной лесной и активно вегетирующей травянистой растительности.
2. На основе анализа индексных значений во II декаде июня отмечается достаточно высокая разделимость хвойных и лиственных пород. При этом по значениям индекса различаются сосновые и еловые насаждения – в раннелетний период самыми низкими значениями NDVI среди 6 исследуемых пород характеризуется сосна. В то же время для лиственных пород (берёза, ольха чёрная, осина, дуб) средние значения NDVI характеризуются низким уровнем спектральной разделимости, что говорит о малой информативности индекса для дешифрирования лиственных пород в данный период и необходимости включения в анализ иных факторов (косвенных дешифровочных признаков) или применения более «чувствительных» вегетационных индексов.
3. При анализе сезонных изменений значений NDVI по 6 лесообразующим породам были выявлены следующие закономерности: низкие значения (0,20–0,40) в феврале и первой половине марта; минимум значений (0,17–0,27) в конце марта и в апреле; рост значений индекса в мае (до 0,40–0,60); максимум значений в июне и первой декаде июля (0,70–0,90); высокие значения (0,70–0,80 и выше) на протяжении всего летнего периода; снижение значений индекса в сентябре и резкий спад (до 0,57–0,63) в октябре для лиственных пород. Фиксируемый минимум значений индекса в конце марта и апреле объясняется активной вегетацией травянистой растительности, на фоне которой хвойные и не покрытые густой листвой лиственные породы выделяются более низкими значениями NDVI.
Для хвойных пород значения индекса с февраля по апрель превышают индексные значения лиственных пород (по причине отсутствия листвы на кронах деревьев); начиная со второй половины мая индексные значения лиственных пород превышают значения хвойных (появление и активное развитие лиственной массы); в июне наблюдается пик значений индекса (0,77–0,85), постепенно убывающий в июле, августе и сентябре. При этом с февраля по май, а также в ноябре спектральная кривая индекса для ели располагается ниже, чем для сосны. В целом, амплитуда сезонной динамики значений индекса для сосны составляет 0,55, для ели – 0,64.
Для лиственных пород фиксируются более низкие значения индекса в зимний и весенний период (0,20–0,30); максимальные – в июне (0,87–0,90). Уровень разделимости, в целом, ниже, в сравнении с хвойными породами, однако в летний и осенний периоды индекс характеризуется большей информативностью. Так, среди лиственных пород в летний и осенний период наиболее низкие значения NDVI отмечаются у берёзы, наиболее высокие – для ольхи чёрной. Большие затруднения в разделении значений индекса возникают при сравнении спектральных кривых осины и дуба. В связи с этим для дешифрирования лиственных пород на основе значений NDVI необходимо использовать разновременные снимки, отражающие различия во времени наступления фазы пожелтения листвы и её полного опадения.
Таким образом, стоит отметить, что применение вегетационного индекса NDVI достаточно эффективно при дешифрировании лесных земель, выделении типов леса и лесообразующих пород, характеризующихся высоким уровнем спектральной разделимости (сосна, ель, берёза, ольха чёрная), при анализе сезонных изменений состояния лесного покрова. Для повышения эффективности дешифрирования породного состава насаждений на основе расчёта индекса NDVI необходимо учитывать дополнительные (косвенные, индикационные) признаки, такие как возраст насаждений, рельеф местности, почвенный покров, гидрологические и геологические условия местности.

Ключевые слова: дешифрирование лесной растительности, дешифровочные признаки, NDVI, данные ДЗЗ, спутниковые снимки, Sentinel-2, Landsat-8, Landsat-9.
Литература:
  1. Шихов А.Н., Герасимов А.П., Пономарчук А.И., Перминова Е.С. Тематическое дешифрирование и интерпретация космических снимков среднего и высокого пространственного разрешения : учебное пособие – Пермь : ПГНИУ, 2020. – 191 с.
  2. Топаз, А.А. Методы дистанционных исследований : электронный учебно-методический комплекс для специальностей: 1-31 02 01 «География (по направлениям)», 1-31 02 03 «Космоаэрокартография», 1-33 01 02 «Геоэкология», 1-56 02 02 «Геоинформационные системы (по направлениям)» – БГУ, Фак. географии и геоинформатики, Каф. геодезии и космоаэрокартографии. – Минск : БГУ, 2022. – 127 с.
  3. Черепанов А.С. Вегетационные индексы // ГЕОМАТИКА. – 2011. – № 2. С. 98–102.
  4. Prăvălie R., Sîrodoev I., Nita I-A., Patriche C., Dumitraşcu M., Roşca B., Tişcovschi A., Bandoc G., Săvulescu I., Mănoiu V., Birsan M-V. NDVI-based ecological dynamics of forest vegetation and its relationship to climate change in Romania during 1987–2018 // Ecological Indicators. – 2022. – V.136.
  5. Spadoni G., Cavalli A., Congedo L., Munafò M. Analysis of Normalized Difference Vegetation Index (NDVI) multi-temporal series for the production of forest cartography // Remote Sensing Applications: Society and Environment. – 2020. – T. 20.
  6. Trong H., Nguyen D., Kappas M. Land Cover and Forest Type Classification by Values of Vegetation Indices and Forest Structure of Tropical Lowland Forests in Central Vietnam // International Journal of Forestry Research. – 2020. – 18 p.

Презентация доклада

Дистанционное зондирование растительных и почвенных покровов

417