Геоинформационное картографирование последствий лесных пожаров по данным спутников «Sentinel-2» и «Landsat-8»

  • Карина Ярославовна Лис Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Дмитрий Андреевич Кислицын Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Антонина Анатольевна Топаз Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

Аннотация

Представлен методический подход к идентификации лесного пожара в юго-восточной части Лельчицкого района Гомельской области по данным разновременных космических снимков «Sentinel-2» и «Landsat-8». Рассмотрена возможность использования информации о спектральных индексах для оценки уровня вегетации различных экосистем. Для идентификации выгоревшей территории в программном комплексе ArcGIS (версия 10.7) выполнен геоинформационный анализ разницы индексов NBR, NDVI, BAI за период с 5 по 10 апреля 2020 г. по космическим снимкам «Sentinel-2» и за период с 25 марта по 10 апреля 2020 г. по космическим снимкам «Landsat-8». В созданных в среде ModelBuilder двух моделях геообработки использованы 29 и 15 инструментов соответственно, что позволяет в значительной степени автоматизировать процесс выявления территории, пострадавшей от лесного пожара. Предварительная идентификация выгоревшей территории проведена на основе участков, соответствующих двум или трем индексным критериям, которые были определены по результатам выполнения первой модели геообработки. Применение сочетаний как минимум двух индексных критериев дает возможность учесть особенности каждого из индексов и уменьшает вероятные погрешности при идентификации территории, пострадавшей от лесного пожара. Дальнейшее уточнение основано на использовании пространственной информации о сельскохозяйственных землях, которые были выделены в результате автоматизированного дешифрирования космического снимка «Sentinel-2» методом максимального правдоподобия, а также генерализации и векторизации классифицированного растра. Степень достоверности заметно увеличилась после удаления участков, выбранных на основе индексных критериев, но приуроченных к пахотным и луговым землям. Для количественной оценки точности выполнено пространственное пересечение между векторными слоями, полученными с использованием представленной методики, и результатом визуального дешифрирования. Эффективность применения геоинформационных систем для идентификации и картографирования последствий лесных пожаров по данным дистанционного зондирования Земли подтверждена высоким уровнем достоверности полученных результатов (около 96 и 89 % по снимкам «Sentinel-2» и «Landsat-8» соответственно).

Биографии авторов

Карина Ярославовна Лис, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

преподаватель кафедры геодезии и космоаэрокартографии факультета географии и геоинформатики

Дмитрий Андреевич Кислицын, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

преподаватель кафедры почвоведения и геоинформационных систем факультета географии и геоинформатики

Антонина Анатольевна Топаз, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

кандидат географических наук, доцент; заведующий кафедрой геодезии и космоаэро­ картографии факультета географии и геоинформатики

