Оцінювання втрат лісового покриву Українських Карпат дистанційними методами за матеріалами відкритих джерел супутникової інформації

Ключові слова: дистанційне зондування Землі; ландшафтно-територіальна структура; цифрова модель рельєфу; цифрова модель висот

Анотація

Для оцінювання втрат лісового покриву Українських Карпат на прикладі території Сколівських Бескидів використано дистанційні методи. Для території досліджень на основі аналізу цифрових моделей рельєфу виокремлено ділянки, де, відповідно до чинних інструкцій та нормативів, заборонені суцільні рубки головного користування. На таких ділянках були виявлено та проаналізовано зміни лісового покриву. Для аналізу довгострокових змін лісового покриву використано Карту глобальних змін лісу (Global Forest Change – GFC). За даними аналізу такої інформації встановлено, що у 2010 р. частка природних лісів становила 19 % від загальної площі країни, або від 60,1 млн га. За період з 2001 по 2018 рр. в Україні втрачено 958 тис. га, що відповідає 8,6 % відносно площі лісового покриву за 2000 р. Для порівняння карт змін використано знімки із супутників Sentinel2 з роздільною здатністю 10 м×pix-1 для аналізу втрат лісу за 2015-2018 рр. Розмежування вододілу проведено для досліджуваної території за допомогою інструменту SAGA "Басейни вододілу" з використанням цифрової моделі рельєфу ASTER GDEM. За допомогою інструменту QGIS розраховано стрімкість схилів на основі цифрової моделі рельєфу ASTER GDEM2. Окрім цього, обчислено середнє значення, мінімум та максимум стрімкості схилу для порівняння її із наведеними даними стрімкості в базах лісовпорядкування для кожного виділу. Для визначення площі для екорегіону Українські Карпати на території Сколівських Бескидів спочатку вирізано растрову карту змін за даними Глобальної лісової варти (Global Forest Watch – GFW) за контурами екорегіону, векторизовано растр за картою змін, а потім обчислено площі за кожною категорією змін. Розраховано площі втрат лісового покриву. Встановлено, що вища частка втрат лісового покриву припадає на 2014-2018 рр. Він істотно вищий за середній щорічна частка втрат. Також виявлено, що останніми роками втрати лісового покриву зумовлені рубками, значна частка, котрих припадає на висоту понад 1100 м н.р.м. Аналіз змін лісового покриву для території Сколівських Бескид дав змогу порівняти такі зміни в лісах різної відомчої приналежності: Національного природного парку "Сколівські Бескиди", державного підприємства "Сколівське лісове господарство" та деяких лісництв, котрі належать до юрисдикції Сколівського війського лісгоспу ДП "Івано-Франківський військовий ліспромкомбінат". Порівняння даних втрати лісового покриву показав значні обсяги втрат на території військових лісництв, які були набагато вищими, ніж на інших територіях, що свідчить про їх антропогенне походження, тобто значні обсяги рубок.

Біографії авторів

О. Г. Часковський, Національний університет "Львівська політехніка", м. Львів

канд. с.-г. наук, доцент, кафедра лісової таксації та лісовпорядкування

Г. Г. Гриник, Національний лісотехнічний університет України, м. Львів

д-р с.-г. наук, доцент, ст. наук. співробітник, кафедра лісової таксації та лісовпорядкування

Посилання

Boisvenue, C., Smiley, B. P., White, J. C., Kurz, W. A., & Wulder, M. A. (2016). Integration of Landsat time series and field plots for forest productivity estimates in decision support models. Forest Ecology and Management, 376, 284–297. https://doi.org/10.1016/j.foreco.2016.06.022

Chaskovskyy, O. H., Karabchuk, D. Yu., & Ivaniuk, A. P. (2019). Forest disturbance in the Ukrainian Carpathians from 1984 to 2016. Scientific Bulletin of UNFU, 29(2), 9–14. https://doi.org/10.15421/40290201

Chrysafis, I., Mallinis, G., Gitas, I., & Tsakiri-Strati, M. (2017). Estimating Mediterranean forest parameters using multi seasonal Landsat 8 OLI imagery and an ensemble learning method. Remote Sensing of Environment, 199, 154–166. https://doi.org/10.1016/j.rse.2017.07.018

Coppin, P. R., & Bauer, M. E. (1996): Digital change detection in forest ecosystems with remote sensing imagery. Remote Sensing Reviews, 13 (3–4), S. 207–234. https://doi.org/10.1080/02757259609532305

Coulston, J. W., Moisen, G. G., Wilson, B. T., Finco, M. V., Cohen, W. B., & Brewer, C. K. (2012). Modeling percent tree canopy cover: a pilot study. Photogrammetric Engineering & Remote Sensing, 78(7), 715–727.

Dragut, L., & Eisank, C. (2012). Automated object-based classification of topography from SRTM data. Geomorphology, 141–142, 21–33. https://doi.org/10.1016/j.geomorph.2011.12.001

Eisavi, V., Homayouni, S., Yazdi, A. M., & Alimohammadi, A. (2015). Land cover mapping based on random forest classification of multitemporal spectral and thermal images. Environmental Monitoring and Assessment, 187(5), 34–39. https://doi.org/10.1007/s10661-015-4489-3

Global Forest Resources Assessment 2020. (2018). FRA 2020 Terms and Definitions Food and Agriculture Organization of the United Nations. Rome, 29 p.

