Пространственно-временной анализ фитомассы лесного покрова Пензенской области на основе спутниковых данных и модели машинного обучения тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Дергунов Денис Михайлович
Дергунов Денис Михайлович
кандидат наук
2025
- Специальность ВАК РФ00.00.00
- Количество страниц 150
Оглавление диссертации кандидат наук Дергунов Денис Михайлович
ВВЕДЕНИЕ
Глава 1. Состояние вопроса исследования
1.1. Лес и изменение климата
1.2. Лесная политика в области изменения климата
1.3. Оценка фитомассы лесных насаждений
1.4. Дистанционный мониторинг лесных насаждений
1.5. Оценка фитомассы по спутниковым данным
1.6. Комбинирование спутниковых данных
Выводы по первой главе
Глава 2. Природные и климатические условия
2.1 Территория исследования
2.2 Климат
2.3 Лесорастительные условия
Выводы по второй главе
Глава 3. Программа и методика исследований
3.1 Программа исследований
3.2 Объект исследования
3.3 Методика полевых работ
3.4 Подготовка снимков в облачной платформе GEE
3.5 Классификация лесного покрова
3.6 Алгоритм машинного обучения «Случайный лес»
3.7 Моделирование фитомассы в облачном сервисе GEE
3.8 Анализ пространственных трендов распределения фитомассы
Выводы по третей главе
Глава 4. Результаты исследований
4.1 Динамика классов лесного покрова Пензенской области
4.2 Моделирование фитомассы с использованием алгоритма RF
4.3 Динамика фитомассы лесного покрова
4.4 Сравнение полученных данных с глобальными картами
4.5 Пространственно-временной анализ распределения фитомассы
Выводы по четвертой главе
Заключение
Список литературы
Приложения
Рекомендованный список диссертаций по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Оценка пространственно-временной динамики фитомассы лесов Марийского Заволжья по спутниковым снимкам2013 год, кандидат наук Незамаев, Сергей Александрович
Мониторинг растительного покрова Сирийской Арабской Республики методами дистанционного зондирования и ГИС технологий2021 год, кандидат наук Али Махер Саид
Пространственно-временной анализ динамики лесного покрова в Среднем Поволжье по спутниковым данным2016 год, кандидат наук Полевщикова Юлия Александровна
Дистанционный мониторинг и спектральная разделимость классов лесного покрова водоохранных зон рек (на примере Марийского лесного Заволжья)2023 год, кандидат наук Тарасова Людмила Владимировна
Дистанционный метод оценки формирования молодняков на залежах Марийского лесного Заволжья по спутниковым снимкам2013 год, кандидат наук Лежнин, Сергей Анатольевич
Введение диссертации (часть автореферата) на тему «Пространственно-временной анализ фитомассы лесного покрова Пензенской области на основе спутниковых данных и модели машинного обучения»
ВВЕДЕНИЕ
Актуальность темы исследования. Леса планеты являются ключевым компонентом биосферы, обеспечивая глобальную регуляцию биогеохимических циклов через генерацию фитомассы и поддержание кислородного баланса. Их экоси-стемная роль заключается в способности выступают основным биотическим фактором, стабилизирующим экологические системы и глобальный климат. Приоритетное значение в контексте биосферной устойчивости имеют бореальные и умеренные леса Российской Федерации, занимающие лидирующие позиции по площади ненарушенных лесных массивов.
Согласно аналитическим материалам Продовольственной и сельскохозяйственной организации ООН (ФАО), современная глобальная ресурсная парадигма характеризуется критической пространственно-временной неравномерностью распределения лесных насаждений. Региональная дифференциация лесного покрова, и необходимость увеличения углеродного пула в рамках климатической повестки подчеркивают актуальность комплексного мониторинга фитомассы лесов. Это включает в себя комбинирование разновременных спутниковых данных и алгоритмов машинного обучения искусственного интеллекта.
Ключевым условием для реализации таких исследований является создание интегрированных ГИС, объединяющих базы данных о параметрах роста лесных насаждений с мультиспектральными спутниковыми индексами. Такой подход обеспечивает точную оценку динамики лесных экосистем и формирует основу для стратегического планирования в масштабах национальной экономики и глобальной экологической повестки. Данные, полученные с помощью дистанционного зондирования, по динамике запасов и фитомассы лесных насаждений имеют практическое значение для реализации «Стратегии развития лесного комплекса Российской Федерации до 2030 года», «Стратегии социально-экономического развития Российской Федерации с низким уровнем выбросов парниковых газов до 2050
года» и «Парижского соглашения (2015)». Приоритет дистанционного мониторинга для оценки лесов закреплен в государственных директивных документах: «Лесном кодексе» (2006), приказе Минприроды России «Об утверждении Порядка проведения государственной инвентаризации лесов» (2021), «Стратегии развития лесного комплекса Российской Федерации на период до 2030 года» (2021).
Актуальность темы диссертационного исследования также связана с международными обязательствами Российской Федерации по выполнению трех целей устойчивого развития ООН: Устойчивые города и населённые пункты (№ 11), борьба с изменением климата (№ 13) и сохранение экосистем суши (№ 15). Поэтому системный подход к картографированию и оперативному мониторингу фи-томассы лесов становится важным элементом оценки их структуры и динамики, а также эффективности принятия решений по их устойчивому управлению.
Региональные оценки фитомассы лесных экосистем вносят важный вклад в эмпирическую основу для верификации глобальных климатических моделей и позволяют выявить специфику реакции лесных экосистем на климатические изменения в локальном масштабе. Пензенская область, расположенная в лесостепном регионе, где массивы леса чередуются с травянистыми ландшафтами, представляет собой важный полигон для исследования пространственно-временной динамики фитомассы в условиях антропогенно-природной переходной лесорастительной зоны. В связи с этим актуальность диссертационного исследования определяется комплексом выше рассмотренных вопросов разработки и внедрения дистанционного мониторинга, а также методик искусственного интеллекта для оценки фито-массы лесного покрова на примере Пензенской области.
Степень разработанности темы исследования. Активное изучение фитомассы (биомассы) лесных экосистем в глобальном масштабе началось в 1980 -х годах (Курбанов, 2002). Пик исследований биологической продуктивности лесов пришёлся на начало 2000-х, охватив такие регионы, как умеренный пояс (Soriano-Luna et al., 2018), Средиземноморье (Chrysafis et al., 2017; Gómez et al., 2017; Macedo et al., 2018), субтропические леса (Kumar, Mutanga, 2017; Phua et al., 2017; Pandit et
al., 2018) и бореальные зоны (Stelmaszczuk-Gorska et al., 2018; Frazier et al., 2014; Galidaki et al., 2017; Korhonen et al., 2017; Halme et al., 2019).
Для Российской Федерации эти исследования имеют особое значение, учитывая её потенциал в области углеродного депонирования в рамках лесоклимати-ческих проектов (Курбанов и др., 2008; Невзорова, 2024). На национальном уровне работы проводились несколькими научными группами (Замолодчиков и др., 2013; Швиденко и др., 2014; Schepaschenko et al., 2011), а также в масштабах федеральных округов (Усольцев и др., 2016; Замолодчиков и др., 2003) и отдельных регионов (Габделхаков и др., 2022; Данилов и др., 2023; Коломыц, Шарая, 2020; Курбанов, 2002; Нагимов и др., 2023). В рамках национального проекта РИТМ осуществляется систематизация данных о фитомассе лесов и создание сети полигонов для мониторинга накопления углерода, а также учета эмиссии и поглощения климатически активных веществ в наземных экосистемах (http s://ritm-c.ru/).
Ключевым источником данных для оценки фитомассы на разных уровнях служат данные дистанционного зондирования Земли (ДЗЗ). Высокая точность прогнозирования и мониторинга лесного покрова обеспечивается использованием обширных геопространственных данных, включая архив снимков спутников Landsat, ставших стандартным инструментом глобальной оценки биомассы (Wu et al., 2016; Li et al., 2019; Lopez-Serrano et al., 2019).
Анализ состояния вопроса оценки фитомассы лесного покрова с применением алгоритмов искусственного интеллекта (ИИ) и данных ДЗЗ в Российской Федерации показывает недостаток научных исследованиях в данной области. Эта проблема обусловлена технологическими и методологическими вызовами, включая ограниченный уровень пространственного разрешения доступных данных, смешение спектральных сигнатур различных классов растительного покрова на спутниковых изображениях и дефицит верифицированных полевых данных, необходимых для калибровки алгоритмов ИИ и оценки точности классификации породного состава лесных насаждений.
Цель исследования заключается в проведении пространственно-временного анализа распределения надземной фитомассы лесного покрова Пензенской области
на основе данных серии спутниковых изображений в облачном сервисе и с помощью алгоритма машинного обучения. Для достижения поставленной цели реализован комплекс исследовательских задач:
1. Систематизированы методологические подходы к оценке фитомассы лесного покрова с применением ГИС-технологий и методов ДЗЗ, включая сравнительный анализ современных методик.
2. Проведены полевые работ с формированием сети репрезентативных тестовых участков в лесных массивах Пензенской области для верификации спутниковых данных и тематического картографирования.
3. Разработана модель пространственно-временного анализа распределения фито-массы лесов Пензенской области на основе серии мультивременных снимков Landsat (1985-2023 гг.) с интеграцией геопространственных данных.
4. Созданы серии тематических карт, отображающих надземную фитомассу лесного покрова Пензенской области, а также проведен количественный анализ динамики фитомассы за 38-летний период с выявлением трендов и аномалий в контексте антропогенных и природных воздействий.
5. Разработаны рекомендации по использованию результатов в системе мониторинга углеродного баланса лесных экосистем для реализации климатических обязательств РФ в рамках Парижского соглашения.
Научная новизна работы
1. Впервые для лесов Пензенской области разработана и апробирована методика комплексной оценки фитомассы лесного покрова с применением технологий ДЗЗ и машинного обучения. Алгоритм интегрирует ретроспективный анализ многолетних спутниковых данных Landsat с методами машинного обучения (искусственного интеллекта), что позволило осуществить пространственно-временной анализ лесного покрова за период с 1985 по 2023 год.
2. Разработана модель на основе алгоритма «случайный лес», оптимизированная для задач оценки фитомассы в условиях региона. Модель демонстрирует точность прогноза 85-90% ^2=0.89) после валидации наземными измерениями.
3. Установлены количественные закономерности пространственной дифференциации фитомассы по классам лесного покрова, впервые выявлены тренды её накопления за последние десятилетия.
Теоретическая и практическая значимость работы. Полученные результаты по совершенствованию оценки пространственно-временной динамики фито-массы лесов на основе разновременных спутниковых данных вносят важный вклад в развитие теории и методологии лесной инвентаризации, лесного дешифрирования и картографирования. На примере Пензенской области подтверждена целесообразность использования комплекса мер по повышению точности картографирования фитомассы по данным ДЗЗ среднего пространственного разрешения. К таким подходам относятся использование серии разновременных/разносезонных спутниковых данных, разделимости лесных пород в зависимости от их спектральной яркости и анализ трендов пространственно-временной динамики.
Разработанные авторские тематические карты распределения фитомассы лесного покрова Пензенской области, полевая база данных тестовых участков и рекомендации могут быть использованы различными профильными организациями Пензенской области для планирования мероприятий по устойчивому лесопользованию и повышению углеродоемкости лесного хозяйства.
Результаты работы могут быть также использованы при осуществлении дистанционного мониторинга лесов и реализации мероприятий по адаптации к изменению климата. Практические и теоретические результаты диссертации работы внедрены в НИР и учебный процесс во ФГБОУ ВО «ПГТУ» и ФГБОУ ВО «БГАУ», а также в практическую деятельность Министерства природных ресурсов, экологии и охраны окружающей среды Республики Марий Эл и Пензенский филиал ФГБУ «РОСЛЕСИНФОРГ» (Приложения А1-А4). Работа выполнена в рамках грантов Российского Фонда Фундаментальных Исследований № 19-55-80010/19 и Российского научного фонда № 22-16-00094, https://rscf.ru/project/22-16-00094/.
Методы исследования. Методологической основой диссертационной работы явились исследования отечественных и зарубежных ученых в области исполь-
зования спутниковых данных при оценке фитомассы лесного покрова, классификации больших данных в облачном сервисе c применением элементов искусственного интеллекта. В работе были использованы методы таксации лесов с закладкой тестовых участков, классификации объектов наземного покрова по данным ДЗЗ среднего пространственного разрешения с помощью алгоритма кластеризации «wekaKMeans», алгоритмы машинного обучения и преобразования снимков с применением метода «Колпачок с кисточкой» (англ. Tasseled Cap), а также тест Манна-Кендалла для определения наличия пространственно-временного тренда исследуемых данных.
Положения, выносимые на защиту.
1) Методика комплексной оценки и пространственно-временного анализа фито-массы лесного покрова, основанная на интеграции временных рядов спутниковых данных и алгоритма машинного обучения.
2) Модель на основе алгоритма «случайный лес» для оценки надземной фитомассы лесов в облачном сервисе с использованием спектральных индексов спутника Landsat, вегетационных индексов и классов лесного покрова.
3) Авторские тематические карты пространственно-временной динамики фитомассы лесного покрова Пензенской области.
