Иркутские ученые разработали методику для прогноза развития лесов

Разработанная методика с использованием спутниковых данных позволяет быстро проанализировать состояние лесов и сделать прогноз развития лесной экосистемы. Работа проводилась в Институте динамики систем и теории управления имени В. М.  Матросова СО РАН в рамках крупного проекта Минобрнауки России «Фундаментальные основы, методы и технологии цифрового мониторинга и прогнозирования экологической обстановки Байкальской природной территории». Полученные результаты опубликованы в журнале первого квартиля «Forests».

Прогнозы динамики лесных экосистем важны для охраны окружающей среды и управления лесными ресурсами. Такие прогнозы можно использовать для принятия решений о необходимости и способах восстановления поврежденных деревьев, планирования вырубок или мер по охране и защите лесов. При этом существующие данные национальной инвентаризации лесов не всегда доступны для исследователей в полном формате.

«После анализа доступных данных и существующих методик по прогнозированию изменений лесной экосистемы мы решили использовать спутниковые данные. Различные методы дистанционного зондирования Земли показывают размер листьев и крон деревьев, тень, высоту и другие параметры, по которым можно оценить и смоделировать развитие лесов», — говорит соавтор статьи, старший научный сотрудник лаборатории комплексных информационных систем ИДСТУ СО РАН кандидат технических наук Анастасия Константиновна Попова.

На основе спутниковых изображений были подготовлены входные данные для модели LANDIS-II. Преимуществом подхода выступает снижение стоимости и ускорение подготовки данных по сравнению с полевыми исследованиями. Результаты моделирования по Голоустненскому лесничеству (Иркутская область) показали интересный прогноз. В частности, в настоящее время большее количество растений сосредоточено в северной и восточной частях лесничества, через 120 лет больше деревьев будет в юго-восточной части, а через 160-200 лет – в северо-западной.

В дальнейшем ученые планируют добавить в модель информацию о рубках, пожарах и других воздействиях, а также провести расчеты, позволяющие прогнозировать запасы углерода в лесу и учитывать разные климатические сценарии.