Спектральные показатели постпирогенного состояния степных участков (на примере ключевой территории в Южном Зауралье)

DOI: 10.35595/2414-9179-2024-2-30-282-298

Посмотреть или загрузить статью (Rus)

Об авторах

В.М. Павлейчик

Институт степи Уральского отделения РАН,
ул. Пионерская, д. 11, Оренбург, Россия, 460000,
E-mail: vmpavleychik@gmail.com

Р.В. Ряхов

Институт степи Уральского отделения РАН,
ул. Пионерская, д. 11, Оренбург, Россия, 460000,
E-mail: remus.rv@gmail.com

Аннотация

Пирогенное воздействие является одним из наиболее значимых экологических и ландшафтообразующих факторов в степных регионах Северной Евразии, в связи с чем вопросы оценки характера и продолжительности восстановительных процессов остаются более чем актуальными. В задачи исследования входило выявление региональных особенностей применения спектральных индексов при оценке динамики восстановительных постпирогенных процессов. Ключевая территория расположена в Южном Зауралье в пределах Оренбургской области и занимает площадь 657 км2. В августе 2017 г. часть ее была подвержена воздействию пожара. Исходными материалами послужили мультиспектральные снимки Landsat-8. Сбор зональной статистики производился по 26 участкам площадью 1 км2 каждый, линейно сгруппированных в 6 условных профилей. С учетом представления о показателях продолжительности постпирогенных восстановительных процессов, временная серия снимков охватывает вегетационные периоды с 2016 по 2019 г. Для анализа использованы широко используемые спектральные индексы: NDVI, BAI, MIRBI, NBR, NBR2, NBRT1, NBRT3, SWVI и температура поверхности. На основе сформированной базы данных произведен расчет значений по отдельным профилям и в целом по всем площадкам с разделением на горелые и не горелые территории. Вычислены фактические (средние, максимальные и минимальные) значения и отклонения от контрольных показателей, подготовлены таблицы корреляционных зависимостей между значениями спектральных индексов. Все рассмотренные спектральные индексы с различной степенью контрастности зафиксировали особенности сгоревшей поверхности вплоть до окончания вегетационного периода 2017 г. Наибольшую продолжительность сохранения различий между гарями и естественной растительностью без существенной потери границ контура (до конца 2019 г.) показали MIRBI, NBR2 и показатели температуры поверхности. Часть спектральных индексов (NDVI, NBR, NBRT1, BAI и, особенно, SWVI) длительное время сохраняли очертания контура гари, но кардинально меняли характер соотношения с фоном в различные сроки восстановительного периода. Этому способствовало активное нарастание зеленой фитомассы на гарях и маскирующее влияние сухой фитомассы на контрольных площадках. Продолжительность сохранения отличий между гарями и контрольными участками по данным ДЗЗ составляет примерно два года (вегетационный сезон). В схожие сроки оценивается возобновление способности к устойчивому распространения огня.

