Методические подходы к картографированию лесных горючих материалов

© 2023                                   Д. В. Ершов^*, Е. Н. Сочилова, Н. В. Королева

Центр по проблемам экологии и продуктивности лесов РАН

Россия, 117997, Москва, ул. Профсоюзная, 84/32, стр. 14

 

^*E-mail: dvershov67@gmail.com

Поступила в редакцию 10.06.2023

После рецензирования: 23.06.2023

Принята к печати: 23.06.2023

Данные о вертикальной структуре и запасах лесных горючих материалов (ЛГМ) в пространстве имеют большое значение для достоверных оценок прямых пожарных эмиссий углерода. Цель статьи — продемонстрировать методические подходы к картографированию допожарных запасов ЛГМ, в основе которых используются наборы многомерных регрессионных моделей и тематических продуктов характеристик лесов, извлеченных из данных дистанционного зондирования Земли (ДЗЗ) из космоса. Модели позволяют рассчитать долю подверженных горению фракций биомассы (ветви, листва, подрост, подлесок, напочвенный покров, лесная подстилка, крупные древесные остатки) лесных экосистем для основных лесообразующих пород разного возраста, относительной полноты и бонитета на всей территории России с учетом географического районирования. В статье приводятся входные тематические продукты лесов, которые используются в моделях расчета фракций биомассы. Приводятся результаты предварительного сравнения оценок запасов биомассы верхнего полога, полученных на основе спутниковых продуктов и данных лесной таксации на уровне лесничеств Костромской области.

Ключевые слова: лесные горючие материалы, биомасса, углерод, дистанционный мониторинг, дистанционное зондирование Земли

Современное картографирование лесных (растительных) горючих материалов развивается в области определения пирологических категорий растительности. В основе составления карт лесных горючих материалов (ЛГМ) лежит классификация этих материалов. Исторически сложилось так, что в крупнейших лесных державах России, Канаде, США использовались разные подходы к классификации растительных горючих материалов (РГМ).

Первые попытки построить карты типов горючих материалов в лесах сделаны в США в 1930-х гг., с 1941 г. при составлении карт стали использовать аэрофотоснимки. В последующие годы разработки классификаций горючих материалов продолжались (Hornby, 1935; Bruce, 1951; Davis et al., 1959; Muraro, 1965), и в 1972 г. в США была разработана национальная система оценки пожарной опасности NFDRS (National Fire Dander Rating System), в которой вся растительность разделяется на пирологические типы — топливные модели как типовые комплексы РГМ.

Типовой метод нашел свое развитие и в Канаде. Современная канадская система оценки пожарной опасности в лесах CFFDRS (Canadian Forest Fire Danger Rating System) создавалась с 1968 г. Она состоит из подсистемы FWI для оценки пожарной опасности и подсистемы FBP для прогноза поведения пожаров (Фильков, 2014). При разработке системы прогноза поведения лесных пожаров для Канады выделялись типовые комплексы РГМ (Alexander et al., 1984; Forestry Canada, 1992). Система CFFDRS на сегодняшний день является одной из самых разработанных и широко применяющейся. Кроме Канады ее адаптировали для своих территорий Новая Зеландия, Фиджи, Мексика, США и страны Юго-Восточной Азии.

В России оценивать пожарную опасность в лесу стали с 1930-х гг. Лесные горючие материалы делили на первичные (опад, сухая трава, определенные виды живого напочвенного покрова, валеж, гнилые пни, порубочные остатки) и вторичные (надземные части леса, сухостойные деревья) объекты загорания (Мелехов, 1936, 1947; Мелехов, Душа-Гудым, 1979). В России проводились многолетние фундаментальные исследования скорости пожарного созревания растительных материалов и динамики их горения в разных регионах. Разработка детальной классификации РГМ была начата и продолжается по настоящее время в лаборатории лесной пирологии Института леса им. В. Н. Сукачева СО РАН (Волокитина, Софронова, 2014). Профессор Н. П. Курбатский (1962, 1970) выделил группы РГМ, учитывая их местоположение в биогеоценозе и выполняемую ими функцию при пожаре, а также разделил их на три категории: 1) проводники горения, 2) поддерживающие горение, 3) задерживающие горение. К настоящему времени разработаны разные методы составления карт РГМ различных масштабов.

Исследования, представленные в данной статье, демонстрируют возможности построения карт ЛГМ для всей территории России с использованием многомерных регрессионных моделей оценки фитомассы по слоям вертикального профиля лесных насаждений и тематических карт характеристик лесов, полученных на основе обработки данных дистанционного зондирования Земли (ДЗЗ), как входных параметров в регрессионные модели.

