Оценка пространственно-временной динамики фитомассы лесов Марийского Заволжья по спутниковым снимкам тема диссертации и автореферата по ВАК РФ 06.03.02, кандидат наук Незамаев, Сергей Александрович

• Незамаев, Сергей Александрович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Незамаев, Сергей Александрович

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

I. СОСТОЯНИЕ ВОПРОСА

1.1 Оценка фитомассы лесов

1.2 Использование данных дистанционного зондирования Земли при изучении фитомассы лесов

1.3 Картирование лесных экосистем

Выводы по главе

II. ПРИРОДНЫЕ УСЛОВИЯ И ЛЕСНОЙ ФОНД МАРИЙСКОГО ЗАВОЛЖЬЯ

2.1 Территория

2.2 Климат

2.3 Почвенные условия

2.4 Лесорастительное и лесохозяйственное районирование

2.5 Типы лесов

2.6 Распределение насаждений основных лесообразующих пород

Выводы по главе

III. ПРОГРАММА И ОБЪЕКТЫ ИССЛЕДОВАНИЙ

3.1 Программа исследований

3.2 Объекты исследований

IV. РАЗРАБОТКА МЕТОДИКИ ИССЛЕДОВАНИЙ

4.1 Методика закладки тестовых участков

4.2 Характеристика спутниковых данных

4.3 Методика работы со спутниковыми снимками в программных комплексах «ENVI 5» и «ArcGIS 10.0»

4.4 Преобразование Tasseled Сар

4.5 Легенда тематической карты

4.6 Анализ спектральных характеристик и оценка разделимости классов

4.7 Картирование лесного покрова

4.8 Пост-классификационная обработка

4.9 Определение фитомассы

4.10 Оценка пространственно-временной динамики площадей насаждений

4.11 Геостатистический анализ классов растительного покрова

Выводы по главе

V. ТЕМАТИЧЕСКОЕ КАРТИРОВАНИЕ КЛАССОВ (СТРАТ) ЛЕСНЫХ НАСАЖДЕНИЙ

5.1 Формирование банка данных

5.2 Преобразование ТаБзекё Сар

5.3 Оценка разделимости классов лесного покрова

5.4 Картирование лесного покрова

5.5 Пост-классификационная обработка

5.6 Моделирование классов лесного покрова по спектральным индексам

VI. ОЦЕНКА ПРОСТРАНСТВЕННО-ВРЕМЕННОЙ ДИНАМИКИ ФИТОМАССЫ

6.1 Оценка фитомассы

6.2 Оценка временной и пространственной динамики лесов

6.3 Геостатистический анализ распределения лесного покрова

Выводы

ЗАКЛЮЧЕНИЕ И РЕКОМЕНДАЦИИ

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Введение диссертации (часть автореферата) на тему «Оценка пространственно-временной динамики фитомассы лесов Марийского Заволжья по спутниковым снимкам»

ВВЕДЕНИЕ

Актуальность

Одной из главных составляющих фундаментальных исследований биосферной роли лесов в глобальных углеродных циклах является их биологическая продуктивность, под которой в первую очередь понимают оценку фитомассы насаждения. Актуальность исследования фитомассы также обусловлена их важностью при оценках депонирования углерода лесными насаждениями по международным соглашениям рамочной конвенции об изменении климата (1992), Киотскому протоколу (1997) и международной конвенции ООН о сохранении биоразнообразия лесных экосистем. Кроме того, повышение точности региональной оценки запасов и фитомассы лесных насаждений, а также выявление пространственно-временных тенденций в их распределении в связи с деятельностью человека и влиянием климата является одной из важнейших задач современной науки, лесоустройства и лесоинвентаризационных работ.

На сегодняшний день экономически оправданным и технически эффективным способом получения достоверных и оперативных данных о фитомассе лесов является дистанционное зондирование Земли (ДЗЗ). Результаты анализа научной литературы показали, что за рубежом использование методов дистанционного зондирования при оценках и мониторинге фитомассы лесов находит самое широкое применение почти с начала запуска первых спутников среднего и высокого разрешений. В Российской Федерации подобные работы начинают проводиться с начала 2000-х годов, но их точность варьирует от данных, полученных со спутников высокого разрешения (небольшие участки) до тематических карт грубого разрешения (региональные и континентальные оценки). Спутниковые изображения среднего разрешения до настоящего времени также применялись в оценках фитомассы, но методами упрощенной классификации (дешифрированием) насаждений без разделения их по группам возраста, составу и относительным полнотам.

Актуальность проведенных исследований по совершенствованию методов мониторинга лесного фонда, а также оценки фитомассы лесного покрова и её из-

менений подтверждают следующие директивные документы: «Концепция устойчивого управления лесами РФ» (1998), «Руководство МГЭИК по эффективной практике...» (2003), «Лесной кодекс РФ» (2006), «Об утверждении стратегии развития лесного комплекса Российской Федерации на период до 2020 года» (2008), «План действий по реализации основ государственной политики в области экологического развития РФ на период до 2030 г.» (2012).

Работа выполнена в рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы ГК № 02.740.11.5202 Министерства образования и науки Российской Федерации «Региональная оценка методов картирования растительного покрова по спутниковым снимкам», ГК № 02.740.11.0838 «Разработка и реализация алгоритмов передачи, обработки и анализа данных дистанционного зондирования лесных покровов для автоматических расчетов фитомассы растительности и пулов углерода», соглашение № 14.В37.21.1245 «Дистанционный мониторинг и прогнозирование состояния лесных насаждений по спутниковым снимкам» и тематического плана министерства науки и образования РФ на 2012-2014 г. «Оценка, мониторинг и прогнозирование биологической продуктивности лесов по данным спутниковой съемки». Цель и задачи исследований

Целью исследования была оценка пространственно-временной динамики фитомассы на основе комплексной методики дешифрирования лесных насаждений Марийского Заволжья по спутниковым снимкам ЬапёБа!. Для достижения поставленной цели были решены следующие задачи:

• Разработать методику оценки фитомассы лесных насаждений на основе автоматизированной классификации спутниковых изображений.

• Провести полевые исследования с закладкой тестовых участков на исследуемой территории.

• Исследовать разделимость тематических классов лесных насаждений по основным лесотаксационным показателям на основе спектральных признаков.

• Создать тематическую карту площадей классов лесных насаждений с оценкой их пространственного распределения и временной динамики.

• • Провести оценку накопления фитомассы и её пространственную и временную динамику.

• Подготовить предложения по использованию результатов исследований на производстве

Научная новизна работы

Впервые для Республики Марий Эл разработана и апробирована методика разделения спектральных характеристик классов лесного покрова по основным лесотаксационным показателям (состав, возраст, полнота) на основе данных ЬапсЬа!;. Проведена оценка пространственно-временной динамики площадей классов лесного покрова. Выявлена зависимость между основными лесотаксационны-ми показателями лесных насаждений и их спектральными характеристиками. Впервые запасы фитомассы лесов Марийского Заволжья определены с использованием спутниковых снимков среднего разрешения. Объекты и предмет исследований

Объектами исследования явились лесные насаждения Марийского Заволжья общей площадью 1389,7 тыс. га. В диссертационной работе были использованы разновременные мультиспектральные спутниковые снимки среднего разрешения Ьагк^за 1988-2011 гг.

Фактический материал и личный вклад автора

В основу диссертации положены личные результаты исследования автора, проведенные на базе Центра устойчивого управления и дистанционного мониторинга лесов (ЦУДМЛ) ФГБОУ ВПО «Поволжский государственный технологический университет». Методологической базой данного исследования являются выполненные ранее исследования ЦУДМЛ в области разработки методик дешифрирования космических снимков и их классификации для оценки наземного покрова по спутниковым снимкам среднего разрешения.

В ходе исследования были заложены, подробно описаны и исследованы 75 тестовых участков в различных лесничествах Марийского лесного Заволжья. Тестовые участки были заложены лично соискателем совместно с сотрудниками ЦУДМЛ, а также аспирантами и магистрантами факультета лесного хозяйства и экологии ФГБОУ ВПО «ПГТУ». Автор принимал непосредственное участие в постановке задач, составлении программы и методики исследований, сборе и обработке экспериментального материала, его анализе и обобщении, оценке точности тематического картирования, разделимости классов лесного покрова, подготовке выводов и рекомендаций производству.

Основные методы исследований

Метод тестовых участков, методы геоинформационной, геопространственной и математической статистики, алгоритм линейного спектрального преобразования снимков методом Tasseled Сар («колпачок с кисточкой») и алгоритм управляемой классификации SVM (Support Vector Machine - метод опорных векторов).

Основные положения диссертации, выносимые на защиту:

1) Усовершенствованная методика оценки фитомассы лесных насаждений на основе автоматизированной классификации по спутниковым снимкам Landsat.

2) Закономерность разделимости тематических классов (страт) лесных насаждений на спутниковом изображении Landsat по спектральным характеристикам.

3) Пространственно-временная динамика распределения фитомассы в Марийском Заволжье.

Практическая значимость полученных результатов

Созданные тематические карты и ГИС-проект лесного покрова Марийского Заволжья и фитомассы могут быть использованы в качестве информационного ресурса для квалифицированной поддержки принятия решений в вопросах стратегического планирования ведения лесного хозяйства и разработке лесных планов для региона исследований. Полученные данные представляют практический ин-

терес для лесничеств, министерств лесного хозяйства, лесоустроительных предприятий при оценке и инвентаризации лесных территорий, а также при осуществлении углерододепонирующих проектов на территории Республики Марий Эл.

