Применение методов ДЗЗ в лесном хозяйстве

Прочитав данную статью, пользователь получит главное – информацию и пути решения методами ДЗЗ по “здоровью леса”, вплоть до показателей отдельных деревьев, мониторингу, как эффективному инструменту контроля и зависимости экологии на Земле от данного лесного массива, состояния лесного массива, ущерба от лесных пожаров и вырубках.    

Многие правительства, государственные и частные лесохозяйственные организации, и агентства сегодня используют геопространственные технологии, такие как ГИС (геоинформационные системы) и спутниковые, авиационные и БПЛА изображения, для различных приложений, поддерживающих анализ, оценку и управление лесами.

Области применения лесного хозяйства в борьбе за существование леса требуют анализа растительного покрова и его изменений. Изменяющиеся условия из-за разрастания городов, а также увеличивающаяся фрагментация лесов под влиянием негативных факторов делают анализ обнаружения аномалий чрезвычайно важным элементом для управления, планирования и инвентаризации. В дополнение, выявленные аномалии, положенные на картирование, наглядно показывают разнообразие экосистем и видов, позволяют давать промышленную оценку продуктивности леса, планировать его восстановление, индексируют точечное здоровье леса, борьбу с вредителями и паразитами, сохранения почвы под ними, наличие необходимой влажности и рисуют круговорот необходимых питательных веществ.

Нужно представлять, что в конечном счёте, лесное хозяйство – организм большой лесной отрасли, его мировой экономики, его денег и производства. Современно появляются новые направления лесного хозяйства – «точное лесоводство», «точное здоровье леса» и т.п.

В 2021 году мировой рынок, например, «точного лесоводства» достиг стоимости более USD 4 млрд, что обусловлено растущим спросом на древесину в различных отраслях конечного использования и процветающим сектором «сделай сам». Ожидается, что благодаря технологическим достижениям в механизмах лесного хозяйства рынок будет демонстрировать дальнейший рост в прогнозируемый период 2023–2028 годов, увеличившись в среднем на 8,8% в год и достигнув стоимости более USD 6,6 млрд к 2027 году.

И мировое ДЗЗ этому способствует. Способствует подходить к оценке затрат на поддержание и сохранение лесного мирового богатства, своего лесного окружения с позиции продолжения жизни на Земле.

Леса являются ключевым ресурсом для поддержания жизни на Земле. Они действуют как поглотители углерода и являются одним из наиболее эффективных способов борьбы с изменением климата. Они являются одним из наиболее важных источников возобновляемой энергии в виде древесного топлива — в настоящее время столько же, сколько солнечная, гидроэлектроэнергия и энергия ветра вместе взятые. Леса покрывают около 30% всей суши на Земле и являются домом для 80% наземных видов планеты (50% животных). Таким образом, они являются одним из самых ценных общественных активов на планете, который необходимо защищать от многих угроз, исходящих в основном от деятельности человека: сельского хозяйства, лесных пожаров, урбанизации, нерегулируемой добычи древесины.

Методы ДЗЗ позволяют решать следующие задачи для развития лесного хозяйства:

• детальное изучение подозрительных лесных территорий, выявленных полевыми работами, на предмет изменений и распространений на больших массивах;

• мониторинг аномалий за временной промежуток, на основе архивов изображений, карт, схем, отчётов и т.п.;

• классификация леса (дешифрирование породы и природных условий произрастания);

• индексация лиственного покрытия и стволов отдельных деревьев (точечный анализ);

• фиксация и распространение паразитных заболеваний и вредных веществ, насекомых и т.п.

• моделирование чрезвычайных обстоятельств (пожары, наводнения, вырубки).

Крупномасштабный и среднемасштабный мониторинг лесной среды можно проводить экономически эффективными способами с помощью дистанционного зондирования и анализа с помощью датчиков с борта летательного аппарата или земли. Датчики более высокого качества (более высокое разрешение, спектральные диапазоны) и технологии сбора данных становятся все более доступными как для новых спутников наблюдения Земли, наземных наблюдательных вышек, так и для летательных аппаратов (пилотируемых и беспилотных). Как по отдельности, так и в сочетании, эти различные методы наблюдения могут предоставить ценные данные для управления ресурсами или действий по первому реагированию на аномальные события.

