В статье рассматривается проблема актуализации данных лесоустройства, так как настоящее время большая их часть содержат в себе данные, полученные 10 и более лет назад. Также ситуация усугубляется из-за плохой транспортной доступности лесов, что усложняет проведение лесоустройства классическими методами. Нами предложена технология получения таксационных данных (средних высот, диаметров и запасов насаждений) комбинированным способом с применением материалов дистанционного зондирования и использованием устоявшихся закономерных связей между количеством деревьев в насаждении и искомыми показателями, которые были выведены учеными в виде аллометрических уравнений ещё в начале прошлого столетия. Исходные данные дистанционного зондирования Земли были получены с беспилотного летательного аппарата самолетного типа. Благодаря этому в результате обработки данных съемки были получены ортофотопланы сверхвысокого качества (менее 5 см/пиксель), что является важным фактором для повышения точности определения количества деревьев. В данной работе применена методика автоматизированного подсчета количества деревьев, разработанная в среде математического моделирования, которая в настоящий момент проходит апробацию. Для выявления закономерных связей таксационных показателей насаждений были подвергнуты апробации правила Рейнеке, Уоды и Хилми, которые ранее в работах ученых показали сравнительно высокую степень точности определения таксационных данных. По результатам расчетов, проведенных для сосновых насаждений, данные по запасу и среднему диаметру оказались в пределах допустимых погрешностей. Данные по высоте деревьев, имели значительное отклонение, которое можно нивелировать введением дополнительного коэффициента, так как при расчетах для нескольких исследуемых участков ошибки были равными. В работе приведены коэффициенты, применение которых в уравнениях закономерных связей позволяет получать таксационные показатели дистанционным методом. По результатам работы можно прийти к выводам, что дальнейшее развитие технологий дистанционного зондирования Земли, последующее изучение закономерных связей между таксационными показателями деревьев и увеличение выборки исследований позволят разработать методики лесоустройства насаждений, которые помогут сократить издержки и сроки выполнения работ по актуализации лесного фонда России.
лесоустройство, закономерные связи, число деревьев, запас насаждений, средний диаметр, средняя высота, дистанционное зондирование Земли, аллометрические уравнения, таксационные показатели
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Введение
Согласно обновленному государственному лесному реестру на 2024 год площадь лесов России достигает 1,19 млрд га. В настоящее время общий спрос на актуальные лесоустроительные данные о лесах интенсивного освоения оценивается примерно в 300 млн га. [1]. Лесоустройство включает в себя комплекс мероприятий, одним из которых является оценка таксационных параметров лесных насаждений и должно проводиться на регулярной плановой основе с периодичностью проведения работ в границах земель лесного фонда один раз в 10 лет (для зоны интенсивного освоения лесов). Однако, на территории, составляющей более 80% площади земель лесного фонда Российской Федерации, лесоустройство проводилось более 10 лет назад. Особо следует отметить субъекты Сибирского и Дальневосточного федеральных округов, где доля материалов лесоустройства давностью более 16 лет достигает 93,3 и 96,6 % соответственно [2, 3].
Таким образом, приведенные данные подчеркивают необходимость проведения масштабной работы по обновлению информации о лесах и созданию актуальной базы данных в том числе с использованием дистанционных методов и моделирования [4].
В данной работе предлагается новый подход к использованию материалов ДЗЗ для оценки таксационных параметров отдельных участков лесных насаждений с применением комбинации технологии автоматизированного расчета количества деревьев и аллометрических связей, определенных по средствам применения региональных таблиц хода роста насаждений сосны обыкновенной (Pinus sylvestris L.).
Для бореальных лесов Европейской части России исследования инвентаризации лесов на основе данных ДЗЗ и моделирования проводились в основном в направлении применения спектральных вегетационных индексов, классификации изображений, особенностей рельефа, для системы государственной инвентаризации лесов. [Черниховский Д.М, 2014, 2015, 2017].
Объект и методы исследования
В качестве объекта исследования был выбран квартал № 62 Пролетарского участкового лесничества, Новгородского лесничества. Фрагмент плана лесонасаждений представлен на рисунке 1.
