Моніторинг засихання хвойних лісів Прикарпатського регіону з використанням даних дистанційного зондування

dc.citation.epage40
dc.citation.issue90
dc.citation.journalTitleГеодезія, картографія і аерофотознімання
dc.citation.spage29
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorБурштинська, Х. В.
dc.contributor.authorПетрик, Ю. В.
dc.contributor.authorПоліщук, Б. В.
dc.contributor.authorШило, О. Є.
dc.contributor.authorBurshtynska, Kh.
dc.contributor.authorPetryk, Yu.
dc.contributor.authorPolishchuk, B.
dc.contributor.authorShylo, Ye.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2023-02-13T10:51:24Z
dc.date.available2023-02-13T10:51:24Z
dc.date.created2019-03-12
dc.date.issued2019-03-12
dc.description.abstractДля моніторингу стану лісів Тухлянського лісництва застосовано методику, що ґрунтується на використанні різних за спектральними характеристиками і розрізненістю космічних зображень, знімків, отриманих з БПЛА і, відповідно, їх опрацювання різними методами. Здійснено спектрофотометричні вимірювання здорової та пошкодженої хвойної рослинності для обґрунтування методів подальшого опрацювання зображень, розроблення ефективних підходів до ідентифікації ділянок із засиханням хвойних дерев. Аналіз отриманих спектральних кривих дає змогу вибирати відповідні діапазони електромагнітного спектра для ідентифікації пошкодженої та сухої рослинності. Дослідження ґрунтується на використанні космічних знімків високого середнього розрізнення, одержаних із супутників GeoEye-1 та Sentinel-2 на територію Тухлянського лісництва. Для отримання звіркової інформації та аналізу результатів використано знімання з безпілотного літального апарату. Дослідження виконано на території Тухлянського лісництва Сколівського району Львівської області. Для проведення польових досліджень здійснено три експедиції. Під час останньої експедиції знято з безпілотного літального апарату дві тестові ділянки. З метою ефективного використання спектральних ділянок відбиття відібрано зразки різного типу хвойної рослинності для проведення спектрофотометричних вимірювань. Аналіз отриманих спектральних кривих використано для вибору вегетаційних індексів, що дають змогу ідентифікувати пошкоджену та здорову рослинність. Для поліпшення інтерпретаційних можливостей індексних зображень створено синтезоване зображення за трьома вегетаційними індексами. Щоб визначити площі ділянок із пошкодженою хвойною рослинністю, виконано контрольовану класифікацію за методом максимальної вірогідності. Проаналізовано отримані результати.
dc.description.abstractPurpose. The aim of this research is monitoring of coniferous forests of Tukhlya forestry in Precarpathian region using medium and high resolution satellite images and images obtained from an unmanned aerial vehicle (UAV). Methodology. To monitor the condition of forests of Tukhlya Forestry, a technique based on using satellite images with different spectral characteristics and resolutions, images obtained from UAVs and, accordingly, their processing by different methods, was used. To substantiate the methods of further image processing and to develop effective approaches to the identification of areas with coniferous trees drying, spectrophotometric measurements of healthy and damaged coniferous vegetation were carried out. The analysis of the obtained spectral curves made it possible to select the appropriate ranges of the electromagnetic spectrum for the identification of damaged and dry vegetation. The research is based on using high and medium resolution satellite images, obtained from GeoEye-1 and Sentinel-2. Unmanned aerial vehicle surveying was used to obtain validation information and to analyse the obtained results. Results. Researches were conducted in the territory of Tukhlya forestry, Skole district, Lviv region. Three expeditions were carried out for field research. During the last expedition, surveying from the unmanned aerial vehicle were conducted for two test sites. For efficient using of spectral reflectance ranges, samples of different coniferous vegetation types were selected for spectrophotometric measurements. The analysis of the obtained spectral curves was used to select the vegetation indices that allow identification of damaged and healthy vegetation. To improve the interpretation capabilities of index images, a synthesized image from three vegetation indices was created. Controlled classification by maximum likelihood method was performed to determine the areas of sites with damaged coniferous vegetation. The obtained results were then analysed. Scientific novelty and practical significance. The scientific novelty is processing of the methods for detection of damaged and healthy coniferous vegetation in the territory of the Carpathian region. Spectrometric measurements of healthy and damaged vegetation are the theoretical basis, which makes it possible to substantiate the choice of spectral ranges for the most efficient separation of different types of coniferous vegetation and the choice of vegetation indices for their identification. The developed methodology of using remote sensing data for identification of damaged and healthy vegetation allows to detect not only dry and healthy vegetation, but also damaged vegetation. This will contribute to the timely cutting of such trees, which will not only save the healthy forest from further spread of pests, but also obtain wood that can still be used in the wood industry.
