ASSESSMENT OF NATURAL FOREST REGENERATION AFTER FIRE USING DATA OBTAINED WITH UNMANNED AERIAL VEHICLE

Cover Page

Cite item

Full Text

Abstract

Analysis of the success of reforestation after a fire is the most important task of forestry. For these purposes, in the summer of 2021, aerial photography was carried out from a Phantom 4 pro UAV (Unmanned Aerial Vehicle) of a 15-year-old burnt-out (2006) along the north-western border of the Botanical Garden of Petrozavodsk State University (Republic of Karelia). In addition to this, a full-scale survey was carried out at the registration sites. Before the forest fire, rocky Scots pine ( Pinus sylvestris L.) trees grew. The work was carried out in order to assess the state of natural renewal after a fire along rocky outcrops by combining the processing of aerial photography data with field surveys. As a result of photogrammetric processing, an orthophotomap with a spatial resolution of 4.6 cm/pix, a height map and three-dimensional point clouds were reconstructed. To analyze the quantitative distribution of the territory according to the species composition, the trees were pinned on the orthophotomap according to the registration areas of field surveys, as a result of which the quantitative distribution of tree species was determined in the ratio of 64 % Scots pine and 23 % of drooping birch ( Betula pendula Roth) (other species were not identified). Field surveys showed that after the fire, a viable young stand of mixed composition with a predominance of Scots pine (71% of the total number of tree species) was formed. In addition to Scots pine, drooping birch (22 %), aspen ( Populus tremula L.) and gray alder ( Alnus incana (L.) Moench) (3.5 % each) participate in the formation of young stands on this burned-out area. These indicators are consistent with the analysis of the orthomosaic of the area (the error is less than 10 %). When comparing the height of plants on three-dimensional clouds of points with field measurements, it was possible to reliably determine only the height of plants for a large generally accepted category (> 1.5 m). The maximum height of Scots pine trees in the study area is 6 m, and the average values varied from 3.5 to 4.5 m, which indicates the success of reforestation after burning on rocky outcrops.

About the authors

A. V. Kabonen

Petrozavodsk State University

Author for correspondence.
Email: alexkabonen@mail.ru
Petrozavodsk, Russian Federation

O. I. Gavrilova

Petrozavodsk State University

Email: ogavril@mail.ru
Petrozavodsk, Russian Federation

A. V. Gryazkin

S. M. Kirov Saint Petersburg State University of Forest Engineering

Email: lesovod@bk.ru
St. Petersburg, Russian Federation

K. A. Pak

Karelesproekt, Branch of the Federal State Budgetary Institution «Roslesinforg»