Растительная масса лесного биогеоценоза образует сложную и неоднородную вертикальную структуру меняющихся в пространстве слоев горючих материалов, по которым распространяется природный пожар. Полнота сгорания органической лесной массы, скорость распространения огня, интенсивность и другие характеристики горения зависят от свойств горючих материалов, их количества и структуры. Лесные горючие материалы классифицируются по типам проводников горения лесов для низовых и верховых пожаров. Основными проводниками горения для верховых пожаров служат хвоя в кронах деревьев, ветви, сучья, для низовых пожаров — напочвенный растительный покров и лесная подстилка. Все остальные фракции ЛГМ в основном поддерживают (задерживают) горение, или способствуют переходу от низовых пожаров в верховые и обратно (Курбатский, 1970; Волокитина, Софронов, 2002; Волокитина, Софронова, 2014). В зависимости от участия в процессе горения ЛГМ структурно разделены на следующие слои:

1. Фитомасса деревьев (верхний ярус)

1.1.      Ветви живые, диаметр менее 1 см

1.2.      Листья и хвоя

2. Нижние яруса леса

2.1.      Подрост и подлесок

2.2.      Живой напочвенный покров — совокупность мхов, лишайников, травянистых растений и полукустарников

3. Крупные древесные остатки (КДО)

3.1.      Сухостой (включая сухие ветви в кронах живых деревьев) — стоящие погибшие деревья в лесу, на гарях, вырубках, в местах массового размножения вредных насекомых, от засух, пни на вырубках

3.2.      Валеж — упавшие стволы деревьев

4. Лесная подстилка — наземный и подземный опад растений напочвенного покрова и древесного яруса разной степени разложения и трансформации (опад кустарничков, трав, лишайников, мхов, ветошь, опавшая с деревьев хвоя, листва, веточки, а также мелкие порубочные остатки на вырубках), формирующий горизонт подстилки лесных почв.

Запасы фитомассы по фракциям оцениваются с помощью многомерных регрессионных моделей, регионально-адаптированных к спутниковым тематическим продуктам и данным наземных измерений характеристик растительности лесных экосистем.

Спутниковые данные позволяют поддерживать актуальность с определенной точностью тематических карт растительного покрова наземных экосистем с использованием методов ежегодного мониторинга территории России. Однако достоверность и полнота оценки площадей пожаров и прямых пирогенных эмиссий от лесных пожаров зависит от пространственного разрешения, точности распознавания классов и актуальности спутниковых тематических продуктов, учета данных для всех слоев ЛГМ, на основе которых создаются карты растительных горючих материалов основных проводников горения наземных экосистем (Kukavskaya et al., 2013; van Wees et al., 2022). В результате различий подходов и исходных данных допожарных запасов ЛГМ существующие оценки пирогенных эмиссий от лесных пожаров находятся в очень широком диапазоне (Kukavskaya et al., 2013; Ершов, Сочилова, 2020, 2022). Пространственная база данных ЛГМ, созданная в ЦЭПЛ РАН для повышения достоверности оценок прямых пирогенных эмиссий углерода от лесных пожаров, постоянно обновляется новыми слоями и данными с использованием новых спутниковых тематических продуктов, данных наземных измерений и математических моделей оценки фитомассы и углерода.

Можно выделить несколько периодов создания карт запасов ЛГМ для всей России в рамках научных исследований лабораторией мониторинга лесных экосистем ЦЭПЛ РАН.

1. I. 2003–2008 гг. Создание карт ЛГМ с использованием карты растительности наземных экосистем (SPOT-VEGETATION, пространственное разрешение 1 км) (Bartalev et al., 2003), а также статистических данных учета лесного фонда за 2003 г. (Лесной фонд…, 2004) по лесхозам, данных о запасах фитомассы подроста и подлеска на уровне субъектов (Швиденко и др., 2007), базы наземных обследований фитомассы (Уткин и др., 1994), конверсионных коэффициентов (Замолодчиков и др., 2003).
2. II. 2006–2022 гг. Создание карт ЛГМ с использованием карты растительности России (MODIS, пространственное разрешение 230 м) (Барталев и др., 2011). Применялись те же статистические данные учета лесного фонда и данные о запасах фитомассы, база наземных обследований фитомассы, что и на I этапе.