Практические и теоретические результаты диссертационной работы внедрены в производство и учебный процесс ФГБОУ ВПО «ПГТУ».

Достоверность и обоснованность выводов научных положений диссертации базируется на обширном экспериментальном материале тестовых участков, включающих полное лесотаксационное описание и репрезентативно представляющих объект исследования; использование современных геоинформационных и статистических методов обработки спутниковых данных, которые прошли атмосферную и радиометрическую корректировки, обеспечивающие достоверность полученных результатов анализа спектра снимков; применение комплексного подхода к решению поставленных научных задач.

Соответствие диссертации паспорту научной специальности. Диссертация соответствует паспорту научной специальности 06.03.02 - «Лесоведение, лесоводство, лесоустройство и лесная таксация» экспертного совета ВАК Минобр-науки РФ по следующим областям исследований:

• № 18 - «Теоретические и методические вопросы инвентаризации древосто-ев и лесных массивов».

• №20 - «Дистанционные методы изучения лесной растительности, теория и практика наземных и аэрофотометодов, а также другие современные методы съемок».

• № 21 - «Теория и методология лесной дешифровки аэроснимков и других дистанционных средств».

Апробация работы

Основные научные положения диссертации представлены и обсуждены на Российских и международных конференциях:

• NASA и GOFC-GOLD/NEESPI «Влияние аномальной погоды на природные, социально-экономические и искусственные системы: засуха 2010 г. в

Поволжье России» (Йошкар-Ола: Поволжский государственный технологический университет - 2012 г.).

• V Международная конференция «Космическая съёмка - на пике высоких технологий» (Москва: Совзонд - 2011 г.).

• Научному прогрессу - творчество молодых: Международная молодежная научная конференция по естественнонаучным и техническим дисциплинам (Йошкар-Ола: Поволжский государственный технологический университет, в 2010-2012 гг.).

• «Лесные экосистемы в условиях изменения климата: биологическая продуктивность, мониторинг и адаптационные технологии». Международная конференция с элементами научной школы для молодежи (Йошкар-Ола: Поволжский государственный технологический университет - 2010 г.).

• «Международное сотрудничество в лесном секторе: баланс образования, науки и производства» (Йошкар-Ола: Поволжский государственный технологический университет - 2009 г.).

Публикации

По материалам диссертации опубликованы 21 работ, восемь из которых входят в список изданий ВАК.

Объем работы. Диссертация состоит из введения, 6 глав, заключения, списка литературных источников и приложений. Она изложена на 156 страницах, включает 55 рисунков, 19 таблиц, 170 наименований использованных источников, в том числе 92 - зарубежных.

/

I. СОСТОЯНИЕ ВОПРОСА

1.1 Оценка фитомассы лесов

Одной из главных методических составляющих фундаментальных исследований биосферной роли лесов в глобальных углеродных циклах является оценка их биологической продуктивности. Подобные оценки направлены на получение биофизических показателей, необходимых в качестве входных параметров при моделировании процессов энерго- и массообмена в системе лес-атмосфера. При исследовании лесных насаждений под биологической продуктивностью в первую очередь понимают оценку их фитомассы, выраженную в тоннах абсолютно сухого вещества на 1 га (Курбанов, 2002; Усольцев, 2007).

Известно, что некоторые компоненты первичной продуктивности лесных насаждений, в частности, тонкие корни деревьев или подземная часть нижних ярусов растительности не могут быть учтены (Швиденко и др., 2007). Поэтому оценка надземной фитомассы на сегодняшний день представляет собой наиболее надежно определяемый показатель, который с высокой степенью точности моделируется методами математического анализа на основе данных полевых исследований (Курбанов и др., 2010; Габделхаков и др., 2010).

Вопросы количественной оценки фитомассы древостоев, а также отдельных её фракций (листва, ветви, ствол и корни) активно обсуждаются с середины прошлого столетия. В шестидесятые годы XX века изучение фитомассы и годичной продукции лесов было стимулировано Международной биологической программой, в ходе реализации которой получили существенное развитие различные подходы к оценке фитомассы (Курбанов, 2007).

Метод среднего дерева был одним из первых методов, применяемых для определения фитомассы на пробных площадях, который какое-то время признавался как наиболее совершенным. Позднее, анализируя целый ряд исследований, М.Г. Семечкина (1978) приходит к выводу, что наиболее надёжным методом определения фитомассы является метод отбора модельных деревьев по ступеням

толщины. Дальнейшие исследования (Уткин и др., 1981; Усольцев, 1985) показали, что увеличение числа моделей свыше 10 при данном методе не приводит к возрастанию точности. На сегодняшний день наиболее используемым методом в этой области исследований является применение простых или сложных эмпирических зависимостей между таксационными показателями и надземной фитомас-сой насаждения с последующим созданием на их основе таблиц биопродуктивности (Курбанов, 2002; Уткин и др., 1999; Габделхаков, 1997; Габделхаков, Арсланов, 2009; Демаков и др., 2008).

Первые оценки фитомассы (углерода) в лесах России достигали значений 41,2 ГтС (Исаев и др., 1993) и 42,1 ГтС (Krankina et al., 1996). Оценки последних лет, которые основываются на более углубленном анализе проблемы, дают достаточно совпадающие результаты - 32-35 Гт С и не различаются больше, чем на ± 10 % (Исаев, Коровин, 1999; Zamolodchikov et al., 2005; Швиденко и др., 2007). При этом общие выводы сводятся к следующему: менее трети (28,6 %) фитомассы содержится в лесах Европейской части; обращает на себя внимание высокая доля фитомассы корней деревьев - около 40 % от массы стволов; почти три четверти (72,2 %) фитомассы сосредоточено в хвойных лесах, 21 % в мягколиственных и 3,8 % (Кудеяров и др., 2007).

Современный этап развития методов оценки фитомассы в лесах, помимо регрессионного, выделяет еще три базовых подхода: картографический, дистанционный и модельный (Замолодчиков, 2011). Картографические, как и регрессионные, подходы расчетов фитомассы чаще всего используют схему расчета по балансу приростов и потерь. Дистанционные подходы осуществляются при помощи оптических и радарных данных, а модельные ориентированы на рассмотрение детальной схемы углеродного цикла с последующим включением оценки потерь углерода при нарушениях лесного покрова (Исаев и др., 1993; Zheng et al., 2004; Lefsky et al., 2005; Waring et al., 2006; Wulder et al., 2008).

Всемирным центром мониторинга окружающей среды программы ООН по окружающей среде (англ. United Nations Environment Programme's, World

Conservation Monitoring Centre, UNEP-WCMC) разработана всемирная база данных «Углерод и биоразнообразие: демонстрационный атлас» (англ. Carbon and biodiversity: a demonstration atlas) путем объединения сведений из национальных отчетов оценок углерода в связи с изменениями в землепользовании и лесном хозяйстве для продовольственной и сельскохозяйственной организации (англ. Food and Agriculture Organization, FAO) (рис. 1.1). Есть предположение о том, что в течение последних десятилетий леса планеты выступали скорее источником углерода в связи с их сведением в тропиках (Kapos et al., 2008).

I

О - 10

to - 20

20-50 50 - 100 100 - 150 150-200 200 - 300 ЗОО 400 400 -500 >500

Углерод тонн/га

Рисунок 1.1 - Распределение запасов углерода в лесах планеты (Kapos et al., 2008)

В последние годы у исследователей находит большое применение пространственный анализ (Курбанов, Воробьев, 2008; Baddeley, Turner, 2005; Fox et al., 2008), при котором ландшафтно-экосистемный подход рассматривается как наиболее приемлемый методологический базис при оценках фитомассы (углерода) лесов.

Базу данных фитомассы лесов Северной Евразии разработал коллектив ученых из Уральского государственного лесотехнического унивеситета во главе с проф. В.А. Усольцевым (Усольцев 1997, 2002, 2007, 2010; Усольцев и др., 2008). За время исследований ими разработаны инвариантные (стабильные, всеобщие)

соотношения между дендрометрическими и биопродукционными показателями деревьев с дальнейшей стыковкой таблиц биопродуктивности с таблицами хода роста. Авторы собрали огромный материал, который содержит информацию в виде банка данных о запасах фитомассы и первичной продуктивности лесов Северной Евразии (рис. 1.2).

Рисунок 1.2 - Распределение запасов углерода в фитомассе насаждений в пределах Уральского федерального округа в расчете на общую (в границах лесхозов) площадь. На рисунке: латинскими цифрами представлены градации запасов углерода, т С га"1:1 - 0-10, II -10-25, III - 25-40, IV - 40-100; арабскими цифрами соответствуют границам биоклимаги-ческих зон: 1 - тундры, 2 - лесотундры, 3 - северной тайги, 4 - средней тайги, 5 - южной тайги (Усольцев, 2009)

Большой вклад в оценку фитомассы лесов Поволжья внес коллектив исследователей во главе с проф. Э.А. Курбановым (2002, 2003, 2008, 2010). В частности, проведена оценка фитомассы сосновых насаждений Волго-Вятского района, по результатам которой, разработаны модели по оценке углеродных потоков в лесных экосистемах, учитывающие фитомассу насаждения, древесный детрит,

углерод почв и древесных продуктов после вырубки насаждения. При этом были использованы полиномы 2 степени, степенные и логарифмические функции, а все регрессионные уравнения построены дифференцировано по классам бонитета (Курбанов, 2002). Данные свидетельствуют о том, что в течение роста соснового насаждения наибольшие запасы углерода не стволовой биомассы накапливают корни и древесный детрит (рис. 1.3).

