Дешифрування видового складу лісових насаджень за даними сезонних мозаїк супутникових знімків Landsat і вибіркової інвентаризації лісів

Ключові слова: класифікація; метод найближчих сусідів; хмарні обчислення; облік лісів; моніторинг; вибірка; часовий ряд; сума площ перерізів.

Анотація

Дешифрування видового складу лісових насаджень за супутниковими знімками має важливе значення для оцінювання стану та динаміки лісових ресурсів. Для цього в роботі використано часові ряди знімків Landsat 8 OLI, а як джерело опорної інформації – дані регіональної інвентаризації лісів Сумської області 2013 р., отримані на 333 кругових пробних ділянках. Супутникові знімки відібрано для часового періоду 2014-2016 рр. та скомпоновано в безхмарні мозаїки для трьох сезонів: квітень - жовтень, літо, осінь. Для дешифрування поширення деревостанів різного видового складу, а також деревних видів, які домінують у складі насаджень, на основі методу k найближчих сусідів (k-NN) спрогнозовано значення сум площ перерізів восьми найбільш представлених у лісовому фонді області видів. У дослідженні використано алгоритм k-NN методу, адаптований до платформи хмарних обчислень Google Earth Engine. Як міру пошуку найближчих сусідів застосовано Евклідову відстань у просторі спектральних показників супутникових знімків Landsat і допоміжної неспектральної інформації. За результатами досліджень отримано неперервні попіксельні оцінки сум площ перерізів деревостанів сосни, дуба, клена, липи, берези, ясена, осики та вільхи. На основі отриманих карт встановлено поширення основних лісотвірних деревних видів Сумської області, а за оцінками сум площ перерізів створено карту деревних видів, які домінують у насадженнях. На основі порівняння розподілу площі деревостанів за деревними видами, що домінують у насадженнях, встановлено узгодженість у відсотковому співвідношенні оцінок із офіційними даними обліку лісів області. На основі виконаних досліджень визначено актуальним запровадження в інвентаризацію лісів України методів дистанційного зондування Землі.

Біографія автора

Місце роботи автора

Доцент кафедри таксації лісу та лісового менеджменту.

