В современном мире одной из актуальных задач устойчивого развития лесного хозяйства является переход к многоцелевому лесопользованию, при котором будет обеспечиваться охрана, защита и воспроизводство лесов. К снижению продуктивности лесных экосистем приводит целый ряд экологически неблагоприятных факторов, среди которых: лесные пожары, насекомые-вредители, подъем уровня грунтовых вод, климатические аномалии, антропогенное вмешательство и т.д. Влияние этих факторов на лесные экосистемы с каждым годом становится все более масштабным и катастрофичным. Как следствие, появляется острая необходимость более детального подхода к изучению состояния таких экосистем, а также процессов, приводящих к их изменению [1]. Чтобы отследить динамику изменений лесных экосистем, организуются мероприятия по лесопатологическому мониторингу с целью получения оперативной информации о санитарном состоянии лесных насаждений. Получить такую информацию помогают современные методы исследований, среди которых дистанционное зондирование Земли.
Обязательной частью лесопатологического мониторинга являются наблюдения за распространением вредителей и болезней лесных насаждений. Однако вследствие труднодоступности многих лесных территорий не всегда возможно проводить мониторинг путем непосредственных выездов на местность. В таких случаях на помощь приходят дистанционные методы, в частности космическая съемка.
Распространение насекомых-вредителей может привести к значительному ущербу для лесных насаждений, поэтому важным становится получение оперативной информации об их санитарном состоянии. Дистанционное зондирование Земли позволяет получать необходимую информацию о состоянии лесов на больших территориях, что способствует выявлению очагов распространения насекомых-вредителей и принятию оперативных управленческих решений по контролю распространения очага. Современная космическая съемка имеет высокое пространственное разрешение, что позволяет получать оперативную и достоверную информацию о санитарном состоянии лесных насаждений [2].
Вспышки насекомых-вредителей на территории Алтайского региона (Алтайский край и Республика Алтай) фиксировались в разные временные периоды. Среди наиболее сильных выделяются вспышки полиграфа уссурийского (Polygraphus proximus, 1894), коконопряда сибирского (Dendrolimus superans, 1877), пилильщика-ткача звездчатого (Lyda nemoralis, 1871), шелкопряда непарного (Lymantria dispar, 1758). Для территории Алтайского края особую опасность вызывает распространение полиграфа уссурийского, который ежегодно фиксируется на лесных территориях. Это обосновывает необходимость своевременного выявления очагов вредителей, а также организацию мониторинга их распространения.
В настоящее время мониторинг за санитарным состоянием лесных насаждений основывается на анализе состояния растительности без учета возможных последствий изменения через определенный период времени, тем самым не позволяя дать объективный прогноз санитарного состояния на будущее. На решение этой проблемы направлены данные дистанционного зондирования, в частности автоматизированные методы [3].
Цель исследования заключается в выявлении и оценке лесных ценозов, которые являются очагами обитания и распространения жука-короеда полиграфа уссурийского, с применением автоматизированной обработки данных космической съемки и объектно-ориентированного метода классификации.
Материалы и методы исследования
Полиграф уссурийский (Polygraphus proximus, 1894) относится к отряду жесткокрылые или жуки (Coleoptera), семейство короеды (Ipidae). Он имеет широкое распространение и чаще всего повреждает пихтовые насаждения. Обитает в толстой и переходной коре, но иногда встречается и на толстых ветвях. По стволу пораженного дерева располагаются многочисленные отверстия, что приводит к усыханию кроны. Весной с одного дерева вылетает порядка сорока тысяч особей, которые продолжают размножаться и повреждать соседние здоровые деревья. Полиграф уссурийский выводит два поколения в течение вегетационного периода. Молодые жуки и куколки встречаются в июне – первой половине июля, затем во второй половине августа – конце сентября. Вредители предпочитают деревья, после недавнего ветровала и бурелома, а также стоячие деревья с признаками усыхания. На территории Алтайского края полиграф уссурийский встречается на пихте сибирской [3].