Свежие данные лесоустройства, которые использовались для сопоставления с полученными результатами и также данные объекты относятся к категории особо защитных участков леса вблизи населенных пунктов, что исключает проведение в них рубок с момента последнего лесоустройства.
Для подтверждения достоверности данных лесоустройства, в 2022 году в границах рассматриваемых выделов были заложены две пробные площади размером 0,25 га. каждая. По результатам сплошного перечета древостоев и инструментальных измерений (мерная вилка, полнотомер, высотомер ЭТ-1М) было выявлено, что результаты достоверно не отличаются от материалов лесоустройства.
Методика полевых работ и дистанционного анализа
Площадь квартала № 62 составляет 73 га. В качестве опытных объектов были выбраны таксационные выделы № 4 и 22 площадью 3,6 и 0,6 га соответственно. Данный квартал был выбран в связи с тем, что имел породный состав с преобладанием сосны обыкновенной (Pinus sylvestris L.). Характеристики выдела № 4 и 22 по данным лесоустройства 2019 года представлены в таблице 1.
Рис. 1 Фрагмент плана и ортофотоплана лесонасаждений Пролетарского участкового лесничества.
Fig. 1 Fragment of the plan and orthophotoplane of the forest plantations of the Proletarian district forestry
Таблица 1
Table 1
2. Характеристики лесотаксационных выделов № 4 и 22 Пролетарского участкового лесничества
3. Characteristics of stratum № 4 and 22 of the Proletarian district forestry
|
№ выдела | № stratum |
Состав древостоя | Stand structure |
Диаметр, см | Diameter, cm |
Высота, м | Height, m |
Запас, м3/га | Stock, m3/ha |
|
4 |
8С1Е1Ос+Б |
24 |
25 |
4. 350 |
|
22 |
5С4Ос1Б+Е |
24 |
24 |
5. 330 |
С использованием снимков высокого разрешения проводится подсчет количества деревьев на обследуемых участках с использованием автоматического способа. Данная методика подсчета количества деревьев имеет апробацию и сравнительно высокую точность показателей [5].
Материалы аэрофотосъемки были получены в 2022 году с беспилотного летательного аппарата самолетного типа Геоскан Lite оснащенного камерой Sony Alpha 6000 20 mm. Высота съемки составляла 300 метров от поверхности земли. Продольное и поперечное перекрытие снимков составляло 80% и 70% соответственно.
Первоначально выполняется конвертация снимков из формата .RAW в формат с геопространственной привязкой .TIFF, с последующей загрузкой их в программу Agisoft Metashape Professional для дальнейшей обработки.
Производится выравнивание снимков в высокой точности и построение плотного облака точек (исходные карты глубины, высокое качество, фильтрация карт глубины мягкая). Затем выполняется построение цифровой модели местности и ортофотоплан обследуемой местности (построение на основе ЦММ).
По материалам аэрофотосъемки сверхвысокого разрешения возможно определение нескольких таксационных показателей, таких как площадь участка, породный состав, средняя высота (по цифровым моделям местности), число деревьев на участке и др.
Затем производится контурирование и обрезка выделов в геоинформационной системе MapInfo 17, путем наслоения на ортофотоплан привязанного плана лесонасаждений.
Затем в программе Adobe Photoshop выполняется обработка снимка, необходимая для дальнейшего его использования в программе SiminTech.
Предлагаемый метод направлен на автоматический подсчет деревьев по аэрофотоснимкам сверхвысокого разрешения (4-5 см/пиксель) с увеличенным процентом перекрытия изображений, что позволяет снизить погрешность результатов. Процесс обработки изображений в SimInTech начинается с преобразования исходного кадра. Затем выполняется пороговое преобразование и маска сужения на основе команд разделения цветовых каналов и взвешенной суммы двух массивов. Конечный результат отображается в окне просмотра после выполнения команды слияния цветовых каналов. Автоматический подсчет количества деревьев на участке осуществляется с помощью блока Find contours в SimInTech. Крона каждого дерева выделяется на основе пика яркости и маски сужения.