dc.format.extent29-40
dc.format.pages12
dc.identifier.citationМоніторинг засихання хвойних лісів Прикарпатського регіону з використанням даних дистанційного зондування / Х. В. Бурштинська, Ю. В. Петрик, Б. В. Поліщук, О. Є. Шило // Геодезія, картографія і аерофотознімання. — Львів : Видавництво Львівської політехніки, 2019. — № 90. — С. 29–40.
dc.identifier.citationenMonitoring of coniferous forest drying in Precarpathian region using remote sensing data / Kh. Burshtynska, Yu. Petryk, B. Polishchuk, Ye. Shylo // Geodesy, cartography and aerial photography. — Lviv : Lviv Politechnic Publishing House, 2019. — No 90. — P. 29–40.
dc.identifier.doidoi.org/10.23939/istcgcap2019.90.029
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/57347
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofГеодезія, картографія і аерофотознімання, 90, 2019
dc.relation.ispartofGeodesy, cartography and aerial photography, 90, 2019
dc.relation.referencesBardysh, B., & Burshtynska, Kh. (2014). Using of vegetation indices to identify the objects of the earth's surface. Modern achievements in geodetic science and industry, II (28), 82–88 (in Ukrainian).
dc.relation.referencesBochenek, Z., Ziolkowski, D., Bartold, M., Orlowska K., & Ochtyra A. (2017). Monitoring forest biodiversity and the impact of climate on forest environment using high-resolution satellite images. European Journal of Remote
dc.relation.referencesSensing, 51(1), 166–181.
dc.relation.referencesBurshtynska, Kh., Denys, Yu., Madiar, Yu., & Polishchuk, B. (2016). Methods of two-stage classification of forests by high resolution satellite images. Modern achievements in geodetic science and industry, 1, 148–155 (in
dc.relation.referencesUkrainian).
dc.relation.referencesBurshtynska, K., Polishchuk, B., & Madyar, J. (2014). The definition of the area of felling forests by high resolution satellite images. GLL, 3, 43–54.
dc.relation.referencesCeccato, P., Flasse, S., Tarantola, S., Jacquemond, S., & Gregoire, J. (2001). Detecting vegetation water content using reflectance in the optical domain. Remote Sensing of Environment, 77, 22–33.
dc.relation.referencesCherepanov, A. S., & Druzhinina, E. G. (2009). Spectral properties of vegetation and vegetation indices. Geomatika, 3, 28–32 (in Russian).
dc.relation.referencesCherepanov, A. S. (2011). Vegetation indices. Geomatika, 2, 98–102 (in Russian).
dc.relation.referencesDonets, V. V., Brovarets, A. A., & Brovchenko, V. V. (2017). Analysis of the features of field spectral equipment. Kosmichna nauka i tekhnolohiia, 3, 49–63 (in Russian).
dc.relation.referencesFranklin, S. E., Wulder, M. A., Skakun, R. S., & Carroll A. L. (2003). Mountain pine beetle red attack forest damage classification using stratified Landsat TM data in British Columbia, Canada. Photogrammetric Engineering
dc.relation.referencesand Remote Sensing, 69(3), 283–288.
dc.relation.referencesKatz, Ch. (2017). Small Pests, Big Problems: The Global Spread of Bark Beetles. Retrieved from: https://e360.yale.edu/features/small-pests-bigproblems-the-global-spread-of-bark-beetles.
dc.relation.referencesKokhan, S. S., & Vostokov, A. B. (2009). Remote sensing of the Earth: theoretical basis: textbook. Kyiv: Vyshcha shkola, 511 s. (in Ukranian).