III. C 2022 г. по настоящее время. Использование новых типов тематических продуктов, полученных по данным MODIS (пространственное разрешение 230 м): карты лесных пород, их возраста, классов бонитета, относительной полноты, сомкнутости и запасов древостоев (Карточка проекта РНФ 19-77-30015); а также конверсионных коэффициентов (Schepaschenko et al., 2018; Швиденко и др., 2008; Shvidenko et al., 2023; Щепащенко и др., 2013). Использованные регрессионные модели позволили дополнить пространственную базу ЛГМ данными о крупных древесных остатках (валеж, сухостой).

Цель представленного в статье исследования — продемонстрировать методические подходы по оценке запасов ЛГМ на основе использования наборов многомерных регрессионных моделей, которые описывают долю различных фракций биомассы (ветви, листва, подрост, подлесок, напочвенный покров, лесная подстилка, крупные древесные остатки) лесных насаждений в зависимости от среднего возраста древостоя, класса бонитета, относительной полноты основных лесообразующих пород на территории РФ с учетом географического районирования, а также провести анализ и сравнение полученных оценок с оценками, полученными по таксационным данным.

МАТЕРИАЛЫ И МЕТОДЫ

Принципиальным отличием нового подхода к оценке запасов ЛГМ от предыдущей версии (Сочилова и др., 2009) является использование в расчетах спутниковых продуктов среднего пространственного разрешения MODIS с такими характеристиками лесов на пиксельном уровне, как преобладающая порода, возраст, полнота, запас стволовой древесины, класс бонитета (Карточка проекта РНФ 19-77-30015), а также использование регрессионных моделей расчета запасов основных проводников горения (Швиденко и др., 2008; Щепащенко и др., 2013; Schepaschenko et al., 2018; Shvidenko et al., 2023). Преимуществом нового подхода является возможность создания технологии и ежегодно обновляемой базы запасов ЛГМ на пиксельном уровне.

Для расчета фитомассы ЛГМ в предыдущей версии используются данные государственного учета лесного фонда (ГУЛФ) (Лесной фонд…, 2004) по лесничествам, которые содержат площади (га) и запасы (м³) основных лесообразующих пород по группам возраста, а также спутниковый продукт по данным SPOT-VEGETATION — карта наземных экосистем (Bartalev et al., 2003), позднее карта растительности по данным MODIS (Барталев и др., 2011), экспериментальные измерения фитомассы подроста, подлеска, напочвенного покрова и лесной подстилки на тестовых площадках в различных типах лесорастительных условий (Уткин и др., 1994), данные о запасах фитомассы подроста и подлеска на уровне субъектов (Швиденко и др., 2007), карта лесничеств, карта субъектов. Для определения надземной фитомассы используются конверсионные коэффициенты, настроенные под данные запасов древесных пород и групп возраста из ГУЛФ (Замолодчиков и др., 2003). Запасы фитомассы рассчитываются для каждого лесного класса, представленного на карте растительности в границах лесничеств. База запасов ЛГМ создается на уровне пикселей, но фактически является осреднением запасов групп древесных пород и их возрастов на уровне лесничеств и субъектов РФ. Ежегодное обновление запасов ЛГМ невозможно из-за низкой периодичности обновления базы данных учета лесов ГУЛФ и других исходных данных.

Новый метод расчета запасов фитомассы базируется на анализе спутниковых тематических продуктов MODIS с пространственным разрешением 230 метров (Карточка проекта РНФ 19-77-30015), в каждом пикселе которых записаны следующие характеристики древостоя: преобладающая древесная порода, возраст, класс бонитета, относительная полнота, относительный запас стволовой древесины древостоя (м³/га) (рис. 1). В качестве аналитических формул используются регрессионные модели (Швиденко и др., 2008; Щепащенко и др., 2013; Schepaschenko et al., 2018; Shvidenko et al., 2023), с помощью которых для каждой породы с учетом возраста, полноты и бонитета рассчитываются запасы фитомассы. Также используется карта лесорастительных зон (классификация С. Ф. Курнаева) для географического районирования. Оценка ЛГМ с использованием спутниковых тематических продуктов проводилась в геоинформационной системе ArcGISArcMap10. Для этого были разработаны графические модели, созданные таким образом, чтобы можно было их запускать в пакетном режиме для разных лет. Это необходимо для реализации возможности автоматически обновлять базу данных в случае появления новых версий спутниковых продуктов. В результате создаются карты запасов ЛГМ с пространственным разрешением 230 м с пиксельной детальностью на уровне каждой древесной породы. В настоящее время алгоритмы адаптируются для открытых геоинформационных систем типа Quantum GIS.