Возраст, лет

Рисунок 1.3 - Динамика углерода в биомассе соснового насаждения II класса бонитета Волго-Вятского района (Курбанов, 2002)

Интересные результаты по фитомассе лесов России получены группой исследователей Международного института прикладного системного анализа (Австрия) - International Institute for Applied Systems Analysis (IIASA) совместно с Институтом леса СО РАН (Швиденко и др., 2007). В работе использовались данные по лесным предприятиям (общим числом около 2000 по стране), базы данных полевых измерений фитомассы на пробных площадях и нелинейные множественные регрессионные уравнения для перехода от таксационных показателей древо-стоев, приводимые в данных Государственного учета лесного фонда (ГУЛФ), к массе фракций фитомассы. Современные работы этого научного коллектива как на региональном, так и на национальном уровне (рис. 1.4) выполнены с использованием системы оценки, получившей название «Интегральная земельная информационная система» (ИЗИС), которую основана на системе моделей, сочетающих конверсионный и картографический подходы.

Рисунок 1.4 - Запасы фитомассы в наземных экосистемах России (т С га"1) согласно ИЗИС НА8А (Замолодчиков, 2011)

1.2 Использование данных дистанционного зондирования Земли при изучении фитомассы лесов

Исследования фитомассы леса отличаются высокой трудоемкостью получения фактических данных на пробных площадях, особенно при исследовании подземной части деревьев, и требуют больших денежных затрат при оценке на уровне всего насаждения.

На сегодняшний день наиболее экономически и технически эффективным способом получения достоверных и оперативных данных о фитомассе лесов является дистанционное зондирование Земли (ДЗЗ). Растущее число исследований свидетельствует о высокой согласованности таксационных и лесоинвентаризаци-онных показателей лесов по материалам учета лесного фонда с данными ДЗЗ (Барталев и др., 2005; Кгапкта ег а1., 2004; РгепгеЬ 2004; Кпогп ег а1., 2009; А1гаЬаЬаЬ е1 а1., 2011; Мат-Кпогп ег а1., 2011; Черных, Вдовин, 2011; Курбанов и др., 2013). Кроме того, дистанционные методы зондирования земли позволяют получать оперативную информацию об основных изменениях в лесных насаждениях по разумной цене. Среди преимуществ применения ДЗЗ при иссле-

довании лесов также следует отметить: периодичность сбора данных поверхности земли, наличие гипер- и мультиспектральных разновременных изображений, радиолокационные данные, оперативную цифровую обработку большого количества данных и совместимость с ГИС (Iverson et al., 1989; Peterson et al., 1999; Franklin, 2001; Сухих, 2008; Лабутина, Балдина, 2011).

Физической основой использования этого направления является свойство растительности отражать с различной степенью интенсивности солнечную радиацию, которая фиксируется приемниками ДЗЗ в различных спектральных каналах. Это позволяет проводить тематическое картирование растительного покрова по спутниковым данным, в которых каждый пиксел изображения обладает своей спектральной характеристикой.

При оценках фитомассы лесных насаждений методами дистанционного зондирования важным является их распределение по основным лесообразующим породам (или типам лесов, в зависимости от пространственного разрешения спутниковых данных) и группам возраста. В конце 90-х учеными из Объединённого исследовательского центра при Европейской комиссии по данным AVHRR (Advanced Very High Resolution Radiometer - усовершенствованный радиометр очень высокого разрешения, 1 км/пиксель) спутника NOAA (США) были построены континентальные карты (Африка, юго-восточная Азия, Южная Америка) пояса субтропических лесов по системе классификации проекта TREES (Tropical Ecosystem Environment observation by Satellite - программа наблюдения за тропическими экосистемами с помощью спутников) (Achard et al., 2001). Позднее в рамках проекта GLC-2000 (Global Land Cover - глобальный земной покров) различными исследовательскими группами (Bartalev et al., 2003; Eva et al., 2004; Latifovic et al., 2004; Mayaux et al., 2004; Stibig et al., 2004) по данным SPOT/Vegetation (французский спутник, 1 км/пиксель) были построены карты растительности различных регионов мира на 2000 год (рис. 1.5).

ДРЕВЕСНЫЙ ПОКРОВ

Шарпгиктвгниуг мчкок.кик Ширакшшисныс листовадвие (Hunftui Шврмвлнтмнмм лнсгапымыг открытые Хнйяис 1тО|Мсвыг XMImu дваашвуг Смаапш

19 ШМ.1КМЫС врссвой ВОДОЙ Рпулврно шоал<М|М сменой нотой Другой древесный покров Гор«

КУСТАРНИКОВЫЙ ПОКРОВ

ЦВ ВсчИО»Г.1ГаыГ 1МСрУТв-4ПфЫШ( Листопадные 1акрыю-откры1ыс ТРАВЯНОЙ ПОКРОВ ' 1окры ro-oi крытые Скудш растительность {кустрарвнк ала трои) Рстулнроо uiMLWHUt кустарквкв о'оло трои«

Обрабатываемые ■ уаравлкнус кшм Я Пахотные одьо / Дренесныый к друюй покров Пахотные уюдье / KjnipHNin / Травниой покрое

_г Лишенный расгвте.тьвоста

В Вода __ Сие» и .«д

2ÜJ Искусственные иакиные покрытии ■ Данные отсутствуют

Рисунок 1.5 - Глобальная карта растительного покрова Северной Евразии на 2000 год (Bartalev et al. 2003)

По данным Terra/MODIS (спутник США, 500 м/пиксель) и Envisat/MERIS (спутник Европейского космического агентства, 300 м/пиксель) полученные карты GLC-2000 были дополнены глобальными картами растительного покрова (MODIS IGBP V5 и GLOBCOVER) с использованием алгоритма «непрерывных полей растительности» (англ. vegetation continuous fields, VCF), разработанного специалистами NASA (англ. National Aeronautics and Space Administration - Национальное управление по воздухоплаванию и исследованию космического пространства, США) и Университета Мериленда (США) (Hansen et al., 2003).

Широкое распространение получили национальные системы классификации наземного покрова (англ. Land Cover Classification System, LCCS), наиболее известными из которых являются американская NLCD (National Land Cover Data -Национальная база данных почвенно-растительного покрова) и европейская CORINE (Coordination of Information on Environment - Координация информации по окружающей среде) (Cruickshank et al., 2000; Homer et al., 2007). Основным источником данных для таких классификаций явились изображения среднего (10-50 м/пиксель) пространственного разрешения спутников SPOT, Landsat и NOAA.

Большую популярность у ученых при изучении породной и возрастной структуры лесных насаждений по спутниковым снимкам имеет система класси-

фикации FAO LCCS, основанная на формировании системы иерархичности классов легенды согласно господству жизненных форм (Cohen et al., 2001; Prenzel, 2004; Lu et al., 2004; Krankina, 2006; Houghton et al., 2007; Knorn et al., 2009; Huang et al., 2010; Forkuor, Cofie, 2011). Например, исследования бореальной и умеренной зон Северной Евразии по данным оптических спутников среднего (10-50 м/пиксель) и низкого (>50 м/пиксель) пространственного разрешения были проведены группой ученых проекта NELDA (Northern Eurasia Land Dynamics Analysis - Анализ динамики растительности Северной Евразии). Результаты работы проекта NELDA позволили систематизировать большой объем накопленной информации, в частности по структурному и детальному пространственному распределению растительного покрова бореальной и умеренной зон Северной Евразии (рис. 1.6) (http://www.fsl.orst.edu/nelda).

■ Вода

■ Отсутствие растительности. Постройки

■ Отсутствие растительности

■ Отсутствие растительности Болота О Травяной покров

■ Заболоченный травяной покров □ Кустарниковый покров

■ Хвойный вечнозелёный сомкнутый лес Я Хвойный вечнозеленый открытый лес

■ Заболоченный хвойный вечнозелёный открытый лес

■ Смешанный сомкнутый лес

■ Широколиственный листопадный сомкнутый лес

NofibQт Еиг&Ш Latxi Pyriarm.sAn&tv&s iNELPA* http /Л'.v/t г is! 0 rst ocluAtekla

Рисунок 1.6 - Карта растительного покрова центральной части Санкт-Петербургского региона (ЖЬЭА)

Готовые к применению тематические карты, как в целом, так и послойно (отдельно по классам) можно использовать в качестве вспомогательного материала для мониторинга и оценки динамики изменений и продуктивности насаждений, а так же проводить пространственный анализ с оценкой происходящих сукцесси-онных процессов и т.п. Результаты исследований по проекту №5ХОА применяют-

ся для решения широкого круга научных вопросов: от воздействия землепользования на глобальный цикл углерода и энергетический и водный баланс земной л] поверхности до влияния климата на продуктивность растительности и режим ее

у

нарушений.

Показатели запаса стволовой древесины, средней высоты и распределения деревьев по толщине (диаметру) также являются важными составляющими при исследовании фитомассы лесных насаждений. Оптические данные среднего разрешения не позволяют выявить высокую корреляцию между спектральными характеристиками лесного покрова и запасами стволов в сомкнутых насаждениях (Olsson et al., 2005; Magnusson, Fransson, 2005). Поэтому широкое развитие получили радарная и лазерная съемки, позволяющие выполнять измерения геометрических параметров деревьев с «сантиметровой» точностью (Means et al., 2000; Евтюшкин и др., 2000; Koukoulas, Blackburn, 2005; Hyde et al., 2005; Медведев и др., 2007; Sullivan et al., 2009). Оценка фитомассы лесного покрова Сибири проведена по данным лазерного и радарного сканирования, а также аэро- и космическим снимкам высокого и сверхвысокого разрешения (Данилин и др., 2005). Лазерное сканирование в этом исследовании позволяет выявлять взаимосвязь между запасом деревьев, их фитомассой, высотой, диаметрами стволов и крон, объясняя при этом от 87 до 99 % изменчивости изучаемой выборки.

