Использование ДЗЗ для мониторинга лесного хозяйства

Традиционным методом оценки успешности лесовосстановления является закладка пробных площадей. Текущая работа включает определение количества жизнеспособного подроста, роста, родословнойсостав, типы условий обитания, метод лесовосстановления ии другие. [15л.В зависимости от района объекта исследования проставляется пропорциональное количество пробных площадей, а расположение и количество подроста на нем должны быть репрезентативными для передачи полученных данных на всю исследуемую область.Методы удаленного мониторинга могут значительно снизить сложность текущей работы, связанной с полевыми исследованиями. За исключением тех случаев, когда полевые данные требуются для калибровки и проверки результатов.В результате анализа литературных источников методы обработки и сбора информации были сгруппированы и представлены в табл. 1. Общим для всех методов, которые используют спутниковые снимки в оптическом диапазоне, является предварительная обработка и преобразование значений яркости пикселей в отражение солнечной энергии и атмосферная коррекция, чтобы исключить влияние атмосферы на значенияспектральные характеристики пикселей изображения. Атмосфера и облачность невлияет на результаты съемки в радиолокационном диапазоне. Для данныхширокий диапазон длин волн существенно влияет на результаты съемкиоказывает влажность почвы.Таблица 1Методы оценки лесовосстановленияВ рассмотренных методах большинство исследований основано на спутниковых снимках Landsat. Спутниковые снимки Landsatнаходятся в свободном доступе, и их архив датируется с 1972 года по сегодняшний день, поэтому эти данные дают возможность для оценкилесовосстановление по спутниковым снимкам в течение 46 лет.В настоящих данных, в основном данные, полученные издатчиков оптического диапазона. Обзор нескольких исследований также предоставляетсяанализа лесовосстановления с использованием радарова.Во-первых, следует рассмотреть группу спектральных методов.Они используются для оценки лесовосстановления. Использование спектральных индексов растительности является самым простым способом мониторинга. В большинстве исследований по лесовосстановлению после пожара использовались следующие индексы: NDVI (нормализованный разностный вегетационный индекс - нормализованный относительный вегетационный индекс), SAVI (почвенно-скорректированные вегетационные индексы - почвенно-растительный индекс), TSAVI (трансформированные почвенно-скорректированные вегетационные индексы - трансформированная почва индекс растительности), MSAVI (модифицированные индексы растительности с поправкой на почву - модифицированный индекс растительности почвы), fAPAR (поглощенное фотосинтетически активное излучение - доля поглощенного фотосинтетически активного излучения), АЭС (чистая первичная продукция- общий объем основного производства), LAI (LeafAreaIndex - индекс лиственной площади) [12]. Эти показатели широко используются для анализа растительности и являются показателями плотности растительного покрова, фотосинтетической активности и условий произрастания растительного покрова. Все спектральные индексы, рассмотренные в этой обзорной статье, были рассчитаны по спутниковым снимкам Landsat.Использование спектральных индексов растительности требуетанализ полевых данных для их калибровки при оценке лесовосстановленияи проверка результатов данные для этих целей [12].Анализ графиков изменения спектральных показателей NDVI, SWVI,NBR по годам является одним из методов оценки лесовосстановления. Этот метод используется для анализа скорости и времени лесовосстановления [17].Использование графиков изменения спектральных показателей для анализа лесовосстановления не является универсальным методом, так как разные регионы имеют разные условия для роста растительности.Например, климатические условия региона могут влиять на скорость лесовосстановления. В дополнение к климатическим условиям, для ростана значения пикселей спутниковых снимков Landsat в процессе лесовосстановления влияет распространенность лиственных или хвойных породвид и тип леса [11].