Дешифрирование проводилось по многозональным космическим снимкам спутниковой системы Sentinel-2, имеющим среднее пространственное разрешение 15 м в пикселе. В первичную обработку снимков входила конвертация яркостных характеристик в показатели излучения на сенсоре и атмосферная коррекция. В качестве верификационных данных применялись снимки сверхвысокого разрешения российской спутниковой системы Канопус-В, а также материалы наземных наблюдений. Работы проводились в программной среде QuantumGIS 3.10.
Методика исследования санитарного состояния лесных насаждений состояла из следующих этапов:
– получение космической съемки территории, поврежденной вредителем;
– первичная обработка снимков, выявление границ поврежденных лесных насаждений посредством визуального дешифрирования;
– проведение автоматизированного дешифрирования, создание сигнатур обучающей выборки для классификации космоснимка;
– перевод полученного растрового изображения в векторный слой, редактирование вектора относительно цели выявления очагов полиграфа уссурийского;
– сверка полученных участков с материалами лесоустройства, верификация результатов дешифрирования;
– редактирование табличных данных получившегося shp-файла, подсчет поврежденных площадей, подготовка файла к выгрузке в геоинформационную систему.
Для автоматизированного распознавания поврежденных насаждений был применен метод объектно-ориентированной классификации, т.е. отнесения поверхности к одному из заранее заданных классов с обучаемым классификатором [4]. Первый этап объектно-ориентированной классификации включал в себя кластеризацию точек изображения, относительно их спектральных особенностей, а также взаиморасположения. Далее полученные участки дешифрировались с помощью классификации с обучением.
Космический снимок был разделен на 11 классов, включающих порядка 30 полигонов обучающей выборки. Такое количество полигонов обучающей выборки является оптимальным для получения достоверных результатов.
Для выявления лесных насаждений с неудовлетворительным санитарным состоянием было выделено 11 классов: 1) облака; 2) тени от облаков; 3) сельскохозяйственные поля (открытый грунт); 4) водные объекты; 5) техногенные объекты; 6) хвойный лес; 7) лиственный лес; 8) смешанный лес; 9) скальные выходы; 10) поврежденные породы; 11) иные, не покрытые лесом земли.
Полученное растровое изображение было подвергнуто постклассификационной обработке (уменьшение шумов изображения, сглаживание границ классов и т.п.), а затем векторизации. В результате векторизации классифицированного изображения получен векторный слой участков леса с неудовлетворительным санитарным состоянием.
Модельным участком послужила территория Горно-Колыванского лесничества Алтайского края, где площади повреждения полиграфом уссурийским подтверждаются данными наземной верификации уже на протяжении многих лет. Горно-Колыванское лесничество занимает площадь более 190000 га и расположено в юго-восточной части Алтайского края на территории Курьинского, Змеиногорского, Третьяковского, Краснощековского муниципальных районов [3].
Результаты исследования и их обсуждение
В Алтайском крае и Республике Алтай более всего жук-короед распространен в основном на пихте сибирской, однако встречается и на сосне, ели и кедре. На территории Алтайского края очаги полиграфа уссурийского вспыхивают ежегодно, и поэтому выявлять очаги и прогнозировать их распространение необходимо в оперативном порядке [5].
Было выполнено дешифрирование лесных массивов, произрастающих в Горно-Колыванском лесничестве Алтайского края. На снимках среднего и высокого пространственного разрешения каналов ближнего и среднего инфракрасных диапазонов отчетливо дешифрируются поврежденные лесные насаждения. Ближний инфракрасный канал достаточно информативен при оценке санитарного состояния лесных насаждений в летний период, поскольку коэффициент отражения крон деревьев достаточно высок. В синтезе каналов SWIR-NIR-RED здоровая растительность отражена в оттенках зеленого [6]. В зависимости от породы оттенки зеленого изменяются от темных (хвойные насаждения) до светлых (лиственные насаждения) (рис. 1, а, б).
