Состояние и динамика лесных фитоценозов особо охраняемых природных территорий Кавказских Минеральных Вод в условиях рекреационного воздействия

The current state and dynamics of forest phytocenoses of protected areas of Сaucasian Mineral Waters under the recreational impact

В статье представлены результаты исследования, посвященного определению ряда характеристик состояния и динамики особо охраняемых природных территорий Кавказских Минеральных Вод с использованием данных дистанционного зондирования за 1984–2014 г.г. В качестве исходных данных были использованы космические снимки среднего пространственного разрешения за летний период, полученные с аппаратов Landsat. Определение состояния растительного покрова проводилось на основе вегетационного индекса NDVI. В результате исследований было выявлено увеличение площадей лесных фитоценозов особо охраняемых территорий, при этом также было зафиксировано увеличение урбанизированных районов и снижение показателей индекса NDVI для лесопокрытых территорий.

Ключевые слова:данные дистанционного зондирования, мониторинг растительных фитоценозов, особо охраняемые природные территории, рекреация.

Article is devoted to the definition of a number of characteristics of the state and dynamics of specially protected natural territories of Caucasian Mineral Waters using the remote sensing data for the 1984-2014 years. The initial data were used satellite imagery medium spatial resolution over the summer period, obtained with apparatus Landsat. Determination of vegetation was based on vegetation index NDVI. As a result, studies have revealed an increase in the area forest phytocenoses protected areas, however, recorded an increase in urban areas and the decline in the index NDVI for forest covered areas.

Key words:remote sensing, monitoring plant phytocenoses, specially protected natural territories, recreation.

Введение

При возрастании потребности в рекреационных ресурсах лесные экосистемы особо охраняемых территорий испытывают существенное усиление антропогенного давления.

Лесная растительность на территории особо охраняемого экологокурортного региона Кавказские Минеральные Воды (КМВ) выполняет главные средоформирующие и средозащитные функции в условиях образования минеральных вод. В то же время лесные биоценозы, сосредоточенные главным образом в Бештаугорском лесопарке, являются пригородными лесами быстро растущих городов-курортов.

Согласно «Стратегии социально экономического развития экологокурортного региона Кавказских Минеральных Вод до 2020 года», планируется увеличение потенциальной емкости санаторно-курортного и туристического комплекса КМВ до 1,5 млн человек в год. Увеличение потенциальной емкости городов-курортов может обусловить возрастание рекреационных нагрузок, превышающих возможности и период восстановления природных сообществ, что приведет к нарушению устойчивости ценных лесных биоценозов и может отразится на режимах формирования бальнеологических и рекреационных ресурсов.

В целях контроля и своевременного предотвращения последствий рекреационного вмешательства в ход природных процессов на территории особо охраняемых природных территорий КМВ необходима разработка непрерывного и систематического сбора информации о состоянии лесных экосистем.

Получение необходимой информации о параметрах окружающей среды с последующим прогнозированием ряда характеристик ее состояния и динамики может быть реализовано с помощью методов дистанционного зондирования, приобретающих все большую популярность в лесном хозяйстве и мониторинге лесных экосистем.

Одной из задач, решаемых при проведении космического экологического мониторинга, является оценка состояния растительных фитоценозов, а также динамических показателей лесных фитоценозов, подверженных усиливающемуся всестороннему антропогенному давлению.

Исходя из этого, целью данного исследования является оценка состояния и динамики лесных фитоценозов особо охраняемых природных территорий КМВ за период 1984–2014 гг., в течение которого производилась регулярная съемка исследуемой территории со спутников серии Landsat.

Материалы и методы

В качестве исходных данных для проведения исследования использованы летние космические снимки с аппаратов Landsat-5 (сенсор TM), Landsat-7 (сенсор ETM+) и Landsat-8 (сенсор OLI/TIRS) с пространственным разрешением 30 м за период с 1984 по 2014 г.г. На основе снимков Landsat выполнялось автоматизированное дешифрирование динамики лесов с последующей валидацией результатов дешифрирования с использованием данных более высокого пространственного разрешения (SPOT-5, WorldView-2) за 2010–2012 гг.

Предобработка данных дистанционного зондирования соответствовала общепринятым методам [6] и включала в себя геометрическую и атмосферную коррекцию.

Для определения пространственно-временного распределения лесной растительности были использованы возможности программного комплекса ENVI 5.1. Для каждого космического снимка среднего пространственного разрешения, относящегося к одному типу сенсора, была проведена классификация с применением алгоритма Maximum Likelihood, основанном на использовании теоремы Байеса в качестве решающего правила.

Полученные результаты подвергались постклассификационной обработке: генерализации, сглаживанию - и автоматически векторизовались.

Итогом обработки летних изображений 1984–2014 г.г. стали тематические картосхемы, отражающие динамику пространственного распределения лесной растительности особо охраняемых природных территорий КМВ.

В целях детектирования изменений в спектральных яркостях пикселей на разновременных снимках с использованием инструмента Layer Stacking были созданы многоканальные композиты. При этом в розовый цвет были окрашены пиксели, в которых произошло увеличение спектральных яркостей, в зеленый цвет – уменьшение спектральных яркостей.

Выявление динамки состояния лесопокрытых территорий было произведено с применением расчета нормализованного разностного индекса растительности NDVI, эффективность которого основана на детектировании содержания количества фотосинтетически активной биомассы.

Индекс NDVI рассчитывается по формуле: NDVI = (NIR – RED) / (NIR + RED), где NIR – спектральная яркость в ближней инфракрасной области спектра, RED – спектральная яркость в красной области спектра.

NDVI - простой количественный показатель количества фотосинтетически активной биомассы, так как отмечена связь между величинами NDVI и наземной фитомассой в виде логарифмических и линейных зависимостей [2, 5, 6].

В итоге рассмотрен широко используемый индекс NDVI в качестве величины, отражающей интенсивность фотосинтетически обусловленных CO2 потоков, а их сезонную вариабельность как показатель продуктивности растительных сообществ [1].

По полученным изображениям, отражающим величину коротковолнового вегетационного индекса NDVI , были рассчитаны классы пороговых изменений путем вычитания изображений начального состояния из изображения конечного состояния. На основании этого была получена детальная статистика изменений между двумя классифицированными изображениями, что позволило выявить общую динамику изменения индекса NDVI за 26 лет.

Результаты и обсуждение

В ходе выполнения управляемой классификации в рамках предварительно созданной маски особо-охраняемых природных территорий было выделено 10 классов подстилающей поверхности. Однако в целях отделения лесопокрытых территорий от земель других классов была проведена генерализация, результатом которой стали тематические картосхемы, отражающие динамику пространственного распределения лесной растительности за 1991–2014 гг.

Примером картосхем пространственной динамики лесопокрытых территорий являются рис.1 и рис 2. для лесных фитоценозов Бештаугорского лесопарка, покрывающих склоны Бештау и соседних гор – Машука, Железной Развалки, Медовой, Тупой, Острой и г. Змейка.

Представленные картосхемы показывают, что за 23 года территория лесопокрытых территорий Бештаугоского лесхоза существенно увеличилась главным образом за счет лесопосадок на южном склоне г. Бештау. Также рост площади лесных фитоценозов предположительно может быть связан с увеличением среднегодового количества осадков, выпадающих на территории особо охраняемого эколого-курортного региона (рис. 3).

С 1984 г. по 2014 г. для г. Бештау увеличение площади покрывающих ее лесных сообществ составило 8,7 %, для г. Змейка – 14 %, для г. Верблюд – 9 %. На территории гор Машук, Железная, Развалка площадь лесопокрытых территорий изменилась в пределах 1 %, что может быть отнесено к статистической погрешности. В среднем за анализируемый тридцатилетний период площадь всех лесопокрытых территорий Бештаугорского лесхоза увеличилась на 22 %.