Степень достоверности и апробация научных результатов базируется на значительном объеме экспериментального материала: 106 тестовых участков полевых исследований, 700 точек классов лесного покрова; использовании методов математической статистики и современных ГИС технологий, а также 405 изображений спутников Landsat. При статистической обработке данных использовались прикладная программа Microsoft Excel, а также модули для обработки материалов больших данных ДЗЗ в облачном сервисе GEE (англ. Google Earth Engine). Достоверность полученных данных подтверждена соответствующими статистическими критериями и использованием современных методов обработки и анализа полученных результатов.
Основные положения и результаты диссертационной работы представлены на конференциях российского и международного уровня:
1. Международная конференция «Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг» 28 -29 сентября 2021, г. Йошкар-Ола, Россия.
2. Международный конгресс по информатике: «Информационные системы и технологии», 26-29 октября 2022, г. Минск, Беларусь.
3. Международная конференция GISCA 2023 «Геопространственные подходы для понимания меняющегося мира», 27-30 мая 2023, г. Бишкек, Кыргызстан.
4. Международная научная конференция «Региональные проблемы дистанционного зондирования Земли», 12 - 15 сентября 2023, г. Красноярск, Россия.
5. Международная конференция «Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг», 1011 Октября 2023, г. Йошкар-Ола, Россия.
6. IX Всероссийская научно-техническая конференция «Леса России: политика, промышленность, наука, образование», 22-24 мая 2024, г. Санкт-Петербург, Россия.
Личный вклад автора
Проведен аналитический обзор отечественных и зарубежных литературных источников, поставлена научная задача и цель исследований; в ходе полевых исследований заложены 106 тестовых участков в различных лесных насаждениях Пензенской области; подготовлены спутниковые снимки и разработана методика исследования; выполнена статистическая обработка и анализ полученных результатов совместно с научным руководителем. Соискателем проведен анализ серии разновременных спутниковых изображений в облачной платформе GEE, выполнена оценка точности классификации, сформулированы выводы и практические рекомендации. В работе также были использованы материалы Центра устойчивого управления и дистанционного мониторинга лесов (ЦУДМЛ) ФГБОУ ВО «Поволжского государственного технологического университета».
Публикации. По теме диссертации и связных с ней разработок опубликовано 12 научных работ, из которых 11 находятся в рецензируемых изданиях, рекомендованных перечнем ВАК Российской Федерации, в которых должны быть
опубликованы основные научные результаты на соискание учёной степени кандидата наук.
Структура и объем работы
Диссертация объёмом 150 страниц машинописного текста состоит из введения, четырех глав, заключения и пяти приложений. Список использованной литературы включает 180 наименований, среди которых 80 - работы иностранных авторов. Текст иллюстрирован 11 таблицами и 34 рисунками.
Глава 1. Состояние вопроса исследования
1.1 Лес и изменение климата
Леса планеты являются важными хранилищами углерода, который аккумулируется (депонируется) в различных природных пулах: надземной и подземной фитомассе, детрите и почве (Курбанов, 2002; Ш^, 2013). Баланс углерода лесных экосистем динамичен и подвержен изменениям в процессе роста (накопление) и нарушения (рубки, пожары, ветровалы, болезни и т.п.), что может привести к его эмиссии в атмосферу в виде СО2, усиливая парниковый эффект (Bonan, 2008).
Согласно данным федеральной службы по гидрометеорологии и мониторингу окружающей среды Российской Федерации среднегодовая температура воздуха (Рисунок 1.1) неуклонно повышается во всех регионах страны (Доклад об особенностях..., 2023). За последние десятилетия наблюдается среднегодовой линейный рост приземной температуры на +0,49 оС. Весна и лето демонстрируют наиболее выраженный рост: +0,66 °С и +0,40 °С соответственно за десятилетие. Наиболее заметное потепление происходит на побережье Северного Ледовитого океана, особенно в азиатской части, где температура повышается на 0,8-1,1 °С за десятилетие. Весной и осенью максимальное потепление наблюдается на побережье ВосточноСибирского моря, а зимой - на северо-западе Европейской части России.
В России наблюдается общая тенденция к увеличению годовых сумм осадков - их рост составляет в среднем 2,2% за 10 лет (Доклад об особенностях., 2023). Более значительный рост (свыше 5% за 10 лет) отмечается в отдельных регионах Сибири и Дальнего Востока (Рисунок 1.2). Наиболее существенное увеличение (5,9% за 10 лет) наблюдается весной практически по всей территории страны. Зимой отмечается снижение осадков на северо-востоке России. Летом наблюдается уменьшение осадков в центральных и южных областях Европейской части, особенно в Приволжском федеральном округе (-4,5% за 10 лет). Летние осадки также убывают вдоль арктического побережья Азиатской части. Осенью незначительное
снижение осадков происходит в центральных районах Европейской части и Западной Сибири.
Рисунок 1.1 - Коэффициент линейного тренда среднегодовой и средних сезонных значений температуры приземного воздуха на территории России за период 1976-2021 гг. (оС/10 лет) (Доклад об особенностях..., 2023)
50° $5» 60° 70° 760 00й 85° 86° ВФ> 76° 70= &53
WT к Ч K\J ■ /. 4L 60°
4Ь° "C.V n Ü -V i /'--j t Ъгг r T Mw > f \ T^WJc Y / 7^.1 'Цк J X. 5íf> 50е
40° XV
35° / J j •-'-.у 1 ■ 40°
10° % нормы/ 70 лет Л
Hi зр>
-10 0 10 30
Tt /яС b(Rr), 1976-2021, год: январь-декабрь
60a 70° ЗО13 90° 100" 11&Э 120° 130^
50й С$> ТО» B&= est> 70°
írv? — Т ^ттг^Л Ш ttfi
ш if " /.'-Д V. Лч I
'Лж # SIS» PP ж . д ■Г ,v™ 59s
«"} Л. i Ж /
4 - йДС. .Л д-
Иг* XbL. 7~ . Зима
МО too SO« № 100й1 110» 1 и»»
¡0° 7 60a 6D° 7e°
, ^ - " > . v;. и \ ^ .. v У> «лий J & v-á У ? J / ' «F гЧЧ ^
1 ■ ■ ■ Ш" f ■ r
•iv? V л.; ЧН ■ w > \ Tji yr «в
Jf"^} .^i V-
SO® Д ''ч/^- У/ —I - •
Лето
l,V> Г0« 80° № too-3 110°
Осень
MP Т&о 30° W1 HIP UP"
Рисунок 1.2 - Пространственные распределения локальных коэффициентов линейного тренда годовых и сезонных сумм атмосферных осадков за 1976-2021 гг. на территории России (% /10 лет) (Доклад об особенностях..., 2023)
Прогнозы будущего характера осадков различаются в зависимости от глобальных климатических моделей, но в среднем показывают диапазон среднегодового изменения осадков от - 4,7% до 13,5% (1РСС, 2013). Повышение температуры
и изменение характера осадков, особенно в течение вегетационного периода, будут прямо или косвенно влиять на продуктивность экосистем и хранение углерода, наличие влаги в почве, частоту и размер лесных пожаров, а также восприимчивость лесов к насекомым и болезням (Каганов и др., 2023; Вомперский и др., 2024; Kurbanov et al., 2024a).
Прямое воздействие на лесные насаждения проявляется в изменениях температуры и осадков. Изменения климата оказывают как положительное, так и отрицательное воздействие на леса. В более северных регионах, где температурные условия лимитируют существование лесов, наблюдается увеличение продуктивности низкобонитетных таежных лесов и расширение границы леса на север и вверх по склонам гор (Kharuk et al., 2017; Им и др., 2020). Снижение или рост площади лесообразующих пород может вызвать смещение биомов и лесорастительных зон в горной местности. Это приведет к распространению деревьев и кустарников на тундру или альпийские луга из соседних биомов или лесных зон (Сергиенко, 2015).
В южных и сухих регионах ситуация обратная: повышение температуры и уменьшение осадков приводят к ухудшению состояния и усыханию лесных насаждений (Парфенова, Дашкевич, 2021; IPCC, 2023). Кроме того, повсеместно возрастает частота и суровость экстремальных погодных ситуаций, таких как засухи, ураганные ветры, обильные осадки, оказывает существенное влияние на биологические процессы в лесных насаждениях, снижая их устойчивость и приводя к нарушениям (Третий оценочный доклад ..., 2022).
Нарушения, такие как лесные пожары и вспышки насекомых, становятся более частыми, и долгосрочные прогнозы указывают на то, что эта тенденция продолжится в будущем (Cohen et al., 2016). Ожидается, что ситуация усугубится из -за продолжающегося повышения температур и возможности более долгих и засушливых летних периодов. Это может привести к изменению условий существования лесов, что, в свою очередь, может повлиять на их продуктивность и устойчивость (Ellison et al., 2017; Воробьев и др., 2022; Воробьев и др., 2023а; Прожерина, Наква-сина, 2022). Некоторые из этих нарушений могут превратить леса из поглотителя
углерода в его источник (IPCC, 2023). Это, в свою очередь, отражается на лесохо-зяйственной деятельности и принятии решений в области экологических проблем (Байтурина и др., 2020; Липка и др., 2021; Замолодчиков, Краев, 2016).
Несмотря на то, что прямые последствия изменения климата могут существенно повлиять на лесные насаждения, косвенные эффекты, как считается, окажут еще более масштабное влияние на эти процессы. Косвенное воздействие изменений климата на лесные насаждения включает в себя изменения в возникновении нарушений или других факторов (например, пожаров, нашествий насекомых, патогенов и др.) (Жирин и др., 2016; Ковалев, 2021; Kurbanov et al., 2024b). Глобальное потепление существенно увеличивает пожарную опасность лесных экосистем (Бар-талев и др., 2015a; Третьяков, Пономарев, 2023). Сценарные прогнозы изменения пожарных режимов предполагают, что к концу XXI века территории с повышенным риском лесных пожаров могут вырасти в два-три раза (Воробьев и др., 2023б; Швиденко и др., 2017).
Леса, ослабленные экстремальными погодными условиями и климатическими изменениями, также становятся более уязвимыми для насекомых-вредителей и корневых патогенов. Например, в центральной Сибири наблюдается продвижение северной и высотной границ распространения сибирского шелкопряда (Kharuk et al., 2020; Тарасова, Волков, 2021).
Восстановление лесов после различных нарушений может происходить в климатических условиях, неблагоприятных для произрастания коренных древесных пород, что может привести к смене типов лесных экосистем (Cassell et al., 2019; Littlefield, 2019). Это, в свою очередь, затрудняет эффективное управление лесами (Coop et al., 2020). Поэтому необходимо учитывать эти аспекты при разработке стратегий восстановления и устойчивого управления лесными ресурсами.
1.2 Лесная политика в области изменения климата
Лесной сектор играет ключевую роль в разработке стратегий по смягчению последствий изменения климата (Rockstrбm е! а1., 2017). Он способен увеличить
поглощение углерода за счет облесения, повышения запасов древесины в существующих лесах и накопления углерода в долговечных продуктах из древесины (Курбанов, 2009). Изделия из древесины способствуют снижению промышленных выбросов углерода за счет замены продукции с более высоким уровнем выбросов парниковых газов, что объясняется эффектом замещения (Brunet-Navarro et al., 2021). Тем не менее, важно найти баланс между использованием изделий из древесины для получения выгоды от эффекта замещения и потенциалом лесов по депонированию углерода, что является решающим для эффективного смягчения последствий изменения климата (Schulze et al., 2020).
Для ограничения глобального потепления до 2 °C к 2050 году в соответствии с Парижским соглашением Организации Объединенных Наций (United Nations ..., 2015), необходимо осуществить амбициозное сокращение выбросов парниковых газов. Согласно пункту 5 этого соглашения, страны-участницы планируют сократить выбросы в лесном секторе. ООН усилила свой подход к сокращению выбросов, связанных с обезлесением и деградации лесов в развивающихся странах в 2008 году, включив в сферу деятельности вопросы устойчивого управления лесами, а также сохранения и увеличения запасов углерода в лесах. Расширенный подход, известный как REDD+ (англ. Reducing Emissions from Deforestation and forest Degradation), предлагает развивающимся странам стимулы к сокращению выбросов от лесных насаждений (https://redd.unfccc.int/; Лобовиков, Прядилина, 2024). Выполнение таких международных соглашений требует прозрачной отчетности о динамике депонирования углерода лесными насаждениями (Птичников, Шварц, 2023). При этом, фитомасса лесов может служить важным показателем для характеристики климатической системы Земли (Романовская и др., 2018; Лобовиков, Прядилина, 2022; Herold et al., 2019). Это особенно актуально для Российской Федерации, обладающей значительным потенциалом депонирования углерода в рамках проектов лесоклиматических инициатив (Невзорова, 2024).
Анализ происходящих изменений в лесных экосистемах позволит принимать взвешенные и обоснованные решения в сфере лесной политики. Это поможет со-
хранить способность лесов противостоять изменениям, происходящим как на региональном, так и на глобальном уровнях (Торжков и др., 2017; Швиденко и др., 2017; КаЬиига et а1., 2017). Такой подход также играет важную роль в реализации международных соглашений по смягчению влияния изменения климата, участником которых является Российская Федерация (Грачев и др., 2019).
1.3 Оценка фитомассы лесных насаждений
В последние десятилетия активное изучение фитомассы лесов в контексте климатических изменений и поиска путей их смягчения стало ключевым направлением научных исследований (Углерод в лесных ..., 2014; Уразова и др., 2022; Усольцев и др., 2017; Щепащенко и др., 2017). Определение способности лесов поглощать и накапливать фитомассу (углерод) обладает важным экономическим потенциалом, особенно в рамках выполнения международных экологических соглашений. Сдерживающим фактором в реализации таких проектов остается недостаток достоверных данных о депонировании углерода в фитомассе и первичной продукции насаждений (Нагимов и др., 2012).
