Application of the Stacking-InSAR method for analyzing changes in forest canopy height

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The brief communication demonstrates the potential for quantitative assessment of forest canopy height dynamics in mature and young pine forests on a plain using the method of weighted summing of time series of unwrapped interferometric phases. The latter were obtained using a modern approach based on cloud computations. By comparing the rates of canopy height growth for the years 2017, 2018, and 2019, it has been confirmed that the growth rate is influenced by the amount of precipitation in May-July of the respective year.

Full Text

Restricted Access

About the authors

V. G. Bondur

AEROCOSMOS Research Institute for Aerospace Monitoring

Author for correspondence.
Email: vgbondur@aerocosmos.info
Russian Federation, Moscow

T. N. Chimitdorzhiev

Institute of Physical Materials Science SB RAS

Email: vgbondur@aerocosmos.info
Russian Federation, Ulan-Ude

A. V. Dmitriev

Institute of Physical Materials Science SB RAS

Email: vgbondur@aerocosmos.info
Russian Federation, Ulan-Ude

Zh. D. Nomshiev

Institute of Physical Materials Science SB RAS

Email: vgbondur@aerocosmos.info
Russian Federation, Ulan-Ude

References

  1. Bondur V.G., Chimitdorzhiev T.N., Dmitriev A.V. Assessment of Anomalous Geodynamics before the 2023 Mw 7.8 Earthquake in Turkey by Stacking-InSAR Method // Izvestiya, Atmospheric and Oceanic Physics, 2023. V. 59. No. 9. P. 1001–1008. doi: 10.1134/S0001433823090037.
  2. Vasil’ev D.Yu., Kucherov S.E., Semenov V.A., Chibilev A.A. Rekonstruktsiya atmosfernykh osadkov po radial’nomu prirostu sosny obyknovennoi na Yuzhnom Urale (Reconstruction of atmospheric precipitation by radial growth of Scots pine in the Southern Urals) // Doklady RAS. Earth Sciences. 2020. V. 490. № 1. P. 37–42. https://doi.org/10.31857/S2686739720010119.
  3. Volkova M.S., Mikhailov V.O., Osmanov R.S. Analiz effektivnosti primeneniya global’noi pogodnoi modeli HRES (GACOS) dlya korrektsii atmosfernykh pomekh v interferometricheskikh otsenkakh polei smeshchenii na primere vulkanov Kamchatki (Analysing the efficiency of the HRES (GACOS) global weather model for correction of atmospheric noise in interferometric estimates of displacement fields on the example of volcanoes in Kamchatka) // Sovremennye Problemy DZZ Iz Kosmosa. 2024. V. 21. № 2. P. 9–22. https://doi.org/10.21046/2070-7401-2024-21-2-9-22.
  4. Dmitriev A.V., Chimitdorzhiev T.N., Dobrynin S.I., Khudaiberdieva O.A., Kirbizhekova I.I. Optiko-mikrovolnovaya diagnostika zaleseniya sel’skokhozyaistvennykh zemel’ (Optical-microwave diagnostics of agricultural land afforestation) // Sovremennye Problemy DZZ Iz Kosmosa. 2022. V. 19. № 4. P. 168–180. https://doi.org/10.21046/2070-7401-2022-19-4-168-180.
  5. Ivanov V.V., Borisov A.N., Petrenko A.E. Optimizatsiya gustoty sosnovykh drevostoev vostochnogo Pribaikal’ya (Optimization of pine stand density in the Eastern Cis-Baikalia) // Sibirskij Lesnoj Zurnal. 2018. № 5. P. 54–61. https://doi.org/10.15372/SJFS20180505.
  6. Chimitdorzhiev T.N., Dmitriev A.V., Kirbizhekova I.I., Sherkhoeva A.A., Baltukhaev A.K., Dagurov P.N. Distantsionnye optiko-mikrovolnovye izmereniya parametrov lesa: sovremennoe sostoyanie issledovanii i eksperimental’naya otsenka vozmozhnostei (Remote optical-microwave measurements of forest parameters: modern state of research and experimental assessment of potentials) // Sovremennye Problemy DZZ Iz Kosmosa. 2018. V. 15. № 4. P. 9–26. https://doi.org/10.21046/2070-7401-2018-15-4-9-24.
  7. Bondur V.G., Chimitdorzhiev T.N., Dmitriev A.V. The Induced Seismicity Effect in Morocco Caused by a Reduced Aquifers Volume according to Stacking-InSAR Method and Gravimetric Data // Dokl. Earth Sc. 2024. V. 517. P. 1269–1275. https://doi.org/10.1134/S1028334X24601809.
  8. ERA5-Land Daily Aggregated, 2024, [Электронный ресурс], URL: https://developers.google.com/earth-engine/datasets/catalog/ECMWF_ERA5_LAND_DAILY_AGGR (дата обращения 20 июня 2024).
  9. Hogenson K., Kristenson H., Kennedy J., Johnston A., Rine J., Logan T., Zhu J., Williams F., Herrmann J., Smale J., Meyer F. Hybrid Pluggable Processing Pipeline (HyP3): A cloud-native infrastructure for generic processing of SAR data. Zenodo, Oct. 20, 2020. https://doi.org/10.5281/zenodo.6917373.
  10. Imhoff M.L. Radar backscatter and biomass saturation: ramifications for global biomass inventory // IEEE Trans. Geosci. Remote Sens. 1995. V. 33. No. 2. P. 511–518. https://doi.org/10.1109/TGRS.1995.8746034.
  11. Solberg S., Næsset E., Gobakken T., Bollandsås O-M. Forest biomass change estimated from height change in interferometric SAR height models. // Carbon Balance Manage. 2014. V. 9. No. 5. https://doi.org/10.1186/s13021-014-0005-2.
  12. Yu C., Li Z., Penna N.T. Triggered afterslip on the southern Hikurangi subduction interface following the 2016 Kaikōura earthquake from InSAR time series with atmospheric corrections // Remote Sensing of Environment. 2020. V. 251. P. 112097. https://doi.org/10.1016/j.rse.2020.112097.
  13. Zakharov A.I., Zakharova L.N., Chimitdorzhiev T.N. X-band SAR interferometry for forest dynamics detection. // International Geoscience and Remote Sensing Symposium (IGARSS): 36, Advancing the Understanding of our Living Planet. Beijing, 2016. P. 5975–5977. https://doi.org/10.1109/IGARSS.2016.7730561.
  14. Zhang L., Dai K., Deng, J. Ge D., Liang R., Li W., Xu Q. Identifying Potential Landslides by Stacking-InSAR in Southwestern China and Its Performance Comparison with SBAS-InSAR // Remote Sensing. 2021. V. 13. P. 3662. https://doi.org/10.3390/rs13183662.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Location of the test site and the state of forest cover in the image from the ALOS-1 AVNIR-2 multispectral camera, obtained on July 16, 2007 (channels 4-2-1).

Download (886KB)
Indexing metadata
3. Fig. 2. Field of pine growth rates during the growing season: a – 2017, b – 2018, c – 2019.

Download (879KB)
Indexing metadata
4. Fig. 3. Pine growth rates along the ABCD profile during the growing season in different years.

Download (268KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

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

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

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

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

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

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

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

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

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

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

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