При этом вопрос оценки успешности лесовосстановления дистанционными методами малоизучен. В литературе встречаются примеры использования разновременных снимков, полученных со спутниковых аппаратов Landsat для мониторинга восстановления лесных территорий. Применение данных снимков с использованием спектральных яркостейили производных от них индексных характеристик говорит о возможности получения информации о процессах лесовосстановления на нарушенных территориях. Применение спектральных индексов на основе красного и ближнего инфракрасного диапазона (например, нормализованный относительный индекс растительности) имеет свойства высокой чувствительности к содержанию хлорофилла в листьях, что обуславливает короткий период мониторинга с использованием данного индекса из-за быстрого «пресыщения» индекса. С высокой точностью оценить успешность восстановления древесных растений при помощи спектральных характеристик возможно ближе к 15-летнему возрасту на-саждений, такой вывод был сделан при изучении процессов восстановления насаждений псевдотсуги на территории западных гор в штате Орегон на территории США. Лесовосстановление на землях, не занятых лесной растительностью, также можно оценить, используя метод TasseledCap. Оценка лесовосстановления территории после пожара на севере Канады показала положительный пример использования данного метода. В этом исследовании было установлено, что преобразованные каналы спутниковых снимков в показатели brightness (яркость), greenness (зеленость), wetness (влажность) при успешном лесовосстановлении имеют тенденцию роста показателей влажности и зелености и снижения показателя яркости. Период анализа лесовосстановления был равен 29 годам, в дальнейшем значения каналов соответствовали значениям спелого леса. Перспективным направлением в лесном хозяйстве на сегодняшний день является использование беспилотных летательных аппаратов (БПЛА). Высокодетальная съемка БПЛА имеет множество преимуществ в сравнении с традиционной спутниковой съемкой: - снимки, полученные с БПЛА, могут обладать разрешением до 1 см и более, такое разрешение недоступно для спутниковой съемки; - возможность проводить съемку в условиях облачности, так как БПЛА могут снимать с высоты 50 метров;- возможность получения трехмерной моде-ли леса при выполнении съемки участка леса под несколькими углами; - мобильность и оперативность в использовании БПЛА. Опыт зарубежных стран показывает хорошие результаты в использовании БПЛА для различных целей, например, для картографирования древесной растительности и классификации расти-тельности по породам. Таксационные характеристики могут быть определены при помощи высокодетальных снимков, сделанных с БПЛА, что делает данный инструмент крайне ценным и эффективным в лесной сфере [24]. Сегодня БПЛА имеют легкую настройку и просты в эксплуатации, что делает их доступными для использования. На данный момент существуют различные модели БПЛА: от любительских до профессиональных, которые способны осуществлять съемку, необходимую для решения лесных задач, в том числе задач мониторинга лесных земель для оценки успешности лесовозобновления. Оценка успешности лесовозобновления на вырубках и гарях традиционным способом является затратной по времени, трудовым и финансовым ресурсам, поэтому поиск новых методов для оптимизации данной работы является актуальной зада-чей. Использование спутниковых снимков для оптимизации работ имеет определенные ограничения, так как снимки среднего разрешения для мониторинга воспроизводства лесов часто не обеспечивают достаточного пространственного разрешения, а снимки высокого разрешения не всегда доступны для Арктической территории из-за высокой облачности в северных широтах. Основная задача данной научно-исследовательской работы заключается в определении возможности использования спутниковых снимков среднего разрешения вместе с вы-сокодетальными снимками, сделанными при помощи БПЛА. Целью исследования является создание методики оценки лесовосстановлениядистанционны-ми методами в соответствии с установленными федеральным агентством лесного хозяйства России правилами перевода земель, занятых лесными насаждениями.