В рамках национального проекта РИТМ осуществляется систематизация данных о фитомассе лесов и создание сети полигонов для мониторинга накопления углерода, а также учета эмиссии и поглощения климатически активных веществ в наземных экосистемах (https://ritm-c.ru/). Фитомасса упоминается в шести из семнадцати целей в области устойчивого развития ООН, при этом подчеркивается ее роль в обеспечении продуктами питания, энергетике, строительстве, сдерживании климатических изменений, охране природы и сохранении биоразнообразия (РАО, 2024). В связи с этим детальная оценка и мониторинг фитомассы лесного покрова важна для понимания последствий лесопользования, изменения климата, вероятности пожаров, а также для производства изделий из древесины и биоэнергетики.
Похожие диссертационные работы по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Мониторинг экологической продуктивности лесов Республики Башкортостан в системе низкоуглеродного развития территорий2025 год, доктор наук Байтурина Регина Рафаилевна
Методика пространственного моделирования лесовосстановительной динамики на основе данных дистанционного зондирования2014 год, кандидат наук Данилова, Ирина Валерьевна
Оценка состояния и динамики растительного покрова бассейна озера Байкал с использованием данных дистанционного зондирования Земли2025 год, кандидат наук Содномов Батор Валерьевич
Формирование и современная структура древостоев лиственницы Гмелина (Larix Gmelinii (Rupr.) Rupr.) в высокогорьях плато Путорана (на примере массива Сухие горы)2025 год, кандидат наук Вьюхин Сергей Олегович
Региональный мониторинг состояния заброшенных торфяников и зарастающих лесом сельскохозяйственных угодий на основе мультиспектральных спутниковых данных2018 год, кандидат наук Медведева Мария Андреевна
Список литературы диссертационного исследования кандидат наук Дергунов Денис Михайлович, 2025 год
Список литературы
1. Алексеев, А. С. Выявление повреждений хвойных насаждений на основе комплексного анализа результатов дистанционного зондирования Земли и наземных обследований / А. С. Алексеев, Д. М. Черниховский // Изв. вузов. Лесной журнал.
- 2024. - № 2. - С. 11-28. DOI: 10.37482/0536-1036-2024-2-11-28.
2. Барталев, С. А. Методология мониторинга и прогнозирования пирогенной гибели лесов на основе данных спутниковых наблюдений / С. А. Барталев, Ф. В. Стыценко, С. А. Хвостиков, Е. А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса. - 2017. - Т. 14. - № 6. - С. 176-193. DOI: 10.21046/2070-7401-2017-14-6-176-193.
3. Барталев, С. А. Спутниковая оценка гибели лесов России от пожаров / С. А. Барталев, Ф. В. Стыценко, В. А. Егоров, Е. А. Лупян // Лесоведение. - 2015a. -№. 2. - С. 83-94. EDN: TOASFX.
4. Барталев, С. А. Состояние и перспективы развития методов спутникового картографирования растительного покрова России / С. А. Барталев, В. А. Егоров,
B. О. Жарко, Е. А. Лупян, Д. Е. Плотников, С. А. Хвостиков // Современные проблемы дистанционного зондирования Земли из космоса. - 2015б. - Т. 12. - № 5.
- С. 203-221.
5. Барталев, С.А. Исследование возможностей оценки состояния поврежденных пожарами лесов по данным многоспектральных спутниковых измерений / С. А. Барталев, В. А. Егоров, А. М. Крылов, Ф. В. Стыценко, Т. С. Ховратович // Современные проблемы дистанционного зондирования Земли из космоса. - 2010. -Т. 7. - № 3. - С. 215-225.
6. Байтурина, Р. Р. Влияние изменений климата на лесные ресурсы Республики Башкортостан / Р. Р. Байтурина, А. К. Габделхаков, О. В. Халикова, З. З. Рахма-туллин, А. Ш. Тимерьянов // Лесотехнический журнал. - 2020. - Т. 40. - № 4. -
C. 99-109. DOI: 10.34220^П.2222-7962/2020.4/8.
7. Вомперский, С. Э. Оценка пула углерода болот по субъектам Российской Федерации / С. Э. Вомперский, А. А. Сирин, Т. В. Глухова, О. П. Цыганова, Н. А.
Валяева // Лесоведение. - 2024. - №. 2. - С. 83-94. DOI: 10.31857^0024114824020019.
8. Воробьёв, О. Н. Анализ трендов временных рядов вегетационных индексов по данным MODIS для оценки влияния засух на лесные насаждения Среднего Поволжья с 2000 по 2020 год / О. Н. Воробьёв, Э. А. Курбанов, Ша Дж., С. А. Лежнин, Дж. Ван, Дж. Коул, Д. М. Дергунов // Современные проблемы дистанционного зондирования Земли из космоса. - 2022. - Т. 19. - №4. - С. 181-194. DOI: 10.21046/2070-7401-2022-19-4-181-194.
9. Воробьев, О. Н. Дистанционный мониторинг восстановительной динамики растительности на гарях Марийского лесного Заволжья / О.Н. Воробьев, Э. А. Кур-банов // Современные проблемы дистанционного зондирования Земли из космоса. - 2017. - Т. 14. - № 2. - С. 124--134. DOI: 10.21046/2070-7401-2017-14-284-97.
10. Воробьёв, О. Н. Мониторинг состояния растительного покрова на территории Республики Марий Эл с использованием ЕКУ^АТ МЕЯЛ^ / О. Н. Воробьёв, Э. А. Курбанов // Вестник МГУЛ -Лесной вестник - М.: Московский государственный университет леса. - 2013. - № 7. - С. 42- 45.
11. Воробьёв, О. Н. Прогнозный анализ лесного покрова Среднего Поволжья на основе временных рядов и климатических сценариев / О. Н. Воробьёв, С. А. Леж-нин, Э. А. Курбанов, А. Б. Яхьяев, Д. М. Дергунов, Л. В. Тарасова, А. В. Ястребова // Современные проблемы дистанционного зондирования Земли из космоса. - 2024. - Т. 21. - № 4. - С. 115-130. DOI: 10.21046/2070-7401-2024-21-4-115-130.
12. Воробьёв, О. Н. Пространственно-временной анализ фрагментации лесного покрова Среднего Поволжья с использованием ландшафтных индексов и спутниковых данных Landsat / О. Н. Воробьёв, Э. А. Курбанов, С. А. Лежнин, А. А. Губаев, Д. М. Дергунов, Л. В. Тарасова // Современные проблемы дистанционного зондирования Земли из космоса. - 2023а. - Т. 20. - № 1. - С. 144-159. DOI: 10.21046/2070-7401-2023-20-1-144-159.
13. Воробьёв О. Н. Мониторинг и прогноз динамики наземного покрова Среднего Поволжья по спутниковым данным в QGIS MOLUSCE / О. Н. Воробьёв, Э. А.
Курбанов, Д. Ша, С. А. Лежнин, Д. Ван, Д. М. Дергунов // Современные проблемы дистанционного зондирования Земли из космоса. - 20236. - Т. 20. - № 5.
- С. 176-193. DOI: 10.21046/2070-7401-2023-20-5-176-193.
14. Габделхаков, А. К. Модели для оценки биомассы и объема коры деревьев липы мелколистной (Tilia cordata Mill.) / А. К. Габделхаков, В. Ф. Коновалов, З. З. Рах-матуллин, Л. Н. Блонская, И. И. Фазлутдинов // Известия вузов. Лесной журнал.
- 2022. - № 5. - С. 21-36. DOI: 10.37482/0536-1036-2022-5-21-36.
15. Гаврилюк, Е. А. Картографирование наземных экосистем Печоро-Илычского заповедника и его окрестностей на основе восстановленных мультивременных спутниковых данных Landsat // Е. К. Гаврилюк, А. С. Плотникова, Д. Е. Плотников // Современные проблемы дистанционного зондирования Земли из космоса.
- 2018. - Т. 15. - № 5. - С. 141-153. DOI: 10.21046/2070-7401-2018-15-5-141-153.
16. Государственный доклад «О состоянии природных ресурсов и об охране окружающей среды Пензенской области в 2023 году» // Пенза. - 2024. - 127 с.
17. Грабовский, В. В. Оценка индекса листовой поверхности для территории России по данным государственного лесного реестра / В. В. Грабовский, Н. В. Зу-керт, М. Д. Корзухин // Лесоведение. - 2015. - № 4. - С. 255-259
18. Грабовский, В. И. Зависимость запасов древесины в лесах России от климатических параметров / В. И. Грабовский, Д. Г. Замолодчиков // Лесоведение. - 2019.
- № 2. - С. 83-92. DOI: 10.1134/S0024114819020025.
19. Грачев, В. А. Анализ факторов устойчивого развития при выполнении Российской Федерацией новых климатических обязательств по Парижскому соглашению / В. А. Грачев, Н. И. Курышева, О. В. Плямина, И. И. Волкова, Т. А. Евсеен-кова, В. А. Лобковский // Проблемы региональной экологии. - 2019. - № 5. -С. 78-84. DOI: 10.24411/1728-323X-2019-17078.
20. Данилов, Д. А. Формирование надземной фитомассы лиственных древесных пород на постагрогенных землях / Д. А. Данилов, А. А. Яковлев, С. А. Суворов, И. А. Крылов, С. А. Корчагов, Р. С. Хамитов // Изв. вузов. Лесной журнал. - 2023. -№ 1. - С. 65-76. DOI: 10.37482/0536-1036-2023-1-65-76.
21. Денисов, С. А. Опыт применения квадрокоптера для мониторинга возобновления леса / С. А. Денисов, А. А. Домрачев, А. С. Елсуков // Вестник Поволжского государственного технологического университета. Сер.: Лес. Экология. Природопользование. - 2016. - Т. 32. - № 4. - С. 34-46. DOI: 10.15350/23062827.2016.4.34
22. Дергунов, Д. М. Оценка алгоритма «Случайный лес» машинного обучения для классификации фитомассы лесов / Д. М. Дергунов, О. Н. Воробьёв, Э. А. Курба-нов, С. А. Лежнин, А. В. Губаев // Вестник Поволжского государственного технологического университета. Сер: Лес. Экология. Природопользование. - 2024. - Т. 61. - № 1. - С. 30-43. DOI: 10.25686/2306-2827.2024.1.30.
23. Дергунов, Д. М. Анализ динамики эвапотранспирации лесов Среднего Поволжья по данным МОД16А2 за 2001-2021 гг. / Д. М. Дергунов, О. Н. Воробьёв, Э. А. Курбанов, С. А. Лежнин, В. А. Губаев, Л. В. Тарасова // Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг. - 2022. - № 8. - № статьи 11. С. 108-119. DOI: 10.25686/4184.2022.65.71.001.
24. Дергунов, Д. М. Оценка динамики наземной фитомассы лесов Пензенской области с использованием алгоритма машинного обучения / Д. М. Дергунов // Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг. - 2024. - № 10. - № статьи 10. С. 108-119. DOI: 10.25686/foreco.2024.38.64.010.
25. Доклад об особенностях климата на территории Российской Федерации за 2022 год : / М.: Росгидромет, 2023. - 104 стр. ISBN 978-5-906099-58-7.
26. Елсаков В. В. Спектральные различия характеристик растительного покрова тундровых сообществ сенсоров Landsat / В. В. Елсаков // Современные проблемы дистанционного зондирования Земли из космоса. - 2021. - Т. 18. - № 4. - С. 92-101. DOI: 10.21046/2070-7401-2024-21-4-162-175.
27. Елсаков В. В. Климатические изменения как факторы динамики запасов зеленой фитомассы оленьих пастбищ арктических островов / В. В. Елсаков // Современные проблемы дистанционного зондирования Земли из космоса. - 2024. - Т. 21. - № 4. - С. 162-175. DOI: 10.21046/2070-7401-2024-21-4-162-175.
28. Жарко, В. О. Исследование возможностей оценки запасов древесины в лесах Приморского края по данным спутниковой системы РгоЬа^. / В. О. Жарко, С. А. Барталев, В. А. Егоров // Современные проблемы дистанционного зондирования Земли из космоса. - 2018. - Т. 15. - №1. - С. 157-168. DOI: 10.21046/2070-74012018-15-1-157-168.
29. Жирин, В. М. Влияния морфологии древесного полога и рельефа на спектральные характеристики лесов по данным Landsat / В. М. Жирин, С. В. Князева, С. П. Эйдлина // Исследование Земли из космоса. - 2016. - № 5. - С. 10-20. DOI: 10.7868^020596141605008.
30. Жирин, В. М. Многолетняя динамика вегетационных индексов темнохвойных лесов после повреждения сибирским шелкопрядом /В. М. Жирин, С. В. Князева, С. П. Эйдлина // Лесоведение. - 2016. - № 1. - С. 3-14.
31. Замолодчиков, Д. Г. Влияние изменений климата на леса России: зафиксированные воздействия и прогнозные оценки / Д. Г. Замолодчиков, Г. Н. Краев // Устойчивое лесопользование. - 2016. - Т. 48. - № 4. - С. 23-31.
32. Замолодчиков, Д. Г. Конверсионные коэффициенты фитомассы/запас в связи с дендрометрическими показателями и составом древостоев / Д. Г. Замолодчиков, А. И. Уткин, Г. Н. Коровин // Лесоведение. - 2005. - № 6. - С. 73-81.