а	б
в	г
д

Рисунок 1. Спутниковые тематические продукты (разрешение 230 м) — входные данные для расчета запасов ЛГМ: а — основные лесообразующие породы, б — возраст насаждений, лет, в — класс бонитета, г — относительная полнота, д — запас стволовой древесины, м³/га

 

Расчеты запасов верхнего полога по продуктам ДЗЗ

Масса хвои/листвы и мелких веточек в кронах деревьев, являющихся проводниками горения при верховых пожарах, определяется через запасы стволовой древесины с помощью конверсионных коэффициентов.

В качестве аналитической формулы используется регрессионная модель (Schepaschenko et al., 2018), по которой для каждой породы с учетом возраста, полноты и класса бонитета рассчитываются конверсионные коэффициенты перехода от запасов стволовой древесины к запасам фитомассы листвы/хвои и живых ветвей в кронах деревьев. На вход в модель подаются характеристики древостоя в виде спутниковых продуктов с пространственным разрешением 230 м:

где А — возраст (лет); SI — класс бонитета (кодируется через среднюю высоту древостоя в возрасте спелости); RS — относительная полнота; а0–а5 — регрессионные коэффициенты.

Пример кодировки классов бонитета и регрессионные коэффициенты для оценки фитомассы различных фракций древостоя дифференцировано по породам приводятся в публикации Д. Г. Щепащенко с соавторами (Schepaschenko et al., 2018). Схематическое представление модели расчетов конверсионных коэффициентов для верхнего полога представлено на рис. 2.

Расчеты проводились для спутниковых продуктов породной структуры лесов, возраста древостоя, класса бонитета, полноты и запаса стволовой древесины, полученных по данным ДЗЗ в 2018 г.

В результате применения модели для каждой древесной породы получены две карты, в пикселах которых записаны значения конверсионных коэффициентов для хвои/листвы или для ветвей (рис. 3). Умножение запаса стволовой древесины (м³/га) на соответствующие конверсионные коэффициенты (т/м³) дает в каждом пикселе значение фитомассы (т/га) ветвей или хвои/листвы.

В верхнем пологе древостоя проводниками горения служат тонкие живые ветви деревьев диаметром менее 1 см. Для того чтобы определить долю фитомассы тонких веток относительно общей фитомассы ветвей крон деревьев, мы провели дополнительный анализ данных о фитомассе древесного яруса на тестовых площадках базы данных фитомассы и продуктивности (Уткин и др., 1994). Оказалось, что в перечне показателей фитомассы ветвей кроме общей их фитомассы в базе данных по 55 тестовым площадкам содержится информация о запасе фитомассы толстых ветвей (диаметром более 1 см). Это позволило нам исследовать связь общей фитомассы ветвей с фитомассой толстых ветвей деревьев. Проанализировав эти два показателя, мы установили, что наблюдается уверенная линейная связь между этими двумя характеристиками (рис. 4), на основе которой можно определить долю запаса фитомассы толстых веток, зная общий запас фитомассы ветвей для всех остальных тестовых площадок, где нет данных о запасе фитомассы толстых ветвей. Величина достоверности аппроксимации функции очень высокая (R² = 0.9), что позволяет использовать уравнение конверсии (2). Затем, восстановив оба параметра, мы смогли вычислить запас фитомассы тонких веток как разность между общей фитомассой и фитомассой толстых ветвей в кронах деревьев:

где F_bb— фитомасса ветвей диаметром более 1 см; F_tb — общая фитомасса ветвей.

 

Расчеты запасов ЛГМ нижних ярусов леса

К нижним ярусам леса в структуре ЛГМ относятся фитомасса подроста и подлеска, поддерживающие горение при низовых и верховых пожарах, а также фитомасса живого напочвенного покрова, являющегося проводником горения при низовых пожарах.

Для создания новой базы запасов ЛГМ подроста, подлеска и напочвенного покрова используется регрессионная экспоненциальная модель (3). Фитомасса нижних ярусов  оценивается по моделям конверсионных коэффициентов (Швиденко и др., 2008):

где А — возраст; SI — класс бонитета, кодируется — 4, 5 …, 12 для Iб, Iа, I …, Vб классов соответственно, коды класса бонитета являются порядковыми величинами; RS — относительная полнота (скаляр, для покрытых лесом земель 0.2–1.0); с₀–с₅ — регрессионные коэффициенты.

