МУРАТОВ Санжарбек Мухторбек оглы – аспирант
ResearcherID: rid144431
Ташкент
Sanjarbek M. Muratov – PhD student
ResearcherID: rid144431
Tashkent
ФАЗИЛОВА Дилбархон Шамурадовна – доктор физико-математических наук, профессор
Ташкент
Dilbarxon Sh. Fazilova – Dr. Sci. (Physics and Mathematics), Professor
Tashkent
Горные леса Узбекистана, особенно в пределах Гиссарского хребта, играют ключевую роль в предоставлении жизненно важных экосистемных услуг, таких как предотвращение эрозии почвы и сохранение биоразнообразия. Однако эти полуаридные экосистемы подвергаются растущему антропогенному воздействию, что обуславливает необходимость внедрения эффективных инструментов мониторинга. В данном исследовании разработана надежная методология оценки лесных площадей Дехканабадского государственного лесного хозяйства с использованием многосенсорного подхода дистанционного зондирования. Методология интегрирует мультиспектральные снимки Sentinel-2 с данными высокого разрешения Kompsat-3 и топографическими переменными, полученными на основе цифровой модели рельефа (ЦМР) ALOS PALSAR. Для учета спектральной неоднородности горной местности был применен объектно-ориентированный анализ изображений (OBIA). Опорные данные были собраны с помощью инструмента Collect Earth (ФАО), в рамках которого 1980 участков были классифицированы в соответствии с руководящими принципами МГЭИК и Глобальной оценки лесных ресурсов (FRA) ФАО. Модель контролируемой классификации была реализована с разделением данных на обучающую и валидационную выборки в соотношении 70/30. Результаты показали общую точность классификации 76 % при коэффициенте Каппа 0,66. В то время как классы «Пастбища» и «Пахотные земли» продемонстрировали высокую надежность, класс «Лес» (ошибка 0,198) подвергался спектральному смешению с пастбищами. Это объясняется редколесной структурой местных арчовых лесов, где травянистый покров под пологом деревьев влияет на спектральную сигнатуру. Наибольшие трудности вызвал класс «Населенные пункты» (ошибка 0,731) из-за смешения спектральных характеристик строений и сельской растительности. Несмотря на это, подход OBIA значительно снизил уровень цифрового шума и улучшил определение границ объектов по сравнению с попиксельными методами. Данное исследование формирует экономически эффективную и статистически надежную базу для мониторинга Дехканабадского лесного фонда.
Uzbekistan’s mountainous forests, particularly within the Gissar Range, provide vital ecosystem services such as soil erosion control and biodiversity conservation. However, these semi-arid ecosystems are increasingly pressured by anthropogenic activities, necessitating efficient monitoring tools. This study develops a robust methodology for forest area evaluation in the Dekhkanabad forestry organization using a multi-source remote sensing approach. The methodology integrates Sentinel-2 multispectral imagery with high-resolution Kompsat-3 data and topographic variables derived from an ALOS PALSAR Digital Elevation Model (DEM). To address the spectral heterogeneity of the mountainous terrain, an Object-Based Image Analysis (OBIA) framework was employed. Ground truth data were established using the FAO’s Collect Earth tool, through which 1,980 plots were classified according to IPCC and FAO Forest Resources Assessment guidelines. A supervised classification model was implemented using a 70/30 training-to-validation split. The results yielded an overall accuracy of 76 % and a Kappa coefficient of 0.66. While Pasture and Cropland classes showed high reliability, the Forest class (0.198 error) experienced spectral confusion with pastures due to the “open-canopy” nature of local juniper forests, where the understory influences the spectral signature. Settlements presented the highest classification challenge (0.731 error) due to spectral mixing with rural vegetation. Despite these challenges, the OBIA approach significantly reduced “salt-and-pepper” noise and improved boundary definition compared to pixel-based methods. This study provides a cost-effective, statistically reliable baseline for the Dekhkanabad State Forest Fund, offering a scalable workflow for sustainable forest management and conservation planning in Central Asia’s semi-arid regions.
The authors declare that there are no conflicts of interest present.