33. Замолодчиков, Д. Г. Коэффициенты конверсии запасов насаждений в фито-массу основных лесообразующих пород России / Д. Г. Замолодчиков, А. И. Уткин, О. В. Честных // Лесная таксация и лесоустройство. - 2003. - Вып. 1(32). -С. 119-127.
34. Им, С. Т. Миграция северной границы вечнозеленых хвойных древостоев в Сибири в XXI столетии / С. Т. Им, В. И. Харук, В. Г. Ли // Современные проблемы дистанционного зондирования Земли из космоса. - 2020. - Т. 17. - № 1. - С. 176-187. DOI: 10.21046/2070-7401-2020-17-1-176-187.
35. Каганов, В. В. Влияние климата на запасы углерода фитомассы и подстилки в лесных насаждениях юга европейской России / В. В. Каганов, Д. Г. Замолодчи-ков, А. С. Мостовая // Лесоведение. - 2023. - № 5. - С. 486-501. DOI: 10.31857/S0024114823050030.
36. Катковский, Л. В. Обнаружение усыханий хвойных лесов по авиакосмическим данным / Л. В. Катковский, О. О. Силюк, Б. И. Беляев, М. Ю. Беляев, Э. Э. Сар-мин, И. И. Бручковский, С. И. Гуляева, Г. С. Литвинович, Ю. С. Давидович // Современные проблемы дистанционного зондирования Земли из космоса. -2022. - Т. 19. - № 3. - С. 88-102. DOI: 10.21046/2070-7401-2022-19-3-88-102.
37. Кашницкий, А. В. Организация обработки данных ДЗЗ при решении задачи детектирования изменений лесного покрова на больших территориях / А. В. Кашницкий, Т. С. Ховратович, И. В. Балашов // Современные проблемы дистанционного зондирования Земли из космоса. - 2019. - Т. 16. - № 6. - С. 103-111. DOI: 10.21046/2070-7401-2019-16-6-103-111
38. Князева, С. В. Оценка биометрических параметров сосновых древостоев по спутниковым данным WorldView-3 и материалам беспилотной аэросъёмки / С. В. Князева, А. Д. Никитина, Е. А. Гаврилюк, Е. В. Тихонова, Н. В. Королева // Современные проблемы дистанционного зондирования Земли из космоса. -2022. - Т. 19. - № 6. - С. 93-107. DOI: 10.21046/2070-7401-2022-19-6-93-107.
39. Ковалев, А. В. Анализ устойчивости лесных насаждений к повреждениям сибирским шелкопрядом по данным дистанционного зондирования / А. В. Ковалев // Сибирский лесной журнал. - 2021. - № 5. - С. 71-79. DOI: 10.15372/SJFS20210508.
40. Коломыц, Э. Г. Вегетационный индекс NDVI как индикатор фотосинтетического потенциала бореальных лесов Волжского бассейна / Э. Г. Коломыц, Л. С. Шарая // Лесоведение. - 2020. - № 4. - С. 301-313. DOI: 10.31857/S0024114820040075
41. Коломыц, Э. Г. Углеродный баланс лесных экосистем Волжского бассейна в условиях глобального потепления: прогнозное ландшафтно-экологическое моделирование / Э. Г. Коломыц // Сибирский лесной журнал. - 2021. - № 3. - С. 56-75. DOI: 10.15372/SJFS20210306.
42. Кудрявцев, А. Ю. Леса Пензенской области / А. Ю. Кудрявцев // Известия Пензенского государственного педагогического университета им. В. Г. Белинского. - 2007. - № 9. - С. 17-23.
43. Курбанов, Э. А. Бюджет углерода сосновых экосистем Волго-Вятского района: монография / Э. А. Курбанов. - Йошкар-Ола : Изд-во Марийского технического университета, 2002. - 300 с. - ISBN 5-8158-0184-4.
44. Курбанов, Э. А. К вопросу об углерододепонирующих насаждениях / Э. А. Курбанов, О. Н. Воробьёв, Л. С. Мошкина, А. В. Губаев, С. А. Лежнин, С. А. Неза-маев // Вестник МарГТУ - Йошкар-Ола: Марийский государственный технический университет. - № 3 - 2008. - С. 5-17.
45. Курбанов, Э. А. Дистанционные методы в лесном хозяйстве.: Учебное пособие / Э. А. Курбанов, О. Н. Воробьёв. - Йошкар-Ола: Поволжский государственный технологический университет. 2020. - 266 с. ISBN 978-5-8158-2149-1.
46. Курбанов, Э. А. Моделирование бюджета углерода лесных насаждений на примере сосняков Поволжья / Э. А. Курбанов // Лесной журнал. - 2009. - № 2. - С. 7-15.
47. Курбанов, Э. А. Пространственная динамика фитомассы березняков на бывших сельскохозяйственных землях Марийского Заволжья / Э. А. Курбанов, О. Н. Воробьёв, Л. С. Устюгова, А. В. Губаев, С. А. Лежнин, С. А. Незамаев // Лесной журнал. - Архангельск: Архангельский государственный технический университет. - № 3 - 2010. - С. 8-14.
48. Курбанов, Э. А. Тематическое картирование растительного покрова по спутниковым снимкам: валидация и оценка точности : монография / Э. А. Курбанов, О. Н. Воробьев, С. А. Лежнин, А. В. Губаев, Ю. А. Полевщикова; Йошкар-Ола: ПГТУ, 2015. - 131 с. ISBN 978-5-8158-1596-4
49. Курбанов, Э. А. Углерододепонирующие насаждения Киотского протокола: монография / Э. А. Курбанов. - 2-е изд. - Йошкар-Ола. Изд-во МарГТУ, - 2009. -184 с. - ISBN 978-5-8158-0689-4.
50. Курбанов, Э. А. Четыре десятилетия исследований лесов по снимкам Landsat / Э. А. Курбанов, О. Н. Воробьёв, А. В. Губаев, С. А. Лежнин, Ю. А. Полевщикова, Е. Н. Демишева // Вестник Поволжского государственного технологического университета. Сер.: Лес. Экология. Природопользование. - 2014. - Т. 21. - № 1. - С. 18-32.
51. Курбанов, Э. А. Распознавание лесных насаждений и доминирующих древесных пород Пензенской области по данным спутника Sentinel-2 / Э. А. Курбанов, О. Н. Воробьев, С. А. Меньшиков, Л. Н. Смирнова // Современные проблемы дистанционного зондирования Земли из космоса. - 2018. - Т. 15. - № 5. - С. 154-166. DOI: 10.21046/2070-7401-2018-15-5-154-166.
52. Кухта, А. Е. Воздействие климатических факторов на приросты сосны обыкновенной (Pinus sylvestris L.) на побережье Кандалакшского залива Белого моря / А. Е. Кухта, О. В. Максимова, В. В. Кузнецова // Изв. вузов. Лесной журнал. -
2023. - № 4. - С. 105-119. DOI: 10.37482/0536-1036-2023-4-105-119.
53. Лесной план Пензенской области 2018 (с изменениями в 2024) https://minleshoz.pnzreg.ru/osnovnye-napravleniya/lesnoe-khozvaystvo/lesnoy-plan/
54. Лежнин, С. А. Дистанционный мониторинг зарастания залежей Республики Марий Эл методом анализа главных компонент / С. А. Лежнин, А. В. Губаев, О. Н. Воробьев, Э. А. Курбанов, Д. М. Дергунов // Исследование Земли из космоса. -
2024. - № 2. - С. 21-31. DOI: 10.31857/S0205961424020034.
55. Липка, О. Н. Роль лесов в адаптации природных систем к изменениям климата. / О. Н. Липка, М. Д. Корзухин, Д. Г. Замолодчиков, Н. Ю. Добролюбов, С. В. Крыленко, А. Ю. Богданович, С. М. Семенов // Лесоведение. - 2021. - № 5. - С. 531-546. DOI: 10.31857/S0024114821050077.
56. Лобовиков, М. А. Динамика мировых рынков углерода / М. А. Лобовиков, Н. К. Прядилина // Известия Санкт-Петербургской лесотехнической академии. - 2022. - Вып. 241. - С. 69-81. DOI: 10.21266/2079-4304.2022.241.69-81.
57. Лобовиков, М. А. Сравнительный анализ добровольных лесоклиматических стандартов REDD+ / М. А. Лобовиков, Н. К. Прядилина // Известия Санкт-Петербургской лесотехнической академии. - 2024. - № 248. - С. 75-88. DOI: 10.21266/2079-4304.2024.248.75-88.
58. Нагимов З. Я. Оценка фитомассы сосновых древостоев на пробных площадях государственной инвентаризации лесов (на примере лесопарков Екатеринбурга) / З. Я. Нагимов, А. В. Суслов, Ю. С. Коломенцева // Леса России и хозяйство в них. - 2023. - Т. 87. - № 4. - С. 47-54. DOI: 10.51318/FRET.2023.87.4.004.
59. Нагимов З. Я. Структура и динамика надземной фитомассы сосновых древо-стоев лишайникового типа леса / З. Я. Нагимов, И. Н. Артемьева, В. З. Нагимов // Лесной журнал. - 2012. - № 5. - С. 60-66.
60. Наквасина, Е. Н. Оценка отклика на изменение климата в опытах с происхождениями Picea abies (L.) Karst. x P. obovata (Ledeb.) на севере Русской равнины / Е. Н. Наквасина, Н. А. Прожерина // Изв. вузов. Лесной журнал. - 2023. - № 1. -С. 22-37. DOI: 10.37482/0536-1036-2023-1-22-37.
61. Невзорова, Т. А. Обзор методологий реализации лесных климатических проектов / Т. А. Невзорова // Лесоведение. - 2024. - № 1. - С. 86-100. DOI: 10.31857/S0024114824010107
62. Осипов, А. Ф. Запасы и структура фитомассы древостоев северотаежных сосняков Республики Коми / А. Ф. Осипов, И. Н. Кутявин, А. В. Манов, М. А. Кузнецов, К. С. Бобкова // Изв. вузов. Лесной журнал. - 2022. - № 4. - С. 25-38. DOI: 10.37482/0536-1036-2022-4-25-38.
63. Остроухов, А. В. Информативность вегетационных индексов для оценки после-рубочного восстановления темнохвойных лесов Северного Сихотэ-Алиня по данным со спутников серии Landsat / А. В. Остроухов, Д. Р. Клевцов // Современные проблемы дистанционного зондирования Земли из космоса. - 2023. - Т. 20. - № 5. - С. 194-204. DOI: 10.21046/2070-7401-2023-20-5-194-204.
64. Остроухов, А. В. Ландшафтное картирование труднодоступных территорий с использованием геоинформационных технологий (на примере особо охраняе-
мых территорий Хабаровского края) / А. В. Остроухов, Е. М. Климина // Современные проблемы дистанционного зондирования Земли из космоса. - 2020. - Т. 17. - № 1. - С. 139-149. DOI: 10.21046/2070-7401-2020-17-1-139-149.
65. Парфенова, А. В. Аридизация климата Ростовской области / А. В. Парфенова, Л. В. Дашкевич // Экология. Экономика. Информатика. Серия: Системный анализ и моделирование экономических и экологических систем. - 2021. - Т. 1. - № 6. - С. 131-138. DOI: 10.23885/2500-395X-2021-1-6-131-138.
66. Приказ Министерства природных ресурсов и экологии Российской Федерации от 27.05.2022 № 371 "Об утверждении методик количественного определения объемов выбросов парниковых газов и поглощений парниковых газов" // Зарегистрирован 29.07.2022 № 69451.
67. Прожерина, Н.А. Изменение климата и его влияние на адаптацию и внутривидовую изменчивость хвойных пород Европейского Севера России / Н.А. Прожерина, Е.Н. Наквасина // Изв. вузов. Лесной журнал. - 2022. - № 2. - С. 9-25. DOI: 10.37482/0536-1036-2022-2-9-25
68. Птичников, А. В. Современная климатическая повестка: какие изменения актуальны в лесном хозяйстве России? / А. В. Птичников, Е. А. Шварц // Известия Санкт-Петербургской лесотехнической академии. - 2023. - № 242. - С. 129-142. DOI: 10.21266/2079-4304.2023.242.129-142.
69. Раевский, Б. В. Картографирование наземного покрова заповедника «Кивач» и прилегающих территорий с использованием данных дистанционного зондирования / Б. В. Раевский, В. В. Тарасенко // Современные проблемы дистанционного зондирования Земли из космоса. - 2024. - Т. 21. - № 6. - С. 171-187. DOI: 10.21046/2070-7401-2024-21-6-171-187.
70. Раевский, Б. В. Оценка современного состояния растительных сообществ заповедника «Костомукшский» по спутниковым снимкам системы Landsat / Б. В. Раевский, В. В. Тарасенко, Петров Н. В. // Современные проблемы дистанционного зондирования Земли из космоса. - 2022. - Т. 19. - № 3. - С. 47-61. DOI: 10.21046/2070-7401-2022-19-3-47-61.
71. Раевский, Б. В. Оценка современного состояния и динамики растительных сообществ Онежского полуострова по разновременным спутниковым снимкам системы Landsat / Б. В. Раевский, В. В. Тарасенко, Петров Н. В. // Современные проблемы дистанционного зондирования Земли из космоса. - 2021. - Т. 21. - № 18. - С. 145-155. DOI: 10.21046/2070-7401-2021-18-5-145-155.