Входными параметрами в модели являются характеристики древостоя — порода, возраст, класс бонитета, относительная полнота и регрессионные коэффициенты, опубликованные в работе А. З. Швиденко с соавторами (2008). На вход модели характеристики подаются в виде спутниковых продуктов с пространственным разрешением 230 м.

Расчеты запасов крупных древесных остатков (КДО)

Древесный детрит (надземная часть) — древесные остатки, включающие в себя такие фракции, как сухостой, валеж, пни, сухие ветви живых деревьев. Древесный детрит является важным компонентом лесных экосистем. Накопление древесного детрита существенно усиливает пожарную опасность и интенсивность пожаров, особенно в лесах таежной зоны. Масса валежа и захламленности лесной экосистемы увеличивает интенсивность горения при устойчивых низовых и верховых пожарах. Учет запасов мертвой древесины повышает точность оценки пирогенных эмиссий углерода (Швиденко и др., 2009). Для оценки объема древесного детрита по основным лесообразующим породам используются многомерные регрессионные модели с логарифмическим преобразованием (4, 5) (Shvidenko et al., 2023). Данные модели указывают, что запасы КДО зависят главным образом от породы деревьев, возраста, интенсивности лесохозяйственной обработки и возраста древостоев, а также от географического положения (биоклиматической зоны) и уровня продуктивности леса:

𝑙𝑜𝑔𝑖𝑡(𝑅_𝑓𝑟)= 𝑎0+𝑎1×𝑙n𝐴+𝑎2×𝑙nSI+𝑎3×𝐴+𝜀, (4)

𝑅_𝑓𝑟=𝑒𝑥𝑝(𝑙𝑜𝑔𝑖𝑡(𝑅_𝑓𝑟))/(1+𝑒𝑥𝑝(𝑙𝑜𝑔𝑖𝑡(𝑅_𝑓𝑟))),   (5)

где R_fr — коэффициент пересчета, равный отношению объема fr фракции КДО (коряги, бревна, пни, сухие ветви живых деревьев) к запасу растущей древесины; A — средний возраст древостоя, лет; SI — класс бонитета, выражается как средняя высота (м) зрелого леса (50 лет для березы, осины и других мягколиственных пород и 100 лет для других пород), а0–а3 — параметры модели.

Технология расчета конверсионных коэффициентов для КДО аналогична расчетам верхнего полога. Коэффициенты пересчета (т/м³) при умножении на запас стволовой древесины (м³/га) дают массу КДО (т/га) для различных фракций.

 

Расчеты запасов лесной подстилки

Лесная подстилка является основным проводником горения при низовых пожарах. По экспериментальным данным, в результате пожара может выгорать от 14 до 100% запаса подстилки в лесных экосистемах. В среднем, потери органического материала подстилки при пожарах составляют около 40% (Волокитина, Софронова, 2014).

Органическое вещество почвы представляет собой значительный резервуар углерода. Подстилкой считают поверхностный горизонт минеральных почв, состоящий из органического материала, мощность которого не превышает 10 см.

Запас углерода в лесной подстилке рассчитывается (Щепащенко и др., 2013, Чернова и др., 2021) на основании почвенной карты России масштаба 1:2.5 млн (Фридланд, 1988), базы данных почвенных профилей (Stolbovoi, Mccallum, 2002), информации о преобладающей древесной породе и основных типов наземных экосистем (Карточка проекта РНФ № 19-77-30015).

База типичных почвенных профилей содержит описание почвенных характеристик (мощность горизонтов, содержание органического вещества, плотность) и диапазон их возможного варьирования для каждого типа почв. Используя материалы этой базы данных, были рассчитаны минимальные и максимальные запасы органического углерода (Щепащенко и др., 2013).

Один и тот же тип почв территориально может быть представлен в нескольких природных зонах и регионах. Запасы подстилок на одной и той же почве могут отличаться в разных зонах/регионах. Кроме того, на содержание углерода в почве оказывает влияние тип растительности и характер землепользования, а также возможные различные нарушения. Для учета этих факторов используются соответствующие поправочные коэффициенты K_sp, K_reg, K_LU. Запасы углерода в лесной подстилке рассчитываются по модели (6) (Щепащенко и др., 2013):

где С — запасы органического углерода в подстилке, кг/м²; C_min, C_max — минимальное и максимальное содержание углерода в подстилках, кг/м²; K_reg — региональный поправочный коэффициент; K_sp — поправочный коэффициент, учитывающий для покрытых лесом земель влияние преобладающей древесной породы; K_LU — поправочный коэффициент для различных типов землепользования и возможных нарушений (гарь, сенокос, пастбища, заброшенные сельскохозяйственные земли, залежи). Для лесных земель при отсутствии нарушений поправочный коэффициент K_LU равен 1.