Дистанционное зондирование, прежде всего, основано на платформах: спутниковых, самолётах, БПЛА и удалённых наземных приборах съёмки.

В практике используются сенсоры, работающие в оптическом, инфракрасном и радарном спектрах электромагнитных волн.

Первичная обработка данных изображений от этих сенсоров, традиционно (есть и научные, пока, наработки, например, в ультрафиолетовом спектре и дальнем СВЧ) ведётся в видимом, мультиспектральном, гиперспектральном, ближнем ИК и радиолокационном диапазонах. Реже, но уже более активно в тепловом ИК, а в США для построения 3D моделей лесных массивов и отдельных деревьев – LIDAR, повсеместно.

Как тенденция, ДЗЗ лесного хозяйства движется в направлении детализации ситуации на лесных массивах мирового пространства, на разных континентах, странах и отдельных участках. 

Синергетически оптические и радарные спутниковые данные высокого разрешения определяют историческое и текущее состояние лесов, размеры и плотность лесного покрова, а также их изменения с течением времени. Выведены исторические тенденции обезлесения, деградации и фенологии древесных пород.

Для анализа текущего лесного покрова активно используют решения на основе спутников, а также беспилотников или небольших самолётов для сбора данных с более высоким разрешением, при этом методы машинного чтения (искусственного интеллекта – ИИ) могут использоваться для определения древесного покрова на большой территории и определения основных пород деревьев.

Разработанные методы уже более 10 лет применимы в проектах по облесению и лесовосстановлению, а также в устойчивом лесопользовании:

Базовая оценка

• Анализ исторической инвентаризации лесов и её динамики.

• Анализ текущей инвентаризации лесов с помощью ИИ.

• Учёт CO2 (углекислый газ).

• Разработка будущих сценариев устойчивого управления.

• Проверка сертификатов CO2.

• Длительный мониторинг.

Обезлесение и деградация лесов

Подход ГЕО Иннотер к мониторингу, основанный на синергетическом использовании оптических и радиолокационных данных высокого разрешения, определяет текущее состояние лесов, размеры и плотность лесного покрова, а также его изменения с течением времени. Выводятся исторические тенденции обезлесения и деградации лесов, которые можно сравнивать с текущими и будущими данными о деятельности.

Последствия пожара

Лесные пожары ежегодно поражают миллионы гектаров тропических лесов, особенно в Юго-Восточной Азии, России и Бразилии. Повторяющиеся пожары вызывают последовательную серьёзную деградацию экосистемы тропических и еловых лесов.

Используя дистанционное зондирование даётся оценка воздействия пожаров на экосистему лесов и на биоразнообразие в пространственном и временном масштабе. Лесные пожары изменяют состав лесной растительности, подавляя одни виды и стимулируя рост других. Часто леса становятся более восприимчивыми к пожарам, потому что последующие пожары горят с большей скоростью и интенсивностью и вызывают более высокую гибель деревьев. Управляющие лесным хозяйством могут использовать данные о воздействии и частоте пожаров для предотвращения пожаров, а также для улучшения борьбы с пожарами и адаптации управления лесами.

Породный состав леса

Различные типы леса требуют различных мер управления и защиты. Преобладающие виды деревьев часто являются неизвестными переменными при планировании использования лесных ресурсов или управлении охраняемыми территориями. Используя многовременные спутниковые данные, можно получить различные фенологии видов деревьев. Комбинируя эту информацию с цифровыми моделями рельефа и цифровых поверхностей, а также структурными параметрами полога, различные типы леса могут быть нанесены на карту с высокой пространственной детализацией.

Оценка лесной биомассы

Комбинированные методы ДЗЗ получают биомассу лесных массивов с вероятностью до 80-90%, что позволяет делать выводы по другим направлениям состава леса, углерода, кислорода и выживания лесной природной среды в комплексе.

На 2023-2025 годы перед сообществом ДЗЗ в мире по лесному хозяйству обозначены направления исследований:

• Классификация, выявление и сегментация растительного покрова.