Все работы по определению возможности дистанционного мониторинга за воспроизводством лесов были разделены на следующие этапы: - создание пространственного слоя уменьшения лесного покрова; - полевые работы для закладки пробных площадей; - съемка территории с использованием БПЛА; - анализ собранного полевого материала; - создание обучающей выборки для классификации вырубок и гарей по критерию успешности восстановления; - создание пространственного слоя земель, переведенных в лесопокрытую площадь. Внедрение дистанционного мониторинга воспроизводства лесов позволит вести наблюдение на труднодоступной территории, а также получать своевременную и актуальную информацию.3.2 Использование спектральных методик ДЗЗСпектральные методы включают методы, основанные на разнице и делении значения индекса растительности после нарушений, произошедших на значение индекса до нарушений. Примерами таких индексов являются SRI (Индекс возобновления древостоя - индекс восстановления древостоев) и RRI (Индекс относительного возобновления роста - индекс относительного лесовосстановления). При восстановлении леса после пожара важно учитывать серьезность ущерба, нанесенного местности. Степень ущерба территории часто оценивается в научных статьях по пяти классам:• очень высоко,• высоко• средний• низкий• легкий. Степень ущерба влияет на необходимый период времени для лесовосстановления. График спектральных показателей с участками различной степени повреждения леса имеет разные тренды.За этим последовало использование преобразования TasseledCap для объединения оптических и инфракрасных каналов в 3 компонента. Этот метод был разработан в 1976 году исследователями Р.Дж. Каут и Г.С. Томас. Преобразование крышки с кистями является частным случаем метода главных компонентов.Цель преобразования - уменьшить размерность данных. Компонент яркости связан с открытым или частично открытым почвенным покровом, искусственными и природными объектами, такими как бетон и асфальт. Зелень - уровень зеленого цвета напрямую связан с зеленой растительностью. Влажность (влажность) расположена под прямым углом к ​​первым двум компонентам и отражает влажность почвенного покрова. Чтобы проанализировать изменения в лесном покрове, значения были собраны из составных каналов TasseledCap для следующих категорий земель: вырубка лесов, болота и лесные насаждения. На графике значений этих объектов в координатах влажности и зелени (рис. 13) можно легко определить пороговые значения для обезлесения, болот и лесов. Рисунок 13 –График значений объектов в координатах wetness и greennessПороговые значения вырубки в канале wetness равны от -0,15 до 0, в канале greenness – от 0 до 0,1. Создание пространственного слоя уменьше-ния лесного покрова является первоочередной за-дачей для оценки успешности лесовозобновления. Для выявления сплошных вырубок была разрабо-тана простая методика на основе пороговых значе-ний. Алгоритм для создания пространственного слоя вырубок состоит из следующих шагов: 1) создание слоя вырубок на определенный год. Слой вырубки выбранного года создается по композиту TasseledCap с использованием метода пороговых значений. Статистика о спектральных характеристиках вырубки собирается в границах свежей вырубки, после чего отбрасываются 3 % выбивающихся значений, далее определяются максимумы и минимумы значений в каждом канале по отдельности; 2) по прошлогоднему снимку создается слой леса. Аналогичный алгоритм используется для создания этого слоя. Статистика собирается по границам нетронутого участка леса. Данный шаг необходим для исключения из слоя вырубок прошлых лет (пункт 1) и объектов, которые не относятся к вырубкам. График на рис. 1 показывает значения бо-лота, пересекающиеся со значением свежей выруб-ки. Это делает затруднительным создание достоверного слоя по одному снимку; 3) наличие облачности на снимках требует построения слоя с облаками для исключения облачных пикселей из обработки спутниковых изображений. Облака краев облачности имеют одинаковые спектральные характеристики со значениями свежей вырубки. 4) создание точного слоя вырубки требует вычесть из слоя вырубки пиксели, не занятые ле-сом, используя слой леса, и вычесть слой, содержащий облака. Одиночные пиксели были удалены из конечного слоя с целью уменьшения шумов. На рис. 14 под буквой «А» представлен пример композита TasseledCap, полученный из значе-ний спутникового снимка Landsat 8OLI. Композит содержит вырубки леса как за период 2015-2016 го-дов, так и более ранние вырубки. На рисунке под буквой «Б» черным цветом выделены вырубки за период 2015-2016 годов. Данный слой вырубок был получен с помощью алгоритма, описанного выше. Рисунок 14– Композит изображения в каналах brightness, greenness, wetness находится слева, справа расположен слой изменений в лесном покрове, выявленных по снимку Landsat 8OLI поверх композита Съемка с БПЛА была проведена на 2 участках вКолыванском лесничестве на площадях 32 га и 19 га. Съемка производилась с высоты 50-70 м. Для съемки с БПЛА данных участков был заранее подготовлен маршрут. Совместно со съемкой беспилотным аппаратом проводились наземные обследования площадей с перечетом подроста и определением средней высоты. Закладка пробных площадей осу-ществлялась по правилам государственного мониторинга воспроизводства лесов, а именно по правилам временной методики. Целью проведенных полевых работ было получение характеристик, необходимых для перевода земель в земли, занятые лесными насаждениями: количество деревьев главной породы, средняя высота по группам пород и общий породный состав на объекте лесовозобновления. После проведения полевых работ и получения высокодетальной съемки на объекты исследования был проведен анализ полученных данных. Для дальнейшей обработки использовался программный комплекс, разработанный компанией «Форгис». Данный программный комплекс предназначен для автоматизированной обработки снимков БПЛА и полевых данных для получения информации о количестве деревьев, средней высоте, пород-ном составе обследуемых участков. Полученные высокодетальные снимки были классифицированы на два класса по критерию успешности леовозобновления: «восстановились», «не восстановились». Главными критериями успешного лесовосстановления были критерии, изложенные во временной методике перевода земель в лесопокрытую площадь от 2016 года, а именно количество и средняя высота деревьев главных пород. Результатами обработки снимков БПЛА на участках исследования стал пространственный слой, классифицированный на два класса «восстановилось» и «не восстановилось». Используя описанные выше критерии успешности лесовозобновления, к классу «восстановилось» отнесли 65% вы-рубки, а 35% площади не достигло необходимых критериев и относится к классу «не восстанови-лось». Основной задачей обработки высокодетальной съемки БПЛА стало создание обучающей вы-борки для классификации снимков среднего разрешения Landsat 8OLI и Sentinel-2MSI. Результаты классификации съемки БПЛА были пересчитаны под размер пикселя среднего разрешения одного из спутниковых изображений. Классификация спутниковых снимков сред-него разрешения была произведена по полученной обучающей выборке на значительно большую тер-риторию в рамках лесных земель, выбывших из лесопокрытой площади. Перевод земель, имеющих достаточные критерии успешности лесовозобновления, в лесопокрытую площадь является непростой задачей и намного более сложной – создание слоя уменьшения лесного покрова. Начальным этапом стал анализ значений разновременных вырубок в значениях композитов wetness, greenness, brightness преобразования Tas-seledCap.3.3Охват космическим мониторингом лесного фонда страны3055/5000Максимальное количество символов: 5000В настоящее время существует острая потребность во внедрении дистанционного зондирования Земли (ERS) во всех областях лесного хозяйства, отмечая важность эффективности и качества получаемых данных. В настоящее время большое значение приобретает создание единого надежного центра получения космической информации на основе информации российских спутников. Соглашение было подписано между Федеральным агентством лесного хозяйства и Федеральным космическим агентством еще в 2012 году (сотрудничество по линии пожарной безопасности началось еще в 2005 году с создания системы ISDM-Рослесхоз).В 2019 году в Роскосмос была отправлена ​​заявка на съемку всей территории земель лесного фонда России. Кроме того, отдельно мы выделяем три приоритетных области мониторинга с помощью системы дистанционного зондирования - это контроль за законностью санитарных рубок, выявление фактов и пресечение незаконных рубок, а также определение районов, не занятых лесом.стоит и требует лесовосстановления. Принимая во внимание приоритетные меры по повышению эффективности отрасли, необходимо увеличить объем, оперативность, качество информации и область наблюдения.Работа по расширению сотрудничества между Минприроды России, компаниями TerraTech и RussianSpaceSystems началась в 2018 году, многие интернет-ресурсы соответствуют требованиям Рослесхоза. В лесном хозяйстве данные дистанционного зондирования Земли активно используются для инвентаризации лесов с целью определения качественных и количественных характеристик лесов, оценки ущерба от пожаров, болезней леса, незаконных рубок, установления границ лесного хозяйства, а также для решения ряда другие задачи. Общая потребность Федерального агентства лесного хозяйства и подчиненных ему учреждений в материалах дистанционного зондирования обеспечена к концу 2018 года на 70%.Так, объем удаленного мониторинга нелегальных рубок в 2019 году составил почти 140 млн га, что на 30 млн га больше, чем в 2018 году. С его помощью до 70% объема нелегальных рубок на территории лесного фонда. Российской Федерации раскрывается.В 2020 году будет сформирована дорожная карта по взаимодействию Рос-Космоса и заинтересованных структур, важной частью которого станет расширение спутниковой группировки. Сейчас главное - решить три важные задачи - защитить леса от пожаров, где успех пока зависит больше от наличия дождя. Предотвращение незаконных рубок, где основной «черной дырой» является серая заготовка и вывоз пиломатериалов из страны. И найти правильные механизмы для эффективного функционирования системы лесовосстановления. Это три основные прикладные задачи, которые Министерство природных ресурсов и экологии Российской Федерации и Федеральное агентство лесного хозяйства будут реализовывать со всеми техническими возможностями Роскосмоса, включая использование космических данных для дистанционного мониторинга Земли. Новые услуги также будут отражены в систематической работе по повышению эффективности лесной отрасли в Российской Федерации.3.4Площадь непрерывного дистанционного мониторинга использования лесов в России Планируется удвоить площадь непрерывного дистанционного космического мониторинга лесопользования в России в 2020 году. В целом увеличение объема работ по дистанционному мониторингу по сравнению с 2018 годом составляет 27,5%.Дистанционный мониторинг лесопользования проводится Федеральным агентством лесного хозяйства с 2005 года, в том числе с 2010 года, в рамках государственной инвентаризации лесов.Приоритет в выборе территорий для дистанционного мониторинга основан на подходе, основанном на оценке риска. То есть это проводится в тех регионах, где активно ведется лесопользование, развивается лесопереработка, а в предыдущие годы факты незаконных рубок уже были выявлены. Кроме того, Федеральное агентство лесного хозяйства также проводит постоянный удаленный мониторинг с регулярным получением спутниковых изображений данных о наиболее проблемных лесных хозяйствах в кратчайшие возможные сроки.Мониторинг значительно повышает эффективность выявления случаев незаконных рубок, в том числе на стадии совершения преступления, а также своевременной отправки материалов в правоохранительные и надзорные органы для привлечения виновных к ответственности.В 2019 году с использованием непрерывного дистанционного мониторинга было выявлено 357 нарушений лесного законодательства. Из них 260 случаев были незаконными рубками на общей площади 0,7 тыс. Га. Ущерб составил 1,3 миллиарда рублей. Доля нелегальных рубок, выявленных с помощью дистанционного мониторинга, в общем объеме нелегальных рубок в Российской Федерации составляет около 72%.При проверке материалов непрерывного дистанционного мониторинга отмечается высокое подтверждение случаев нарушений лесного законодательства. В прошлом году он составил более 87%.В 2020 году планируется провести дистанционный мониторинг лесопользования на территории 192 лесхозов в 32 субъектах Российской Федерации на общей площади почти 140 млн. Га. Среди них 24 непрерывных лесных мониторинга будут проводиться на территории 24 лесхозов на общей площади более 15 миллионов гектаров.ЗАКЛЮЧЕНИЕПодходы, которые ранее использовались для решения проблем лесной промышленности, становятся устаревшими. Необходима модернизация и автоматизация функций в области лесного хозяйства.Переход на регулярные спутниковые снимки лесов Российской Федерации позволил решить многие проблемы лесного хозяйства на новом качественном уровне, выявил актуальность и практическую эффективность космического мониторинга в современных российских условиях для мониторинга современного состояния лесов, на котором весь природный комплекс, представляющий собой сложную и многофункциональную природную систему, состоящую из взаимосвязанных и взаимодействующих компонентов.Данные, полученные в ходе космического мониторинга лесного фонда Российской Федерации, найдут свое применение не только в возможности практического обновления информации о закономерностях пространственного распределения структурных компонентов лесного состава и биомассы лесных экосистем, позволит не только правильно и эффективно корректировать стратегическое и тактическое управление лесами, поможет не только моделировать развитие и распространение лесных пожаров, но также будет способствовать развитию новых технологий и послужит основой для разработки совершенно новой методологии дистанционное зондирование лесного фонда на основе использования ГИС систем природных ресурсов и экологического содержания.При написании выпускной квалификационной работы были решены следующие задачи:- актуальность выбранных тем работы доказана;- Рассмотрено использование дистанционного зондирования для мониторинга лесного хозяйства в Российской Федерации;- проведены исследования по лесному хозяйству в Новосибирской области;- Разработаны рекомендации по использованию дистанционного зондирования для лесного хозяйства в Новосибирской области.В приложении представлены графические материалы выпускной квалификационной работы:- карта-схема административного деления территории с указанием лесного хозяйства Новосибирской области;- карта-схема распределения охранных зон от лесных пожаров в Новосибирской области;- карта расположения особо охраняемых объектов в Новосибирской области. Технология, предложенная в выпускной квалификационной работе, не заменяет, а дополняет и количественно определяет стандартную методологию. Парный анализ полученной интегрированной карты леса с геолого-геоморфологической картой района, полученной с помощью дистанционного зондирования, позволяет определить взаимосвязи между геоморфологическими особенностями территории, составом поверхностных отложений и структурой насаждений, что позволяет нам оценить степень антропогенной трансформации природных лесных экосистем. Это, в свою очередь, может быть использовано для организации экосистемного мониторинга лесов как в Новосибирской области, так и в целом по России.СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВАрхипов В.И., Березин В.И. О необходимости выполнения стереоскопического контурного дешифрирования материалов дистанционного зондирования земли (ДЗЗ) при таксации лесов // Интерэкспо Гео-Сибирь. 2015. Т. 3. № 4. С. 99-103. Архипов В.И., Черниховский Д.М., Березин В.И., Белов В.А. Современная технология таксации лесов дешифровочным способом "от съемки - к проекту" // Известия Санкт-Петербургской лесотехнической академии. 2014. № 208. С. 22-42.Барталев С.А., Егоров В.А., Жарко В.О., Лупян Е.А., Плотников Д.Е., Хвостиков С.А., Шабанов Н.В. Спутниковое картографирование растительного покрова России. – М.: ИКИ РАН, 2016. – С. 208.Богданов А.П., Торбик Д.Н. Выявление лесов высокой природоохранной ценности с использованием ДЗЗ. В сборнике: Биологическое разнообразие как основа существования и функционирования естественных и искусственных экосистем Материалы Всероссийской молодёжной научной конференции. 2015. С. 181-184.Бунтова О.Ю., Мухарамова С.С. Детектирование изменений лесного покрова по данным дистанционного зондирования земли // Самарская Лука: проблемы региональной и глобальной экологии. 2016. Т. 25, № 4. С. 130-135.Васильев А.И., Ольшевский Н.А., Коршунов А.П. Банк базовых продуктов межведомственного использования – геоинформационный сервис оператора КС ДЗЗ. В книге: Сборник тезисов докладов Четырнадцатой Всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса" Электронный сборник тезисов докладов. 2016. С. 419. Владимирова Н., Крылов А., Милаковский Б., Пуреховский А. Влияние дорог и рубок на гибель от пожаров лесов юга Дальнего Востока //Устойчивое лесопользование. 2017. № 2 (50). С. 5-9.Гафаров Р. А. Анализ и сравнение спутников дистанционного зондирования Земли // Достижения науки и образования 2018. Т.2, №. 8 (30). С. 38-39.Григорец Е.А., Капралова Д.О., Пермитина Л.И. Использование российских данных ДЗЗ для изучения динамики восстановления эколого-ресурсного потенциала лесных регионов после воздействия пожаров // Вестник Российского университета дружбы народов. Серия: Экология и безопасность жизнедеятельности. 2018. Т. 26. № 1. С. 52-62. Григорьев М.Ф., Пудова Т.М. Актуализация площадей лесов на основе анализа данных дистанционного зондирования земли // Глобальный научный потенциал. 2018. № 12 (93). С. 233-235.Жирин В.М., Лукина Н.В. Развитие системы инвентаризации лесов в России // Лесной вестник. 2017. Т. 21, № 2. С. 4-14.Жирин В.М., Лукина Н.В. Развитие системы инвентаризации лесов в России // Лесной вестник. ForestryBulletin. 2017. Т. 21. № 2. С. 4-14.Задачи, решаемые с использованием данных ДЗЗ из космоса // Геоматика. 2009. № 4. С. 115-120.Земельный кодекс Российской Федерации от 25.10.2001 г. №136-ФЗ. [Электронный ресурс] – Режим доступа: http://base.garant.ru/57747227/2/Иванов Е.С. Некоторые приложения сегментации снимков ДЗЗ // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. № 1. С. 105-116.Иванов С.В., Кушнырь О.В., Комаров А.В., Рыбкин А.С., Серебряков В.Б., Тищенко П.А., Вахрушев К.В., Сидоренков В.М. ВЕБ-ГИС и использование технологий дистанционного зондирования земли в интересах лесохозяйственной деятельности. В сборнике: Региональные проблемы дистанционного зондирования Земли материалы VI Международной научной конференции. Сибирский федеральный университет, Институт космических и информационных технологий. 2019. С. 102-105. Исаев А.С., Барталев С.А., Лупян Е.А., Лукина Н.В. Спутниковое зондирование земли – уникальныйинструментмониторингалесовРоссии // ВестникРоссийскойакадемиинаук. 2014. Т. 84. № 12. С. 1073.Князева С.В., Эйдлина С.П., Ершов Д.В., Жирин В.М. Аэрокосмические методы и геоинформационные технологии в лесоведении, лесном хозяйстве и экологии. VI всероссийская (с международным участием) конференция. Москва, 20-22 апреля 2016 г // Лесоведение. 