Мониторинг земель лесного фонда провинции Кон Тум Вьетнама по данным дистанционного зондирования Земли

Кадастр
УДК: 
528.4
DOI: 
10.22389/0016-7126-2023-998-8-57-64
1 Ковязин В.Ф.
2 Нгуен Ч.А.
3 Нгуен Т.Ч.
Год: 
2023
№: 
8
998
Страницы: 
57-64

Санкт-Петербургский горный университет

1, 
2, 
3, 
Аннотация:
Статья посвящена разработке системы мониторинга земель лесного фонда провинции Кон Тум, расположенной в центральной части Вьетнама. Отмечается возможность использования космических снимков со спутников Landsat 7, 8 и Sentinel 2A при мониторинге лесных ресурсов, а также платформы Google Earth Engine для обработки данных. Применение предложенной технологии исследования земель лесного фонда позволяет: автоматизировать процессы сбора и обработки разновременных данных мониторинга на значительной территории, получать достоверные результаты, экономить время. Предлагается для качественной оценки растительного покрова земель лесного фонда использовать нормализованный относительный индекс растительности (NDVI), а для классификации растительного покрова лесов на спутниковых снимках различного разрешения – метод случайного леса. В результате выполненных работ получены пригодные для практического применения данные по динамике площадей растительных сообществ и по состоянию древостоев в провинции Кон Тум, которые свидетельствуют о проводимых мероприятиях по восстановлению лесных ресурсов и реструктуризации земель сельскохозяйственного назначения

Список литературы: 
1.   Ковязин В.Ф., Пасько О.А., Лепихина О.Ю., Трушников В.Е. Оценка точности инвентаризации лесных земель с применением воздушного лазерного сканирования // Геодезия и картография. – 2022. – № 6. – С. 54-63. DOI: 10.22389/0016-7126-2022-984-6-54-63.
2.   Arevalo P., Bullock E. L., Woodcock C. E., Olofsson P. (2020) A suite of tools for continuous land change monitoring in Google Earth Engine // Frontiers in climate. 2, pp. 57–67. DOI: 10.3389/fclim.2020.576740.
3.   Bera B., Saha S., Bhattacharjee S. (2020) Estimation of Forest Canopy Cover and Forest Fragmentation Mapping Using Landsat Satellite Data of Silabati River Basin (India) // KN – Journal of Cartography and Geographic Information. 70 (4), pp. 181–197. DOI: 10.1007/s42489-020-00060-1.
4.   Bhattarai R., Rahimzadeh-Bajgiran P., Weiskittel A., MacLean D. A. (2020) Sentinel-2 based prediction of spruce budworm defoliation using red-edge spectral vegetation indices // Remote Sensing Letters. 11 (8), pp. 777–786. DOI: 10.1080/2150704X.2020.1767824.
5.   Fragou S., Kalogeropoulos K., Stathopoulos N., Louka P., Srivastava P. K., Karpouzas S., Kalivas D. P., Petropoulos G. (2020) Quantifying Land Cover Changes in a Mediterranean Environment Using Landsat TM and Support Vector Machines // Forests. 11 (7), pp. 750. DOI: 10.3390/f11070750.
6.   Ha Thang Long, Nguyen Van Hoang, Nguyen Thi Tinh, Tran Huu Vy, Nguyen Ai Tam, Bui Van Tuan, Nguyen Thi Tien (2013) Kon Ka Kinh Nation Park – An important Biodiversity Zone in the Central Highland, Vietnam. Agriculture publisher URL: clck.ru/35GaAk (дата обращения: 20.03.2023).
7.   Ibrahim S. (2023) Improving Land Use/Cover Classification Accuracy from Random Forest Feature Importance Selection Based on Synergistic Use of Sentinel Data and Digital Elevation Model in Agriculturally Dominated Landscape // Agriculture. 13 (1), pp. 98. DOI: 10.3390/agriculture13010098.
8.   Lili L., Hao Z., Post C., Mikhailova E. A., Yu K., Yang L., Liu J. (2020) Monitoring Land Cover Change on a Rapidly Urbanizing Island Using Google Earth Engine // Applied Sciences. 10 (20), pp. 7336. DOI: 10.3390/app10207336.
9.   Míguez C., Fernández C. (2023) Evaluating the Combined Use of the NDVI and High-Density Lidar Data to Assess the Natural Regeneration of P. pinaster after a High-Severity Fire in NW Spain // Remote Sensing. 15 (6), pp. 1634. DOI: 10.3390/rs15061634.
10.   Nguyễn Quốc Hiệu, Phùng Văn Khoa, Hai-Hoa Nguyen, Lê Văn Hương, Lê Văn Sơn, Tôn Thất Minh, Truong Cuong, Trần Văn (2018) Sử dụng chỉ số viễn thám để phát hiện suy thoái rừng tại khu dự trữ sinh quyển thế giới langbiang, lâm đồng // Tạp chí KHLN. 3, pp. 67–82. URL: clck.ru/35GgsR (дата обращения: 20.03.2023).
11.   Priyankara P., Ranagalage M., Dissanayake D., Morimoto T., Murayama Y. (2019) Spatial Process of Surface Urban Heat Island in Rapidly Growing Seoul Metropolitan Area for Sustainable Urban Planning Using Landsat Data (1996–2017) // Climate. 7 (9), pp. 110. DOI: 10.3390/cli7090110.
12.   Rodriguez-Galiano V. F., Ghimire B., Rogan J., Chica-Olmo M., Rigol-Sanchez J. P. (2012) An assessment of the effectiveness of a random forest classifier for land-cover classification // ISPRS Journal of Photogrammetry and Remote Sensing. 67, pp. 93–104. DOI: 10.1016/J.ISPRSJPRS.2011.11.002.
13.   Trần Quang Bảo, Lã Nguyên Khang, Lê Sỹ Doanh, Nguyễn Văn Thị, Phạm Văn Duẩn, Nguyễn Thị Mai Dương, Bùi Thị Minh Nguyệt, Nguyễn Trọng Cương (2022) Thực trạng và nguyên nhân suy giảm diện tích rừng khộp ở tây nguyên // Quản lý Tài nguyên rừng and Môi trường. 4, pp. 65–77. DOI: 10.55250/jo.vnuf.2022.4.065-077.
14.   Zhu Y., Feng Z., Lu J., Liu J. (2020) Estimation of Forest Biomass in Beijing (China) Using Multisource Remote Sensing and Forest Inventory Data // Forests. 11, pp. 163. DOI: 10.3390/f11020163.
Образец цитирования:
Ковязин В.Ф., 
Нгуен Ч.А., 
Нгуен Т.Ч., 
Мониторинг земель лесного фонда провинции Кон Тум Вьетнама по данным дистанционного зондирования Земли // Геодезия и картография. – 2023. – № 8. – С. 57-64. DOI: 10.22389/0016-7126-2023-998-8-57-64
СТАТЬЯ
Поступила в редакцию: 05.04.2023
Принята к публикации: 09.07.2023
Опубликована: 20.09.2023

Содержание номера

2023 август DOI:
10.22389/0016-7126-2023-998-8