ИСПОЛЬЗОВАНИЕ ГИС-ТЕХНОЛОГИЙ ДЛЯ ОБЕСПЕЧЕНИЯ РАБОТ ПО ИЗУЧЕНИЮ БОЛОТНЫХ МАССИВОВ

DOI: 10.24057/2414-9179-2018-1-24-405-418

Посмотреть или загрузить статью (Rus)

Об авторах

Крутских Н.В.

Институт геологии КарНЦ РАН, ФИЦ «Карельский научный центр РАН»,
ул. Пушкинская, 11. 185910, Петрозаводск, Россия,
E-mail: natkrut@gmail.com

Миронов В.Л.

Институт геологии КарНЦ РАН, ФИЦ «Карельский научный центр РАН»,
ул. Пушкинская, 11. 185910, Петрозаводск, Россия,
E-mail: vict.mironoff@yandex.ru

Рязанцев П.А.

Институт геологии КарНЦ РАН, ФИЦ «Карельский научный центр РАН»,
ул. Пушкинская, 11. 185910, Петрозаводск, Россия,
E-mail: chthonian@yandex.ru

Аннотация

На первом этапе изучения болотных массивов эффективно использование ГИС и спутниковых снимков. По мультиспектральным спутниковым снимкам анализируется пространственная структура разнообразия микроландшафтов, выявляются основные неоднородности болотных массивов. В работе рассматриваются два приозерных болота — Шуйские плавни и Равдукорби, расположенные в пределах бассейна Онежского озера. Исследуемые болота относятся к естественным пойменным. На них встречается три группы биотопов — преимущественно супераквальные, умеренно супераквальные и кратковременно супераквальные. Растительный покров болота Шуйские плавни представлен набором эвтрофных сообществ и образует несколько следующих друг за другом поясов, представленных черноольшаниками и березняками болотно-травяными, ивово-разнотравными, разнотравными, осоковыми, тростниковыми и камышовыми сообществами. Растительный покров болота Равдукорби на открытых участках болота представлен преимущественно осоково-сабельниковыми, ивово-сабельниковыми и травяно-кустарничково-сфагновыми сообществами, а на лесных участках — березняками болотно-травяными, сосняками вахтово-сфагновыми мезоевтрофными и сосново-кустарничково-сфагновыми мезоолиготрофными сообществами. В связи с тем, что оба болота примыкают к озерам с большим удельным водосбором, они испытывают регулярные подтопления в периоды половодий, что отражается как на растительности, так и на геохимических показателях. Основой для проведения дешифрирования являются данные космической съемки Landsat8.Тематическая обработка снимка включала создание растров путем вычисления спектральных индексов — NDVI, NDMI, индекс оксидов железа; температуры подстилающей поверхности. На основе анализа главных компонент проведена неконтролируемая классификация территорий болотных массивов, которая показала высокую сходимость с результатами полевых исследований. Полученная информация является базовой для дальнейшего изучения болотных массивов, построения маршрутной сети, применяемых методах исследований.

Ключ. слова

дистанционное зондирование, болотные массивы, спектральные индексы, классификация

Список литературы

  1. Алексеева М.Н., Прейс Ю.И., Дюкарев Е.А. Пространственная структура наземного растительного покрова и типа верхнего слоя торфа северо-восточных отрогов Большого Васюганского болота по дистанционным и наземным данным // Известия Томского политехнического университета. Инжиниринг георесурсов. 2015. Т. 326, № 4. С. 81–90.
  2. Ардашникова С.В. Картографирование болотных микроландшафтов на основе спектральной классификации космических снимков RapidEye // Геоматика. 2015. № 2 (27). С. 46–51.
  3. Грищенко М.Ю., Буторина С.А. Исследование возможностей применения тепловых снимков для дешифрирования растительности (на примере островов Беринга и Кунашир). Материалы Междунар. конф. «ИнтерКарто. ИнтерГИС». 2017. № 23(3). С. 71–81. DOI:10.24057/2414-9179-2017-3-23-71-81.
  4. Дюкарев Е.А., Пологова Н.Н., Головацкая Е.А. Технологии дистанционного зондирования для установления структуры лесоболотных комплексов ключевого участка «Бакчарский» // Журнал Сибирского Федерального университета. Сер. «Техника и технологии». 2008. Т. 1, № 4. С. 334–345.
  5. Зубков И.А., Скрипачев В.О. Применение алгоритмов неконтролируемой классификации при обработке данных ДЗЗ // Современные проблемы дистанционного зондирования Земли из космоса. 2007. Т. 4, № 1. С. 57–62.
  6. Казаков А.А. Дистанционное геотермическое картографирование болот Западной Сибири (на примере Тарманского болотного массива) // Вестник Тюменского государственного университета. Экология и природопользование. 2013. № 4. С. 161–167.
  7. Миронов В.Л. Растительный покров и динамика приозерного болота у оз. Логмозеро (Южная Карелия) // Известия Самарского научного центра Российской академии наук. 2012. Т. 14, № 1(5). С. 1324–1327.
  8. Кутенков С.А., Миронов В.Л. Особенности растительности и торфяных отложений пойменного болота Равдукорби (Карелия) // Ученые записки Петрозаводского государственного университета. Биологические науки. 2015. № 6. С. 40–47.
  9. Carlson T.N., Ripley D.A. On the relation between NDVI, fractional vegetation cover and leaf area index // Remote Sensing of Environment. 1997. V. 62. P. 241–252.
  10. Kearney M.S., Rogers A.S. Forecasting sites of future coastal marsh loss using topographical relationships and logistic regression. Wetlands Ecology and Management. 2010. P. 449–461.
  11. Segal D. Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data. Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX, 1982. P. 949–951.
  12. Skakun R.S., Wulder M.A., Franklin S.E. Sensitivity of the thematic mapper enhanced wetness difference index to detect mountain pine beetle red-attack damage. Remote Sensing of Environment. 2003. V. 86. P. 433–443.
  13. Wilson E.H., Sader S.A. Detection of forest harvest type using multiple dates of Landsat TM imagery. Remote Sensing of Environment. 2002. P. 385–396.

Для цитирования: Крутских Н.В., Миронов В.Л., Рязанцев П.А. ИСПОЛЬЗОВАНИЕ ГИС-ТЕХНОЛОГИЙ ДЛЯ ОБЕСПЕЧЕНИЯ РАБОТ ПО ИЗУЧЕНИЮ БОЛОТНЫХ МАССИВОВ. Материалы Международной конференции «ИнтерКарто. ИнтерГИС». 2018;24(1):405–418. DOI: 10.24057/2414-9179-2018-1-24-405-418

For citation: Krutskikh N.V., Mironov V.L., Ryazantsev P.A. THE USE OF GIS-TECHNOLOGIES FOR MIRE STUDIES. Proceedings of the International conference “InterCarto. InterGIS”. 2018;24(1):405–418 DOI: 10.24057/2414-9179-2018-1-24-405-418 (in Russian)