Оценка запасов фитомассы травяно-кустарничкового яруса олиготрофного болота по данным беспилотной летательной съёмки

Болотные экосистемы представляют собой уникальные природные объекты, играющие ключевую роль в глобальном углеродном балансе (Вомперский, 1994). Занимая лишь около 3 % суши, они аккумулируют порядка 30 % почвенного углерода планеты, выступая важным регулятором концентрации парниковых газов в атмосфере (IPCC, 2022).
Травяно-кустарничковый ярус (ТКЯ) олиготрофных болот, являясь ключевым компонентом в фотосинтезе и депонировании углерода, обладает высокой чувствительностью к микроклиматическим и гидрологическим факторам среды, что обуславливает значительную пространственно-временную динамику его структурных параметров (высота, проективное покрытие и как следствие фитомасса).
Традиционные методы оценки запасов надземной фитомассы ТКЯ, основанные на прямых укосах, характеризуются малым пространственным охватом, высокой трудоемкостью и требуют значительных ресурсов. Комплексный подход, объединяющий дистанционное зондирование и выборочные наземные измерения, преодолевает ограничения традиционных методов и обеспечивает высокую пространственную репрезентативность, оперативность и объективность оценки запасов фитомассы.
В полевые сезоны 2022–2023 гг. на территории международной полевой станции «Мухрино» (ХМАО–Югра) – эталонного участка ненарушенных болотных экосистем средней тайги Западной Сибири – на четырёх типичных болотных фациях (рямово-мелкомочажинный комплекс (РММК), сосново-кустарничково-сфагновое болото (рям), кустарничковое сфагновое болото с редкими низкорослыми соснами («открытое болото»), грядово-мочажинный комплекс (ГМК); подробнее в статье Kupriianova I.V. 2022.) был реализован комплексный сбор данных (Kupriianova et al., 2022). Для этого на пробных участках на площадках 40×40 см выполнялась мультиспектральная и лидарная съёмка с использованием беспилотных летательных аппаратов (DJI Phantom 4 Multispectral, DJI Matrice 300 с лидарным сканером Zenmuse L1), что позволило создать высокодетальные цифровые модели местности (ЦММ) и ортофотопланы с пространственным разрешением до 6–15 см/пикс.
Для верификации дистанционных данных на этих же площадках проводился прямой отбор надземной фитомассы ТКЯ методом укосов (Коронатова, 2022). Отобранные образцы разделялись на фракции: фотосинтезирующие органы трав, кустарников и кустарничков с видовой идентификацией, а также с выделением текущего прироста и фитомассы, накопленной за предыдущий вегетационный сезон. Срез проводился непосредственно над моховым покровом.
Для прогнозирования запасов надземной фитомассы была разработана регрессионная модель, устанавливающая экспоненциальную зависимость от комбинации дистанционных параметров. Модель суммирует вклад двух ключевых показателей: вегетационного индекса GRVI, служащего аналогом проективного покрытия, и шероховатости поверхности (ЦММ), являющейся аналогом высоты растительного покрова. Полученная зависимость учитывает нелинейный характер распределения фитомассы в болотных экосистемах. На основе разработанной модели для всей территории съёмки выполнена оценка запасов фитомассы с формированием тематической базы данных.
Финальный анализ, обобщающий данные за два года, был проведен на основе медианных значений запасов фитомассы по каждому участку с последующим усреднением по болотным фациям.

Линейная регрессия между усреднёнными по фациям запасами, определёнными наземно и дистанционно, показала высокую степень согласованности (R² = 0,87; RMSE = 24 г/м², что соответствует 12–15 % от средних значений). Как прямые, так и дистанционные оценки демонстрируют одинаковую градацию запасов: минимальные значения в мочажинах ГМК и РММК, промежуточные — в открытых болотах и рямах, максимальные — в грядах ГМК и рямах в составе РММК. Вариабельность запасов фитомассы внутри фаций, оцененных наземно (разброс от 50 до 150 г/м²) демонстрирует высокую пространственную мозаичность растительного покрова, которая, однако, не препятствует выявлению закономерностей на уровне усреднённых данных.
Предложенная методика позволяет с достаточной точностью оценивать запасы фитомассы в труднодоступных болотных местообитаниях и может быть масштабирована для мониторинга аналогичных экосистем. Дальнейшее развитие исследования предполагает расширение базы наземных данных, внедрение алгоритмов машинного обучения для автоматической классификации фаций и использование временных рядов спутниковых наблюдений для анализа сезонной динамики.
Работа выполнена при поддержке Российского научного фонда, проект № 25-17-20042 «Разработка системы комплексной оценки состояния природных сред с учетом целей низкоуглеродного развития ХМАО-Югры: БПЛА, ГИС, нейронные сети и наземная верификация».