Литература

  1. Brown DG, Goovaerts P, Burnicki A, Li M-Y. Stochastic simulation of land-cover change using geostatistics and generalized additive models. Photogrammetric Engineering & Remote Sensing. 2002;68(10):1051–1061.
  2. Hansen MC, Loveland TR. A review of large area monitoring of land cover change using Landsat data. Remote Sensing of Environment. 2012;122:66–74. DOI: 10.1016/j.rse.2011.08.024.
  3. Heydari SS, Mountrakis G. Effect of classifier selection, reference sample size, reference class distribution and scene heterogeneity in per-pixel classification accuracy using 26 Landsat sites. Remote Sensing of Environment. 2018;204:648–658. DOI: 10.1016/j. rse.2017.09.035.
  4. Thanh Noi P, Kappas M. Comparison of random forest, k-nearest neighbor, and support vector machine classifiers for land cover classification using Sentinel-2 imagery. Sensors. 2018;18(1):18. DOI: 10.3390/s18010018.
  5. Wu Q, Li H, Wang R, Paulussen J, He Y, Wang M, et al. Monitoring and predicting land use change in Beijing using remote sensing and GIS. Landscape and Urban Planning. 2006;78(4):322–333. DOI: 10.1016/j.landurbplan.2005.10.002.
  6. Kennedy RE, Townsend PA, Gross JE, Cohen WB, Bolstad P, Wang YQ, et al. Remote sensing change detection tools for natural resource managers: understanding concepts and tradeoffs in the design of landscape monitoring projects. Remote Sensing of Environment. 2009;113(7):1382–1396. DOI: 10.1016/j.rse.2008.07.018.
  7. Mitchell BR, Shriver WG, Dieffenbach F, Moore T, Faber-Langendoen D, Tierney G, et al. Northeast Temperate Network vital signs monitoring plan. Woodstock: National Park Service, Northeast Temperate Network; 2006. 102 p. Report No.: NPS/NER/NRTR- 2006/059.
  8. Potere D, Woodcock CE, Schneider A, Ozdogan M, Baccini A. Patterns in forest clearing along the Appalachian Trail corridor. Photogrammetric Engineering & Remote Sensing. 2007;73(7):783–791. DOI: 10.14358/PERS.73.7.783.
  9. Wessels KJ, De Fries RS, Dempewolf J, Anderson LO, Hansen AJ, Powell SL, et al. Mapping regional land cover with MODIS data for biological conservation: examples from the Greater Yellowstone Ecosystem, USA and Pará State, Brazil. Remote Sensing of Environment. 2004;92(1):67–83. DOI: 10.1016/j.rse.2004.05.002.
  10. Wilkinson DW, Parker RC, Evans DL. Change detection techniques for use in a statewide forest inventory program. Photogrammetric Engineering & Remote Sensing. 2008;74(7):893–901. DOI: 10.14358/PERS.74.7.893.
  11. Alcaras E, Costantino D, Guastaferro F, Parente C, Pepe M. Normalized burn ratio plus (NBR+): a new index for Sentinel-2 imagery. Remote Sensing. 2022;14(7):1727. DOI: 10.3390/rs14071727.
  12. Guo R, Yan J, Zheng H, Wu B. Assessment of the analytic burned area index for forest fire severity detection using Sentinel and Landsat data. Fire. 2024;7(1):19. DOI: 10.3390/fire7010019.
  13. Chowdhury RR. Driving forces of tropical deforestation: the role of remote sensing and spatial models. Singapore Journal of Tropical Geography. 2006;27(1):82–101. DOI: 10.1111/j.1467-9493.2006.00241.x.
  14. Воробьев ОН, Курбанов ЭА, Лежнин СА, Полевщикова ЮА, Демишева ЕН. Методика выявления степени повреждения древостоев после пожаров 2010 года в Среднем Поволжье. Современные проблемы дистанционного зондирования Земли из космоса. 2014;11(4):217–229. EDN: TJELAL.
  15. Барталев СА, Стыценко ФВ, Егоров ВА, Лупян ЕА. Спутниковая оценка гибели лесов России от пожаров. Лесоведение. 2015;2:83–94. EDN: TOASFX.
  16. Груммо ДГ. Ретроспективный анализ динамики природных пожаров на территории Беларуси на основе данных дистанционного зондирования. Природные ресурсы. 2022;1:112–125.
  17. Гусев АП, Филончик НН, Шпилевская НС. Многолетние тренды состояния растительности в природных и антропогенных ландшафтах Белорусского Полесья по данным MODIS (2000–2019). Ученые записки Крымского федерального университета имени В. И. Вернадского. География. Геология. 2020;6(3):200–209. EDN: LTXDZM.
  18. Волосюк АИ, Топаз АА. Оценка последствий лесных пожаров на основе автоматизированной обработки материалов дистанционного зондирования Земли. Журнал Белорусского государственного университета. География. Геология. 2022;1:57–70. DOI: 10.33581/2521-6740-2022-1-57-70.
  19. Бондур ВГ, Цидилина МН, Черепанова ЕВ. Космический мониторинг воздействия природных пожаров на состояние различных типов растительного покрова в федеральных округах Российской Федерации. Исследование Земли из космоса. 2019;3:13–32. DOI: 10.31857/S0205-96142019313-32.
  20. Галерея индексов ArcGIS Pro [Интернет]. 2024 [процитировано 15 апреля 2024 г.]. Доступно по: https://pro.arcgis.com/ ru/pro-app/latest/help/data/imagery/indices-gallery.htm.
  21. Черепанов АС. Вегетационные индексы. Геоматика. 2011;2:98–102. EDN: STYTLN.
  22. Груммо ДГ, Судник АВ, Байчоров ВМ, Вершицкая ИН, Вознячук ИП, Грищенкова НД и др. Наземные и дистанционные методы оценки состояния экосистем особо охраняемых природных территорий. Груммо ДГ, Судник АВ, редакторы. Минск: Беларуская навука; 2023. 351 с.
  23. Chuvieco E, Martín MP, Palacios A. Assessment of different spectral indices in the red-near-infrared spectral domain for burned land discrimination. International Journal of Remote Sensing. 2002;23:5103–5110. DOI: 10.1080/01431160210153129.
Опубликован
2024-12-24
Ключевые слова: лесные пожары, спектральные индексы, «Sentinel-2», «Landsat-8», автоматизированное дешифрирование, геоинформационные технологии, ModelBuilder
Как цитировать
Лис, К. Я., Кислицын, Д. А., & Топаз, А. А. (2024). Геоинформационное картографирование последствий лесных пожаров по данным спутников «Sentinel-2» и «Landsat-8». Журнал Белорусского государственного университета. География. Геология, 2, 24-38. Доступно по https://journals.bsu.by/index.php/geography/article/view/6393
Выпуск
№ 2 (2024): Журнал Белорусского государственного университета. География. Геология
Раздел
География

Copyright (c) 2024 Журнал Белорусского государственного университета. География. Геология

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).