 

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

В моделях расчета запасов фитомассы используются в качестве входных данных спутниковые тематические продукты MODIS с пространственным разрешением 230 м за 2018 г. (Карточка проекта РНФ № 19-77-30015).

Результатом применения модели (1) являются конверсионные коэффициенты для фракций хвоя/листва и ветви деревьев (рис. 5), которые при перемножении на запас древостоя конвертируют его в фитомассу живых ветвей деревьев и хвои/листвы.

Выполнены доработки моделирования запасов ветвей с диаметром менее 1 см. В результате оценки запасов тонких веток (2) сформировано изображение запасов ЛГМ верхнего полога: фитомасса (т/га) ветвей диаметром менее 1 см и хвои/листвы (рис. 6).

а	б

Рисунок 5. Карта конверсионных коэффициентов (т/м³) для оценки запаса фитомассы ветвей (а) и хвои/листвы (б) в кронах деревьев основных лесообразующих пород России

В табл. 1 приводятся количественные оценки запасов фитомассы хвои, листвы и ветвей по основным лесообразующим породам в результате произведенных расчетов. Представленные в табл. 1 расчеты относительных запасов фитомассы совпадают с исследованиями других авторов и находятся примерно в известных диапазонах (Андреев и др., 2015; Кукавская и др., 2015; Иванов, 2019).

Таблица 1. Количественные оценки запасов фитомассы хвои, листвы и ветвей основных лесообразующих пород по данным ДЗЗ на территории РФ

В результате применения модели к нижним ярусам леса (3) для каждого пикселя определяется запас фитомассы подроста, подлеска и живого напочвенного покрова (рис. 7, 8). На рис. 9 приведены примеры расчетов по моделям (4, 5) КДО фракций сухостоя и валежа. Пример карты запасов углерода лесной подстилки представлен на рис. 10.

Рисунок 7. Запасы фитомассы подроста и подлеска, т/га	Рисунок 8. Запасы фитомассы живого напочвенного покрова, т/га

 

а	б
Рисунок 9. Карты запасов КДО, т/га: а — сухостой, б — валеж

 

Предварительная оценка результатов моделирования слоев ЛГМ была выполнена в части сравнения запасов фитомассы верхнего полога по данным ДЗЗ и данным лесной таксации в разрезе лесничеств Костромской обл. (рис. 11). В границах лесного фонда по лесничествам рассчитаны запасы фракций ветвей и хвои/листы. Использованы те же аналитические формулы (1), что и для данных ДЗЗ. В качестве входных параметров — данные таксации ближайшего к спутниковым продуктам года лесоустройства по высоте, возрасту, классу бонитета и запасу. Сравнение результатов представлено в табл. 2. Анализ результатов показывает, что расчеты запасов по данным ДЗЗ в среднем имеют превышение приблизительно на 20%. В то же время полученные расчеты относительных запасов фитомассы находятся примерно в известных диапазонах.

а	б

Рисунок 11. Карта лесничеств Костромской области (а) и увеличенный фрагмент (б)

Таблица 2. Результаты расчетов запасов верхнего полога по данным ДЗЗ и лесной таксации в Костромской области

ЗАКЛЮЧЕНИЕ

Принципиальным отличием нового подхода оценки запасов ЛГМ от предыдущей версии является использование в расчетах спутниковых тематических продуктов среднего пространственного разрешения MODIS с такими характеристиками лесов на пиксельном уровне, как преобладающая порода, возраст, полнота, запас древостоя, класс бонитета (Карточка проекта РНФ № 19-77-30015), а также использование регрессионных моделей расчета запасов основных проводников горения (Швиденко и др., 2008; Щепащенко и др., 2013; Schepaschenko et al., 2018; Shvidenko, 2023).

Новая версия расчетов запасов ЛГМ имеет потенциал ежегодного обновления и, как следствие, получение более достоверных оценок прямых пирогенных выбросов углерода от лесных пожаров.

На данный момент описанные в статье методические подходы имеют ограничения в использовании для мониторинга эмиссии углерода, так как представленные результаты требуют дополнительной работы по их проверке. Необходимо провести верификацию полученных на основе моделей тематических продуктов всех слоев ЛГМ (подрост, подлесок, КДО, живой напочвенный покров, лесная подстилка) на основе большого объема данных по всем слоям. Однако это отдельная сложная работа по сбору и анализу литературных и полевых исследований запасов ЛГМ в разных регионах России, что является предметом отдельной статьи.