Список литературы диссертационного исследования кандидат наук Незамаев, Сергей Александрович, 2013 год

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Ануфриев, М.А. Опыт использования, космических снимков при таксации лесов / М.А. Ануфриев // Лесные экосистемы в условиях изменения климата: биологическая продуктивность, мониторинг и адаптационные технологии: материалы международной конференции с элементами научной школы для молодёжи. - Йошкар-Ола: МарГТУ, 2010. - С. 131-134. URL: http://csfm.marstu.net/flles\publications\conf2010.pdf

2. Барталев, С.А. Анализ возможностей применения методов сегментации спутниковых изображений для выявления изменений в лесах / С.А. Барталев, Т.С. Ховратович // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. М.: ООО «ДоМира», 2011. - Т. 8, No. 1. - С. 44-62.

3. Барталев, С.А. Валидация результатов выявления и оценки площадей, поврежденных пожарами лесов по данным спутникового мониторинга / С.А. Барталаев, А.И. Беляев, В.А. Егоров, Д.В. Ершов, Г.Н. Коровин, H.A. Коршунов, Р.В. Котельников, Е.А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. М.: ИКИ РАН, 2005. -Т. 2. - С. 343-353.

4. Верещагин, М.А. Опыт анализа многолетней динамики аномалий средних годовых температур воздуха в Казани с использованием начальных положений теории случайных функций / М.А. Верещагин, Ю.П. Переведенцев, Э.П. Наумов, K.M. Шанталинский, Ф.В. Гоголь // Уч. Зап. Казан, ун-та, Ест. Науки, 2005. - Т. 149, кн. 4. - С. 192-203.

5. Воробьев, О.Н. Генерализация тематических карт снимков Landsat ЕТМ+ / О.Н. Воробьев, Э.А. Курбанов // Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг: материалы международного научно-практического семинара [Электронный ре-

сурс]. - Электрон, дан. - Йошкар-Ола: МарГТУ, 2011. - С. 43-48. -URL: http://csfm.marstu.net/publications.html.

6. Габделхаков, А.К. Фитомасса липняков лесостепи Башкирского Пред-уралья: Автореф. дис... канд. с.-х. наук. - Йошкар-Ола, 1997.-24 с.

7. Габделхаков, А.К., Структура и годичная продуктивность фитомассы в культурах липы мелколистной / А.К. Габделхаков, K.M. Габдрахимов, A.A. Арсланов, М.Р. Ситдиков // Аграрный вестник Урала, 2010. - № 3. - С. 90-93.

8. Габделхаков, А.К., Структура и продуктивность фитомассы лесных культур липы Башкирского Предуралья / А.К. Габделхаков, A.A. Арсланов // Лесной журнал. - 2009. - № 6. - С. 13-20.

9. Гаврилюк, Е.А. Тематическое картографирование породной структуры лесов на основе спутниковых изображений Landsat / Е.А. Гаврилюк, Д.В. Ершов // Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве: Доклады V Всероссийской конференции, посвященной памяти выдающихся ученых-лесоводов В.И. Сухих и Г.Н. Коровина (Москва, 22-24 апреля 2013 г.). - М.: ЦЭПЛ РАН, 2013. - С. 112-115.

Ю.Гоголевский, A.C. Метод опорных векторов в задаче классификации объектов лесных систем / A.C. Гоголевский, Л.В. Уткин // Актуальные проблемы развития лесного комплекса: материалы международной научно-технической конференции. Вологда, 2012. - С. 3-5.

И.Государственный доклад о состоянии окружающей природной среды Республики Марий Эл в 2000 году. - Йошкар-Ола: Министерство природных ресурсов РФ, Комитет природных ресурсов по Республике Марий Эл, 2001. - 151 с.

12.Грузова, Г.В. Вероятностная оценка наблюдаемых и ожидаемых изменений климата Российской Федерации: температура воздуха / Г.В. Грузова, Э.Я. Ранькова//М.: ИГКЭ, РАН, 2011. -Т. 24. -С. 43-71.

13.Губаев, A.B. Валидация молодняков березы Оршанского района Республики Марий Эл по спутниковым снимкам / A.B. Губаев, С.А. Незамаев, Ю.А. Полевщикова, Н.С. Смоленцева // Лесные экосистемы в условиях изме-

нения климата: биологическая продуктивность, мониторинг и адаптационные технологии. Материалы международной конференции с элементами научной школы для молодежи. - Йошкар-Ола: МарГТУ, 2010. - С. 163-167.

М.Губаев, A.B. Классификация наземного покрова Среднего Поволжья по спутниковым снимкам среднего разрешения / A.B. Губаев, Э.А. Курбанов, О.Н. Воробьёв, С.А. Лежнин, Ю.А. Полевщикова // Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг: материалы международного научно-практического семинара [Электронный ресурс]. - Электрон, дан. - Йошкар-Ола: МарГТУ, 2011. - С. 7-19. -URL: http://csfm.marstu.net/publications.html

15.Гульбе, А.Я. Динамика фитомассы и годичной продукции молодняка березы на залежи в южнотаежной подзоне (Ярославская область) / А.Я. Гульбе // Вестник Оренбургского гос. ун-та. Приложение «Биоразнообразие и биоресурсы», 2006.

- № 4. - С. 34-37.

16.Данилин, И.М. Высокие технологии XXI века для аэрокосмического мониторинга и таксации лесов. Задачи исследований и перспективы использования / И.М. Данилин, Е.М. Медведев, Н.И. Абэ, А.Т. Худак, Б. Санкт-Онге // СибГТУ: Лесная таксация и лесоустройство, 2005. - 1(34). - С. 28-38.

П.Данилов, М.Д. Растительность Марийской АССР / М.Д. Данилов. - Йошкар-Ола: Map. кн. изд-во, 1956. - 148 с.

18.Демаков, Ю.П. Динамика сосновых лесов Республики Марий Эл за последние полвека / Ю.П. Демаков, А.Е. Смыков // Хвойные бореальной зоны, 2009. -Т. XXVI(2). - С. 203-210.

19.Демаков, Ю.П. Пространственная структура лесного фонда Республики Марий Эл / Ю.П. Демаков, А.Е. Смыков, С.А. Денисов // Вестник МарГТУ. Серия «Лес. Экология. Природопользование», 2008. -№ 1. - С. 3-18.

20.Демаков, Ю.П. Структура, продуктивность и динамика осинников Республики Марий Эл / Ю.П. Демаков, А.Е. Смыков, H.H. Гаврицкова // Вестник МарГТУ.

- Йошкар-Ола: МарГТУ, 2011. - № 2. - С. 24-38.

21.Евтюшкин, A.B. Методы распознавания лесных ландшафтов на радарных и оптических космических изображениях / A.B. Евтюшкин, К.В. Казанцев, Д.Н. Лукьяненко //Известия АлтГУ (Информатика), 2000. -№1(15).-С. 46-49.

22.Егоров, В.А. Анализ временных серий спутниковых данных SPOT-Vegetation для детектирования повреждённой пожарами растительности бореальных экосистем / В.А. Егоров, С.А. Барталев // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. М.: ИКИ РАН, 2004. - С. 380-387.

23.3амолодчиков, Д.Г. Коэффициенты конверсии запасов насаждений в фитомас-су для основных лесообразующих пород России / Д.Г. Замолодчиков, А.И. Уткин, О.В. Честных // Лесная таксация и лесоустройство, 2003. - Выпуск 1(32).-С. 119-127.

24.Замолодчиков, Д.Г. Система конверсионных отношений для расчета чистой первичной продукции лесных экосистем по запасам насаждений / Д.Г. Замолодчиков, А.И. Уткин // Лесоведение, 2000. - № 6. - С. 54-63.

25.Замолодчиков, Д.Г. Системы оценки и прогноза запасов углерода в лесных экосистемах / Д.Г. Замолодчиков // журнал «Устойчивое лесопользование», 2011.-№4(29).-С. 15-22.

26.Зубков, И.А. Применение алгоритмов неконтролируемой классификации при обработке данных ДЗЗ / И.А. Зубков, В.О. Скрипачев // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. М.: ООО «Азбука-2000», 2007. -Выпуск 4. Т. 1. - С. 57-62.

27,Ильючик, М.А. Технологии обработки материалов аэрофотосъемки и космической съемки высокого разрешения и применение их при картографировании лесов в лесоустройстве республики Беларусь / М.А. Ильючик, С.С. Цай // Аэрокосмические методы и геоинформационные технологии в лесоведении и

лесном хозяйстве: Доклады V Всероссийской конференции, посвященной памяти выдающихся ученых-лесоводов В.И. Сухих и Г.Н. Коровина (Москва, 22-24 апреля 2013 г.). - М.: ЦЭПЛ РАН, 2013. - С. 25-29.

28.Исаев, A.C. Оценка запасов и годичного депонирования углерода в фитомассе лесных экосистем России / A.C. Исаев, Г.Н. Коровин, А.И. Уткин,

A.A. Пряжников, Д.Г. Замолодчиков // Лесоведение, 1993. - № 5. - С. 3-10.

29.Исаев, A.C. Углерод в лесах северной Евразии. Круговорот углерода на территории России / A.C. Исаев, Г.Н. Коровин // Избранные тр. по проблеме: Глобальная эволюция биосферы. Антропогенный вклад. - М., 1999. - С. 63-95.

30.Каневский, М.Ф. Кригинг и базовые модели геостатистики / М.Ф. Каневский,

B.В. Демьянов, Е.А. Савельева, С.Ю. Чернов, В.А. Тимонин // Элементарное введение в геостатистику. - Москва: ВИНИТИ, 1999. - С. 1-13.

31.Колобов, Н.В. Климат Среднего Поволжья / Н.В. Колобов. - Казань: Изд-во Казанского университета, 1968. - 252с.

32.Кудеяров, В.Н. Пулы и потоки углерода в наземных экосистемах России / В.Н. Кудеяров, Г. А. Заварзин, С. А. Благо датский, A.B. Борисов, П.Ю.Воронин,В.А.Демкин,Т.С. Демкина, И.В. Евдокимов, Д.Г. Замолодчиков, Д.В. Карелин, A.C. Комаров, И.Н. Курганова, A.A. Ларионова, В.О. Лопес де Гереню, А.И. Уткин, О.Г. Чертов. - М.: Наука, 2007. - 315 с.

33.Курбанов, Э.А. Бюджет углерода сосновых экосистем Волго-Вятского района: Научное издание / Э.А. Курбанов. - Йошкар-Ола: МарГТУ, 2002. - 300 с.

34.Курбанов, Э.А. Дистанционный мониторинг динамики нарушений лесного покрова, лесовозобновления и лесовосстановления в Марийском Заволжье / Э.А. Курбанов, Т.В. Нуреева, О.Н. Воробьев, A.B. Губаев, С.А. Лежнин, Т.Ф. Мифтахов, С.А. Незамаев, Ю.А. Полевщикова // Вестник МарГТУ. Серия «Лес. Экология. Природопользование». - Йошкар-Ола: МарГТУ, 2011. -№3(13).-С. 17-24.

35.Курбанов, Э.А. Лесоустройство: Международные аспекты устойчивого управления лесами: Учеб. пособие / Э.А. Курбанов, И.А. Яковлев. - Йошкар-Ола: МарГТУ, 2001.-180 с.

36.Курбанов, Э.А. Оценка фитомассы березняков на бывших сельскохозяйственных землях Марийского Заволжья: пространственное распределение и динамика накопления / Э.А. Курбанов, О.Н. Воробьёв, Л.С. Мошкина, A.B. Губаев, С.А. Лежнин, С.А. Незамаев // Международное сотрудничество в лесном секторе: баланс образования, науки и производства: материалы международной конференции. - Йошкар-Ола: МарГТУ, 2009. - С. 93-97.

37.Курбанов, Э.А. Пространственная динамика фитомассы березняков на бывших сельскохозяйственных землях Марийского Заволжья / Э.А. Курбанов, О.Н. Воробьёв, Л.С. Устюгова, A.B. Губаев, С.А. Лежнин, С.А. Незамаев // ИВУЗ. Лесной журнал. - Архангельск: Архангельский государственный технический университет, 2010. - №3. - С. 8-14.

38.Курбанов, Э.А. Пространственное распределение крупного древесного детрита в сосняках Марийского Заволжья / Э.А. Курбанов, О.Н. Воробьев // Экология, 2008.-№2.-С. 103-109.

39.Курбанов, Э.А. Решение вопросов космического мониторинга лесных гарей в комплексных пакетах ENVI и ArcGIS / Э.А. Курбанов, О.Н. Воробьёв, С.А. Лежнин, Ю.А. Полевщикова // Геоматика. - Москва: «Совзонд», 2012. -№ 4. - С. 82-92.

40.Курбанов, Э.А. Тематическое картирование и стратификация лесов Марийского Заволжья по спутниковым снимкам Landsat / Э.А. Курбанов, О.Н. Воробьев, С.А. Незамаев, A.B. Губаев, С.А. Лежнин, Ю.А. Полевщикова // Вестник ПГТУ. - Йошкар-Ола: ПГТУ, 2013. - № 3. - С. 82-92.

41.Курбанов, Э.А. Углерод в продуктах из древесины республики Марий Эл / Е.А. Курбанов // ИВУЗ. Лесной журнал. - Архангельск: Архангельский государственный технический университет, 2003. - №6. - С. 16-24.

42.Курбанов, Э.А. Углерододепонирующие насаждения Киотского протокола / Э.А. Курбанов. - Йошкар-Ола: МарГТУ, 2007. - 184 с.

43.Лабутина, И.А. Дешифрирование аэрокосмических снимков: Учеб. пособие для студентов вузов / И.А. Лабутина. - М.: Аспект Пресс, 2004. - 184 с.

44.Лабутина, И.А. Использование данных дистанционного зондирования для мониторинга экосистем ООПТ. Методическое пособие / И.А. Лабутина, Е.А. Балдина. - Всемирный фонд дикой природы (WWF России). Проект ПРООН/ГЭФ/МКИ «Сохранение биоразнообразия в российской части Алтае-Саянского экорегиона» - М., 2011. - 88 с.

45.Лесной кодекс Российской Федерации: [от 04.12.2006 N 200-ФЗ]. - 2006.

46.Лесной план Республики Марий Эл: [утвержден распоряжением Главы РМЭ 16 окт. 2012 г.]. - Йошкар-Ола, 2012. - 372с.

47.Лесной фонд России (по данным государственного учета лесного фонда по состоянию на 1.01.1998 г.): Справочник / Под редакцией В.В. Страхова и др. -М. ВНИИЦ лесресурс,1999. - 650 с.

48.Лялько, В.И. Особенности дистанционного зондирования Земли при исследовании глобальных и региональных изменений климата / В.И. Лялько, С. Нильсон, А.З. Швиденко, А.И. Сахацкий, А.Я. Ходоровский // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. М.: ИКИ РАН, 2005. -Т. 2.-С. 23-27.

49.Медведев, Е.М. Лазерная локация земли и леса: Учебное пособие / Е.М. Медведев, И.М. Данилин, С.Р. Мельников. - М.: Геолидар, Геоскосмос; Красноярск: Институт леса им. В.Н. Сукачева СО РАН, 2007. - 2-е изд. - 230 с.

50.Переведенцев, Ю.П. Мониторинг современных изменений климата Среднего Поволжья / Ю.П. Переведенцев, K.M. Шанталинский, Б.Г. Шерстюков, Э.П. Наумов // Уч. Зап. Казан, ун-та, Ест. Науки, 2010. - кн. 3. - С. 251-260.

51 .Прокопьева, JI.B. Фитоценология: учебное пособие / Л.В. Прокопьева. - Йошкар-Ола: Map. гос. ун-т., 2009. - 128 с. f 52.Романов, A.A. Сравнение методов объектно-ориентированной и нейросетевой классификации данных дистанционного зондирования Земли на основе материалов систем Landsat-5 и Orbview-3 / A.A. Романов, К.А. Рубанов // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. М.: ИКИ РАН, 2012.-Т. 9.-С. 29-36.

53.Савельев, A.A. Геостатистический анализ данных в экологии и природопользовании (с применением пакета R): Учебное пособие / A.A. Савельев, С.С. Мухарамова, А.Г. Пилюгин, H.A. Чижикова. - Казань: Казанский университет, 2012.-120 с.

54.Семечкина М.Г. Структура фитомассы сосняков / М.Г. Семечкина. - Новосибирск: Наука, 1978. — 165 с.

55.Смирнов, В.Н. Почвы Марийской АССР, их генезис, эволюция и пути улучшения / В.Н. Смирнов. - Йошкар-Ола: Map. кн. изд-во, 1968. - 531 с.

56.Сухих В.И. Аэрокосмические методы в лесном хозяйстве и ландшафтном строительстве: учеб. / В.И. Сухих; МарГТУ. - Йошкар-Ола, 2005. - 390 с.

57.Сухих, В.И. Основные направления развития дистанционных методов изучения лесов и оценки их состояния в России / В.И. Сухих // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. М.: ООО «Азбука-2000», 2008. -Выпуск 5. Т. 2. - С. 352-357.

58.Тейлор, Р. Доклад Всемирного фонда дикой природы (WWF) «Живые леса» / Р. Тейлор и др. // «Устойчивое лесопользование», 2012. - № 3(32). - С. 18-35.

59.Терехин, Э.А. Исследование связи между спектральными отражательными свойствами лесных насаждений Белгородской области и их лесотаксационны-

ми параметрами / Э.А. Терехии // Научные ведомости БелГУ (Естественные науки). - Белгородский государственный университет. Издательство БелГУ, 2010.-№21(92).-С. 157-167.

60.Усольцев, В.А. Автоматизированная система оценки и картирования углерода, депонируемого лесными экосистемами, в среде ADABAS и NATURAL / В.А. Усольцев, М.П. Воронов, Н.В. Накай // Вестник АГАУ. Серия «Лесное хозяйство», 2009. - № 2(52). - С. 30-36.

61.Усольцев, В.А. Биологическаие аспекты таксации фитомассы деревьев / В.А. Усольцев. - Екатеринбург: УрО РАН, 1997. - 216 с.

62.Усольцев, В.А. Биологическая продуктивность лесов Северной Евразии. Методы, база данных и ее приложения / В.А. Усольцев. - Екатеринбург: УрО РАН, 2007.-635 с.

63.Усольцев, В.А. Оценка углерод од епонирующей способности лесов: от пробной площади к автоматизированной системе пространственного анализа /

B.А. Усольцев, В.П. Часовских, М.П. Воронов, М.А. Корец, В.П. Черкашин, Г.Б. Кофман // Лесная таксация и лесоустройство, 2008. - № 1(39). -

C.183-190.