Однако наряду с приростом лесных фитоценозов зафиксировано увеличение площади урбанизированных территорий.

В результате обработки композитного изображения установлено, что отражательная способность пикселей, относящихся к урбанизированным территориям, снизилась практически повсеместно. Также в ходе анализа снимков было выявлено появление новых, ранее не застроенных селитебных территорий. Наибольшее увеличение урбанизированных территорий наблюдается в районе городов Лермонтов, Пятигорск и Минеральные воды, а также поселка Иноземцево.

Индекс NDVI применялся на основании данных дистанционного зондирования (конец июня – начало июля) за период 1984–2010 г.г. с использованием 10 снимков.

Анализ индекса NDVI лесных фитоценозов особо охраняемых природных территорий КМВ показал снижение его средних значений с 0,88 до 0,82. Наибольшее снижение показателей нормализованного вегетационного индекса было зафиксировано на южном и юго-западном склонах г. Машук и склонах г. Бештау, кроме северо-восточного. Среднее значение уменьшения значений индекса NDVI для лесопокрытых территорий для гор-лакколитов за 26 лет составило 6,8 %, что согласно многочисленным исследованиям [1, 2, 6] свидетельствует об уменьшении продуктивности данных сообществ.

Заключение

Использование многолетних рядов данных ДЗЗ позволяет получить информацию о параметрах окружающей среды с последующим прогнозированием ряда характеристик ее состояния и динамики.

В ходе работы получены данные о пространственно-временных характеристиках лесопокрытых территорий особо охраняемого эколого-курортного региона КМВ, а также данные о динамике изменений индекса NDVI, позволяющие судить о состоянии лесной растительности региона.

Установлено, что в среднем площадь лесопокрытых территорий Бештаугорского лесхоза увеличилась на 22 %, что предположительно может быть связано с увеличением среднегодового количества осадков на данной территории, а также с лесохозяйственными работами в районе исследования.

Наряду с приростом лесных фитоценозов зафиксировано увеличение площади урбанизированных территорий, расположенных в непосредственной близости от особо охраняемых природных территорий КМВ.

Подобная ситуация может привести к формированию островных биосистем, биоценозы которых согласно закону обеднения живого вещества в островных его сгущениях обречены на деградацию.

Также за период 1984–2014 г.г. выявлено уменьшение значений индекса NDVI лесопокрытых территорий исследованной части КМВ на 6,8 %, что свидетельствует об уменьшении продуктивности данных сообществ.

Библиографический список

1. Василевич М. И., Елсаков В. В., Щанов В. М. Применение спутниковых методов исследований в мониторинге состояния лесных фитоценозов в зоне выбросов промышленного предприятия // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 1. С. 30–42.

2. Елсаков В. В. Технологии спутникового мониторинга в исследовании лесных островов большеземельской тундры // Современные проблемы истанционного зондирования Земли из космоса. 2007.Вып. 4. Т. 2. С. 212–216.

3. Крылов А. М., Владимирова Н. А. Дистанционный мониторинг состояния лесов по данным космический съемки // Геоматика. 2011.№ 3. С. 53–58.

4. Расчеты и информация по климату городов и регионов России для учебных, инженерных и научных работ в формате Excel. [Электронный ресурс]. URL: www.atlas-yakutia.ru (Дата обращения: 04.10.2013).

5. Черепанов А. С., Дружинина Е. Г. Спектральные свойства растительности вегетационные индексы // Геоматика. 2009. № 3. С. 28–32.

6. Liang T., Zhang X., Xie H. Toward improved daily snow cover mapping with advanced combination of MODIS and AMSR-E measurements // Remote Sensing of Environment. 2008. P. 3750–3761.

(Наука. Инновации. Технологии. - № 4. - 2014)