2016. № 6. С. 476-480. Ковязин В. Ф., Романчиков А. Ю. Проблема кадастровой оценки лесных земель с учетом инфраструктуры лесного фонда // Записки горного института. 2018. Т. 229. С. 98-104.Косицын В.Н. Современные космические технологии на службе лесного хозяйства // Лесная таксация и лесоустройство. 2012. № 2 (48). С. 64-68. Маркс А. Мониторинг лесов с помощью группировки спутников RAPIDEYE // Геоматика. 2011. № 3. С. 58-66.Мунзер Н.А. Исследование лесного покрова с использованием мультиспектральных космических снимков // Землеустройство, кадастр и мониторинг земель. 2017. № 12 (155). С. 80-83. Писаренко А.И., Страхов В.В. О глобальном учёте мировых лесов // Использование и охрана природных ресурсов в России. 2017. № 1 (149). С. 30-37.Саворский В.П., Котельников Р.В., Барталев С.А., Лупян Е.А., Маклаков С.М., Ховратович Т.С. Развитие дистанционных автоматизированных методов контроля соблюдения лесного законодательства при проведении рубок. В книге: Сборник тезисов докладов Четырнадцатой Всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса" Электронный сборник тезисов докладов. 2016. С. 48. Санаев В.Г., Степанов И.М., Запруднов В.И., Панферов В.И., Галкин Ю.С., Бурков В.Д. Ускоренное инновационное развитие технологий аэрокосмического мониторинга леса средствами российской космической системы ДЗЗ и вывод их на лидирующие позиции в мире: решение проблемы // Вестник Московского государственного университета леса - Лесной вестник. 2012. № 4. С. 38-45. Санаев В.Г., Степанов И.М., Запруднов В.И., Панферов В.И.// Создание отраслевой глобальной мониторинговой аэрокосмической системы леса (ГЛОМАС-ЛЕС) - прорывное направление критических технологий // Вестник Московского государственного университета леса - Лесной вестник. 2014. Т. 18. № 2. С. 140-146. Санаев В.Г., Степанов И.М., Запруднов В.И., Усачев М.С., Тарасенко П.А., Малашин А.А., Нефедов П.В., Колесник Т.В. Межотраслевая целевая программа ускоренного инновационного развития технологий аэрокосмического мониторинга леса с выводом их на лидирующие позиции в мире и гигапроектаэрокосмос-лес // Вестник Московского государственного университета леса - Лесной вестник. 2016. Т. 20. № 4. С. 69-80. Северский С.И., Малышева Н.В., Пьянков И.Б. Проблемы внедрения информационно-коммуникационных технологий в лесное хозяйство и комплексные решения // Вестник Московского государственного университета леса - Лесной вестник. 2015. Т. 19. № 2. С. 144-152. Сидельник Н.Я., Пушкин А.А., Ковалевский СВ. Тематическое дешифрирование поврежденных лесных насаждений по данным дистанционного зондирования с использованием ГИС-технологий // Актуальные проблемы лесного комплекса. 2017. №49. С. 42-46. Федотова Е.В., Жолудев А.А., Изосимов В.Г., Шпирук Ю.Д., Маглинец Ю.А., Цибульский Г.М. Анализ сезонной динамики растительного покрова на основе данных дистанционного зондирования земли // Журнал Сибирского федерального университета. Серия: Техника и технологии. 2014. Т. 7. № 8. С. 976-983.Чумаченко С.И., Хабибулин С.Ю., Митрофанов Е.М. Учет лесов на основе данных дистанционного зондирования и динамического геоинформационного моделирования // Славянский форум. 2018. № 1 (19). С. 193-196.Шошин В. И., Дзубан В. И., Вечеров В. В. Выявление низкополнотных насаждений после санитарно-оздоровительных мероприятий дистанционным зондированием в Брянском лесном массиве// Лесотехнический журнал. 2017. Т. 7, № 2 (26). С. 135-141.Эйдлина С.П., Ершов Д.В., Королева Н.В. и др. VII Всероссийская конференция (с международным участием) "аэрокосмические методы и геоинформационные технологии в лесоведении, лесном хозяйстве и экологии" // Вопросы лесной науки. 2019. Т. 2. № 3. С. 1-12. ПРИЛОЖЕНИЕ А(обязательное)КАРТА-СХЕМА АДМИНИСТРАТИВНОГО ДЕЛЕНИЯ ТЕРРИТОРИИ С УКАЗАНИЕМ ЛЕСНИЧЕСТВ НОВОСИБИРСКОЙ ОБЛАСТИПРИЛОЖЕНИЕ Б(обязательное)КАРТА-СХЕМА РАСПРЕДЕЛЕНИЯ ОХНАНЫ ЗОН ОТ ЛЕСОПОЖАРОВ НОВОСИБИРСКОЙ ОБЛАСТИПРИЛОЖЕНИЕ В(обязательное)КАРТА-СХЕМА РАСПОЛОЖЕНИЯ ОСОБО ОХРАНЯЕМЫХ ОБЪЕКТОВ НОВОСИБИРСКОЙ ОБЛАСТИ