Алгоритм выявления мелкомасштабных и линейных нарушений лесного покрова по данным Harmonized Landsat-Sentinel-2

Оперативное выявление мелкомасштабных нарушений лесного покрова представляет собой сложную задачу спутникового мониторинга. Особенно затруднено обнаружение узких линейных и небольших рассредоточенных участков, на которых изменение спектрального сигнала отдельного пикселя может быть ослаблено влиянием сохранившейся растительности. Цель исследования заключалась в разработке и апробации алгоритма выявления ежегодных потерь лесного покрова по данным Harmonized Landsat-Sentinel-2 (HLS), а также в оценке возможности обнаружения мелкомасштабных и линейных нарушений, интерпретируемых как результат выборочных рубок.
Исследование выполнено на территории Устьянского района Архангельской области за 2020-2025 гг. Обработка данных проводилась в облачной среде Google Earth Engine. В качестве исходных спутниковых данных использовались продукты HLSL30 и HLSS30, объединяющие радиометрически согласованные наблюдения Landsat-8/9 и Sentinel-2. Для каждого года формировался медианный композит за вегетационный период. С помощью слоя Fmask из анализа исключались облака, их тени и водные поверхности.
Разработанный алгоритм основан на попиксельном вычислении межгодовой разности отражательной способности в красном спектральном канале. Удаление древесной растительности приводит к увеличению отражения в красном диапазоне, что позволяет использовать положительные изменения яркости как признак возможной потери лесного покрова. Для каждой пары последовательных лет разностное изображение преобразовывалось в бинарную маску (потеря леса и отсутствие потери) с применением эмпирически подобранных нижнего и верхнего порогов. Нижний порог использовался для исключения незначительных межгодовых изменений, а верхний - для удаления спектральных выбросов.
Полученные за отдельные интервалы бинарные маски объединялись в единый растр с кодами года обнаружения потери. При повторном срабатывании в течение двух последовательных интервалов пикселю присваивался более ранний год, а пиксели, отмеченные в трёх и более интервалах, исключались как ненадёжные. Для сокращения числа ложных срабатываний итоговый растр ограничивался территориями с сомкнутостью древесного покрова более 25% в 2000 г. по данным Global Forest Change (GFC).
Визуальное сопоставление результатов на отдельных тестовых участках показало, что разработанный алгоритм обнаруживает небольшие рассредоточенные и узкие линейные нарушения лесного покрова, часть которых отсутствует сопоставленном слое годовых потерь GFC. Обнаруженные линейные объекты преимущественно приурочены к лесовозным дорогам и по форме соответствуют признакам выборочных рубок. Вместе с тем наиболее узкие полосы выделяются фрагментарно, поскольку их ширина может быть меньше пространственного разрешения HLS, а отражение нарушенной территории смешивается в пределах пикселя с отражением сохранившегося древостоя.
Полученные результаты демонстрируют применимость межгодовой разности красного канала композитов HLS для обнаружения отдельных мелкомасштабных нарушений лесного покрова. При этом выявленное преимущество на отдельных тестовых участках нельзя распространять на всю исследуемую территорию: количественная оценка точности по независимым эталонным контурам не проводилась. Для дальнейшей проверки метода необходимо сформировать выборку подтверждённых выборочных рубок и рассчитать показатели полноты и точности обнаружения. Дальнейшее развитие алгоритма предполагает формирование проверочной выборки, использование дополнительных спектральных каналов и индексов, расчёт метрик точности и характеристик формы вырубок для определения нарушения лесного покрова.
Работа выполнена под научным руководством старшего преподавателя ФГГТ НИУ ВШЭ Натальей Олеговной Тельновой.