72. Рахматуллина, И. Р. Дистанционный мониторинг зеленых насаждений Уфы за 1988-2018 годы / И. Р. Рахматуллина, З. З. Рахматуллин, А. Ю. Кулагин // Вестник РУДН. Серия: Экология и безопасность жизнедеятельности. - 2020. - Т. 28. - №. 3. - С. 263-274. DOI: 10.22363/2313-2310-2020-28-3-263-274.
73. Рахматуллин, З. З. Динамика изменений вегетационного индекса NDVI лесопарка им. Лесоводов Башкирии // З. З. Рахматуллин, И. Р. Рахматуллина, А. К. Габделхаков, В. Ф. Коновалов, К. М. Габдрахимов // Российский электронный научный журнал. - 2019. - Т. 34. - №. 4. - С. 220-226. DOI: 10.31563/2308-96442019-34-4-220-226.
74. Рахматуллин, З. З. Картографические методы исследований объектов природы / З. З. Рахматуллин, И. Р. Рахматуллина, А. К. Габделхаков // Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг. - 2018. - №. 4. - С. 100-110. EDN: PRXRQE.
75. Романовская, А. А. Проблема учета поглощающей способности лесов России в Парижском соглашении / А. А. Романовская, А. А. Трунов, В. Н. Коротков, Р. Т. Карабань // Лесоведение. - 2018, - № 5. - С. 323-334. DOI: 10.1134^0024114818050066.
76. Рулев, А. С. Анализ сезонной динамики естественной растительности Заволжья Волгоградской области / А. С. Рулев, С. Н. Канищев, С. С. Шинкаренко // Современные проблемы дистанционного зондирования Земли из космоса. -2016. - Т. 13. - № 4. - С. 113-123. DOI: 10.21046/2070-7401-2016-13-4-113-123.
77. Румянцев, Д. Е. Оценка влияния климатического режима на относительную интенсивность депонирования углерода в древостоях сосны обыкновенной в условиях карбонового полигона Фряновского лесничества (Московская область) / Д. Е. Румянцев, С. И. Чумаченко, В. А. Липаткин, В. В. Киселева, У. С. Шипинская,
Д. В. Лежнев, А. Е. Парфенова // Лесной вестник. - 2024. - Т. 28. - № 4. - С. 4352. Б01: 10.18698/2542-1468-2024-4-43-52
78. Савин М. С. Применение ГИС-технологий для создания пространственных предикторов в целях картографирования экосистемных функций лесов на локальном уровне / М. С. Савин, А. С. Плотникова, А. Н. Нарыкова // Вопросы лесной науки. - 2022. - Т. 5. - № 2. - Статья № 105. С. 1-15. Б01: 10.31509/2658-607х-202252-10.
79. Сергиенко, В. Г. Динамика границ лесорастительных зон России в условиях изменения климата / В. Г. Сергиенко // Труды Санкт-Петербургского НИИ лесного хоз-ва. - 2015. - № 1. - С. 5-19.
80. Смирнова, И. О. Обзор зарубежных достижений за последние пять лет в области использования мульти- и гиперспектральных спутниковых данных и современных методово их обработки в геологических исследованиях / И. О. Смирнова, А. А. Кирсанов, Н. В. Камышникова // Современные проблемы дистанционного зондирования Земли из космоса. - 2020. - Т. 17. - № 1. - С. 9-27. Б01; 10.21046/2070-7401-2020-17-1-9-27.
81. Тарасова, Л. В. Мониторинг лесного покрова водоохранных зон рек Марий Эл по спутниковым данным / Л. В. Тарасова, Э. А. Курбанов, О. Н. Воробьев, Х. Бу, С. А. Лежнин, Д. М. Дергунов // Современные проблемы дистанционного зондирования Земли из космоса. - 2024. - Т. 21. - № 2. - С. 177-195. Б01; 10.21046/2070-7401-2024-21-2-177-195.
82. Тарасова, О. В. Влияние погодных условий на развитие вспышек массового размножения сибирского шелкопряда в Средней Сибири / О. В. Тарасова, В. Е. Волков // Сибирский лесной журнал. - 2021. - № 5. - С. 49-59. Б01; 10.15372/8^820210506.
83. Терехин Э. А. Оценка пространственно-временных изменений в зелёной фито-массе аграрной растительности с использованием спектрально-отражательных признаков / Э. А. Терехин // Современные проблемы дистанционного зондирования Земли из космоса. - 2021. - Т. 18. - № 1. - С. 138-148. Б01: 10.21046/20707401-2021-18-1-138-148.
84. Терехин Э. А. Оценка процессов лесовозобновления на залежах европейской территории России с использованием многолетних изменений спектрально-отражательных характеристик / Э. А. Терехин // Современные проблемы дистанционного зондирования Земли из космоса. - 2022. - Т. 19. - № 3. - С. 233-244. DOI: 10.21046/2070-7401 -2022-19-3 -233-244.
85. Терехов, А. Г. Многолетние тренды в состоянии растительности хребтов Тяно-Шаня и Джунгарского Алатау по данным eMODIS NDVI C6 (2002-2019) / А. Г. Терехов, И. С. Витковская, Н. Н. Абаев, С. А. Долгих // Современные проблемы дистанционного зондирования Земли из космоса. - 2019. - Т. 16. - № 6. - С. 133142. DOI: 10.21046/2070-7401-2019-16-6-133-142
86. Торжков, И. О. Анализ комплекса адаптационных мер к ожидаемым изменениям климата в лесном секторе Российской Федерации. / И. О. Торжков, Т. С. Королева, А. В. Константинов, Е. А. Кушнир // Труды Санкт-Петербургского научно-исследовательского института лесного хозяйства. - 2017. - № 4. - С. 6477. DOI: 10.21178/2079-6080.2017.4.64.
87. Третий оценочный доклад об изменениях климата и их последствиях на территории Российской Федерации / М.: Росгидромет, 2022. - 124 с. ISBN 978-5907618-14-5.
88. Третьяков П. Д. Горимость арктической зоны Сибири в условиях климатических изменений XX - начала XXI вв. / П Д. Третьяков, Е. И. Пономарев // Сибирский лесной журнал. - 2023. - № 6. - С. 17-31. DOI: 10.15372/SJFS20230603.
89. Углерод в лесных и болотных экосистемах особо охраняемых природных территории Республики Коми / Сыктывкар (Коми НЦ УрО РАН), 2014. - 202 с. ISBN 978-5-89606-515-9.
90. Угольникова, А. О. Анализ состояния лесов Пензенской области / А. О. Уголь-никова, М. С. Акимова, А. Н. Поршакова // Современные проблемы науки и образования. - 2014. - № 6.
91. Уразова А. Ф. Для цитирования: Оценка динамики температуры воздуха и количества осадков в целях проектирования защитных лесных полос вдоль железных дорог / А. Ф. Уразова, З. Я. Нагимов, Э. Ф. Герц, П. Н. Уразов // Вестник
Поволжского государственного технологического университета. Серия «Лес. Экология. Природопользование». - 2022. - Т. 56. - № 4. - С. 85-95. Б01; 10.25686/2306-2827.2022.4.85.
92. Усольцев В. А. Регрессионные модели для оценки фитомассы древостоев на основе бортового лидара / В. А. Усольцев, И. С. Цепордей, В. П. Часовских, Е. В. Кох // Вестник Поволжского государственного технологического университета. Сер.: Лес. Экология. Природопользование. - 2023. - Т. 59. - № 3. - С. 24-41. Б01; 10.25686/2306-2819.2023.3.24
93. Усольцев, В. А. Депонирование углерода лесами уральского региона России (по состоянию Государственного учета лесного фонда на 2007 год) : монография / В. А. Усольцев; Уральский государственный лесотехнический университет, РАН, УрО, Ботан. сад. - Екатеринбург, 2018. - 265 с. (Биологическая продуктивность лесов Евразии).
94. Усольцев, В. А. Структура фитомассы деревьев лесообразующих пород в трансконтинентальных градиентах Евразии / В. А. Усольцев, М. П. Воронов, К. В. Колчин // Эко-потенциал. - 2017. - Т. 17. - № 1. - С. 55-71.
95. Усольцев, В. А. Фитомасса модельных деревьев лесообразующих пород Евразии: база данных, климатически обусловленная география, таксационные нормативы: научное издание / В. А. Усольцев // Уральский государственный лесотехнический университет. - 2016. - 338 с.
96. Ховратович, Т. С. Метод детектирования изменений лесов на основе подпик-сельной оценки проективного покрытия древесного полога по разновременным спутниковым изображениям / Т. С. Ховратович, С. А. Барталев, А. В. Кашницкий // Современные проблемы дистанционного зондирования Земли из космоса. -2019. - Т. 16. - № 4. - С. 102-110. Б01: 10.21046/2070-7401-2019-16-4-102-110.
97. Черных, В. Л. Геоинформационные системы в лесном хозяйстве: учебное пособие // В. Л. Черных. Йошкар-Ола: МарГТУ. - 2005. - 202 с.
98. Швецов, Е. Г. Исследование влияния мощности теплоизлучения лесных пожаров на степень повреждения лесов на территории юга средней Сибири по спут-
никовым данным / Е. Г. Швецов // Современные проблемы дистанционного зондирования Земли из космоса. - 2022. - Т. 19. - № 5. - С. 136-146. DOI: 10.21046/2070-7401-2022-19-5-136-146.
99. Швиденко, А. З. Переход к устойчивому управлению лесами России: теоретико-методические предпосылки / А. З. Швиденко, Д. Г. Щепащенко, Ф. Кракснер, А. А. Онучин // Сибирский лесной журнал. - 2017. - № 6. - С. 3-25. DOI: 10.15372/SJFS20170601.
100. Щепащенко, Д. Г. Изучение фитомассы лесов: текущее состояние и перспективы. / Д. Г. Щепащенко, А. З. Швиденко, К. Пергер, и др. // Сибирский лесной журнал. - 2017. - № 4. - С. 3-11. DOI: 10.15372/SJFS20170401.
101. Asam, S. Mapping crop types of Germany by combining temporal statistical metrics of Sentinel-1 and Sentinel-2 time series with LPIS Data / S. Asam, U. Gessner, R. A. González, M. Wenzl, J. Kriese, C. Kuenzer // Remote sensing. - 2022. - № 14. - P. 2981. DOI: 10.3390/rs14132981.
102. Attarchi, S. Improving the estimation of above ground biomass using dual polarimet-ric PALSAR and ETM+ data in the Hyrcanian mountain forest (Iran) / S. Attarchi, R. Gloaguen // Remote sensing. - 2014. - Vol. 6. - № 5. - P. 3693-3715. DOI: 10.3390/rs6053693.
103. Baig, M. H. A. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance / M. H. A. Baig, L. Zhang, T. Shuai, Q. Tong // Remote sensing letters. - 2014. - Vol. 5. - Iss. 5. - P. 423-431. DOI: 10.1080/2150704X.2014.915434.
104. Bonan, G. B. Forests and climate change: Forcings, feedbacks, and the climate benefits of forests / G. B. Bonan // Science. - 2008. - Vol. 320. - № 5882. - P. 14441449. DOI: 10.1126/science.1155121.
105. Breiman, L. Random Forests / L. Breiman // Machine Learning. - 2001. - Vol. 45. -P. 5-32. DOI: 10.1023/A:1010933404324.
106. Brunet-Navarro, P. Climate mitigation by energy and material substitution of wood products has an expiry date / P. Brunet-Navarro, H. Jochheim, G. Cardellini, K. Richter, B. Muys // Journal of deaner production. - 2021. - Vol. 303. - № 127026. DOI: 10.1016/j.jclepro.2021.127026.
107. Cassell, B. A. Widespread severe wildfires under climate change lead to increased forest homogeneity in dry mixed-conifer forests / B. A. Cassell, R. M. Schel ler, M. S. Lucash, M. D. Hurteau, E. L. Loudermilk // Ecosphere. - 2019. - Vol. 10. - № 11. DOI: 10.1002/ecs2.2934.
108. Castillo, J. A. A. Estimation and mapping of above-ground biomass of mangrove forests and their replacement land uses in the Philippines using Sentinel imagery / J. A. A. Castillo, A. A. Apan, T. N. Maraseni, S. G. Salmo // ISPRS journal of photogram-metry and remote sensing. - 2017. - Vol. 134. - P. 70-85. DOI: 10.1016/j.is-prsjprs.2017.10.016.
109. Cohen, W. B. Forest disturbance across the conterminous United States from 19852012: The emerging dominance of forest decline / W. B. Cohen, Z. Yang, S. V. Steh-man, T. A. Schroeder, et al. // Forest Ecology and Management. - 2016. - Vol. 360. -P. 242-252. DOI: 10.1016/j.foreco.2015.10.042.
110. Coop, J. D. Wildfire-driven forest conversion in western north American landscapes / J. D. Coop, S. A. Parks, C. S. Stevens-Rumann, S. D. Crausbay, et al. // BioScience. -2020. - Vol. 70. № 8. - P. 659-673. DOI: 10.1093/biosci/biaa061.
111. Crist, E. P. A TM tasseled cap equivalent transformation for reflectance factor data / E. P. Crist // Remote sensing of environment. - 1985. - № 17. - P. 301-306.
112. Chrysalis, I. Assessing the relationships between growing stock volume and Sentinel-2 imagery in a Mediterranean forest ecosystem / I. Chrysafis, G. Mallinis, S. Siachalou, P. Patias // Remote sensing letters. - 2017. - Vol. 8. - № 6. - P. 508-517. DOI: 10.1080/2150704X.2017.1295479.