• Обнаружение и отслеживание (мониторинг) перемещений животных в лесной среде.

• Измерение влажности, температуры и биомассы растительного покрова.

• Обнаружение и сегментация огня, задымления и выгоревшей территории при лесных пожарах.

• БПЛА в мониторинге лесных сред.

• Мультиспектральные и гиперспектральные датчики изображения и методы анализа леса.

• Геолокализация и картографирование событий и ориентиров в лесных массивах.

• Сбор данных с камер и бортовых датчиков пилотируемых и беспилотных летательных аппаратов , космических аппаратов.

• Общедоступные наборы данных, содержащие аэрофотоснимки/видео лесной среды.

• Бенчмаркинг методов анализа аэрофото/видео в лесных условиях.

• 3D реконструкция лесной среды с аэрофотосъемкой, видео, LiDAR, Radar.

• Анализ данных в режиме реального времени для раннего обнаружения и прогнозирования развития лесных пожаров.

• Объединение крупномасштабных спутниковых данных с высокой задержкой с мелкомасштабными аэроданными с малой задержкой.

Первичные источники ДЗЗ – изображения лесных массивов с сенсоров спутниковых, авиационных и БПЛА платформ

Съёмка с оптических и ИК КА ДЗЗ

Оценка лесных ресурсов с помощью дистанционного зондирования началась в первой половине двадцатого века с составления карт лесов местного масштаба по материалам аэрофотосъёмки.

Наибольший вклад в исследование мирового лесного хозяйства внесли космические аппараты ДЗЗ:

С 1972 года, с запуском первого спутникового датчика для мониторинга ресурсов Земли (ERTS – LANDSAT, 16 каналов), отмечены значительные успехи в технологии дистанционного зондирования, что позволило оценить лесные ресурсы на гораздо больших площадях. Технические характеристики: Датчики в панхроме (разрешение 15 метров) и мультиспектре (включая ближний и дальний тепловой ИК, разрешение 30 и 60 метров, соответственно): Существует три уровня детализации:

• Первый уровень относится к информации о пространственной протяжённости лесного покрова, которая может быть использована для оценки динамики;

• Второй уровень включает в себя информацию о видах в пределах лесных участков;

• Третий уровень предоставляет информацию о биофизических свойствах лесов.

Оценка такой информации о лесах позволяет осуществлять комплексный мониторинг лесных ресурсов. Сочетание технологий дистанционного зондирования и методов анализа, с достижениями в области дистанционного зондирования и моделирования экосистем, обеспечили критическую роль дистанционного зондирования в картировании, мониторинге и управлении лесными ресурсами. КА LANDSAT-8, 9 (США) до сегодняшнего времени считаются наиболее доступными и предпочтительными КА для съёмки и последующего анализа лесных ресурсов.

Рис. Поднаборы снимков Landsat 8 в диапазонах 6, 5, 4 (R,G,B) для местоположения A, полученные (a) 6 июня, (b) 25 августа и (c) 28 октября; и поднаборы карт лесного покрова, созданные с помощью классификаторов (d) RF, (e) SVM и (f) DT.

КА Sentinel-2A, 2B (Европейский союз) – оснащёны оптико-электронным мультиспектральным сенсором для съёмок с разрешением от 10 до 60 м в видимой, ближней инфракрасной (VNIR) и коротковолновой инфракрасной (SWIR) зонах спектра, включающих в себя 13 спектральных каналов. Например, с помощью мультиспектральной съёмки этих КА были исследованы и приняты к всестороннему использованию три метода классификации (искусственная нейронная сеть (ANN), метод опорных векторов (SVM) и картограф спектрального угла (SAM) с обучающими выборками различных размеров для картирования вторичного лесного покрова.

Рис. Сравнение спектральных показателей Sentinel-2A с RGB-изображением Sentinel-2A лесных массивов

Практически аналогичный LANDSAT, по характеристикам, КА ASTER (США). Космические снимки, получаемые аппаратурой ASTER cо спутника Terra, имеют 14 спектральных диапазонов: 3 - в видимом и ближнем ИК, 6 - в среднем ИК и 5 - в тепловом, с пространственным разрешением соответственно 15, 30 и 90 метров и размером кадра 60х60 км. Например, данные Terra/ASTER имеют высокий потенциал для различения торфяно-болотных лесов Канады на основе класса растительности и плотности лесного покрова. Были получены на многие лесные районы карты класса плотности лесного полога и карты класса растительности. Оценки точности результатов были рассчитаны на основе матрицы путаницы классификации с максимальным правдоподобием (MLC).

Рис. Цветной инфракрасный композитный снимок (каналы 321) снимков ASTER, сделанных 28 апреля 2007 г. Центром этого подмножества является область покрытых лесом и сплошных лесных массивов.

 Более качественные снимки по разрешению для задач лесного хозяйства, но с меньшим числом каналов, в мультиспектре можно получать с КА SPOT-6/7 (Азербайджан/Франция). Пространственное разрешение 1,75 - 6 метров. Изображения SPOT-6/7 использовались для создания крупнейшей мировой базы данных Urban Atlas, в том числе по лесному хозяйству, которые используются для расчёта многомасштабных морфологических признаков леса классификатора Random Forest.

Рис. Расположение обучающей выборки для распределения простой случайной выборки и стратифицированной случайной выборки по композитам ложноцветных снимков SPOT 6/7 в 2018-2019 гг.

И, наконец, КА высокого и сверх высокого разрешения (PLANET Lab и MAXAR).

PlanetScope – созвездие наноспутников. Уникальность группировки заключается в том, что за один день спутники снимают больше 200 млн кв. км и покрывают почти весь мир самыми актуальными снимками. Спутники имеют пространственное разрешение 3,7 м в четырёх спектральных каналах (RGB+NIR), при этом отсутствует панхроматический канал. Съёмка со спутников ведётся постоянно, что даёт возможность работать им полностью автономно: для новой съёмки их не нужно программировать. Используя PlanetScope смогли создать общедоступный портал для заинтересованных лиц, занимающихся лесным хозяйством, чтобы увидеть, какие деревья были недавно удалены из-за активности короедов, а какие остались валежниками из-за нашествия короедов.

Рис. Высокочастотные снимки с высоким разрешением обеспечивают постоянный обзор лесохозяйственной деятельности - от планирования до заготовки и отчётности.

WorldView-3 – первый мультиспектральный коммерческий спутник сверхвысокого разрешения с большой полезной нагрузкой. Cпутник WorldView -3 обеспечивает разрешение 31 см в панхроматическом режиме, 1,24 м в мультиспектральном режиме, 3,7 м в коротковолновых ИК-каналах (SWIR) и 30 м аппаратурой CAVIS. Важно, что спутник имеет дополнительный красный диапазон, который реагирует на растительность. Идентификация пород деревьев является важным вопросом в управлении лесами и надзоре за ними. В последние годы много изучается идентификация древесных пород по данным спутниковой съёмки высокого разрешения пространственного разрешения 0,3 м Worldview-3. Это связано с тем, что некоторые породы деревьев имеют очень высокую рыночную стоимость древесины. Кроме того, в тропических лесах хранится большой запас углерода, который способствует огромному количеству надземной и подземной биомассы. Наиболее важными полосами в классификации была синяя, за которыми следовали полосы, связанные с красными.

Рис. Оценка запаса деревьев по снимкам WorldView-3.

До сих пор, из ряда КА оптического и мультиспектрального диапазонов, выпадает уникальный гиперспектральный КА Earth Observation EO-1, который уже прекратил существование на орбите, но архив используется активно. Три главных инструмента на борту КА EO-1 это ALI (аналогия с LANDSAT), Hyperion и Linear Etalon Imaging Spectrometer Array (LEISA) Atmospheric Corrector (LAC). Hyperion это решётчатый спектрометр, имеющий 30-метровое разрешение на местности, покрывающее полосу в 7.7 км. Он снимает в спектральном диапазоне 400-2500 нм с интервалом в 10 нм для каждого из 220 каналов. LAC это спектрометр, покрывающий спектральный диапазон от 900-1600 нм, который использовался в течение первого года для мониторинга атмосферных водяных линий поглощения для коррекции атмосферных эффектов в мультиспектральных снимках. Гиперспектральные изображения EO-1 Hyperion с классификаторами случайного леса (RF), машин опорных векторов (SVM) и многомерных адаптивных регрессионных сплайнов (MARS) получены для различных групп лесного покрова, а именно широколиственных и хвойных лесов. Статистические данные, полученные из матрицы «путаницы» классификации, повсеместно использовались для оценки точности полученных тематических карт.

Рис. Полученное изображение Hyperion (слева) в ложных цветах (R: полоса 29, G: полоса 14, B: полоса 7; подмножество Hyperion (в центре), охватывающее территорию исследования; (справа) SVM-классифицированное изображение, охватывающее ортофотоснимки на увеличенной части сцены.

Картографирование лесов и мониторинг часто основаны на дорогостоящих и трудоёмких полевых работах. Данные спутникового дистанционного зондирования могут облегчить эти процедуры на больших лесных массивах. Радарные изображения с синтезированной апертурой (SAR), полученные со спутников высокого разрешения, таких как TerraSAR-X, Cosmo SAR-X, ALOS PALSAR и RADARSAT-2, GF-3  достаточно широко используются для крупномасштабного картографирования и мониторинга лесов.

Для картирования лиственных и хвойных лесов, неоднократно были получены изображения с точечным освещением высокого разрешения (HS) для лесных массивов в разных районах континентов, для разных видов лесных деревьев.

Правильная интерпретация изображений SAR требует адекватной предварительной обработки данных. Качество цифровой модели рельефа (DEM), используемой в качестве эталона, имеет основополагающее значение для этой цели. Анализ влияния качества ЦМР на точность картографирования типов леса по данным SAR имеет весомое значение. Использование ЦМР высокого разрешения (5 м), например, полученных с помощью бортового лазерного сканирования (ALS), для ортотрансформирования изображений SAR оказалось важным для уменьшения ошибок в расположении пикселей и повышения точности классификации типов леса. Не было обнаружено существенной разницы между использованием цифровой модели поверхности ALS (DSM) или цифровой модели местности (DTM) для ортотрансформирования. Анализ обратного радиолокационного рассеяния показал, что участки с преобладанием хвойных деревьев, как правило, имеют более низкие значения радиолокационного обратного рассеяния (s0), чем участки с преобладанием лиственных деревьев. Результаты классификаций типов леса по изображениям в условиях без листвы и без листвы оказались сходными. Тем не менее, комбинация изображений листа вне листа и листа на листе, предварительно обработанных с помощью ALS DTM, привела к самой высокой общей точности с коэффициентами каппа 0,41 и 0,49 соответственно. Классификация типов леса с использованием SAR - изображений, предварительно обработанных с помощью ЦМР SRTM, показала низкую точность и коэффициент каппа менее 0,10.

Рис. Композитное изображение TerraSAR-X амплитудные компоненты из ковариационной матрицы (слева); классификация землепользования/земного покрова, полученная по элементам ковариационной матрицы + энтропия (справа).

Радарные сенсоры особенно важны в области наблюдения Земли, поскольку они могут передавать изображения независимо от облачности и в любое время дня и ночи. Из космоса они способны снимать обширные территории длиной более 100 километров.

Пользователи в области охраны окружающей среды, в частности, показали, что с помощью радарных спутников они могут, например, наблюдать систематическую вырубку лесов или незаконную вырубку лесных массивов. Мировая экономика прежде всего заботится о лесном бизнесе. В частности, это касается тропических лесов (например, Амазонка, Бразилия), поскольку их огромные размеры и преобладающие погодные условия позволяют вести удовлетворительное наблюдение за ними только с помощью радарных датчиков. Лесные массивы являются одной из ключевых областей научных интересов, поскольку их огромные запасы биомассы напрямую влияют на эффект парниковых газов: значительное количество углекислого газа извлекается из лесных массивов в процессе удаления или разложения растительности. Крупномасштабная практика подсечно-огневой рубки особенно критична, поскольку углекислый газ, хранящийся в лесах, высвобождается напрямую, создавая соответственно высокую концентрацию парникового газа углекислого газа в атмосфере. В отличие от этого, плановая вырубка лесов - например, в качестве источника древесины - высвобождает природные резервуары углерода, содержащиеся в лесных массивах, в течение более длительного периода и со значительной задержкой.

Рис. Снимок с КА TerraSarX   - Тропические леса в Боливии

Радарные изображения высокого разрешения, полученные с помощью Sentinel-1 и в дополнение сверхвысокое разрешение TerraSAR-X позволяют смотреть на лесную ситуацию 365 дней в году. Система RADD (БД радарных изображений по всему миру) совместно с Global Forest Watch - международной организацией по наблюдению за лесным хозяйством и компанией Google (которая хранит огромное количество данных радиолокационных спутников, анализируемых системой оповещения) точечно регистрируя вырубку тропических лесов.

Рис. Система оповещения RADD выявляет обезлесение, вызванное выборочной вырубкой леса: лесовозные дороги с разрывами полога деревьев в тропическом лесу Амазонии рядом с ними.

Технология RADD позволяет приблизить участок размером 10х10 метров, что означает, что вы можете увидеть пробелы в лесном пологе после вырубки деревьев.

Одновременно Европейское космическое агентство заказало новый радиолокационный спутник. Спутник ESA  Biomass Earth Explorer с радарной антенной диаметром 12 метров, который должен отправиться полет в 2024 году, пронзит полог леса, чтобы провести глобальное исследование лесов Земли и посмотреть, как они изменятся в течение пятилетнего полёта Biomass. Космический аппарат Biomass станет первым радиолокационым аппаратом с P-диапазоном волны. 

Деревья - это неотъемлемый и любимый элемент нашей окружающей среды; они также содержат подсказки о нашем общем будущем. Знание количества углерода, связанного в лесной биомассе, поможет нам лучше понять изменение климата и его возможные последствия для глобального углеродного цикла.

Для этого биомасса будет получена с помощью SAR, создавая карты высоты и объёма деревьев. Чтобы увидеть сквозь листву верхушки деревьев сами деревья, Biomass будет использовать длинноволновый радар "P-диапазона", который ранее никогда не летал в космос.

Рис. Глубина пробивания волной лесного покрова в различных радиолокационных диапазонах

Сейчас на орбите Земли значительное число КА в оптическом, ИК, гиперспектральном и радиолокационном диапазонах, но пока они не вышли на коммерческий уровень, указанных выше КА, тем более по достаточно специфической тематике, которой является анализ лесного хозяйства.

Аэрофотоснимки были и остаются наиболее часто используемым источником данных дистанционного зондирования в лесном хозяйстве, особенно при оценке, инвентаризации и мониторинге природных ресурсов. Ожидалось, что их использование в оперативном лесном хозяйстве будет сокращаться по мере совершенствования технических возможностей новых БПЛА и спутниковых сенсоров. Стимулы были очевидны. Вместе с тем, по факту на сегодня космос /АФС / БПЛА дополняют друг друга, а не исключают.

Рис. Аэрофотоснимки крон 11 видов деревьев правильной идентификации при слепом исследовании.

Кроме того, материалы аэрофотосъемки позволяют наносить на карту «стена к стене» основные ключевые переменные лесного хозяйства, такие как высота и плотность деревьев, необходимые для целей планирования и управления лесами.

Рис. (a) широколиственное дерево; (b) хвойное дерево; (c) ∆h - разница высот в геометрии кроны, соответствующая размеру GSD РСМ/ЧМ (GSDd). Она зависит от значения α. Широколиственные деревья показывают значения в разумных пределах от 5° до 45°, в то время как для хвойных пород этот показатель превышает 45°.

Современные авиационные сенсоры цифровые фото и видео, радиолокационные и LIDAR устанавливаются, как правило, на небольшие самолёты, чтобы скорость полёта при съёмке не превышала 150-200 км/час.

Авиационный радар можно использовать для наблюдения за разнообразием видов в лесах.

Рис. Сложный смешанный горный лес (совмещение мультиспектр + радар).

Оценки лесного покрова, запасов лесного углерода и выбросов углерода в результате обезлесения и деградации становятся все более важными компонентами устойчивого управления ресурсами, борьбы с утратой биоразнообразия и политики смягчения последствий изменения климата. Спутниковое дистанционное зондирование является единственным средством регулярного картографирования глобального лесного покрова. Однако классификация лесов с помощью оптических данных ограничена её нечувствительностью к трёхмерной структуре полога и облачному покрову, скрывающему многие лесные районы, особенно в районе экватора и горной местности. Датчики радара с синтезированной апертурой (SAR) c авиационной платформы все чаще используются для смягчения этих проблем, в основном в L-, C- и X-диапазонах электромагнитного спектра. Преимущества поляриметрического SAR S-диапазона для характеристики леса оказались явными и доказательными. Модель радиационного переноса Мичиганского микроволнового рассеяния (MIMICS-I) используется для понимания механизмов рассеяния в лесных пологах в S-диапазоне. Модель MIMICS-I показывает сильную чувствительность обратного рассеяния S-диапазона к пологу леса по сравнению с характеристиками почвы при всех поляризациях и углах падения. Снимки SAR с борта самолёта над смешанным лесом умеренного пояса Savernake Forest на юге Англии анализируются на предмет их информативности. На основе результатов моделирования обратное рассеяние радаров HH- и VV-поляризации в S-диапазоне и индекс деградации лесов (RFDI) используются в классификации лесов/не лесов по методу максимального правдоподобия при пространственном разрешении 6 м (общая точность 70%), κ = 0,41) и 20 м (общая точность 63 %, κ = 0. 27). Вывод состоит в том, что авиационный SAR, такой же, как и на КА NovaSAR-S, вероятно, подходит для мониторинга лесного покрова и его изменений.

Рис. Выявленные авиационном радаром выбросы углерода лесным массивом

Фитосанитарные условия могут препятствовать нормальному развитию деревьев и существенно влиять на их урожайность. Фитосанитарное состояние каштановых насаждений обычно оценивается путём отбора проб деревьев с последующей статистической экстраполяцией, что делает эту задачу сложной, поскольку она трудоёмка и требует навыков. Но если проводить многовременной анализ каштановых насаждений с использованием мультиспектральных изображений, полученных с беспилотных летательных аппаратов (БПЛА), то можно получить детальный результат по каждому дереву. Данные собирались в ходе различных лётных кампаний наряду с полевыми исследованиями для выявления фитосанитарных проблем, влияющих на каждое дерево. Классификатор случайных лесов обучался на участках кроны каждого дерева с использованием вегетативных индексов и спектральных полос. Сначала они были разделены на два класса: (1) отсутствие или (2) наличие фитосанитарных проблем. Впоследствии, класс с фитосанитарными проблемами использовался для идентификации и классификации либо биотических, либо абиотических факторов. Сравнение результатов классификации, полученных по представленной методике, с наземными данными позволило сделать вывод, что фитосанитарные проблемы были выявлены с точностью от 86% до 91%. Что касается определения конкретной фитосанитарной проблемы, то были достигнуты показатели от 80% до 85%. Более высокие показатели точности были достигнуты в последних лётных кампаниях. Предложенная методология доказала свою эффективность в автоматическом обнаружении и классификации фитосанитарных проблем у каштанов в течение всего вегетационного периода. Кроме того, он также может идентифицировать ситуации спада или расширения.

Рис. Выявление болезни вплоть до дерева с БПЛА в мультиспектре

Для сканирования леса на БПЛА устанавливают и новые разнообразные сенсоры такие, как полноволновые лазерные сканеры, гиперспектроскопы, гиперспектральные сканеры и воздушные радиолокационные датчики, таким образом, потенциал для изучения лесного хозяйства и управления лесами огромен.

Повсеместно, лесные хозяйства, сегодня, имеют парк БПЛА для мониторинга «здоровья леса».

Цифровые технологии массово пришли и к лесным хозяйствам. В частности, IoT.

