Мониторинг земель лесного фонда с помощью дистанционного зондирования в сочетании с точечными данными CollectEarth

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.

1. Abdurakhmanov A, Giese E, Gessner U. Land Cover Classification and Change Detection in the Aral Sea Basin Using Multi-Temporal Landsat Satellite Data. Journal of Environmental Management. 2017;200:310–322.

2. European Space Agency (ESA). Sentinel-2 User Handbook. 2015. Available at: https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-msi

3. Gulomjonov B, Abdullaev K, Mukhammadiev N. Assessment of Forest Resources in Uzbekistan: Challenges and Perspectives. Journal of Environmental Science and Engineering A. 2020;9(1):1–10.

4. Huete AR. A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment. 1988;25(3):295–309.

5. Jensen JR. Remote Sensing of the Environment: An Earth Resource Perspective (2nd ed.). Prentice Hall. 2007.

6. Kogan FN. Global Drought Watch from Space. Bulletin of the American Meteorological Society. 1997;78(9):1913–1922.

7. Rosenqvist A, Shimada M, Ito N, Watanabe M. ALOS PALSAR: A Pathfinder mission for global-scale monitoring of the environment. IEEE Transactions on Geoscience and Remote Sensing. 2007;45(11):3307–3316.

8. Rouse JW, Haas RH, Schell JA, Deering DW. Monitoring Vegetation Systems in the Great Plains with ERTS. NASA Special Publication. 1974;351:309–317.

9. Vermote EF, Justice CO, Claverie M, Franch L. Preliminary Analysis of the Sentinel-2 Level-1C Data for Land Applications. Remote Sensing of Environment. 2016;181:1–13.

10. Xue J, Su B. Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors. 2017;2017:1353691.

11. Baatz M, Schepe A. Multi-resolution segmentation: An approach to optimize high-quality multiscale image segmentation. Angewandte Geographische Informationsverarbeitung XII. 2000.

12. Khatami R, Mountrakis G, Stehman SV. A meta-analysis of remote sensing research on supervised pixel-based land cover image classification processes. Remote Sensing of Environment. 2016;177:89–100.

13. LONG Chao, Zhang KPP, Xia JSW. Forestry development and best practices of forest management in Uzbekistan. China Forestry Publishing House. 2018. Available at: https://www.apfnet.cn/uploads/media/221209/1-221209113600.pdf

14. Immitzer M, Vuolo F, Atzberger C. First Experience with Sentinel-2 Data for Crop and Tree Species Classifications in Central Europe. Remote Sensing. 2016;8(3):166.

15. Mountrakis, G., Im, J., & Ogole, C. Support Vector Machines in Remote Sensing: A Review. ISPRS Journal of Photogrammetry and Remote Sensing. 2011;66(3):247–259.

16. Jiang Z, Huete AR, Didan K, Miura T. Development of a Two-Band Enhanced Vegetation Index Without a Blue Band. Remote Sensing of Environment. 2008;112(10):3833–3845.

17. Olofsson P, Foody GM, Herold M, et al. Good Practices for Estimating Area and Assessing Accuracy of Land Change. Remote Sensing of Environment. 2014;148:42–57.

18. Xiaoyong Zhang, Weiwei Jia, Dandan Li, Fan Wang, Haotian Guo, Yuepeng Liang, Lei Liu, Xin Li, Forest landscape restoration is a key factor in recovering ecological quality, Journal of Cleaner Production, 2025;486.144619, https://doi.org/10.1016/j.jclepro.2024.144619.

19. Anusheema Ch., Aniruddha G., Kamna S., P.K. Joshi, Characterizing fragmentation trends of the Himalayan forests in the Kumaon region of Uttarakhand, India, Ecological Informatics. 2017;38:95–109.

20. Черниховский Дмитрий Михайлович. Теория и методы инвентаризации лесов на основе данных дистанционного зондирования земли, цифрового моделирования рельефа и ГИС-технологий: диссертация ... доктора Сельскохозяйственных наук: 06.03.02 / Черниховский Дмитрий Михайлович; [Место защиты: ФГБОУ ВО «Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова»], 2020

21. Мунзер Нур «Разработка методики применения данных космических съемок для мониторинга лесов» диссертация Разработка методики применения данных космических съемок для мониторинга лесов: автореферат диссертации на соискание ученой степени кандидата технических наук: специальность 25.00.34 Аэрокосмические исследования Земли, фотограмметрии.