113. Ellison, D. Trees, forests and water: cool insights for a hot world / D. Ellison, C. E. Morris, B. Locatelli, D. Sheil, et al. // Global environmental change. - 2017. - Vol. 43.
- P. 51-61. DOI: 10.1016/j.gloenvcha.2017.01.002.
114. Gao, B.-C. NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space / B.-C. Gao // Remote sensing of environment. - 1996.
- Vol. 58. P. - 257-266.
115. Guo, Y. Stand carbon density drivers and changes under future climate scenarios across global forests / Y. Guo, C. Peng, R. Trancoso, Q. Zhu, X. Zhou // Forest ecology
and management. - 2019. - Vol. 449. Art. № 117463. DOI: 10.1016/j.foreco.2019.117463.
116. IPCC, 2023: Summary for Policymakers. In: Climate Change 2023: Synthesis Report. A Report of the Intergovernmental Panel on Climate Change. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland, 36 pages.
117. IPCC, 2013: Climate Change 2013: The physical science basis : Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change / T. F. Stocker, D. Qin, G.-K. Plattner, et. al. (eds.). - Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2013. - 1535 p. ISBN 978-1-107-66182-0.
118. Imran, A. B. Narrow band based and broadband derived vegetation indices using Sen-tinel-2 Imagery to estimate vegetation biomass / A. B. Imran, K. Khan, N. Ali, N. Ahmad, A. Ali, K. Shah // Global journal of environmental science and management. -2020. - Vol. 6. - № 1. - P. 97-108. DOI: 10.22034/GJESM.2020.01.08.
119. Frampton, W. J. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation / W. J. Frampton, J. Dash, G. Watmough, E. J. Milton // ISPRS journal of photogrammetry and remote sensing. - 2013. - Vol. 82. -P. 83-92. DOI: 10.1016/j.isprsjprs.2013.04.007.
120. Frazier, R. J. Characterization of aboveground biomass in an unmanaged boreal forest using Landsat temporal segmentation metrics / R. J. Frazier, N. C. Coops, M. A. Wul-der, R. Kennedy // ISPRS Journal of Photogrammetry and Remote Sensing. - 2014. -Vol. 92. - P. 137-146. DOI: 10.1016/j.isprsjprs.2014.03.003.
121. Frieler, K. Assessing the impacts of 1.5 °C global warming — simulation protocol of the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP2b) / K. Frieler, S. Lange, Piontek, C. P. O. Reyer, J. Schewe, L. Warszawski, F. Zhao, L. Chiniet et al. // Geoscientific model development. - 2017. - Vol. 10. - № 12. - P. 4321-4345. DOI: 10.5194/gmd-10-4321-2017.
122. FAO. 2024. The State of the World's Forests 2024 - Forest-sector innovations towards a more sustainable future / FAO. - Rome, 2024. 104 - p. ISBN 978-92-5138867-9. DOI: 10.4060/cd1211en.
123. Gómez, C. Changing trends of biomass and carbon pools in Mediterranean pine forests / C. Gómez, J. C. White, M. A. Wulder // Managing forest ecosystems. - 2017. - Vol. 34. - P. 119-149. DOI: 10.1007/978-3-319-28250-3_7.
124. Halme, E. Utility of hyperspectral compared to multispectral remote sensing data in estimating forest biomass and structure variables in Finnish boreal forest / E. Halme, P. Pellikka, M. Mottus // International journal of applied Earth observation and geoin-formation. - 2019. - Vol. 83. -№ 101942. DOI: 10.1016/j.jag.2019.101942.
125. Herold, M. The role and need for space-based forest biomass-related measurements in environmental management and policy / M. Herold, S. Carter, V. Avitabile, et al. // Surveys geophysics. - 2019. - Vol. 40. - P. 757-778. DOI: 10.1007/s10712-019-09510-6.
126. Huang, C. Mapping above-ground biomass by integrating optical and SAR imagery: a case study of Xixi national wetland park, China / C. Huang, X. Ye, C. Deng, Z. Zhang, Z. Wan // Remote sensing. - 2016. - Vol. 8. - № 8. - Art №. 647. DOI: 10.3390/rs8080647.
127. Huang, C. Derivation of a tasseled cap transformation based on Landsat 7 at satellite reflectance / C. Huang, B. Wylie, C. Homer, L. Yang, G. Zylstra // International journal of remote sensing. - 2002. - № 23. - P. 1741-1748.
128. Huete, A. R. A comparison of vegetation indices global set of TM images for EOS-MODIS / A. R. Huete, H. Q. Liu, K. Batchily, W. Yan Leeuwen // Remote sensing of environment. - 1997. - Vol. 59. - P. 440-451.
129. Jiang, F. Spatial pattern and dynamic change of vegetation greenness from 2001 to 2020 in Tibet, China / F. Jiang, M. Deng, Y. Long, H. Sun // Frontiers in plant science. - 2022. - Vol. 13. - Art № 892625. DOI: 10.3389/fpls.2022.892625.
130. Karkauskaite, P. Evaluation of the plant phenology index (PPI), NDVI and EVI for start-of-season trend analysis of the Northern Hemisphere Boreal Zone / P. Karkauskaite, T. Tagesson, R. Fensholt // Remote sensing. - 2017. - Vol. 9. - №2 5. Art. №2 485. DOI: 10.3390/rs9050485.
131. Kasischke, E. S. Evaluation of the composite burn index for assessing fire severity in Alaskan black spruce forests / E. S. Kasischke, M. R. Turetsky, R. D. Ottmar, N. H. F. French, E. E. Hoy, E. S. Kane // International journal of wildland fire. - 2008. - Vol. 17. - P. 515-526.
132. Kendall, M. G. Rank correlation methods. Oxford: Charles Griffin, 955. 196 p.
133. Khan, M. N. Forest aboveground biomass estimation and inventory: evaluating remote sensing-based approaches / M. N. Khan, Y. Tan, A. A. Gul, S. Abbas, J. Wang // Forests. - 2024. - Vol. 15. - Art. No. 1055. DOI: 10.3390/f15061055.
134. Kharuk, V. I. Climate-induced northerly expansion of Siberian silkmoth range / V. I. Kharuk, S. T. Im, K. J. Ranson, M. N. Yagunov // Forests. - 2017. - Vol. 8. - № 8. - P. 301. DOI: 10.3390/f8080301.
135. Kharuk, V. I. Siberian silkmoth outbreaks surpassed geoclimatic barrier in Siberian Mountains / V. I. Kharuk, S. T. Im, V. V. Soldatov // Journal of mountain science. -2020. - Vol. 17. - P. 1891-1900. DOI: 10.1007/s11629-020-5989-3.
136. Korhonen, L. Comparison of Sentinel-2 and Landsat 8 in the estimation of boreal forest canopy cover and leaf area index / L. Korhonen, P. Hadi, Packalen, M. Rautiainen // Remote sensing of environment. - 2017. - Vol. 195. - № 15. - P. 259-274. DOI: 10.1016/j.rse.2017.03.021.
137. Kumar, L. Review of the use of remote sensing for biomass estimation to support renewable energy generation / L. Kumar, P. Sinha, S. Taylor, A. F. Alqurashi // Journal of applied remote sensing. - 2015. - Vol. 9. - № 1 - Art. №. 097696. DOI: 10.1117/1 .JRS.9.097696.
138. Kumar, L. Remote sensing of above-ground biomass / L. Kumar, O. Mutanga // Remote sensing. - 2017. - Vol. 9. - № 9. - P. 1-8. DOI: 10.3390/rs9090935.
139. Kurbanov, E. A. Forest cover trend analysis using MODIS time series and its climatic responses in the Mari El Republic of Russia / E. A. Kurbanov, O. N. Vorobev, S. Lezh-nin, D. M. Dergunov, Y. Wang // IOP "FORECO 2021" Conf., Ser.: Earth and Environ. Sci. - 2021. - Vol. 932. - 012003. DOI:10.1088/1755-1315/932/1/012003.
140. Kurbanov, E. Remote sensing of forest burnt area, burn severity, and post-fire recovery: a review / E. Kurbanov, O. Vorobev, S. Lezhnin, J. Sha, J. Wang, X. Li, J. Cole, D. Dergunov, Y. Wang // Remote sensing. - 2022. - Vol. 14. - № 19. - Art. № 4714. DOI: 10.3390/rs14194714.
141. Kurbanov, E. Temporal and spatial analyses of forest burnt area in the Middle Volga region based on satellite imagery and climatic factors / E. Kurbanov, O. Vorobev, S. Lezhnin, D. Dergunov, J. Wang, J. Sha, A. Gubaev, L. Tarasova, Y. Wang // Climate.
- 2024a. - Vol. 12. - 0045. DOI: 10.3390/cli12030045.
142. Kurbanov, E. Detecting trends in post-fire forest recovery in Middle Volga from 2000 to 2023 / E. Kurbanov, L. Tarasova, A. Yakhyayev, O. Vorobev, S. Gozalov, S. Lezhnin, J. Wang, J. Sha, D. Dergunov, A. Yastrebova // Forests. - 20246. - № 15. - 1919. DOI: 10.3390/f15111919.
143. Li, B. Estimation of aboveground vegetation biomass based on Landsat-8 OLI satellite images in the Guanzhong Basin, China / B. Li, W. Wang, L. Bai, N. Chen, W. Wang // International journal of remote sensing. - 2019. - Vol. 40. - № 10. - P. 3927-3947. DOI: 10.1080/01431161.2018.1553323.
144. Li, Y. Forest aboveground biomass estimation using Landsat 8 and Sentinel-1A data with machine learning algorithms / Y. Li, M. Li, C. Li, Z. Liu // Scientific reports. -2020. - Vol. 10. - № 1. - Art. № 9952. DOI: 10.1038/s41598-020-67024-3.
145. López-Serrano, P. M. Modeling of aboveground biomass with Landsat 8 OLI and machine learning in temperate forests / López-Serrano P. M., J. L. Cárdenas Domínguez, J. J. Corral-Rivas, E. Jiménez, C. A. López-Sánchez, D. J. Vega-Nieva // Forests. - 2020. - Vol. 11. - № 1. - Art. № 11. DOI: 10.3390/f11010011.
146. Littlefield, C. E. Topography and post-fire climatic conditions shape spatio-temporal patterns of conifer establishment and growth / C. E. Littlefield // Fire ecology. - 2019
- № 15. - Art. № 34. DOI: 10.1186/s42408-019-0047-7.
147. Lu, D. A survey of remote sensing-based aboveground biomass estimation methods in forest ecosystems / D. Lu, Q. Chen, G. Wang, L. Liu, G. Li, E. Moran // International journal of Digital Earth. - 2016. - Vol. 9. - № 1. - P. 63-105. DOI: 10.1080/17538947.2014.990526.
148. Macedo, F. L. Above-ground biomass estimation for Quercus rotundifolia using vegetation indices derived from high spatial resolution satellite images / F. L. Macedo, A. M. O. Sousa, A. C. Gon?alves, J. R. Marques da Silva, P. A. Mesq uita, R. A. F. Rodrigues // European journal of remote sensing. - 2018. - Vol. 51. - № 1. - C. 932-944. DOI: 10.1080/22797254.2018.1521250.
149. Mann, H. B. Nonparametric tests against trend // Econometrica. - 1945. - Vol. 13. -P. 245-259. DOI:10.2307/1907187.
150. Majasalmi, T. The potential of Sentinel-2 data for estimating biophysical variables in a boreal forest: a simulation study / T. Majasalmi, M. Rautiainen // Remote sensing letters. - 2016. - Vol. 7. - № 5. - P. 427-436. DOI: 10.1080/2150704X.2016.1149251.
151. Mutanga, O. Spectral saturation in the remote sensing of high-density vegetation traits: a systematic review of progress, challenges, and prospects / O. Mutanga, A. Masenyama, M. Sibanda // ISPRS journal of photogrammetry. Remote Sensing. -2023. - Vol. 198. - P. 297-309. DOI: 10.1016/j.isprsjprs.2023.03.010.
152. Nabuurs, G.-J. By 2050 the mitigation effects of EU forests could nearly double through climate smart forestry / G.-J. Nabuurs, P. Delacote, D. Ellison, M. Hanewinkel, L. Hetemaki, M. Lindner // Forests. - 2017. - Vol. 8. - № 12. - P. 484. DOI: 10.3390/f8120484.
153. Nguyen, T. H. Monitoring aboveground forest biomass dynamics over three decades using Landsat time-series and single-date inventory data / T. H. Nguyen, S. D. Jones, M. Soto-Berelov, A. Haywood, S. Hislop // International journal of applied earth observation and geoinformation. - 2020. - Vol. 84. - №. 101952. DOI: 10.1016/j.jag.2019.101952.
154. Nuthammachot, N. Fusion of Sentinel-1a and Landsat-8 images for improving land use/land cover classification in Songkla Province, Thailand / N. Nuthammachot, D.
Stratoulias // Applied ecology and environmental research. - 2019. - Vol. 17. - № 2.
- P. 3123-3135. DOI: 10.15666/aeer/1702_31233135.
155. Nuthammachot, N. Combined use of Sentinel-1 and Sentinel-2 data for improving above-ground biomass estimation / N. Nuthammachot, A. Askar, D. Stratoulias, P. Wicaksono // Geocarto international. - 2022. - Vol. 37. - № 2. - P. 366-376. DOI: 10.1080/10106049.2020.1726507.