Gopinath, G., Swetha, T. V., & Ashitha, M. K. (2013). Automated extraction of watershed boundary and drainage network from SRTM and comparison with Survey of India toposheet. Arabian Journal of Geosciences, 1–8. https://doi.org/10.1007/s12517-013-0919-0

Gruber, S., & Peckham, S. (2009). Land-Surface Parameters and Objects in Hydrology. Geomorphometry: Concepts, Software, Applications. Developments in Soil Science, 33, 171–194. https://doi.org/10.1016/S0166-2481(08)00007-X

Guth, P. L. (2006). Geomorphometry from SRTM: somparison to NED. Photogrammetric Engineering & Remote Sensing, 72(3). 269–277.

Hansen, M. C., & Loveland, T. R. (2012). A review of large area monitoring of land cover change using Landsat data. Remote Sensing of Environment, 122, 66–74. https://doi.org/10.1016/j.rse.2011.08.024

Hansen, M. C., Egorov, A., Potapov, P. V., Stehman, S. V., Tyukavina, A., Turubanova, S. A., … Bents, T. (2014). Monitoring conterminous United States (CONUS) land cover change with Web-Enabled Landsat Data (WELD). Remote Sensing of Environment, 140, 466–484. https://doi.org/10.1016/j.rse.2013.08.014

Hansen, M. C., Potapo, P. V., Moore, R., Hanche, M., Turubanova, S. A., Tyukavina, A. et al. (2013). High-Resolution Global Maps of 21st-Century Forest Cover Change. Science, Vol. 342, Issue 6160, 850–853. https://doi.org/10.1126/science.1244693

Hengl, T., & Reuter, H. I. (2011). How accurate and usable is GDEM? A statistical assessment of GDEM using LiDAR dataGeomorphometry, Redlands, CA, pp. 45–48. Retrieved from: http://geomorphometry.org/system/files/HenglReuter2011geomorphometry.pdf

Jarvis, A., Rubiano, J., Nelson, A., Farrow, A., Mulligan, M., & Jarvis, A. (2004). Practical use of SRTM data in the tropics. Comparisons with digital elevation models generated from cartographic data, 198, 32 p.

Karwel, A. K., & Ewiak, I. (2008). Estimation of the accuracy of the SRTM terrain model on the area of Poland. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII, Part B7, 169–172.

McRoberts, R. E., Vibrans, A. C., Sannier, C., Næsset, E., Hansen, M. C., Walters, B. F., & Lingner, D. V. (2016). Methods for evaluating the utilities of local and global maps for increasing the precision of estimates of subtropical forest area. Canadian Journal of Forest Research, 46, 924–932. https://doi.org/10.1139/cjfr-2016-0064

Myroniuk, V. V. (2018). Forest Cover Mapping Using Landsat-Based Seasonal Composited Mosaics. Scientific Bulletin of UNFU, 28(1), 28–33. https://doi.org/10.15421/40280105

Myronyuk, V. V., & Bilous, A. M. (2017). Consistency of forest area estimates according to global forest change data and multispectral satellite image. Scientific Bulletin of UNFU, 27(5), 38–42. https://doi.org/10.15421/40270507

Planchon, O., & Darboux, F. A. (2002). fast, simple and versatile algorithm to fill the depressions of digital elevation models Catena, 46 (2–3), 159–176.

QGis Development Team (2018). QGis Geographic Information System. Version 2.18.27: Open Source Geospatial Foundation. Retrieved from: https://qgis.org/en/site/about/index.html,

SAGA GIS Development Team. (2014). SAGA – System for Automated Geoscientific Analyses / SAGA User Group Association. Retrieved from: http://saga-gis.org

Sexton, J. O., Song, X., & Feng, M. (2013). Global, 30-m resolution continuous fields of tree cover: Landsat-based rescaling of MODIS vegetation continuous fields with lidar-based estimates of error. Digital Earth, 6(5), 427–448. https://doi.org/10.1080/17538947.2013.786146

Shimada, M., Itoh, T., Motooka, T., Watanabe, M., Shiraishi, T., Thapa, R., & Lucas, R. (2014). New global forest/non-forest maps from ALOS PALSAR data (2007-2010). Remote Sensing of Environment, 155, 13–31. https://doi.org/10.1016/j.rse.2014.04.014

Vaze, Jai; Teng, Jin; Spencer, Georgina (2010): Impact of DEM accuracy and resolution on topographic indices. In: Environmental Modelling & Software 25(10), 1086–1098. https://doi.org/10.1016/j.envsoft.2010.03.014

Zald, H. S. J., Wulder, M. A., White, J. C., Hilker, T., Hermosilla, T., Hobart, G. W., & Coops, N. C. (2016). Integrating Landsat pixel composites and change metrics with lidar plots to predictively map forest structure and aboveground biomass in Saskatchewan, Canada. Remote Sensing of Environment, 176, 188–201. https://doi.org/10.1016/j.rse.2016.01.015

Zhu, X. L., & Liu, D. S. (2014). Accurate mapping of forest types using dense seasonal Landsat time-series. Isprs Journal of Photogrammetry and Remote Sensing, 96, 1–11. https://doi.org/10.1016/j.isprsjprs.2014.06.012

Опубліковано
2020-02-27
Як цитувати
Часковський, О. Г., & Гриник, Г. Г. (2020). Оцінювання втрат лісового покриву Українських Карпат дистанційними методами за матеріалами відкритих джерел супутникової інформації. Науковий вісник НЛТУ України, 30(1), 66-73. https://doi.org/10.36930/40300111
Розділ
Лісове та садово-паркове господарство