64.Усольцев, В.А. Продуктивность и структура фитомассы древостоев: автореф. дис.... д-ра с.-х. наук / В.А. Усольцев. - Киев, 1985. - 46 с.

65.Усольцев, В.А. Фитомасса и первичная продукция лесов Евразии / В.А. Усольцев. - Екатеринбург: УрО РАН, 2010. - 570 с.

66.Усольцев, В.А. Фитомасса лесов Северной Евразии: нормативы и элементы географии / В.А. Усольцев. - Екатеринбург: УрО РАН, 2002. - 761 с.

67.Уткин, А.И. Влияние возрастного критерия лесных насаждений на точность региональных оценок запасов углерода в фитомассе лесов / А.И. Уткин, Д.Г. Замолодчиков, В.И. Сухих // Экология, 1999. - № 4. - С. 243-250.

68.Уткин, А.И. О наступлении лесной растительности на сельскохозяйственные земли в Верхнем Поволжье / А.И. Уткин, Т.А. Гульбе, Я.И. Гульбе, Л.С. Ермолова // Лесоведение, 2002. - № 5. - С. 44-52.

69.Уткин, А.И. Первичная биологическая продуктивность культур сосны обыкновенной во Владимирской области / А.И. Уткин, М.Г. Ифанова, JI.C. Ермолова // Лесоведение, 1981. -№ 4. - С. 19-27.

70.ФАО, 2012. Состояние лесов мира 2012 / Рим: Продовольственная и сельскохозяйственная организация ООН, 2012. - 57 с.

71.Черных, В.Л. Геоинформационные системы в лесном хозяйстве: Учебное пособие. - Йошкар-Ола: МарГТУ, 2005. - 202 с.

72.Черных, В.Л. Динамика лесных страт и точность оценки запаса на примере инвентаризации лесов Учебно-опытного лесничества Республики Марий Эл / В.Л. Черных, В.П. Бессчетнов, Е.С. Вдовин // Вестник МарГТУ (Лес. Экология. Природопользование). - Йошкар-Ола: МарГТУ, 2011. - №3. - С. 10-16.

73.Черных, В.Л. Закономерности распределения основных таксационных показателей в лесных стратах на территории Республики Марий Эл / В.Л. Черных, Е.С. Вдовин, М.А. Ануфриев, A.A. Домрачев // Известия СПбГАУ, 20116. - № 24.-С. 270-274.

74.Черных, В.Л. Закономерности распределения основных таксационных показателей в лесных стратах на территории Учебно-опытного лесничества Республики Марий Эл / В.Л. Черных, Е.С. Вдовин // Лесные экосистемы в условиях изменения климата: биологическая продуктивность и дистанционный мониторинг. Материалы международного научно-практического семинара. - Йошкар-Ола: МарГТУ, 2011а. - С. 129-137.

75.Черных, В.Л. Информационные технологии в лесном хозяйстве / В.Л. Черных, М.В. Устинов, М.М. Устинов, Д.М. Ворожцов, С.И. Чумаченко. - Йошкар-Ола: Марийский государственный технический университет, 2009. - 144 с.

76.Чистяков, А.Р. Типы лесов Марийской АССР (и сопредельных районов) / А.Р. Чистяков, А.К. Денисов. - Й-Ола, 1959. - 72с.

77.Швиденко, А.З. Материалы к познанию современной продуктивности лесных экосистем России / А.З. Швиденко, Д.Г. Щепащенко, С. Нильссон // Базовые проблемы перехода к устойчивому управлению лесами России - учёт лесов и

организация лесного хозяйства. Материалы международного семинара. 6-7 декабря 2007 г., Красноярск. - Красноярск: Институт леса им. В.Н. Сукачева СО РАН, 2007.-С. 7-37.

78.Шовенгердт, Р.А. Дистанционное зондирование. Модели и методы обработки изображений (перевод с английского) / Р.А. Шовенгердт. - Москва: ТЕХНОСФЕРА, 2010.-560 с.

79.Achard, F. Detecting intact forests from space: hot spots of loss, deforestation and the UNFCCC / F. Achard, H. Eva, D. Mollicone, P. Popatov, H.-J. Stibig, S. Turubanova, A. Yaroshenko // Ecological Studies. Vol. 207. - 2009. - P. 411-427.

80.Achard, F. Tropical forest mapping from coarse spatial resolution satellite data: production and accuracy assessment issues / F. Achard, H. Eva, P. Mayaux // International Journal of Remote Sensing. Vol. 22, No. 14. - 2001. - P. 2741-2762.

81.Almedia-Filho, R. Using dual-polarized ALOS PALSAR data for detecting new fronts of deforestation in the Brazilian Amazonia / R. Almeida-Filho, Y.E. Shimabukuro, A. Rosenqvist, G.A. Sanchez // International Journal of Remote Sensing. Vol. 30, No. 14. - 2009. - P. 3735-3743.

82.Alrababah, M.A. Estimating east Mediterranean forest parameters using Landsat ETM / M.A. Alrababah, M.N. Alhamad, A.L. Bataineh, M.M. Bataineh, A.F. Suwaileh // International Journal of Remote Sensing. Vol. 32, No. 6. - 2011. -P. 1561-Г574.

83.Baddeley, A. Spatstat: an R package for analyzing spatial point patterns / A. Baddeley, R. Turner // Journal of Statistical Software. - 2005. - № V. 12(6). -P. 2-42.

84.Barredo, J.I. A European map of living forest biomass and carbon stock. Executive report / J.I. Barredo, J.S. Miguel, G. Caudullo, L. Busetto. - Luxembourg: Joint Research Centre of the European Commission, 2012. - 12 p.

85.Bartalev, S.A. A new SPOT4-VEGETATION derived land cover map of Northern Eurasia / S.A. Bartalev, A.S. Belward, D.V. Ershov, A.S. Isaev // International Journal of Remote Sensing. Vol. 24(9). - 2003. - P. 1977-1982.

86.Blaschke, T. Object-oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications / T. Blaschke, S. Lang, E. Lorup, J. Strobl, P. Zeil // Environmental Information for Planning, Politics and the Public. Vol. 2. - 2000. - P. 555-570.

87.Blaschke, T. What's wrong with pixels? Some recent developments interfacing remote sensing and GIS / T. Blaschke, J. Strobl // Interfacing remote sensing and GIS, 6.-2001.-P. 12-17.

88.Broadbent, E.N. forest dynamics across temporal and spatial scales: a dissertation for the degree of Doctor of Philosophy / E.N. Broadbent. - United States: Stanford University, 2012. - 287 p.

89.Cochrane, M.A. Fire as a large-scale edge effect in Amazonian forests / M.A. Cochrane, W.F. Laurance // J. Trop Ecol, 2002. - №18. - P. 311-325.

90.Cohen, W.B. Modelling forest cover attributes as continuous variables in a regional context with Thematic Mapper data / W.B. Cohen, T.K. Maiersperger, T.A. Spies, D.R. Oetter // International Journal of Remote Sensing. Vol. 20, No. 12. - 2001. -P. 2279-2310.

91.Collins, C.A. Multi-temporal analysis of Landsat data to determine forest age classes for the Mississippi statewide forest inventory - preliminary results / C.A. Collins, D.W. Wilkinson, D.L. Evans // International Workshop on the Analysis of MultiTemporal Remote Sensing Images, 2005. - IEEE. - 2005. - P. 10-14.

92.Congalton, R.G. A review of assessing the accuracy of classifications of remotely sensed data / R.G. Congalton // Remote Sensing of Environment. Vol. 37. - 1991. -P. 35-46.

93.Cressie, N.A.C. Statistics for spatial data [Text]/ N.A.C. Cressie. - New York: John Wiley & Sons Inc., 1991.-900 p.

94.Cruickshank, M.M. Application of CORINE land-cover mapping to estimate carbon stored in the vegetation of Ireland / M.M. Cruickshank, R.W. Tomlinson, S. Trew // Journal of Environmental Management. Vol. 58. - 2000. - P. 269-287.

95.Czaplewski, R. Variance approximations for assessments of classification accuracy / R. Czaplewski // US Department of Agriculture. -1994, Forest Service. - P. 29.

96.Dogan, H.M. Evaluation of the NDVI in plant community composition mapping: a case study of Tersakan Valley, Amasya County, Turkey / H.M. Dogan, F. Celep,

F. Karaer // International Journal of Remote Sensing. Vol. 30, No. 14. - 2009. -P. 3769-3798.

97.Ehrenfeld, J.G. Effects of exotic plant invasions on soil nutrient cycling processes / J.G. Ehrenfeld // Ecosystems. - 2003. - № 6. - P. 503-523.

98.Engle, F. Deforestation and Development in Brazil's Amazon Basin / F. Engle // Geocarto International, Vol. 15, No. 1. - 2000. - P. 84-87.

99.Eva, H.D. A land cover map of South America / H.D. Eva, A.S. Belward, E.E. De Miranda, C.M. Di Bella, V. Gond, O. Huber, S. Jones, M. Sgrenzaroli, S. Fritz // Global Change Biology. Vol. 10. - 2004. - P. 1-14.

100. Fang, H. The impact of potential land cover misclassification on MODIS leaf area index (LAI) estimation: a statistical perspective / H. Fang, W. Li, R.B. Myneni // Remote Sensing. Vol. 5. - 2013. - P. 830-844.

101. FAO, 2003 State of the world's forest / Rome: Food and Agriculture Organization of the United Nations, 2003. - 151 p.

102. FAO, 2011 Global forest land-use change from 1990 to 2005: initial results from a global remote sensing survey / Rome: Food and Agriculture Organization of the United Nations, 2011. - 7 p.