156. Pandit, S. Estimating above-ground biomass in sub-tropical buffer zone community forests, Nepal, using Sentinel 2 data / S. Pandit, S. Tsuyuki, T. Dube // Remote sensing,
- 2018. - Vol. 10. - № 4. - P. 601. DOI: 10.3390/rs10040601.
157. Phua, M.-H. Synergistic use of Landsat 8 OLI image and airborne LiDAR data for above-ground biomass estimation in tropical lowland rainforests / M.-H. Phua, S. A. Johari, O. C. Wong, K. Ioki, M. Mahali, R. Nilus, D. A. Coomes, C. R. Maycock, M. Hashim // Forest ecology and management. - 2017. - Vol. 406. - № 1. - P. 163-171. DOI: 10.1016/j .foreco.2017.10.007.
158. Potapov, P. Regional-scale boreal forest cover and change mapping using Landsat data composites for European Russia / P. Potapov, S. Turubanova, M. C. Hansen // Remote sensing of environment. - 2011. - № 2. - Vol. 115. - P. 548-561. DOI: 10.1016/j.rse.2010.10.001.
159. Powell, S. L. Quantification of live aboveground forest biomass dynamics with Landsat time-series and field inventory data: A comparison of empirical modeling approaches / S. L. Powell, W. B. Cohen, S. P. Healey, R. E. Kennedy, G. G. Moisen, K. B. Pierce, J. L. Ohmann // Remote sensing of environment. - 2010. - Vol. 114. - № 5. - P. 1053-1068. DOI: 10.1016/j.rse.2009.12.018.
160. Rees, W. G. Estimation of boreal forest growing stock volume in Russia from Sentinel-2 MSI and land cover classification / W.G. Rees, J. Tomaney, O. Tutubalina, V. Zharko, S. Bartalev // Remote sensing. - 2021. - Vol. 13. - № 21. - Art №. 4483. DOI: 10.3390/rs13214483.
161. Rockstrom, J. A roadmap for rapid decarbonization / J. Rockstrom, O. Gaffney, J. Rogelj, M. Meinshausen, N. Nakicenovic, H. J. Schellnhuber // Science. - 2017. -Vol. 355. - № 6331. - P. 1269-1271. DOI: 10.1126/science.aah3443.
162. Santoro, M. The global forest above-ground biomass pool for 2010 estimated from high-resolution satellite observations / M. Santoro, O. Cartus, N. Carvalhais, D. Ro-zendaal, V. Avitabilie, A. Araza, S. de Bruin, M. Herold, S. Quegan, P. Rodríguez Veiga // Earth system science data. - 2021. - Vol. 13. - №. 8. - P. 3927-3950. DOI: 10.5194/essd-2020-148.
163. Sinha, S. A review of radar remote sensing for biomass estimation / S. Sinha, C. Jeganathan, L. K. Sharma, M. S. Nathawat // International journal of environmental science and technology. - 2015. - Vol. 12. - P. 1779-1792. DOI: 10.1007/s13762-015-0750-0.
164. Sanczuk, P. Microclimate and forest density drive plant population dynamics under climate change / P. Sanczuk, K. De Pauw, E. De Lombaerde, et al. // Nature Climate Change. - 2023. - Vol. 13. P. - 840-847. DOI: 10.1038/s41558-023-01744-y.
165. Stelmaszczuk-Górska, M. A. Estimation of above-ground biomass over boreal forests in Siberia using updated in situ, ALOS-2 PALSAR-2, and RADARSAT-2 data / M. A. Stelmaszczuk-Górska, M. Urbazaev, C. Schmullius, C. Thiel // Remote sensing. -2018. - Vol. 10. - № 10. - Art. № 1550. DOI: 10.3390/rs10101550.
166. Schulze, E. D. The climate change mitigation effect of bioenergy from sustainably managed forests in Central Europe / E. D. Schulze, C. A. Sierra, V. Egenolf, R. Woerdehoff, R. Irslinger, C. Baldamus, I. Stupak, H. Spellmann // Global change biology bioenergy. - 2020. - Vol. 12. - № 3. - P. 186-197. DOI: 10.1111/gcbb.12672.
167. Soriano-Luna, M. D. l. A. Determinants of above-ground biomass and its spatial variability in a temperate forest managed for timber production / M. D. l. Á. Soriano -Luna, G. Angeles-Perez, M. Guevara, R. Birdsey, Y. Pan, H. Vaquera-Huerta, J. R. Valdez-Lazalde, K. D. Johnson, R. Vargas // Forests. - 2018. - Vol. 9. - № 8. - P. 490. DOI: 10.3390/f9080490.
168. Tan, Y.-C. Comparative study of random forest and support vector machine for land cover classification and post-wildfire change detection / Y.-C. Tan, L. Duarte, A. C. Teodoro // Land. - 2024. - Vol. 13. - № 11. - P. 1878. DOI: 10.3390/land13111878.
169. Tricht, K. Synergistic use of radar Sentinel-1 and optical Sentinel-2 imagery for crop mapping: a case study for Belgium / A. Gobin, K. Tricht, S. Gilliams, I. Piccard // Remote sensing. - 2018. - Vol. 10. - № 10. - P. 1642. DOI: 10.3390/rs10101642.
170. Tucker, C. J. Red and photographic infrared linear combinations for monitoring vegetation / C. J. Tucker // Remote sensing of environment. - 1979. - Vol. 8. - P. 127150.
171. United Nations Paris Agreement. 2015. - URL: https://trea-ties.un.org/pages/ViewDetails.aspx?src=TREATY&mtdsg_no=XXVII-7-d&chap-ter=27&clang=_en. (дата обращения: 14.02.2025).
172. Yu, T. China's larch stock volume estimation using Sentinel-2 and LiDAR data / T. Yu, Y. Pang, X. Liang, W. Jia, Y. Bai, Y. Fan, X. Wang // Geo-spatial information science. - 2023. - Vol. 26. - № 3. - P. 392-405. DOI: 10.1080/10095020.2022.2105754.
173. Verkerk, P. Spatial distribution of the potential forest biomass availability in Europe / P. Verkerk, J. Fitzgerald, P. Datta, M. Dees, G.-M. Hengeveld, M. Lindner, S. Zudin // Forest ecosystems. - 2019. - Vol. 6. - №. 5. DOI: 10.1186/s40663-019-0163-5.
174. Wang, Y. A combined GLAS and MODIS estimation of the global distribution of mean forest canopy height / Y. Wang, G. Li, J. Ding, Z. Guo, S. Tang, C. Wang, Q. Huang, R. Liu, J.M. Chen // Remote sensing of environment. - 2016. - Vol. 174. -№. 1. - P. 24-43. DOI: 10.1016/j.rse.2015.12.005.
175. White, K. Remote sensing of spring phenology in northeastern forests: A comparison of methods, field metrics and sources of uncertainty / K. White, J. Pontius, P. Schaberg // Remote Sensing Environment. - 2014. - Vol. 148. - P. 97-107. DOI: 10.1016/j.rse.2014.03.017.
176. Wilson, K. L. Comparing Sentinel-2 and WorldView-3 imagery for coastal bottom habitat mapping in Atlantic Canada / K. L. Wilson, M. C. Wong, E. Devred // Remote sensing. - 2022. - Vol. 14. - № 5. - Art. № 1254. DOI: 10.3390/rs14051254.
177. Wu, C. Comparison of machine-learning methods for above-ground biomass estimation based on Landsat imagery / C. Wu, H. Shen, A. Shen, J. Deng, M. Gun, J. Zhu, H.
Xu, K. Wang // Journal of applied remote sensing. - 2016. - Vol. 10. - № 3. - Art. №. 035010. DOI: 10.1117/1.JRS.10.035010.
178. Zhao, Z. Prediction of the impact of climate change on fast-growing timber trees in China / Z. Zhao, Y. Guo, F. Zhu, Y. Jiang // Forest ecology and management. - 2021. - Vol. 501. - Art № 119653. DOI: 10.1016/j.foreco.2021.119653.
179. Zhu, X. Improving forest aboveground biomass estimation using seasonal Landsat NDVI time-series / X. Zhu, D. Liu // ISPRS journal of photogrammetry and remote sensing. - 2015. - Vol. 102. - P. 222-231. DOI: 10.1016/j.isprsjprs.2014.08.014.
180. Zhu, X. X. Deep learning in remote sensing : A comprehensive review and list of resources / X. X. Zhu, D. Tuia, L. Mou, G.-S. Xia, L. Zhang, F. Xu, F. Fraundorfer // IEEE geoscience and remote sensing magazine. - 2017. - Vol. 5. - № 4. - P. 8-36. DOI: 10.1109/MGRS.2017.2762307.
Приложения
РОС ЛЕС ИНФ ОРГ
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ЛЕСНОГО ХОЗЯЙСТВА
ПЕНЗЕНСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО УЧРЕЖДЕНИЯ «РОСЛЕСИНФОРГ» (ПЕНЗЕНСКИЙ ФИЛИАЛ ФГБУ «РОСЛЕСИНФОРГ»)
внедрения (использования) результатов научно-методических материалов, полученных в процессе выполнения работ в рамках проекта РНФ № 22-16-00094 «Дистанционный мониторинг лесных экосистем в условиях меняющегося климата» коллективом центра устойчивого управления и дистанционного мониторинга лесов Поволжского государственного технологического университета в составе проф. Курбанова Э.А., доц. Воробьева О.Н., доц. Лежнина С.А., снс Губаева С.А., аспиранта Дергунова Д.М., снс Тарасовой Л.В., аспиранта A.B. Ястребовой и снс Н.О. Воробьевой
Комиссия в составе:
С.А. Меньшиков заместитель директора Пензенского филиала ФГБУ «Рослесинфорг»;
Н.В. Теплов начальник отдела обработки данных дистанционного
зондирования Земли Пензенского филиала ФГБУ «Рослесинфорг»; В.Н. Кузнецов инженер 1 категории отдела государственной
инвентаризации лесов Пензенского филиала ФГБУ «Рослесинфорг»
составили настоящий акт о том, что научно-методические разработки коллектива Центра ФГБОУ ВО «ПГТУ»:
Алгоритм пространственно-временного анализа фрагментации лесного покрова с использованием ландшафтных индексов и спутниковых данных среднего
разрешения;
АКТ
г. Пенза
Алгоритм оценки нарушенности лесных насаждений в условиях меняющегося климата.
Мониторинг нарушенности лесов в средах «Google Earth Engine» (GEE) и NextGIS QGIS;
Методика оценки водоохранных лесных экосистем по временным рядам спутниковых данных;
Дистанционный мониторинг зарастания залежей методом анализа главных компонент;
Прогнозный анализ растительного покрова на основе временных рядов и климатических сценариев;
Полуавтоматическая классификация наземного покрова по спутниковым данным;
Пространственно-временной анализ лесных гарей по спутниковым снимкам и климатическим факторам;
внедрены в практическую деятельность отдела обработки данных дистанционного зондирования Земли Пензенского филиала ФГБУ «Рослесинфорг». Применение результатов исследования позволяет специалистам отдела обработки данных дистанционного зондирования Земли: повысить эффективность работ при работе со спутниковыми данными при лесной инвентаризации и лесоустройстве, а также снизить затраты на проведение полевых работ; значительно сократить время на обработку большого массива временного ряда спутниковых данных при оценке динамики лесного покрова за продолжительный период времени; проводить прогнозный анализ лесного фонда на уровне лесничества с учетом климатических факторов; повысить точность картографирования породного состава лесных насаждений и зарастания залежей {заброшенных сельскохозяйственных угодий).
Члены комиссии:
Заместитель директора филиала
(должность)
Начальник отдела обработки данных дистанционного зондирования Земли (должность)
J
С.А. Меньш и ко в
(инициалы, фамилия)
Н.В. Теплов (инициалы, фамилия)
Инженер 1 категории отдела государственной инвентаризации лесов
(должность)
(поЛп'ись)
B.t-t. Кузнецов (инициалы, фамилия)
Башкирский государственный аграрный университет
БашГПУ
МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное тпсударствсннае бюджетное образоэгтельное учреждение еысшаго образования
БАШКИРСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ
450001, России, Республика Башкортостан, г. Уфэ, ул. 50-летия Октября, 34
РЭСЭЙ ФЕДЕРАЦИЯЬЫНЬЩ АУЫЛ ХУЖАЛЫГЫ МИНИСТРЛЫГЫ
Ютары белем биреу буйынса федераль бюджет дэулэт магариф учрегндениеьы
БАШКОРТ ДЭУЛЭТ АГРАР УНИВЕРСИТЕТЫ
450003, Расой, Башкортостан Ресгтубликани ефе, Октябрзен 50 йылль^ы урэмы, 34
Тел. +7 (347) 228-91-77 Факс+7 (347) 228-08 98 Web-сайт: www.bsau.ru ИНН 0278011005 КПП 027801001 ОГРН1030204602669
№
рм // ¿S.^SM/
На №
АКТ
E-mail: bgau@ufanet.ru ОЛПО 00493586
«УТВЕРЖДАЮ»
Проректор :тор по учебной цифровизации сбаев Н.М.
?