БЛАГОДАРНОСТИ

Методические разработки и создание спутниковых тематических продуктов характеристик лесов были выполнены в рамках проекта РНФ (Карточка проекта РНФ № 19-77-30015). Создание тематических карт запасов ЛГМ на основе математических моделей расчета по конверсионным коэффициентам запасов фитомассы различных слоев ЛГМ и их выборочная проверка выполнена в рамках государственного задания ЦЭПЛ РАН «Методические подходы к оценке структурной организации и функционирования лесных экосистем» № 121121600118-8.

 СПИСОК ЛИТЕРАТУРЫ

 Андреев Ю. А., Андреев А. Ю., Михайлов П. В., Паутяк В. Г., Коморовский В. С. Оценка запаса лесных горючих материалов при государственной инвентаризации лесов // Труды СПбНИИЛХ. 2015. № 1. С. 39–46.

Барталев С. А., Егоров В. А., Ершов Д. В., Исаев А. С., Лупян Е. А., Плотников Д. Е., Уваров И. А. Спутниковое картографирование растительного покрова России по данным спектрорадиометра MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 4. С. 285–302.

Волокитина А. В., Софронов М. А. Классификация и картографирование растительных горючих материалов. Новосибирск: СО РАН, 2002. 306 с.

Волокитина А. В., Софронова Т. М. Картографирование растительных горючих материалов // Сибирский лесной журнал. 2014. № 6. С. 8–28.

Ершов Д. В., Сочилова Е. Н. Количественные оценки прямых пирогенных эмиссий углерода в лесах России по данным дистанционного мониторинга 2021 года // Вопросы лесной науки. 2022. Т. 5. № 4. Статья № 117. DOI: 10.31509/2658-607x-202254-117

Ершов Д. В., Сочилова Е. Н. Оценка прямых пирогенных эмиссий углерода в лесах России за 2020 год по данным дистанционного мониторинга // Вопросы лесной науки. Т. 3. № 4. 2020. С. 1–8.

Замолодчиков Д. Г., Уткин А. И., Честных О. В. Коэффициенты конверсии запасов насаждений в фитомассу для основных лесообразующих пород России // Лесная таксация и лесоустройство. Сибирский государственный технологический университет. 2003. Вып. 1 (32). С. 119–127.

Иванов А. В. Горимость леса и запасы лесных горючих материалов в насаждениях Суводского лесничества Кировской области // Труды Поволжского государственного технологического университета. 2019. Вып. 7. C. 16–23.

Карточка проекта РНФ № 19-77-30015 «Разработка методов и технологии комплексного использования данных дистанционного зондирования Земли из космоса для развития системы национального мониторинга бюджета углерода лесов России в условиях глобальных изменений климата». 2019–2022. URL: https://rscf.ru/project/19-77-30015/ (дата обращения: 25 мая 2023).

Кукавская Е. А., Жила С. В., Иванова Г. А., Буряк Л. В. Оценка эмиссии углерода при пожарах в светлохвойных и лиственных насаждениях Красноярского края // Сибирский лесной журнал. 2015. Т. 4. № 2. C. 185–189.

Курбатский Н. П. Исследование количества и свойств лесных горючих материалов // Вопросы лесной пирологии. Красноярск: ИЛиД им. В. Н. Сукачева СО АН СССР, 1970. С. 5–58.

Курбатский Н. П. Техника и тактика тушения лесных пожаров. М.: Гослесбумиздат, 1962. 154 с.

Лесной фонд России (по данным государственного учета лесного фонда по состоянию на 1 января 2003 г.) / Справочник. М.: ВНИИЛМ, 2004. 640 с.

Мелехов И. С. Лесные пожары и борьба с ними. М.: Гослестехиздат, 1936. 100 с.

Мелехов И. С. Природа леса и лесные пожары. Архангельск: ОГИЗ, 1947. 60 с.

Мелехов И. С., Душа-Гудым С. И. Лесная пирология. М.: МЛТИ, 1979. Вып. 2. 80 с.

Сочилова Е. Н., Ершов Д. В., Коровин Г. Н. Методы создания карт запасов лесных горючих материалов низкого пространственного разрешения // Современные проблемы дистанционного зондирования Земли из космоса. 2009. Вып. 6. Т. II. С. 441–449.

Уткин А. И., Гульбе Я. И., Гульбе Т. А., Ермолова Л. С. Биологическая продуктивность лесных экосистем. Компьютерная база данных // Москва, ИЛ РАН, ЦЭПЛ РАН, 1994.

Фильков А. И. Физико-математическое моделирование возникновения природных пожаров. Томск: Издательский Дом Томского государственного университета, 2014. 276 c.

Фридланд В. М. Почвенная карта РСФСР масштаба 1 : 2 500 000. М.: ГУГК, 1988.

Чернова О. В., Голозубов О. М., Алябина И. О., Щепащенко Д. Г. Комплексный подход к картографической оценке запасов органического углерода в почвах России // Почвоведение. 2021. № 3. С. 273–286.

Швиденко А. З., Щепащенко Д. Г., Нильссон С., Булуй Ю. И. Таблицы и модели хода роста и продуктивности насаждений основных лесообразующих пород Северной Евразии (нормативно-справочные материалы). Издание 2-е, доп. М.: Федеральное агентство лесного хозяйства, 2008. 886 с.

Швиденко А., Щепащенко Д., МакКаллум Я., Нильссон С. «Леса и лесное хозяйство России». Международный институт прикладного системного анализа и Российская Академия наук. Лаксенбург, Австрия. CD-ROM, 2007.

Швиденко А., Щепащенко Д., Нильссон С. Оценка запасов древесного детрита в лесах России // Лесная таксация и лесоустройство. 2009. № 1 (41). С. 133–147.

Щепащенко Д. Г., Мухортова Л. В., Швиденко А. З., Ведрова Э. Ф. Запасы органического углерода в почвах России // Почвоведение. 2013. № 2. С. 123–132.

Alexander M. E., Lawson B. D., Stocks B. G., Van Wagner C. E. User Guide to the Canadian Forest Fire Behavior Prediction System: Rate of Spread Relationships. Canadian Forestry Service, 1984. 73 p.

Bartalev S. A., Belward A. S., Erchov D. V., Isaev A. S. A new SPOT4-VEGETATION derived Land Cover Map of Northern Eurasia // International Journal of Remote Sensing. 2003. Vol. 24. No 9. P. 1977–1982.

Bruce D. Fuel weights on the Osceola National Forest // Fire Control Notes. 1951. No 12 (3). P. 20–23.

Davis K. P., Byram G. M., Krumm W. R. Forest fire: control and use. N.Y., Toronto, London, 1959. 584 p.

Forestry Canada. Development and Structure of the Canadian Forest Fire Behavior Prediction System. Inf. Rep. ST–X–3. Ottawa, 1992. 63 p.

Hornby L. G. Fuel type mapping in region one // Journal of Forestry. 1935. Vol. 33. P. 67–72.

Kukavskaya E. A., Soja A. J., Petkov A. P., Ponomarev E. I., Ivanova G. A., Conard S. G. Fire emissions estimates in Siberia: evaluation of uncertainties in area burned, land cover, and fuel consumption // Canadian Journal of Forest Research. 2013. Vol. 43. No 5. P. 493–506.

Muraro S. J. Fuel classification: a review of the literature and discussion of principles // Proc. Second Federal Fire Res. Conf. Victoria, B.C., Canada, 1965. 23 p.

Schepaschenko D., Moltchanova E., Shvidenko A., Blyshchyk V., Dmitriev E., Martynenko O., See L., Kraxner F. Improved estimates of biomass expansion factors for Russian forests // Forests. 2018. Vol. 9. No 6. Article 312.

Shvidenko A., Mukhortova L., Kapitsa E., Kraxner F., See L., Pyzhev A., Gordeev R., Fedorov S., Korotkov V., Bartalev S., Schepaschenko D. A modelling system for dead wood assessment in the forests of Northern Eurasia // Forests. 2023. Vol. 14. No 1. Article 45.

Stolbovoi V., Mccallum I., 2002. Land Resources of Russia [online]. IIASA & RAS. Laxenburg, Austria. URL: https://clck.ru/36QrC6 (дата обращения 17 июня 2023).

van Wees D., van der Werf G. R., Randerson J. T., Rogers B. M., Chen Y., Veraverbeke S., Giglio, L., Morton D. C. Global biomass burning fuel consumption and emissions at 500 m spatial resolution based on the Global Fire Emissions Database (GFED) // Geoscientific Model Development 2022. Vol. 15. P. 8411–8437. DOI: 10.5194/gmd-15-8411-2022

 

Рецензент: к. физ-мат. н., доцент Барановский Н. В.