IoT и беспроводные системы создают значительные возможности для управления лесами. IoT даёт возможность сделать мониторинг экономически эффективным в лесах, которые в настоящее время не контролируются, а также объединить с системой, использующей специализированные приборы для деревьев (SFM1, PSY1, DBV60), для развития пространственного мониторинга в дополнение к более локализованному интенсивному мониторингу меньшего числа репрезентативных деревьев. HUB был разработан как шлюз для использования в удалённых местах, как в лесах. Он имеет как LoRa, так и RF возможности для сбора данных и 3G, спутниковой и т.д. передачи. Он обязательно имеет низкое энергопотребление (солнечное), экологически прочный, долговременное хранение данных в виде CSV файлов.

Рис. Точки мониторинга «здоровья каждого дерева» наземными приборами

Существуют четыре общие причины для создания системы наземного мониторинга в лесу:

• Производственные системы - количественная оценка темпов роста деревьев, урожайности и т.д.

• Управление водосбором - количественная оценка входов (осадки) и выходов (использование воды растениями, дренаж, сток).

• Управление биоразнообразием - количественная оценка здоровья деревьев и стресса, чтобы гарантировать, что лесная система будет продолжать расти в течение нескольких поколений.

• Наука - исследования и понимание изменения климата и управление им.

Во всех случаях используются одни и те же или похожие датчики, но с разной плотностью размещения в пространстве и частотой измерений во времени.

Наземные сенсоры в сети IoT контролируют состояние каждого аномального дерева

Существуют компании, осуществляющие производство и обработку наземными сложными сенсорами такими, как LIDAR каждого дерева. Так совместно с Европейским космическим агентством, которое отвечает за сбор данных со спутников, а также за аэрофотосъёмку и фотосъёмку с беспилотников, наземный «лазерный радар» компании Treemetrics 3-D сканирует лес, чтобы определить прямолинейность и толщину дерева. Имея данные, владельцы лесов будут иметь более точное представление о потенциале каждого дерева и, следовательно, смогут решить, следует ли срубить дерево. Таким образом, это уменьшит, если не устранит, потери, от которых страдает лесозаготовительная промышленность. Это, в свою очередь, также приводит к экономии денег для владельцев леса.

Однако это не смягчает мировую проблему истощения деревьев, которую частично обвиняют в глобальном потеплении. В любом случае, люди принимают меры, чтобы деревья не гибли напрасно. Согласно отчёту, решение Treemetrics  https://treemetrics.com/ используется государственными лесными агентствами в 26 странах и частными лесовладельцами.

Рис. Лидарное изображение стволов деревьев (состояние каждого ствола дерева подкрашено своим цветом) , полученное с сенсора Treemetrics

Воздушное атмосферное состояние над лесными массивами регистрируется наличием разнообразных наземных приборов.

Дистанционное зондирование становится важнейшим методом изучения деталей лесного хозяйства. Его технологии позволяют исследовать влияние различных аномальных факторов, изменений и нарушений лесного хозяйства на количество, функцию и динамику лесов в больших пространственных масштабах.

За последние десять лет диапазон и разнообразие систем зондирования, а также разнообразие областей применения ДЗЗ по лесу претерпели значительные изменения. Для удовлетворения различных информационных потребностей в управлении лесным хозяйством используются различные источники данных, такие как полевые исследования, аэрофотосъёмка (БПЛА) и спутниковые изображения, в зависимости от требуемого уровня детализации и расширения изучаемой области. Исследования, в которых использовалось дистанционное зондирование, улучшили понимание изучаемых участков, вплоть до отдельных деревьев.

Практика дистанционного зондирования по лесу подтверждает эффективность использования картирования распределения лесных экосистем, его тщательная инвентаризация, отслеживание глобальных колебаний продуктивности растений в зависимости от сезона и трёхмерной (3D) структуры лесов.

На стратегическом уровне лесного планирования или при общем планировании распределения лесных ресурсов на обширной территории дистанционное зондирование играет не просто важную роль в оценке и мониторинге лесного покрова, а является, по сути, безальтернативным методом решения задачи сохранения лесного хозяйства и рационального его использования.