внедрения в учебный процесс научно-методических материалов, полученных в процессе выполнения работ в рамках проекта/ РНФ JV« 22-16-00094 коллективом ФГБОУ ВО «Поволжский государственный технологический университет» в составе: доктора с.-х. наук, профессора кафедры лесоводства и лесоустройства Э.А. Курбанова; кандидата с.-х. наук, доцента кафедры лесоводства и лесоустройства О.Н. Воробьёва; кандидата с.-х. наук, доцента кафедры лесоводства и лесоустройства С.А. Лежиина; кандидата с.-х. паук, старшего научного сотрудника A.B. Губасва; кандидата с.-х. наук, старшего научного сотрудника Л.В. Тарасовой; старшего научного сотрудника, аспиранта Д.М. Дергунова; младшего научного сотрудника И.О. Воробьевой и младшего научного сотрудника, аспиранта A.B. Ястребовой.
Мы, нижеподписавшиеся сотрудники Башкирского государственного аграрного университета, настоящим актом подтверждаем, что научно-методические разработки:
1.
2.
3.
4.
5.
6.
Алгоритм пространственно-временного анализа фрагментации лесного покрова с использованием ландшафтных индексов и спутниковых данных среднего разрешения;
Мониторинг нарушенное™ лесов в средах «Google Earth Engine» (GEE) и NextGIS QGIS;
Сравнительный анализ классификации тематических карт наземного покрова; Методика оценки водоохранных лесных экосистем по временным рядам спутниковых данных;
Моделирование состояния лесного покрова в программе NextGIS MOLUSCE; Полуавтоматическая классификация наземного покрова по спутниковым данным;
Модуль «CSFM&RS DA» для автоматизированного сравнения разновременных тематических карт и спутниковых снимков;
8, Моделирование лесной пожарной опасности на основе алгоритма многокритериальной оценки, внедрены в учебный процесс ФГБОУ ВО Башкирский ГАУ в курсах дисциплин 'ТИС в лесном хозяйстве", "Аэрокосмические методы в лесном хозяйстве" -направления подготовки 35.03.01 Лесное дело, ТИС в лесном хозяйстве", «ГНС в лесоустройстве» "Дистанционное зондирование земли и ГИС", "Тематическое дешифрирование данных ДЗЗ", "Дистанционный мониторинг состояния и использования лесов" - направления подготовки магистров 35.04.01 «Лесное дело».
В процессе внедрения алгоритмов и программ было подтверждено, что они обладают всеми заявленными возможностями и позволяют повысить эффективность моделирования и тематическую классификацию лесного покрова на тестовых площадях. Используемые материалы имеют важное практическое значение для оценки и мониторинга лесных ресурсов с помощью спутниковых изображений среднего и высокого разрешения, что способствует повышению качества подготовки обучающихся по направлениям подготовки 35.03.01 Лесное дело (бакалавриат), 35.04.01 Лесное дело (магистратура), а также 4.1.6 Лесоведение, лесоводство, лесные культуры, агролесомелиорация, озеленение, лесная пирология и таксация (аспирантура).
Руководитель основной профессиональной образовательной программы магистратуры по направлению 35.04.01 Лесное дело
А.К. Габделхаков
Руководитель основной профессиональной образовательной программы бакалавриата по направлению 35.03.01 Лесное дело
7 И.Г. Сабирзянов
Министерство природных ресурсов, экологии и охраны окружающей среды Республики Марий Эл
внедрения (использования) результатов научно-методических материалов, полученных в процессе выполнения работ в рамках проекта РНФ № 22-16-00094'«Дистанционный мониторинг лесных экосистем в условиях меняющегося климата» коллективом центра устойчивого управления и дистанционного мониторинга лесов Поволжского государственного технологического университета в составе проф. Курбанова Э.А., доц. Воробьева 0,Н., доц. Лежнина С.А., скс Губаена O.A., аспиранта Дергунова Д.М,, сне Тарасовой Л.В., аспиранта A.B. Ястребовой и снс Н.О. Воробьевой
На основании пункта 4 Положения о научно-техническом созсте Министерства природных ресурсов, экологии и охраны окружающей среды Республики Марий Эл (далее - Министерство), утвержденного приказом Министерства от 28.03.2018 № 125, секция государственной геологической службы научно-технического совета Министерства в составе:
Попов С,И. - заместитель министра природных ресурсов, экологии и охраны окружающей среды Республики Марий Эл;
Карманов В.В, - начальник отдела недропользования и геологии;
Щербакова A.B. - главный специалист-эксперт отдела недропользования и геологии;
Смирнова Т.Н. — ведущий специалист-эксперт отдела недропользования и геологии;
составили настоящий акт о том» что следующие научно-методические разработки коллектива центра устойчивого управлений и дистанционного мониторинга лесов Поволжского государственного технологического университета:
I Алгоритм оценки нарушенное™ лесных насаждений в условиях меняющегося климата;
2. Мониторинг нарушенное™ лесов в средах «Google Earlh Engine» (GEE) и NexlGIS QGIS;
г. Йошкар-Ола
09-12.2024
AKT
3. Дистанционный мониторинг зарастания залежей методом анализа главных компонент;
4. Прогнозный анализ растительного покрова на основе временных рядов и климатических сценариев;
5. Модуль «С$РМ&Я8_МВС» для автоматизированного картографирования наземного покрова но спутниковым данным;
6. Модуль «СЗГМ&Р^ОА» для автоматизированного сравнения разновременных тематических карт и спутниковых снимков;
внедрены ¡з практическую деятельность отдела недропользования и геологии Министерства, В частности, были успешно применены следующие разработки:
-экспериментальные данные по закладке тестовых участков для полевого обследования объектов недропользования в Республики Марий Эл;
- методы дешифрирования и классификации объектов недропользования на основе спутниковых изображений Канопус-В и 8егПтс1-2;
- технические решения для мониторинга недропользования с использованием данных дистанционного зондирования и ГИС технологий.
Применение результатов исследования позволяет специалистам отдела недропользования и геологии Министерства:
- сократить затраты на проведение инвентаризации объектов недропользования в Республики Марий Эл;
- проводить мониторинг объектов недропользования с использованием ГИС технологий;
- использовать аналитические методы контроля недропользования для подготовки и принятия управленческих решений.
Результаты исследования были внедрены при выполнении НИР по теме: «Ведение мониторинга воздействия на окружающую среду при проведении горных работ на территории Республики Марий Эл с использованием данных дистанционного зондирования» в рамках государственного контракта с Министерством от 11.03.2024 № 6/А/2024,
Члены научно-технического совета (секции государственная геологическая служба) Министерства
Щербакова А.Б. К Смирнова Т.Н.
МИНОБРНАУКИ РОССИИ
Федеральное государственное бюджетное образовательное учреждение высшего образования «Поволжский государственный технологический университет» (ФГБОУ ВО «ПГТУ»)
Директор департамента образовательной деятельности
«УТВЕРЖДАЮ»
пл. Ленина, д. 3, г. Йошкар-Ола, Республика Марий Эл, 424000
Телефон (8362) 68-68-70, факс (8362) 41-08-72
E-mail: info@yolgatech.net. http://www.voleatech.net./
ИНН/КПП 1215021281/121501001,
шд ш
АКТ
внедрения в учебный процесс в сентябре 2024 г. научно-методических ¡материалов, полученных в процессе выполнения работ в рамках проекта РНФ № 22-16-00094 «Дистанционный мониторинг лесных экосистем в условиях меняющегося климата» коллективом центра устойчивого управления и дистанционного мониторинга лесов в составе: доктора с.-х. наук, профессора кафедры лесоводства и лесоустройства Э.А. Курбанова; кандидата с.-х. наук, доцента кафедры лесоводства и лесоустройства 0,Н, Воробьёва; кандидата с.-х. наук, доцента кафедры лесоводства и лесоустройства С.А. Лежнина; кандидата с.-х. паук, старшего научного сотрудника A.B. Губаева; кандидата с.-х. наук, старшего научного сотрудника JI.B. Тарасовой; старшего научного сотрудника, аспиранта Д.М. Дергунова; младшего научного сотрудника Н.О. Воробьевой и младшего научного сотрудника, аспиранта A.B. Ястребовой
Мы, нижеподписавшиеся сотрудники Поволжского государственного технологического университета, настоящим актом подтверждаем, что научно-методические разработки:
L Алгоритм пространственно-временного анализа фрагментации лесного покрова с использованием ландшафтных индексов и спутниковых данных среднего разрешения.
2. Алгоритм оценки нарушен но сти лесных насаждений в условиях меняющегося климата.
3. Мониторинг нарушенности лесов в средах «Google Earth Engine» (GEE) и NextGIS QGIS.
4. Сравнительный анализ классификации тематических карт наземного покрова.
5. Методика оценки водоохранных лесных экосистем по временным рядам спутниковых данных.
6. Моделирование состояния лесного покрова в программе ЫехЮК МОЬШСЕ.
7. Дистанционный мониторинг зарастания залежей методом анализа главных компонент.
8. Прогнозный анализ растительного покрова на основе временных рядов и ютима-тических сценариев.
9. Полуавтоматическая классификация наземного покрова по спутниковым данным.
10. Модуль «CSFM&RS_DA» для автоматизированного сравнения разновременных тематических карт и спутниковых снимков.
11. Пространственно-временной анализ лесных гарей по спутниковым снимкам и климатическим факторам.
12. Моделирование лесной пожарной опасности на основе алгоритма многокритериальной оценки.
Внедрены в учебный процесс ФГЬОУ ВО ПГТУ в курсах дисциплин "Дистанционное зондирование земли4, «ГИС в лесном комплексе», «Геопространственное моделирование и анализ» и «Глобальный мониторинг лесных экосистем» направления подготовки магистров'35,04.01 «Лесное дело» и 05.04.06 "Экология и природо-пользование1', а также в аспирантуре по направлению 4.1.6 Лесоведение, лесоводство, лесные культуры, агролесомелиорация, озеленение, лесная пирология и так-
сация.
Директор института леса и природопользования
Акт подписали:
Зав. кафедрой лесоводства и лесоустройства
О.Н. Бажин
Приложение Б
Таблица Б1. - Основные характеристики тестовых участков полевых исследований
№ п/п Средний диаметр Средняя высота Средний возраст Состав Полнота Запас Фитомасса
1 16 16 45 10С 0.9 220 155
2 20 23 55 9Б1С 0.9 260 190
3 32 26 75 7Б1Лп1Ос1 0.7 230 170
4 24 22 65 9С1Б 0.7 290 190
5 32 26 95 7С3Б 0.5 200 140
6 4 5 10 4Б2Ос4С 0.7 20 20
7 8 10 20 4Лп3Ос1Б1 0.8 90 60
8 24 21 55 10С 0.9 350 245
9 14 13 25 6Б4ОС 0.9 110 90
10 32 26 85 9С1Б 0.7 360 255
11 36 28 95 10С 0.7 410 290
12 6 6 10 6Ос3Лп1Кл 0.9 40 30
13 20 19 45 8С2Б 0.9 310 220
14 12 10 25 9С1Б 0.8 120 105
15 10 8 20 10С 0.7 80 70
16 20 20 55 10С 0.9 320 225
17 32 27 90 9С1Б 0.6 320 230
18 20 20 45 6Б1Ос3С 0.9 200 150
19 16 20 45 9Б1С 0.8 180 130
20 24 20 65 10С 0.7 220 145
21 24 21 55 9С1Б 0.9 350 245
22 4 5 10 9Ос1ЛП 1 40 30
23 28 26 85 7С3Б 0.5 260 185
24 16 17 35 7Б1Ос2С 0.8 130 95
25 20 24 60 9Б1С 0.9 270 200
26 20 20 65 10С 1 310 205
27 20 19 50 9С1Б 0.8 270 190
28 10 8 20 10С 0.7 80 70
29 24 22 65 7Б1Лп1Ос1 0.7 180 130
30 24 21 55 9С1Б 0.7 270 190
31 20 20 55 9С1Б 0.8 290 205
32 12 10 30 9С1Б 0.7 100 90
33 14 16 45 10Б 0.9 140 105
34 4 4 10 8Ос1Б1Кл 0.8 20 15
35 20 23 55 10Б 0.9 260 190
36 16 15 35 6С2Лп1Б1О 0.6 150 130
37 6 5 10 5С2Б2Лп1Д 0.7 20 20
38 24 22 45 5Ос4Б1Лп 0.7 230 170
39 24 22 80 5Лп2Б1Ос2 0.6 280 190
40 20 21 40 5Б4Ос1Лп 0.7 180 130
41 10 10 25 10С 0.7 100 90
42 20 20 65 9С1Б 0.7 290 190
43 24 21 55 5Ос4Б1Лп 0.6 180 130
44 20 22 55 7Б2Лп1Ос 0.8 200 150
45 28 22 55 5Лп2Б1Ос1 0.5 180 120
46 20 17 65 6Лп1Б3Дн 0.6 160 110
47 28 21 80 5Дн4Лп1С 0.7 210 235
48 28 24 70 9Ос1Б 0.7 260 190
49 32 27 70 10С 0.6 330 220
50 16 20 45 9Б1С 0.8 180 130
51 20 20 40 9ОС1Лп 0.9 230 155
52 6 6 10 7Ос3Б 0.8 40 30
53 2 4 5 5Ос2Лп1Б2 0.8 20 15
54 2 4 5 5Ос2Лп1Б2 0.8 20 15
33 24 26 63 8Б2Лп 0.S 230 1S3
Зб 14 13 33 6C2Б2Лп 0.6 120 103
37 2S 23 70 8Ос2Б 0.7 2S0 203
3S 24 22 63 90Лп 0.6 240 160
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.