Ключ. слова

степные пожары, спутниковые изображения, спектральные индексы, восстановление

Список литературы

  1. Медведева М.А., Макаров Д.А., Сирин А.А. Применимость различных спектральных индексов на основе спутниковых данных для оценки площадей торфяных пожаров. Современные проблемы дистанционного зондирования Земли из космоса, 2020. Т. 17. № 5. С. 157–166. DOI: 10.21046/2070-7401-2020-17-5-157-166.
  2. Мячина К.В., Павлейчик В.М., Чибилев А.А. Проблемы и возможности геоинформационных методов при выявлении степных гарей. Проблемы региональной экологии, 2016. № 6. С. 159–166.
  3. Павлейчик В.М., Калмыкова О.Г., Сорока О.В. Особенности теплового режима и условий увлажнения постпирогенных степных ландшафтов. Известия РАН. Серия географическая, 2020. Т. 84. № 4. С. 541–550. DOI: 10.31857/S2587556620040111.
  4. Павлейчик В.М., Мячина К.В. Особенности термического режима земной поверхности после степных пожаров по данным спутников Landsat. Вестник ОГУ, 2016. № 4 (192). С. 83–89.
  5. Украинский П.А. Динамика спектральных свойств зарастающих травяных гарей. Современные проблемы дистанционного зондирования Земли из космоса, 2013. Т. 10. № 4. С. 229–238.
  6. Шинкаренко С.С. Изменение спектрально-отражательных характеристик зональных ландшафтов Северного Прикаспия при пирогенном воздействии. Современные проблемы дистанционного зондирования Земли из космоса, 2021. Т. 18. № 3. С. 192–206. DOI: 10.21046/2070-7401-2021-18-3-192-206.
  7. Dewald J., Southworth J., Moise I. The role of people, parks and precipitation on the frequency and timing of fires in a sub-Saharan savanna ecosystem. International Journal of Wildland Fire, 2023. V. 33. DOI: 10.1071/WF23020.
  8. Gao B. NDWI—A normalized difference water index for remote sensing of vegetation liquid from space. Remote Sensing of Environment, 1996. V. 58. P. 257–266.
  9. Hardtke L.A., Blanco P.D., Del Valle H.F., Metternicht G.I., Sione W.F. Semi-automated mapping of burned areas in semi-arid ecosystems using MODIS time-series imagery. International Journal of Applied Earth Observation and Geoinformation, 2015. V. 38. P. 25–35. DOI: 10.1016/j.jag.2014.11.011.
  10. Holden A., Smith S., Morgan P., Rollins G., Gessler E. Evaluation of novel thermally enhanced spectral indices for mapping fire perimeters and comparisons with fire atlas data. International Journal of Remote Sensing, 2005. V. 26. No. 21. P. 4801–4808.
  11. Holden Z., Swanson A., Luce C., Matt Jolly W., Maneta M., Oyler J., Warren D., Parsons R., Affleck D. Decreasing fire season precipitation increased recent western US forest wildfire activity. PNAS, 2018. V. 115. No. 36. P. E8349.
  12. Key C., Benson N. Measuring and remote sensing of burn severity. USA, Idaho: Proceedings Joint Fire Science Conference and Workshop, 1999. V. II.
  13. Key C.H., Benson N.C. Landscape assessment (LA) sampling and analysis methods. Gen. Tech. Rep. RMRS-GTR-164. USA, Ogden (Utah): USDA Forest Service, Rocky Mountain Research Station, 2006.
  14. Lozano F.J., Suarez-Seoane S., De Luis E. Assessment of several spectral indices derived from multi-temporal Landsat data for fire occurrence probability modelling. Remote Sensing of Environment, 2007. V. 107. No. 4. P. 533–544. DOI: 10.1016/j.rse.2006.10.001.
  15. Martin M.P., Chuvieco E. Cartografía de grandes incendios forestales en la península iberica a partir de imagenes NOAA-AVHRR. Mapping of large forest fires in the Iberian Peninsula from NOAA-AVHRR images. Serie: Geografica, 1998. V. 7. P. 109–128.
  16. Mayr M., Vanselow K., Samimi C. Fire regimes at the arid fringe: A 16-year remote sensing perspective (2000–2016) on the controls of fire activity in Namibia from spatial predictive models. Ecological Indicators, 2018. V. 91. DOI: 10.1016/j.ecolind.2018.04.022.
  17. Mishra N., Mainali K., Crews K. Modeling spatio-temporal variability in fires in semi-arid savannas: A satellite-based assessment around Africa’s largest protected area. International Journal of Wildland Fire, 2016. V. 25. DOI: 10.1071/WF15152.
  18. Nizamani M., Zhang Q., Muhae-Ud-Din G., Awais M., Qayyum M., Farhan M., Jabran M., Wang Y. Application of GIS and remote-sensing technology in ecosystem services and biodiversity conservation, 2023. P. 38. DOI: 10.1201/9781032646268-12.
  19. Pandit K., Dashti H., Hudak A., Glenn N., Flores A., Shinneman D. Understanding the effect of fire on vegetation composition and gross primary production in a semi-arid shrubland ecosystem using the Ecosystem Demography (EDv2.2) model. Biogeosciences, 2021. V. 18. P. 2027–2045. DOI: 10.5194/bg-18-2027-2021.
  20. Parker B.M., Lewis T., Srivastava S.K. Estimation and evaluation of multi-decadal fire severity patterns using Landsat sensors. Remote Sensing of Environment, 2015. V. 170. P. 340–349.
  21. Perez C.C., Olthoff A.E., Hernandez-Trejo H., Rullan-Silva C.D. Evaluating the best spectral indices for burned areas in the tropical Pantanos de Centla Biosphere Reserve, Southeastern Mexico. Remote Sensing Applications: Society and Environment, 2022. V. 25. P. 100664. DOI: 10.1016/j.rsase.2021.100664.
  22. Rasul A., Faqe I., Hameed H., Tansey K. A trend of increasing burned areas in Iraq from 2001 to 2019. Environment Development and Sustainability, 2021. P. 1–19. DOI: 10.1007/s10668-020-00842-7.
  23. Röder A., Hill J., Duguy B., Alloza J.A., Vallejo R. Using long time series of Landsat data to monitor fire events and post-fire dynamics and identify driving factors. A case study in the Ayora Region (eastern Spain). Remote Sensing of Environment, 2008. V. 112. No. 1. P. 259–273.
  24. Sukhinin A.I., French N., Kasischke E., Hewson J., Soja A.J., Csiszar I.A., Hyer E.J., Loboda T., Conrad S.G., Romasko V.I., Pavlichenko E.A., Miskiv S.I., Slinkina O.A. AVHRR-based mapping of fires in Russia: New products for fire management and carbon cycle studies. Remote Sensing of Environment, 2004. V. 93. Iss. 4. P. 546–564. DOI: 10.1016/j.rse.2004.08.011.
  25. Trigg S., Flasse S. An evaluation of different bi-spectral spaces for discriminating burned shrub-savannah. International Journal of Remote Sensing, 2001. V. 22. P. 2641–2647.
  26. Tucker C. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 1979. V. 8. P. 127–150.
  27. Weber K.T., Seefeldt S.S., Norton J.M., Finley C. Fire severity modeling of sagebrush-steppe rangelands in Southeastern Idaho. GIScience & Remote Sensing, 2008. V. 45. No. 1. P. 68–82.

Для цитирования: Павлейчик В.М., Ряхов Р.В. Спектральные показатели постпирогенного состояния степных участков (на примере ключевой территории в Южном Зауралье). ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2024. Т. 30. Ч. 2. С. 282–298 DOI: 10.35595/2414-9179-2024-2-30-282-298

For citation: Pavleichik V.M., Ryahov R.V. Spectral indicators of the post-pyrogenic state of steppe areas (using the example of a key territory in the Southern Trans-Urals). InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2024. V. 30. Part 2. P. 282–298. DOI: 10.35595/2414-9179-2024-2-30-282-298 (in Russian)