dc.relation.referencesKrylov, A. M., Sobolev, A. A., & Vladimirova, N. A. (2011). Identification of bark beetle in the Moscow region using Landsat images. Lesnoy vestnik, 4, 54–60 (in Russian).
dc.relation.referencesKumar, D. (2011). Monitoring Forest Cover Changes Using Remote Sensing and GIS: A Global Prospective. Research Journal of Environmental Sciences, 5, 105–123.
dc.relation.referencesSherbinin, A., Carr, D., Cassels, S., & Jiang L. (2007). Population and environment. Annual Review of Environment and Resources, 32, 345–373.
dc.relation.referencesShpak, A. (2012). Comparative analysis of mountain forest classification methods using RapidEye satellite imagery. Visnyk Astronomichnoi shkoly, 8(2), 212–216 (in Ukranian).
dc.relation.referencesSidelnik, N. YA., Pushkin, A. A., & Kovalevskiy, S. V. (2018). Mapping of damaged forest stands and forestry facilities using satellite imagery and GIS technology. Trudy BGTU, 1, 5–12 (in Russian).
dc.relation.referencesStankevych, S. A., Tytarenko, O. V., & Shkliar, S. V. (2010). Effective processing of field spectrometry data in natural resource tasks. Reports of the National Academy of Sciences of Ukraine, 12, 110–115 (in Ukranian).
dc.relation.referencesState Agency of Forest Resources of Ukraine. Retrieved from: http://dklg.kmu.gov.ua. State Enterprise “Lvivlisozahist”. Retrieved from: https://lvivlisozahyst.co.ua/
dc.relation.referencesTrigg, S. N., Curran, L. M., & McDonald, A. K. (2006). Utility of Landsat 7 satellite data for continued monitoring of forest cover change in protected areas in southeast Asia. Singapore Journal of Tropical
dc.relation.referencesGeography, 27(1), 49–66.
dc.relation.referencesZatserkovnyi, V., Oberemok N., & Yahorlytska K. (2017). Application of GIS and remote sensing technologies in forest coenosis monitoring tasks. Naukoiemni tekhnolohii, 4 (36), 350–357 (in Ukranian).
dc.relation.referencesenBardysh, B., & Burshtynska, Kh. (2014). Using of vegetation indices to identify the objects of the earth's surface. Modern achievements in geodetic science and industry, II (28), 82–88 (in Ukrainian).
dc.relation.referencesenBochenek, Z., Ziolkowski, D., Bartold, M., Orlowska K., & Ochtyra A. (2017). Monitoring forest biodiversity and the impact of climate on forest environment using high-resolution satellite images. European Journal of Remote
dc.relation.referencesenSensing, 51(1), 166–181.
dc.relation.referencesenBurshtynska, Kh., Denys, Yu., Madiar, Yu., & Polishchuk, B. (2016). Methods of two-stage classification of forests by high resolution satellite images. Modern achievements in geodetic science and industry, 1, 148–155 (in
dc.relation.referencesenUkrainian).
dc.relation.referencesenBurshtynska, K., Polishchuk, B., & Madyar, J. (2014). The definition of the area of felling forests by high resolution satellite images. GLL, 3, 43–54.
dc.relation.referencesenCeccato, P., Flasse, S., Tarantola, S., Jacquemond, S., & Gregoire, J. (2001). Detecting vegetation water content using reflectance in the optical domain. Remote Sensing of Environment, 77, 22–33.
dc.relation.referencesenCherepanov, A. S., & Druzhinina, E. G. (2009). Spectral properties of vegetation and vegetation indices. Geomatika, 3, 28–32 (in Russian).
dc.relation.referencesenCherepanov, A. S. (2011). Vegetation indices. Geomatika, 2, 98–102 (in Russian).
dc.relation.referencesenDonets, V. V., Brovarets, A. A., & Brovchenko, V. V. (2017). Analysis of the features of field spectral equipment. Kosmichna nauka i tekhnolohiia, 3, 49–63 (in Russian).
dc.relation.referencesenFranklin, S. E., Wulder, M. A., Skakun, R. S., & Carroll A. L. (2003). Mountain pine beetle red attack forest damage classification using stratified Landsat TM data in British Columbia, Canada. Photogrammetric Engineering
dc.relation.referencesenand Remote Sensing, 69(3), 283–288.