Количество деревьев составило 438 шт. на 1 га площади исследуемого выдела №4. В выделе №22 количество деревьев составило 234 шт. на 1 га. При сопоставлении полученных данных с показателями, полученными на пробных площадях, было выявлено незначительное превышение значений (не более 3%).
Методы аллометрического моделирования
Для определения таксационных показателей древостоев было необходимо вывести коэффициенты по моделям закономерных связей между таксационными параметрами с применением таблиц хода роста нормальных и модальных древостоев. Многочисленные исследования свидетельствуют, что существует взаимосвязь между таксационными параметрами древостоев, такими как средний диаметр, высота и запас, и их относительной полнотой. Поскольку эти параметры меняются со временем и взаимосвязаны друг с другом, были сформулированы закономерности, которые нашли применение во многих отраслях, в том числе и в лесном хозяйстве [6,7,8,9].
Со второй половины прошлого века ученые используют степенные (экспоненциальные) уравнения, основанные на данных об изменениях параметров роста растений. [10,11,12,13,14,15].
Анализ литературы позволил выделить три ключевых аллометрических закономерности, которые описывают взаимосвязь между запасом древостоя, его средним диаметром и высотой, а также густотой.
Так первым было рассмотрена закономерность, открытая Уодой именуемое как «правило 3/2».
· «правило -3/2»
_4+3.files/image003.png)
где М - общий (суммарный) запас на единице площади, м3 /га;
c1 –постоянная, безразмерная величина;
N – число деревьев на единице площади, шт/га.
В своих исследованиях Уода с коллегами, рассматривая зависимость массы растений от их количества, установил правило 3/2. Но поскольку в таблицах хода роста насаждений представлен запас на 1 га, то значение степени в теории должно быть равным 0,5. [16]
Понятие аллометрии изначально означало неравномерный рост и относилось к морфологическим признакам. Однако со временем в качестве переменных x и y стали использоваться физиологические характеристики организмов [17, 10].
Позже Рейнеке установит зависимость между средним диаметром на высоте груди и числом стволов на единицу площади в сомкнутых насаждениях без ухода [18].
· правило Рейнеке
_4+3.files/image004.png)
где d – средний диаметр, см;
c3 –постоянная, безразмерная величина;
N – число деревьев на единице площади, шт./га.
Также интересно было рассмотреть правило Г.Ф. Хильми, описывающее зависимость между средней высотой древостоя и его густотой [11].
· правило Хильми
_4+3.files/image005.png)
где H – средняя высота, м;
c2 –постоянная, безразмерная величина;
N – число деревьев на единице площади, шт/га.
Постоянные величины определялись путем проведения регрессионного анализа на основе региональных таблиц хода роста сосновых древостоев зоны смешанных лесов Европейской части РФ [19]. Рассмотрению были подвергнуты зависимости среднего запаса, средней высоты и среднего диаметра от числа стволов на 1 га.
Следующим этапом исследования является определение постоянных C1, C2, C3 для рассмотренных ранее аллометрических зависимостей.
Определение постоянных проводилось путем построения моделей зависимости друг от друга рассматриваемых величин. Для расчета показателей были использованы общие и региональные таблицы хода роста нормальных и модальных сосновых насаждений для подзон южной тайги и хвойно-широколиственных лесов европейской части РФ. Новгородское лесничество располагается на стыке данных зон. [20, 21, 22]
Рассмотрим графики зависимости модальных сосновых насаждений. Графики зависимости запаса от количества деревьев на 1 га с разбивкой по бонитетам представлены ниже (рис. 2). Значения полученных параметров приведены в таблице 2. По результатам расчетов, определена сильная связь между рассматриваемыми показателями (более 0,9). Степень у зависимости отклоняется к проективной (0,5), что может говорить об увеличении степени отклонений получаемых показателей при использовании данных коэффициентов. Для их минимизации необходимо проводить анализ с закрепленной степенью 0,5
Рассмотрим графики зависимости среднего диаметра от количества деревьев на 1 га с разбивкой по бонитетам представлены ниже (рис. 3). Значения полученных параметров приведены в таблице 3. По результатам расчетов, определена сильная связь между рассматриваемыми показателями (более 0,9). Степень у зависимости близка к проективной (0,5), что может говорить о достоверности получаемых показателей при использовании данных коэффициентов.