Посилання

Chirici, G., Mura, M., McInerney, D., Py, N., Tomppo, E. O., Waser, L. T., … McRoberts, R. E. (2016). A meta-analysis and review of the literature on the k-Nearest Neighbors technique for forestry applications that use remotely sensed data. Remote Sensing of Environment, 176, 282-294. https://doi.org/10.1016/j.rse.2016.02.001
Fassnacht, F. E., Latifi, H., Stereńczak, K., Modzelewska, A., Lefsky, M., Waser, L. T., … Ghosh, A. (2016). Review of studies on tree species classification from remotely sensed data. Remote Sensing of Environment, 186, 64-87. https://doi.org/10.1016/j.rse.2016.08.013
Franco-Lopez, H., Ek, A. R., & Bauer, M. E. (2001). Estimation and mapping of forest stand density, volume, and cover type using the k-nearest neighbors method. Remote Sensing of Environment, 77(3), 251-274. https://doi.org/10.1016/S0034-4257(01)00209-7
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18-27. https://doi.org/10.1016/j.rse.2017.06.031
Hansen, M. C., & Loveland, T. R. (2012). A review of large area monitoring of land cover change using Landsat data. Remote Sensing of Environment, 122, 66-74. https://doi.org/10.1016/j.rse.2011.08.024
Henderson, E. B., Ohmann, J. L., Gregory, M. J., Roberts, H. M., & Zald, H. (2014). Species distribution modelling for plant communities: Stacked single species or multivariate modelling approaches? Applied Vegetation Science, 17(3), 516-527. https://doi.org/10.1111/avsc.12085
Hill, R. A., Wilson, A. K., George, M., & Hinsley, S. A. (2010). Mapping tree species in temperate deciduous woodland using time-series multi-spectral data. Applied Vegetation Science, 13 (1), 86-99. https://doi.org/10.1111/j.1654-109X.2009.01053.x
Hościło, A., & Lewandowska, A. (2019). Mapping Forest Type and Tree Species on a Regional Scale Using Multi-Temporal Sentinel-2 Data. Remote Sensing, 11 (8), 929. https://doi.org/10.3390/rs11080929
Hudak, A. T., Crookston, N. L., Evans, J. S., Hall, D. E., & Falkowski, M. J. (2008). Nearest neighbor imputation of species-level, plot-scale forest structure attributes from LiDAR data. Remote Sensing of Environment, 112 (5), 2232-2245. https://doi.org/10.1016/j.rse.2007.10.009
Immitzer, M., Atzberger, C., & Koukal, T. (2012). Tree Species Classification with Random Forest Using Very High Spatial Resolution 8-Band WorldView-2 Satellite Data. Remote Sensing, 4 (9), 2661-2693. https://doi.org/10.3390/rs4092661
McRoberts, R. E., & Tomppo, E. (2007). Remote sensing support for national forest inventories. Remote Sensing of Environment, 110 (4), 412-419. https://doi.org/10.1016/j.rse.2006.09.034
Myroniuk, V. (2017a). Seasonal dynamics of spectral reflectance of land covers and its role in mapping forest stands using landsat images. Scientific Bulletin of National University of Life and Environmental Sciences of Ukraine of Ukraine, 266, 54-64. http://journals.nubip.edu.ua/index.php/Lisivnytstvo/article/view/10543 (in Ukrainian).
Myroniuk, V. (2017b). Variable selection in the context of forest cover mapping using seasonal Landsat mosaics. Scientific Data, 278, 66-76. http://journals.nubip.edu.ua/index.php/Lisivnytstvo/article/view/11372 (in Ukrainian).
Myroniuk, V. (2018). Forest cover mapping using landsat-based seasonal composited mosaics. Scientific Bulletin of Ukrainian National Forestry University, 28 (1), 28-33. https://doi.org/10.15421/40280105 (in Ukrainian).
Myroniuk, V., Bilous, A., & Diachuk, P. (2019). Predictng forest stand parameters using the k-NN approach. Ukrainian Journal of Forest and Wood Science, 10 (2), 51-63. http://dx.doi.org/10.31548/forest2019.02.051 (in Ukrainian).
Ohmann, J. L., & Gregory, M. J. (2002). Predictive mapping of forest composition and structure with direct gradient analysis and nearest- neighbor imputation in coastal Oregon, U.S.A. Canadian Journal of Forest Research, 32 (4), 725-741. https://doi.org/10.1139/x02-011
Ohmann, J. L., Gregory, M. J., Henderson, E. B., & Roberts, H. M. (2011). Mapping gradients of community composition with nearest-neighbour imputation: Extending plot data for landscape analysis: Extending plot data for landscape analysis. Journal of Vegetation Science, 22 (4), 660-676. https://doi.org/10.1111/j.1654-1103.2010.01244.x
Ohmann, J. L., Gregory, M. J., & Roberts, H. M. (2014). Scale considerations for integrating forest inventory plot data and satellite image data for regional forest mapping. Remote Sensing of Environment, 151, 3-15. https://doi.org/10.1016/j.rse.2013.08.048
Ohmann, J. L., Gregory, M. J., Roberts, H. M., Cohen, W. B., Kennedy, R. E., & Yang, Z. (2012). Mapping change of older forest with nearest-neighbor imputation and Landsat time-series. Forest Ecology and Management, 272, 13-25. https://doi.org/10.1016/j.foreco.2011.09.021
Reese, H., Nilsson, M., Sandström, P., & Olsson, H. (2002). Applications using estimates of forest parameters derived from satellite and forest inventory data. Computers and Electronics in Agriculture, 37 (1-3), 37-55. https://doi.org/10.1016/S0168-1699(02)00118-7
Sheeren, D., Fauvel, M., Josipović, V., Lopes, M., Planque, C., Willm, J., & Dejoux, J.-F. (2016). Tree Species Classification in Temperate Forests Using Formosat-2 Satellite Image Time Series. Remote Sensing, 8 (9), 734. https://doi.org/10.3390/rs8090734
Thompson, S. D., Nelson, T. A., White, J. C., & Wulder, M. A. (2015). Mapping Dominant Tree Species over Large Forested Areas Using Landsat Best-Available-Pixel Image Composites. Canadian Journal of Remote Sensing, 41 (3), 203-218. https://doi.org/10.1080/07038992.2015.1065708
Tigges, J., Lakes, T., & Hostert, P. (2013). Urban vegetation classification: Benefits of multitemporal RapidEye satellite data. Remote Sensing of Environment, 136, 66-75. https://doi.org/10.1016/j.rse.2013.05.001
Trubins, R., & Sallnäs, O. (2014). Categorical mapping from estimates of continuous forest attributes – classification and accuracy. Silva Fennica, 48 (2). https://doi.org/10.14214/sf.975
Weiss, A. (2001). Topographic Position and Landforms Analysis. Poster presentation presented at the ESRI User Conference, San Diego, CA.
White, J. C., Wulder, M. A., Hobart, G. W., Luther, J. E., Hermosilla, T., Griffiths, P., … Guindon, L. (2014). Pixel-Based Image Compositing for Large-Area Dense Time Series Applications and Science. Canadian Journal of Remote Sensing, 40 (3), 192-212. https://doi.org/10.1080/07038992.2014.945827
Zhu, X., & Liu, D. (2014). Accurate mapping of forest types using dense seasonal Landsat time-series. ISPRS Journal of Photogrammetry and Remote Sensing, 96, 1-11. https://doi.org/10.1016/j.isprsjprs.2014.06.012
Опубліковано
2019-12-26
Розділ
ЛІСОВА ТАКСАЦІЯ ТА ЛІСОВПОРЯДКУВАННЯ