О возможности определения аллометрических показателей деревьев с использованием данных спутникового дистанционного зондирования

В последние десятилетия быстрое развитие технологий дистанционного зондирования привело к разработке различных методов по определению количества надземной биомассы по спутниковым изображениям. Были построены регрессионные уравнения связывающие полевые оценки надземной биомассы и вегетационные индексы, полученные методами дистанционного зондирования. Такие исследования позволяют не только оперативно контролировать состояние обширных лесных массивов, но и решить задачу оценки глобальных запасов углерода на планете. Целью исследования является создание основ для разработки новых методик по вопросам определения аллометрических показателей методами дистанционного зондирования. Задачами исследования являются определение с использованием технологий дистанционного зондирования (1) суммарной массы деревьев леса, состоящего из числа участков, отличающихся друг от друга количеством и видом деревьев; (2) суммарной массы гетерогенного леса, в котором существует определенная функциональная связь между NDVI и количеством стволов (SNi) на определенном участке; (3) модельной связи между NDVI и такими аллометрическими показателями как высота дерева ( H) и диаметр кроны (CD). Результаты исследований: решены некоторые задачи аллометрических измерений с применением методов дистанционного зондирования. Получена формула для вычисления биологической массы деревьев в лесу с использованием значений нормализованного разностного вегетационного индекса (NDVI) на отдельных участках леса; аналогичная задача для случая наличия функциональной связи между NDVI и количеством стволов на отдельных участках леса; получена формула модельной связи между NDVI и произведением таких аллометрических показателей как высота дерева и диаметр кроны.

1. Yang, Q. Allometry-based estimation of forest aboveground biomass combining LIDAR canopy height attributes and optical spectral indexes / Q. Yang, Y. Sun, T. Hu, S. Jin, X. Liu, C. Niu, Z. Liu, M. Kelly, J. Wei, Q. Guo // Forest Ecosystems. Vol. 9. 2022.

2. Pandey, P.C. Forest biomass estimation using remote sensing and fild inventory: a case study of Tripura, India / P.C. Pandey, P.K. Srivastava, T. Chetri, B.K. Choudhary, P Kumar // Environ. Monit. Assess. 191 (9), 2019. – P. 1-15. https://doi.org/10.1007/s10661-019-7730-7.

3. Pang, Y. Remote sensing of the terrestrial carbon cycle: a review of advances over 50 years / Y Pang, A. F. Rahman, G. Sun, W. Yuan, L. Zhang, X. Zhang // Rem. Sens. Environ, 233. – 2019. https://doi.org/10.1016/j.rse.2019.111383.

4. Vohland, M. Remote sensing techniques for forest parameter assessment: multispectral classifiation and linear spectral mixture analysis / M. Vohland, J. Stoffls, C. Hau, G. Schuler // Silva Fennica, 2007. – 41(3). – P. 441-456.

5. Wu, J. Developing general equations for urban tree biomass estimation with high-resolution satellite imagery / J. Wu // Sustainability. 2019. Vol. 11. 4347.

6. Эльсгольц, Л. Е. Дифференциальные уравнения и вариационное исчисление / Л. Е. Эльсгольц. – М.: Наука. 1974. – С. 472.

7. Brede, B. Non-destructive estimation of individual tree biomass: allometric models, terrestrial and UAV laser scanning / B. Brede, L. Terryn, N. Barbier, H. M. Bartholomeus, R. Bartolo [and others] // Remote Sens. Environ. Vol. 280. 2022.