Email: pak.ka@roslesinforg.ru
Petrozavodsk, Russian Federation

References

  1. Аковецкий В. Г., Афанасьев А. В. Методы и технологии интерпретации аэрокосмических мониторинговых наблюдений лесной растительности // Лесн. вестн. 2020. Т. 24. № 2. С. 29–36.
  2. Белова Е. И., Ершов Д. В. Опыт оценки естественного лесовосстановления на сплошных вырубках по временным рядам Landsat // Лесоведение. 2015. № 5. С. 339–345.
  3. Беляева Н. В., Грязькин А. В., Калинский П. М. Точность учетных работ при оценке естественного лесовозобновления // Вестн. Саратов. гос. агр. ун-та им. Н. И. Вавилова. 2012. № 8. С. 7–12.
  4. Вогель Д. К., Юферев В. Г. Оценка лесных насаждений Волго-Ахтубинской поймы на основе фотограмметрической обработки данных цифровой аэросъемки // Изв. Нижневолжск. агр. ун-тетского комплекса. 2018. № 3 (51). С. 203–209.
  5. Гаврилова О. И., Колганов Е. С., Пак К. А. Оценка успешности самовозобновления сосны на гари // Лесотех. журн. 2020. Т. 10. № 4 (40). С. 142–149.
  6. Галецкая Г. А., Вьюнов М. В., Железова С. В., Завалишин С. И. Возможности обработки и анализа данных сверхлёгкого БПЛА SenseFly eBee в лесном хозяйстве // Интерэкспо Гео-Сибирь. 2015. № 4. С. 11–18.
  7. Горохова И. Н., Борисочкина Т. И., Шишконакова Е. А. Использование снимков с беспилотного летательного аппарата для оценки экологического состояния почвенно-растительного покрова урбанизированной экосистемы // Бюл. Почв. ин-та им. В. В. Докучаева. 2014. № 74. С. 77–89.
  8. Грязькин А. В. Патент 2084129 РФ. МКИ С 6 А 01 G 23/00. Способ учета подроста // Бюл. Роспатента. 1997. № 20. 3 с.
  9. Грязькин А. В. Влияние факторов внешней среды на структуру и состояние подроста // Изв. СПб. лесотех. акад. 2000. Вып. 8 (166). С. 19–25.
  10. Дайнеко Д. В. Применение беспилотных летательных систем в лесной отрасли // Применение беспилотных летательных аппаратов в географических исследованиях: Материалы Всерос. науч.-практ. конф. (Иркутск, 22–23 мая 2018 г.). Иркутск: Изд-во Ин-та геогр. им. В. Б. Сочавы СО РАН, 2018. С. 59–62.
  11. Денисов С. А., Домрачев А. А., Елсуков А. С. Опыт применения квадрокоптера для мониторинга возобновления леса // Вестн. ПГТУ. Сер. Лес. Экология. Природопользование. 2016. № 4 (32). С. 34–46.
  12. Кабонен А. В., Ольхин Ю. В. Дешифрирование форм и морфологических особенностей древесных растений на снимках, полученных с помощью беспилотных летательных аппаратов // Экосистемы. 2019. Вып. 20 (50). С. 197–202.
  13. Кабонен А. В., Ольхин Ю. В. Цифровое моделирование природно-ландшафтных комплексов по данным, полученным с помощью беспилотных летательных аппаратов // Лесохоз. информ. 2020. № 3. С. 101–110.
  14. Куликов В. С., Куликова В. В. Докембрийская геология территории ботанического сада // Hortus Bot. 2001. Т. 1. С. 19–24.
  15. Лесовосстановление гари на скалах. 3D Model. Scetchfab, 2022. https://skfb.ly/oqFWB
  16. .
  17. Никифоров А. А., Мунимаев В. А. Анализ зарубежных беспилотных летательных аппаратов, применяемых в лесном секторе // Тр. лесоинж. ф-та Петрозавод. гос. ун-та. 2010. № 8. С. 97–99.
  18. Осипенко А. Е., Коукал Я., Панин И. А., Иванчина Л. А., Залесов С. В. Опыт применения квадрокоптера для создания трёхмерной модели лесных насаждений // Леса России и хозяйство в них. 2017. № 4 (63). С. 16–22.
  19. Петушкова В. Б., Потапова С. О. Мониторинг и охрана лесов с применением беспилотных летательных аппаратов // Пожарная безопасность: проблемы и перспективы. 2018. Т. 1. № 9. С. 717–722.
  20. Распоряжение Правительства Российской Федерации от 11.02.2021 № 312-р «Об утверждении Стратегии развития лесного комплекса Российской Федерации до 2030 года». М.: Правительство РФ, 2021.
  21. Скуднева О. В. Беспилотные летательные аппараты в системе лесного хозяйства России // ИВУЗ. Лесн. журн. 2014. № 6 (342). С. 150–154.
  22. Смирнов А. А., Богачев П. В., Смирнов А. П. Естественное возобновление на вырубках Карелии в связи с плодородием и увлажнением лесной почвы // Изв. СПб. лесотех. ун-та. 2020. Вып. 232. С. 20–32.
  23. Фетисова А. А., Грязькин А. В., Ковалев Н. В., Гуталь М. Оценка естественного возобновления хвойных пород на сплошных вырубках в условиях Рощинского лесничества // ИВУЗ. Лесн. журн. 2013. № 6 (336). С. 9–18.
  24. Эпов М. И., Злыгостев И. Н. Применение беспилотных летательных аппаратов в аэрогеофизической разведке // Интерэкспо Гео-Сибирь. VIII Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология». Сб. мат-лов. В 2 т. 2012. Т. 2. № 3. С. 22–27.
  25. Dandois J. P., Ellis E. C. Remote sensing of vegetation structure using computer vision // Rem. Sens. 2010. V. 2. Iss. 4. P. 1157–1176.
  26. Neuville R., Bates J. S., Jonard F. Estimating forest structure from UAV-mounted LiDAR point cloud using machine learning // Rem. Sens. 2021. V. 13. Iss. 3. Article N. 352. 18 p.
  27. Uutera J., Maltamo M. Impact of regeneration method on stand structure prior to first thinning: Comparative study in North Karelia, Finland vs. Republic of Karelia, Russian Federation // Silva Fenn. 1995. V. 29. N. 4. P. 267–285.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».