dc.relation.referencesenKatz, Ch. (2017). Small Pests, Big Problems: The Global Spread of Bark Beetles. Retrieved from: https://e360.yale.edu/features/small-pests-bigproblems-the-global-spread-of-bark-beetles.
dc.relation.referencesenKokhan, S. S., & Vostokov, A. B. (2009). Remote sensing of the Earth: theoretical basis: textbook. Kyiv: Vyshcha shkola, 511 s. (in Ukranian).
dc.relation.referencesenKrylov, A. M., Sobolev, A. A., & Vladimirova, N. A. (2011). Identification of bark beetle in the Moscow region using Landsat images. Lesnoy vestnik, 4, 54–60 (in Russian).
dc.relation.referencesenKumar, D. (2011). Monitoring Forest Cover Changes Using Remote Sensing and GIS: A Global Prospective. Research Journal of Environmental Sciences, 5, 105–123.
dc.relation.referencesenSherbinin, A., Carr, D., Cassels, S., & Jiang L. (2007). Population and environment. Annual Review of Environment and Resources, 32, 345–373.
dc.relation.referencesenShpak, A. (2012). Comparative analysis of mountain forest classification methods using RapidEye satellite imagery. Visnyk Astronomichnoi shkoly, 8(2), 212–216 (in Ukranian).
dc.relation.referencesenSidelnik, N. YA., Pushkin, A. A., & Kovalevskiy, S. V. (2018). Mapping of damaged forest stands and forestry facilities using satellite imagery and GIS technology. Trudy BGTU, 1, 5–12 (in Russian).
dc.relation.referencesenStankevych, S. A., Tytarenko, O. V., & Shkliar, S. V. (2010). Effective processing of field spectrometry data in natural resource tasks. Reports of the National Academy of Sciences of Ukraine, 12, 110–115 (in Ukranian).
dc.relation.referencesenState Agency of Forest Resources of Ukraine. Retrieved from: http://dklg.kmu.gov.ua. State Enterprise "Lvivlisozahist". Retrieved from: https://lvivlisozahyst.co.ua/
dc.relation.referencesenTrigg, S. N., Curran, L. M., & McDonald, A. K. (2006). Utility of Landsat 7 satellite data for continued monitoring of forest cover change in protected areas in southeast Asia. Singapore Journal of Tropical
dc.relation.referencesenGeography, 27(1), 49–66.
dc.relation.referencesenZatserkovnyi, V., Oberemok N., & Yahorlytska K. (2017). Application of GIS and remote sensing technologies in forest coenosis monitoring tasks. Naukoiemni tekhnolohii, 4 (36), 350–357 (in Ukranian).
dc.relation.urihttps://e360.yale.edu/features/small-pests-bigproblems-the-global-spread-of-bark-beetles
dc.relation.urihttp://dklg.kmu.gov.ua
dc.relation.urihttps://lvivlisozahyst.co.ua/
dc.rights.holder© Національний університет “Львівська політехніка”, 2019
dc.subjectмоніторинг лісів
dc.subjectзасихання хвойних лісів
dc.subjectдистанційне зондування
dc.subjectкосмічні знімки
dc.subjectвегетаційні індекси
dc.subjectкласифікація
dc.subjectforest monitoring
dc.subjectdrying of coniferous forests
dc.subjectremote sensing
dc.subjectsatellite images
dc.subjectvegetation indices
dc.subjectclassification
dc.subject.udc528.46
dc.subject.udc711.14
dc.titleМоніторинг засихання хвойних лісів Прикарпатського регіону з використанням даних дистанційного зондування
dc.title.alternativeMonitoring of coniferous forest drying in Precarpathian region using remote sensing data
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2019n90_Burshtynska_Kh-Monitoring_of_coniferous_29-40.pdf
Size:
914.48 KB
Format:
Adobe Portable Document Format
Thumbnail Image
Name:
2019n90_Burshtynska_Kh-Monitoring_of_coniferous_29-40__COVER.png
Size:
504.85 KB
Format:
Portable Network Graphics

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.88 KB
Format:
Plain Text
Description: