Пространственный анализ распространения темнохвойных лесовна Северо-Западном Кавказе

Анна Комарова1,3,Наталья Куксина2, Александр Зудкин1

1Гринпис России, 2НП «Прозрачный мир»3Биологический ф-т МГУ им.М.В.Ломоносова

Аэрокосмические мет оды и ГИСв лесоведении, лесном хозяйст ве и экологии

21 апреля 2016

Кавказ:-> регион высокой природоохранной ценности, но не было анализа распространения ЛВПЦ или аналогичных категорий;-> нет пространственных данных регионального масштаба

ДДЗЗ:-> возможность понять ценностьучастка (ЛВПЦ - инструмент) -> основа для экстраполяцииданных, пространственно непрерывные данные

Темнохвойные леса:-> редкие растительные сообщества: Vaccinio-Fagion orientalis и Rhododendrono pontici-Fagion orientalis(подсоюз Abieti-Fagenion orientali)-> средообразующее значение-> распределение по элементам рельефа – описательные данные

Какими факторами определяется распространение темнохвойных лесов?

• Индикаторы• Факторы

Температура (Орлов, 1951)ВлажностьМощность почв (Шевела, 2013)Освоенность территории

Ветер?Освещенность?

Косвенная оценка

Экспозиция склонаКрутизна склонаВысота над уровнем моряГеографическое положение (бассейн)

Задачи:

• Получение слоя темнохвойных лесов

• Валидация результата

• Пространственный анализ

1. Получение слоя темнохвойных лесов

Открытые ДЗЗ

-ИК

-Размер сцены

-20-30 м

-Переходные границы

-Свободные данные

Доступные методы

- ПО – открытое или доступное НКО

Простота этапов

Возможность анализа «с нуля»

Иерархический подход (маска леса)

Основа калибровки и валидации: полевые данные

Данные дистанционного зондирования:Тип сенсора

Используемые каналы (номер, область спектра, диапазон)

Разрешение

Даты съемки

Источник данных

Предварительная обработка

Область применения

Landsat TM Видимый свет, ближний ИК2 (0,52-0,6),3 (0,63-0,69),4 (0,76-0,9),5 (1,55-1,75)

30 м Сентябрь2007, Сентябрь2010

http://glovis.usgs.gov/

Level 1+ корегистрацияс учетом SRTM

Автоматическаяклассификация

Landsat ETM+

Видимый свет, ближний ИК2 (0,52-0,6),3 (0,63-0,69),4 (0,76-0,9),5 (1,55-1,75)Панхроматический канал 8 (0,5-0,9)

30 м

15 м

Зимние снимки

http://glovis.usgs.gov/

Level 1+ корегистрация с учетом SRTM

Проверка результата классификации

TerraLookAster

Естественные цвета

15 м http://glovis.usgs.gov/

Конечный продукт

Проверка результата классификации

QuickBird Естественные цвета

2,4 м ? GoogleEarth, BingMaps (SasPlanet)

Конечный продукт

Проверка результата классификации

каналы 2, 3, 4, 5 (Schmitt, Ruppert, 1996)

- 4 сцены- 2,3,4,5 TM- Автоматическая корегистрация к мозаике N 37-40- SRTM- Излучение на сенсоре

Данные: Landsat TM

Получение и валидация слоя темнохвойных лесов

NeRIS vs обучаемая классификация:

- Качество эталонов

- Статистика всей области

ScanEx Image Processor 3.6.8, Thematic Pro

• маска лесов (ISODATA)• создание калибровочного слоя• обучение нейронной сети в пределах маски• калибровка нейронной сети• классификация (NeRIS)• проверка результата по известным точкам и дополнительным данным (грид

2 км; ArcView/open-in-GoogleEarth)

ISODATA (Iterative Self-Organising Data Analysis Technique –итеративный самоорганизующийся способ анализа данных)

- 50 классов- 20 итераций

- Лес/прочее –принцип избыточности

- Median 1 х 2- Маска

высокогорий с крутыми склонами

Маска леса

NeRIS (SOM)(гауссовская стратегия локальной окрестности, расстояние – манхэттэнское, дисторсия на краях)

- Калибровка – волшебная палочка- ~200 полигонов/сцена (GPS+дополн.)- Постобработка (окружение)

Monte-Carlo test Observation: 0.4299477

> plot(tree2$Band_3, tree2$Band_2)> plot(tree2$Band_3, tree2$Band_2)

> tree2.between<-bca(tree2s.dudi, tree2s[,6], scannf=FALSE)> randtest(tree2s.between)

Автоматическая калибровка по данным описаний

4 х

Результат классификации и калибровки

Под маской леса:

1 – темнохвойные

50 – прочие леса4 х Под маской леса:

1 – темнохвойные

50 – прочие леса

Совмещение сцен

%

1. Результирующий слой темнохвойных лесов

2. Валидация результата • Fishnet 2x2 км

• Landsat ETM+ - зимние снимки• TerraLook Aster

• Высокодетальные снимки (GoogleEarth, SasPlanet)

• Фотографии

Кросс-валидация95,9%

Индекс каппа Коэна составил 81,5%

2. Валидация результата

Ошибка выделения 16%, пропуски 17%.

Автоматическое выделение пихтарников по данным дистанционного зондирования дает результат высокой точности.Значения ошибки выделения и пропусков близки

qNqdk

−−

=

( )

N

rpicpiq

n

i∑== 1

)(*

Значения растраПроверочные

данные1 (темн) 2(не темн) ∑ UA

1 (темнохвойные) 496 97 593 0,84

50 (прочие) 102 4161 4263

∑ 598 4258 4856

PA 0,83 OA 0,96

SRTM (~84 м) -> мозаика Albers EqualArea WGS84, 30 м ->ArcGIS Spatial Analyst

3. Пространственный анализ - рельеф

БассейныЭкспозициясклонов (9 позиций)Крутизна склонов(<10˚, 11-20, 21-30, 31-40, 41-50, > 50˚)+ абсолютная высота

Multi Values to Points

Площади темнохвойных лесов по бассейнам, тыс. га 4,6 25,2

69,3

62,44

26,3

15

30,2

Доля темнохвойных лесов по бассейнам

1,7%

9,8%

19,6%

6,3%

20,2%44,4%

33,1%

24,4%

236,9

16,4%

12,2%

экспозицияуклон flat n ne e es s sw w nw ∑

0-10 6203 2637 1215 917 779 1142 2142 4756 199214% 2% 1% 1% 1% 2% 3% 4% 3%

11-20 20931 8517 2373 1433 1918 4773 8620 15777 6449517% 11% 5% 2% 2% 6% 14% 18% 10%

21-30 26844 9975 2356 1140 1726 7005 12671 22193 8408139% 21% 8% 3% 3% 14% 32% 44% 22%

31-40 19891 6981 1099 408 429 3808 7932 15963 5662264% 33% 9% 3% 2% 20% 48% 70% 36%

41-50 3627 1158 204 43 39 530 1885 3485 1098971% 37% 9% 2% 2% 29% 60% 77% 47%

>50 285 64 6 2 3 24 139 266 79343% 38% 7% 3% 8% 38% 59% 59% 44%

∑ 587 77781 29332 7253 3942 4893 17283 33390 62440 23690111% 20% 11% 4% 2% 2% 8% 18% 22% 12%

Распределение площади (га) и доли темнохвойных лесов по склонам разной крутизны и экспозиции

Высота темнохвойных массивов над у.м. на склонах разных экспозиций – Верховья Кубани

Высота и крутизна vs склоны разной экспозиции Среднее; бассейны Черного моря (сплошная линия), рек Белой (пунктир), Зеленчука(точка-пунктир) и верховья Кубани (точка)

10001500 20 10

Высота над уровнем моря по бассейнам

Результаты, выводы…• Темнохвойные леса: 237 тыс. га, 12%

лесов. Валидация: 95,9% (каппа 0,81)

• Основные бассейны: площадь -Белая, Лаба, доля от территории –Теберда, Верховья Кубани

• Максимальные площади темнохвойных – на склонах 21-30˚, но доля темнохвойных много выше на очень крутых склонах (выше 40˚)

• Всегда предпочитают северные и северо-западные склоны

• С СЗ на ЮВ средняя высота над у.м. темнохвойных лесов повышается с 800 до 2000 м, предпочитаемая крутизна склонов - постоянна

Результаты, выводы…• Темнохвойные леса: 237 тыс. га, 12%

лесов. Валидация: 95,9% (каппа 0,81)

• Основные бассейны: площадь -Белая, Лаба, доля от территории –Теберда, Верховья Кубани

• Максимальные площади темнохвойных – на склонах 21-30˚, но доля темнохвойных много выше на очень крутых склонах (выше 40˚)

• Всегда предпочитают северные и северо-западные склоны

• С СЗ на ЮВ средняя высота над у.м. темнохвойных лесов повышается с 800 до 2000 м, предпочитаемая крутизна склонов - постоянна

И предположения…• влажность:

экспозиция высота? бассейн, крутизна• температура (ее верхний

предел)+конкуренция:

экспозиция высота? бассейн? крутизна

• мощность почвы:экспозиция? крутизна высотабассейн

• освоенность территории:экспозиция? крутизна высота бассейн

Дополнительные данные и анализ…

Анна Комарова,руководитель проектов

ГИС-отдел Гринпис Россииanna.komarova@greenpeace.org

8903-626-95-55www.forestforum.ru

Спасибо за внимание!