103. Field, C.B. Primary Production of the biosphere: integrating terrestrial and oceanic components / C.B. Field, M.J. Behrenfeld, J.T. Randerson, P. Falkowski // Science. Vol. 281. - 1998. - P. 237-240.

104. Foody, G.M. Identifying terrestrial carbon sinks: Classification of successional stages in regenerating tropical forest from Landsat TM data / G.M. Foody,

G. Palubinskas, R.M. Lucas, P.J. Curran, M. Honzak // Remote Sensing of Environment. Vol. 55. - 1996. - P. 205-216.

105. Foody, G.M. The use of small training sets containing mixed pixels for accurate hard image classification: Training on mixed spectral responses for classification by a SVM / G.M. Foody, A. Mathur // Remote Sensing of Environment. Vol. 103. — 2006.-P. 179-189.

106. Forkuor, G. Dynamics of land-use and land-cover change in Freetown, Sierra Leone and its effects on urban and peri-urban agriculture - a remote sensing approach / G. Forkuor, O. Cofie // International Journal of Remote Sensing. Vol. 32, No. 4.-2011.-P. 1017-1037.

107. Fox, J.C. Modelling spatial dependence in an irregular natural forest / J.C. Fox, H.B. Ades, P.K. Ades // Silva Fennica. - 2008. - № 42(1). - P. 35-48.

108. Franklin, S.E. Remote sensing for sustainable forest management / S.E. Franklin. - CRC Press (Lewis), Boca Raton, FL, 2001. - 407 p.

109. Gao, Y. Estimation of the North-South Transect of Eastern China forest biomass using remote sensing and forest inventory data / Y. Gao, X. Liu, C. Min, H. He, G. Yua, M. Liu, X. Zhu, Q. Wang // International Journal of Remote Sensing. Vol. 34(15). - 2013. -P. 5598-5610.

110. Gillespie, T.W. Towards quantifying tropical tree species richness in tropical forests / T.W. Gillespie, S. Saatchi, S. Pau, S. Bohlman, A. P. Giorgi, S. Lewis // International Journal of Remote Sensing. Vol. 30, No. 6. - 2009. - P. 1629-1634.

111. Guild, L.S. Detection of deforestation and land conversion in Rondonia, Brazil using change detection techniques / L.S. Guild, W.B. Cohen, J.B. Kauffman // International Journal of Remote Sensing. Vol. 25, No. 4. - 2004. - P. 731-750.

112. Hansen, M.C. Global percent tree cover at a spatial resolution of 500 meters: first results of the MODIS vegetation continuous fields algorithm / M.C. Hansen, R.S. DeFries, J.R.G. Townshend, M. Carroll, C. Dimiceli, R.A. Sohlberg // Earth Interactions. Vol. 7, No. 10. -2003. - P. 1-15.

113. Healey, S.P. Comparison of Tasseled Cap-based Landsat data structures for use in forest disturbance detection/S.P.Healey, W.B. Cohen, Y. Zhiqiang, O.N. Krankina // Remote Sensing of Environment. Vol. 97. - 2005. - P. 301-310.

114. Heumann, B.W. An object-based classification of mangroves using a hybrid decision tree-support vector machine approach / B.W. Heumann // Remote Sensing. Vol. 32011P. 2440-2460.

115. Holmgren, J. Prediction of tree height, basal area, and stem volume in forest stands using airborne laser scanning / J. Holmgren // Scandinavian Journal of Forest Research. Vol. 19. -2004. - P. 543-553.

116. Homer, C. Completion of the 2001 national land cover database for the conterminous United States / C. Homer, J. Dewitz, J. Fry, M. Coan, N. Hossain, C. Larson, N. Herold, A. McKerrow, J.N. VanDriel, J. Wickham // Photogrammetric Engineering & Remote Sensing. Vol. 73, No. 4. - 2007. - P. 337-341.

117. Houghton, R.A. Mapping Russian forest biomass with data from satellites and forest inventories / R.A. Houghton, D. Butman, A.G. Bunn, O.N. Krankina, P. Schlesinger, T.A. Stone // Environmental Research Letters, 2007. - No 2. - P. 1-7.

118. Huang, C. An Assessment of Support Vector Machines for Land Cover Classification / C. Huang, L.S. Davis, J.R.G. Townshend // International Journal of Remote Sensing. Vol. 23. - 2002. - P. 725-749.

119. Huang, Z. Sampling approaches for one-pass land-use/land-cover change mapping / Z. Huang, X. Jia, L. Ge // International Journal of Remote Sensing. Vol. 31, No. 6.-2010.-P. 1543-1554.

120. Hyde, P. Mapping forest structure for wildlife habitat analysis using waveform lidar: Validation of montane ecosystems / P. Hyde, R. Dubayah, B. Peterson, J.B. Blair, M. Hofton, C. Hunsaker, R. Knox, W. Walker // Remote Sensing of Environment. Vol. 96. - 2005. - P. 427-437.

121. Illian, J. Statistical analysis and modelling of spatial point patterns/ J. Illian, A. Penttinen, H. Stoyan, D. Stoyan: John Wiley & Sons Ltd. - 2008. - 560 p.

122. Iverson, L.R. Applications of satellite remote sensing to forested ecosystems / L.R. Iverson, R.L. Graham, E.A. Cook // Landscape Ecology. - Vol. 3, No. 2. -1989.-P. 131-143.

123. Johansen, K. Application of high spatial resolution satellite imagery for riparian and forest ecosystem classification / K. Johansen, N. Coops, S. Gergel, Y. Stange // Remote Sensing of Environment. Vol. 110. - 2007. - P. 29-44.

124. Johnson, R.D. Change vector analysis: a technique for the multispectral monitoring of land cover and condition / R.D. Johnson, E.S. Kasischke // International Journal of Remote Sensing, Vol. 19, No. 3. - 1998. - P. 411-426.

125. Kapos, V. Carbon and biodiversity: a demonstration atlas / V. Kapos, C. Ravilious, A. Campbell, B. Dickson, H.K. Gibbs, M. Hansen, I. Lysenko, L. Miles, J. Price, J.P.W. Scharlemann, K. Trumper. - Cambridge: UNEP-WCMC Biodiversity Series No 29, 2008. - 25 p.

126. Knorn, J. Land cover mapping of large areas using chain classification of neighboring Landsat satellite images / J. Knorn, A. Rabe, V.C. Radeloff, T. Kuemmerle, J.Kozak,P.Hostert//RemoteSensingof Environment. Vol. 113. -2009. - P. 957-964.

127. Koukoulas, S. Mapping individual tree location, height and species in broad-leaved deciduous forest using airborne LIDAR and multi-spectral remotely sensed data / S. Koukoulas, G.A. Blackburn // International Journal of Remote Sensing. Vol. 26, No. 3. - 2005. - P. 431-455.

128. Krankina, O.N. Carbon storage and sequestration in the Russian forest sector / O.N. Krankina, M.E. Harmon, J.K. Winjum // Ambio. Vol. 25(4). - 1996. -P. 284-288.

129. Krankina, O.N. Carbon stores, sinks, and sources in forests of Northwestern Russia: can we reconcile forest inventories with remote sensing results / O.N. Krankina, M.E. Harmon, W. Cohen, D.R. Oetter, O. Zyrina, M.V. Duane // Climatic Change. -67.-2004.-P. 257-272.

130. Krankina, O.N. NELDA Project: Validation of land cover maps and future expansion of test site network / O.N. Krankina // Tomsk: Report from the Regional GOFC-GOLD/NERIN Workshop. - 2006. - 15 p.

131. Latifovic, R. Land cover mapping of North and Central America - Global Land Cover 2000 / R. Latifovic, Z.-L. Zhu, J. Cihlar, C. Giri, I. Olthof// Remote Sensing of Environment. Vol. 89. - 2004. - P. 116-127.

132. Lefsky, M.A. Combining lidar estimates of aboveground biomass and Landsat estimates of stand age for spatially extensive validation of modeled forest productivity / M.A. Lefsky, D.P. Turner, M. Guzy, W.B. Cohen // Remote Sensing of Environment. Vol. 95. - 2005. - P. 549-558.

133. Lennartz, S.P. Classifying and mapping forest cover types using IKONOS imagery in the Northeastern United States / S.P. Lennartz, R.G. Congalton // Proceedings of the 70th Annual American Society for Photogrammetry and Remote Sensing, 23-28 May. - 2004. - P. 1-12.

134. Lorena, R.B. A change vector analysis techniques to monitor land use / land cover in SW Brazilain Amazon: Acre state / R.B. Lorena, J.R. Santos,Y.E. Shimabuku-ro, I.F. Brown, H.J.H. Kux // PECORA-15 Land Satellite Information IV Conference: Integrated remote sensing at global regional and local scale, Denver, Colorado/USA, - 2002. - P. 8-15.

135. Lu, D. Relationships between forest stand parameters and Landsat TM spectral responsesintheBrazilianAmazon Basin / D. Lu, P. Mausel, E. Brondizio, E. Moran // Forest Ecology and Management. Vol. 198. - 2004. - P. 149-167.

136. Lunetta, R.S. Impacts of vegetation dynamics on the identification of land-cover change in a biologically complex community in North Carolina USA /R.S. Lunetta, J. Ediriwickrema, D.M. Johnson, J.G. Lyon, A. McKerrow // Remote Sensing of Environment. Vol. 82. - 2002. - P. 258-270.

137. Lunetta, R.S. Land-cover change detection using multi-temporal MODIS NDVI data / R.S. Lunetta, J.F. Knight, J. Ediriwickrema, J.G. Lyon, L.D. Worthy // Remote Sensing of Environment. Vol. 105. - 2006. - P. 142-154.

138. Magnusson, M. Estimation of forest stem volume using multispectral optical satellite and tree height data in combination / M. Magnusson, J.E.S. Fransson // Scandinavian Journal of Forest Research. Vol. 20. - 2005. - P. 431-440.

139. Main-Knorn, M. Evaluating the remote sensing and inventory-based estimation of biomass in the Western Carpathians / M. Main-Knorn, G.G. Moisen, S.P. Healey, W.S. Keeton, E.A. Freeman, P. Hostert // Remote Sensing. Vol. 3. - 2011. -P. 1427-1446.

140. Mao, J. Global latitudinal-asymmetric vegetation growth trends and their driving mechanisms: 1982-2009 / J. Mao, X. Shi, P.E. Thornton, F.M. Hoffman, Z. Zhu, R.B. Myneni // Remote Sensing. Vol. 5. - 2013. - P. 1484-1497.

141. Maselli, F. Integration of high and low resolution NDVI data for monitoring vegetation in Mediterranean environments // F. Maselli, M.A. Gilabert, C. Conese // Remote Sensing of Environment. Vol. 63. - 1998. - P. 208-218.

142. Mayaux, P. A new land-cover map of Africa for the year 2000 / P. Mayaux, E. Bartholome, S. Fritz, A. Belward // Journal of Biogeography. Vol. 31. - 2004. -P. 861-877.

143. Means, J.E. Predicting forest stand characteristics with airborne scanning lidar / J.E. Means, S.A. Acker, B.J. Fitt // Photogrammetric Engineering & Remote Sensing. - 66(11). - 2000. - P. 1367-1371.

144. Michalek, J.L. Multispectral change vector analysis for monitoring coastal marine environments / J.L. Michalek, T.W. Wagner, J.J. Luczkovich, R.W. Stoffle // Photogrammetric Engineering and Remote Sensing, Vol. 59(3). - 1993. - P. 381-384.

145. Miks, V. Above-ground biomass functions for Scots pine in Lithuania / V. Miks, I. Varnagiryte-Kabasinskiene, I. Stupak, K. Armolaitis, M. Kukkolac, J. Wojcik // Biomass and Bioenergy. 31. - 2007. - P. 685-692.

146. Myneni, R.B. A large carbon sink in the woody biomass of Northern forests / R.B. Myneni, J. Dong, C.J. Tucker, R.K. Kaufmann, P.E. Kauppi, J. Liski, L. Zhou, V. Alexeyev, M.K. Hughes // PNAS. Vol. 98, No. 26 - 2001. - P. 14784-14789.

147. Naesset, E. Laser scanning of forest resources: the Nordic experience / E. Naesset, T. Gobakken, J. Holmgren, H. Hyyppa, J. Hyyppa, M. Maltamo, M. Nilsson, H. Olsson, A. Persson, U. Soderman // Scandinavian Journal of Forest Research. Vol. 19. - 2004. - P. 482-489.

148. Olsson, H. Текущие и перспективные методы дистанционного зондирования, используемые в лесном хозяйстве Швеции / Н. Olsson, М. Egberth, J. Engberg, J.E.S. Fransson, Т. Granqvist, О. Hagner, J. Holmgren, S. Joyce, M. Magnusson, B. Nilsson, M. Nilsson, K. Olofsson. - Симпозиум по лесоустройству и анализу, проведенного Лесной службой США, Портланд, США, 2005. - 10 с.

149. Peterson, D.J. Forest monitoring and remote sensing: a survey of accomplishments and opportunities for the future / D.J. Peterson, S. Resetar, J. Brower, R. Diver. - RAND: Science and Technology Policy Institute, 1999. - 92 p.

150. Powell, S.L. Quantification of live aboveground forest biomass dynamics with Landsat time-series and field inventory data: A comparison of empirical modeling approaches / S.L. Powell, W.B. Cohen, S.P. Healey, R.E. Kennedy, G.G. Moisen, K.B. Pierce, J.L. Ohmann // Remote Sensing of Environment. Vol. 114. - 2010. -P.1053-1068.

151. Prenzel, B. Remote sensing-based quantification of land-cover and land-use change for planning / B. Prenzel // Progress in Planning. Vol. 61. - 2004. -P. 281-299.

152. Richards, J.A. Remote Sensing Digital Image Analysis: An Introduction / J.A. Richards, Xiuping Jia. - 4th ed. - Berlin: Springer, 2006. - 439 p.

153. Skole, D. Tropical deforestation and habitat fragmentation in the Amazon: satellite data from 1978 to 1988 / D. Skole, C. Tucker // Science, 1993. - Vol. 260, No. 5116.-P. 1905-1910.

154. Sleeter, B.M. Land-cover change in the conterminous United States from 1973 to 2000 / B.M. Sleeter, T.L. Sohl, T.R. Loveland, R.F. Auch, W. Acevedo, M.A. Drummond, K.L. Sayler, S.V. Stehman // Global Environmental Change. Vol. 23.-2013.-P. 733-748.

155. Sluiter, R. Comparing techniques for vegetation classification using multi- and hyperspectral images and ancillary environmental data / R. Sluiter, E.J. Pebesma // International Journal of Remote Sensing. Vol. 31, No. 23. -2010. - P. 6143-6161.

156. Stibig, H.-J. A new forest cover map of continental Southeast Asia derived from SPOT-VEGETATION satellite imagery / H.-J. Stibig, F. Achard, S. Fritz // Applied Vegetation Science. Vol. 7. - 2004. - P. 153-162.

157. Sullivan, A.A. Object-oriented classification of forest structure from Light Detection and Ranging data for stand mapping / A.A. Sullivan, R.J. McGaughey, H.-E. Andersen,P. Schiess //West. J.Appl. For. Vol. 24, No. 4. - 2009. - P. 198-204.

158. Tan, K. Satellite-based estimation of biomass carbon stocks for northeast China's forests between 1982 and 1999 / K. Tan, S. Piao, C. Peng, J. Fang // Forest Ecology and Management. Vol. 240. - 2007. - P. 141-121.

159. Townshend, J.R. Global characterization and monitoring of forest cover using Landsat data: opportunities and challenges / J.R. Townshend, J.G. Masek, C. Huang, E.F. Vermote, F. Gao, S. Channan, J.O. Sexton, M. Feng, R. Narasimhan, D. Kim, K. Song, D. Song, X.-P. Song, P. Noojipady, B. Tan, M.C. Hansen, M. Li, R.E. Wolfe // International Journal of Digital Earth. Vol. 5, No. 5. - 2012. - P. 373-397.

160. Uri, V. Biomass production, foliar and root characteristics and nutrient accumulation in young silver birch (Betula pendula Roth.) stand growing on abandoned agricultural land / V. Uri, K. Lohmus, I. Ostonen, H. Tullus, R. Lastik, M. Vildo // Eur J Forest Res DOI 10.1007/s 10342-007-0171-9.

161. Vanderhoeven, S. Increased topsoil mineral nutrient concentrations under exotic invasive plants in Belgium / S. Vanderhoeven, N. Dassonville, P. Meerts // Plant Soil. - 2005. - № 275. - P. 169-179.

162. Vapnik, V.N. The Nature of Statistical Learning Theory / V.N. Vapnik. - New York: Springer-Verlag, 1995.

163. Wang, A. Segmentation of multispectral high-resolution satellite imagery based on integrated feature distributions / A. Wang, S. Wang, A. Lucieer // International Journal of Remote Sensing. Vol. 31, No. 6. -2010. - P. 1471-1483.

164. Wang, L. Land cover change detection with a cross-correlogram spectral matching algorithm / L. Wang, J. Chen, P. Gong, H. Shimazaki, M. Tamura // International Journal of Remote Sensing. Vol. 30, No. 12. - 2009. - P. 3259-3273.

165. Waring, R.H. MODIS enhanced vegetation index predicts tree species richness across forested ecoregions in the contiguous U.S.A. / R.H. Waring, N.C. Coops, W. Fan, J.M. Nightingale // Remote Sensing of Environment. Vol. 103. - 2006. -P. 218-226.

166. Warner, T. Hyperspherical direction cosine change vector analysis / T. Warner // International Journal of Remote Sensing. Vol. 26, No. 6. - 2005. - P. 1201-1215.

167. Wulder, M.A. Spatially explicit large area biomass estimation: three approaches using forest inventory and remotely sensed imagery in a GIS / M.A. Wulder, J.C. White, R.A. Fournier, J.E. Luther, S. Magnussen // Sensors. Vol. 8. - 2008. -P. 529-560.

168. Zamolodchikov, D.G. Dynamics of carbon pools and fluxes in Russia's forest lands / D.G. Zamolodchikov, A.I. Utkin, G.N. Korovin, O.V. Chestnykh // Russian Journal of Ecology. Vol. 36, No. 5. - 2005. - P. 291-301.

169. Zheng, D. Estimating aboveground biomass using Landsat 7 ETM+ data across a managed landscape in northern Wisconsin, USA / D. Zheng, J. Rademacher, J. Chen, T. Crow, M. Bresee, J. Le Moine, Soung-Ryoul Ryu // Remote Sensing of Environment. Vol. 93. - 2004. - P. 402-411.

170. Zhou, L. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999 / L. Zhou, C.J. Tucker, R.K. Kaufmann, D. Slayback, N.V. Shabanov, R.B. Myneni // Journal of Geophysical Research. Vol. 116, No. D17. - 2001. - P. 20069-20083.