Рассмотрим графики зависимости средней высоты от количества деревьев на 1 га с разбивкой по бонитетам представлены ниже (рис. 4). Значения полученных параметров приведены в таблице 4. По результатам расчетов, определена сильная связь между рассматриваемыми показателями (более 0,9). Степень у зависимости близка к проективной (0,5), что может говорить о достоверности получаемых показателей при использовании данных коэффициентов. Но из-за того, что при расчете коэффициентов закономерных связей, в угоду максимальной корреляции между показателями, имеются отклонения от проективной степени, было принято решение о применении иных степеней. За основу были взяты степени из расчета зависимостей показателей и округлены до целых. Так для расчета показателей запаса и диаметра древостоя применялась степень -0,6, а для расчета высоты древостоя -0,5.
Затем были выполнены расчеты по ранее рассмотренным уравнениям аллометрических закономерностей с применением полученных коэфициентов и определенным по материалам АФС количеством деревьев по выделам. Результаты вычислений представлены в таблице 5.
Рис. 2 Зависимость запаса модальных сосновых насаждений от их количества на 1 га по бонитетам (а, б, в, г)
Fig. 2 The dependence of the stock of modal pine plantations on their number per 1 ha according to the bonities (a, b, c, d)
Источник: собственная композиция авторов
Source: author´s own composition
1. Сведения государственного лесного реестра на 2022 год. URL: https://roslesinforg.ru/news/all/6679/
2. Краскова А.Н. К вопросу о финансировании мероприятий по лесоустройству // Сибирский юридический вестник. – 2024. – № 3(106). – С. 25-32. – DOI:https://doi.org/10.26516/2071-8136.2024.3.25.
3. Алексеев А.С., Михайлова А.А., Черниховский Д.М., Березин В.И. Метод определения таксационных характеристик насаждений по аэрофотоснимкам сверхвысокого разрешения // Трубы Санкт-Петербургского научно-исследовательского института лесного хозяйства. – 2017. – № 2. – С. 67-77. – DOI:https://doi.org/10.21178/2079-6080.2017.2.67.
4. United Nations Strategic Plan for Forests 2017–2030. URL: https://www.un.org/esa/forests/documents/un-strategic-plan-for-forests-2030/index.html
5. Иванов А.А., Лукашик Е.Е. Метод автоматизированного определения количества деревьев в лесном насаждении на основе цифрового анализа материалов аэрофотосъемки // Цифровые технологии в лесном секторе: Материалы III Всероссийской научно-технической конференции-вебинара. – СПб., 2022. – С. 35-38.
6. Kittredge, J. (1944). Estimation of the amount of foliage on trees and stands. Journal of Forestry, 42(12), 905–912. https://doi.org/10.1093/jof/42.12.905
7. Pretzsch, H. (2002). A unified law of spatial allometry for woody and herbaceous plants. Plant Biology, 4, 159–166. https://doi.org/10.1055/s-2002-25732
8. Pretzsch, H. (2005). Link between the self-thinning rules for herbaceous and woody plants. Scientia Agriculturae Bohemica, 36(3), 98–107.
9. Pretzsch, H. (2006). Species-specific allometric scaling under self-thinning: evidence from long-term plots in forest stands. Oecologia, 146(4), 572–583. https://doi.org/10.1007/s00442-005-0126-0
10. Cabrera, M., Samboni-Guerrero, V., & Duivenvoorden, J.F. (2018). Non‐destructive allometric estimates of above‐ground and below‐ground biomass of high‐mountain vegetation in the Andes. Applied Vegetation Science, 21(3), 477–487. https://doi.org/10.1111/avsc.12381
11. Conti, G., Enrico, L., Casanoves, F., & Diaz, S. (2013). Shrub biomass estimation in the semiarid Chaco forest: a contribution to the quantification of an underrated carbon stock. Annals of Forest Science, 70(5), 515–524. https://doi.org/10.1007/s13595-013-0285-9
12. Oliveras, I., Van der Eynden, M., Malhi, Y., Cahuana, N., Menor, C., Zamora, F., & Haugaasen, T. (2014). Grass allometry and estimation of above-ground biomass in tropical alpine tussock grasslands. Austral Ecology, 39, 408–415. https://doi.org/10.1111/aec.12098
13. Porté, A.J., Samalens, J.C., Dulhoste, R., Ducros, R.T., Bosc, A., & Meredieu, C. (2009). Using cover measurements to estimate aboveground understorey biomass in Maritime pine stands. Annals of Forest Science, 66, 307. https://doi.org/10.1051/forest/2009005
14. Schulze, I.-M., Bolte, A., Schmidt, W., & Eichhorn, J. (2009). Phytomass, litter and net primary production of herbaceous layer. In R. Brumme & P.K. Khanna (Eds.), Functioning and Management of European Beech Ecosystems (pp. 155–181). Springer. https://doi.org/10.1007/b82392_11
15. Богданов А.П., Третьяков С.В., Цветков И.В. Оценка точности определения запаса в молодняках и средневозрастных древостоях по результатам наблюдений на стационарных объектах в Мурманской области различными способами // Успехи современного естествознания. – 2023. – № 5. – С. 13-18. – DOI: https://doi.org/10.17513/use.38035
16. Михайлова А.А. Моделирование таксационных характеристик насаждений с использованием аллометрических правил и аэрофотосъемки сверхвысокого разрешения: автореф. дис. … канд. с.-х. наук. – СПб., 2017. – 28 с.
17. Голуб В.Б., Николайчук Л.Ф. Л.Г. Раменский и аллометрия растений (история и современное состояние проблемы) // Разнообразие растительного мира. – 2021. – № 1(8). – С. 30-50. – DOI:https://doi.org/10.22281/2686-9713-2021-1-30-50
18. West, P. (2021). Using Reineke's model to quantify the maximum density of a tree stand. Academia Letters, Article 973. https://doi.org/10.20935/AL973
19. Shvidenko, A., Schepaschenko, D., & Nilsson, S. (2008). Tables and models of growth and productivity of forests of major forest forming species of Northern Eurasia (standard and reference materials) (2nd ed.). Federal Agency of Forest Management of Russia and International Institute for Applied Systems Analysis. URL: https://www.researchgate.net/publication/241703708_Tables_and_models_of_growth_and_productivity_of_forests_of_major_forest_forming_species_of_Northern_Eurasia_standard_and_reference_materials
20. Chave, J., Rejou-Mechain, M., Burquez, A., Chidumayo, E., Colgan, M.S., Delitti, W.B.C., Duque, A., Eid, T., Fearnside, P.M., Goodman, R.C., Henry, M., Martinez-Yrizar, A., Mugasha, W.A., Muller-Landau, H.C., Mencuccini, M., Nelson, B.W., Ngomanda, A., Nogueira, E.M., Ortiz-Malavassi, E., Pelissier, R., Ploton, P., Ryan, C.M., Saldarriaga, J.G., & Vieilledent, G. (2014). Improved allometric models to estimate the above-ground biomass of tropical trees. Global Change Biology, 20(10), 3177–3190. https://doi.org/10.1111/gcb.12629
21. Coefficient of Determination: How to Calculate It and Interpret the Result. URL: https://www.investopedia.com/terms/c/coefficient-of-determination.asp
22. Pottier, J., & Jabot, F. (2017). Non-destructive biomass estimation of herbaceous plant individuals: A transferable method between contrasted environments. Ecological Indicators, 72, 769–776. https://doi.org/10.1016/j.ecolind.2016.08.030