Рис. 1. а) побурение крон пихты лесных насаждений Горно-Колыванского лесничества (фото автора); б) космический снимок
Рис. 2. а) усыхание ветвей в кронах (фото автора); б) усыхание сосны (космический снимок)
Основными повреждаемыми породами являются сосна и пихта. Сосновые насаждения имеют более высокую яркость в видимых частях спектра, а также в среднем инфракрасном диапазоне. Следует отметить, что у насаждений с неудовлетворительным санитарным состоянием отмечается увеличение яркости в среднем инфракрасном канале, однако в ближнем инфракрасном канале, наоборот, происходит снижение яркости. Таким образом, анализ изменения яркости в инфракрасном диапазоне позволяет определить степень повреждения лесных насаждений.
Кроме того, лесные насаждения с неудовлетворительным санитарным состоянием имеют мелкопятнистую структуру, отличающуюся сложностью рисунка. Группы погибших насаждений имеют мелкоконтурную мозаичную текстуру и отличаются высокой спектральной яркостью в среднем инфракрасном диапазоне и видимой части спектра. Следовательно, наиболее информативной комбинацией каналов является синтез коротковолнового инфракрасного (SWIR), ближнего инфракрасного (NIR) и красного (RED) каналов. В такой комбинации поврежденные лесные насаждения имеют красноватый оттенок на общем зеленом фоне древесной растительности (рис. 2, а, б).
Для классификации с обучением был использован метод минимальной дистанции, суть которого заключается в отнесении пиксела к тому эталонному классу, евклидово расстояние до центра которого в пространстве признаков минимально. Для вычисления средних значений яркости, характеризующих каждый класс, была использована обучающая выборка. Для каждого пиксела были вычислены расстояния до центров (средних значений яркости) классов, затем присвоено название класса, расстояние до которого минимально. Данный метод позволяет представить результаты классификации наилучшим образом, поскольку позволяет учитывать полигоны обучающей выборки, состоящие из небольшого количества пикселей. В синтезе каналов SWIR-NIR-RED насаждения с неудовлетворительным санитарным состоянием отражаются в оттенках красного (рис. 3).
Рис. 3. Фрагмент классификации по методу минимальной дистанции (до уменьшения шумов на изображении)
Метод объектно-ориентированной классификации позволяет получить достоверные результаты, поскольку учитывает отдельные связи между объектами, анализ которых поможет в решении задач лесопатологического мониторинга за санитарным состоянием лесных насаждений (рис. 4).
Рис. 4. Фрагмент участков с поврежденной растительностью, полученных в результате классификации (углы сглажены)
На территории Горно-Колыванского лесничества участки лесных насаждений с неудовлетворительным санитарным состоянием распространены по всей территории. Они характеризуются различной величиной и искаженной формой провалов в проекции полога древостоев. В совокупности автоматизированное дешифрирование и данные наземной верификации позволили выделить очаг полиграфа уссурийского на общей площади порядка 5 тыс. га.
Заключение
В Алтайском регионе ежегодно фиксируются большие площади усыхания лесных насаждений вследствие повреждения насекомыми-вредителями, среди которых значимое место занимает жук-короед полиграф уссурийский. Многие участки Горно-Колыванского лесничества Алтайского края являются труднодоступными для наземных наблюдений, поэтому применение дистанционных методов для таких территорий особенно актуально.
Мониторинг распространения лесных насаждений с неудовлетворительным санитарным состоянием является актуальной задачей лесопатологических исследований. Расширение спектра современных методов и технологий делает доступным оперативное отслеживание изменений состояния лесных насаждений посредством применения данных дистанционного зондирования Земли.
Для оперативного выявления очагов и прогнозирования их распространения в структуру мониторинга входит дистанционное зондирование на основе многозональной космической съемки. Для обработки полученных данных использованы автоматизированные методы дешифрирования. Технология включала как уже разработанные, относительно унифицированные и апробированные способы, так и целевые подходы, отражающие специфику обстановки. Для релевантности полученных данных привлекались аналитические и статистические данные по выявлению вредителей в пределах Горно-Колыванского лесничества.
Проведенное исследование может быть как использовано для дальнейшего мониторинга лесопатологической ситуации на территории лесничества, так и применимо к другим территориям, подверженным влиянию насекомых-вредителей. Полученные результаты могут быть использованы для принятия управленческих решений и разработки мероприятий по борьбе с повреждениями насекомыми – вредителями лесных насаждений.