Possibilities of Determining Quantitative and Qualitative Characteristics of Mixed Forest Stands Using Sentinel-1 Imagery

Cover Page

Cite item

Full Text

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

Abstract

The paper presents studies on using Sentinel-1 imagery data to determine attributes of mixed forest stands. The fieldwork was carried out on the territory of the Kostroma, Vologda, Arkhangelsk regions, the Udmurt Republic. The study revealed that quantitative and qualitative forest characteristics correlate with radar survey parameters; the value of this correlation was identified. The obtained results enabled to make study area zoning the according to the standing volume and forest density.

About the authors

V. M. Sidorenkov

All-Russian Research Institute for Silviculture and Mechanization of Forestry

Email: pipintook@yandex.ru
Russia, Pushkino

V. N. Kositsyn

Federal Forestry Agency

Email: pipintook@yandex.ru
Russia, Moscow

L. A. Badak

Russian Space Systems

Email: pipintook@yandex.ru
Russia, Moscow

D. O. Astapov

All-Russian Research Institute for Silviculture and Mechanization of Forestry

Email: pipintook@yandex.ru
Russia, Pushkino

I. S. Achikolova

All-Russian Research Institute for Silviculture and Mechanization of Forestry

Author for correspondence.
Email: pipintook@yandex.ru
Russia, Pushkino

References

  1. Захаров А.И., Захарова Л.Н. Сезонные вариации отражательных свойств подстилающих покровов по территории Подмосковья по данным радиолокатора PALSAR // Тезисы докладов XXII открытой Всероссийской конференции “Современные проблемы дистанционного зондирования Земли из космоса” (Москва, 10–14 ноября 2014г.) М: ИКИ РАН, 2014.
  2. Захаров А.И., Яковлев О.И., Смирнов В.М. Спутниковый мониторинг Земли: Радиолокационное зондирование поверхности. М.: КРАСАНД, 2012. 248 с.
  3. Кирбижекова И.И., Чимитдоржиев Т.Н., Гармаев А.М., Гусев М.А. Применение радиолокационных данных для картографирования биомассы лесной растительности в условиях сложного рельефа // Изв. высших учебных заведений. Физика. 2013. № 82. Т. 56. С. 201–202.
  4. Костылев А.Г. Оценка эффективности фильтров в задачах обработки изображений в условиях помех // Вестник Московского государственного университета леса. 2009. № 6. С. 4–17.
  5. Моисеев Н.А., Мартынюк А.А., Мураев И.Г., Гиряев М.Д. О концепции современного лесоустройства в России // РОСЛЕСИНФОРГ – 80 лет служения лесу. Материалы конференции. М.: ФГБУ “Рослесинфорг”. 2017. С. 22–29.
  6. Рафаилов М.К., Мартынюк А.А. Стратегическое планирование в лесном хозяйстве России на уровне субъектов Российской Федерации // Вестник Поволжского государственного технологического университета. Серия: Экономика и управление. 2016. № 3(31). С. 38–50.
  7. Руководство пользователя Envi 5.1. М.: Совзонд. 242 с.
  8. Сидоренков В.М., Кушнырь О.В., Бадак Л.А., Астапов Д.О., Букась А.В. Возможности таксации лесов на основе данных радиолокационной спутниковой съемки // Исслед. Земли из космоса. 2021. № 5. С. 72–84.
  9. Сидоренков В.М., Астапов Д.О., Бадак Л.А., Ачиколова Ю.С. Возможности таксации лесов на основе данных радиолокационной спутниковой съемки на примере ленточных боров Алтайского края // Современные проблемы дистанционного зондирования Земли из космоса / Под ред. Е.А. Лупяна, О.Ю. Лавровой. М.: ИКИ РАН, 2021. С. 329.
  10. Цыдыпов Б.З., Кирбижекова И.И., Доржиев Б.Ч., Очиров О.Н. Определение биомассы леса с использованием спутниковых радарных данных // Вестник Бурятской государственной сельскохозяйственной академии им. В.Р. Филиппова. 2010. № 3. С. 79–86.
  11. CISL RDA: NCEP GFS 0.25 Degree Global Forecast Grids Historical Archive // Электронный ресурс (дата обращения: 11.01.2022).
  12. Frost V.S., Stiles J.A., Shanmugan K.S., Holtzman J.C. A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1982. T.: PAMI-4. № 2. P. 157–166.
  13. Hoscilo A., Lewadowska A., Ziolkowski D., Sterenczak K., Lisanczuk M., Schmullius C., Pathe C. & IEEE (2018): Forest aboveground biomass estimation using a combination of Sentinel-1 and Sentinel-2 data, IGARSS 2018, New York, P. 9026−9029.
  14. Kuplish T.M., Curran P.J. Temporal analysis of JERS-1/SAR images over regenerating forests in Brazilian Amazonia // Proceedings of IGARSS-99, Hamburg, Germany, 28 June–2 July 1999.
  15. Le Toan T., Beadoin A., Riom J., Guyon D. Relating forest biomass to SAR data., IEEE Transaction on geoscience and remote sensing. V. 30. № 2. March 1992.
  16. Ulaby F.T., El-Rayes M.A. Microwave dielectric spectrum of vegetation – Part II: Dual-dispersion model // IEEE Transactions on Geoscience and Remote Sensing. 1987. GE-25(5). P. 550–557.
  17. Lukman A., Groom G., Baker J. Forest age discrimination from texture measures of SAR Imagery. Proceedings of IGARSS-94, Passadena, California, 8-12 August 1994.
  18. MacDonald K.C., Zimmermann R., Way J.B., Rigno E. Characterization of canopy physiology at boreas with SAR // Proceedings of IGARSS-94, Passadena, California, 8–12 August, 1994.
  19. Pulliainen J., Engdahl M., Hallikainen M. Feasibility of multi-temporal interferometric SAR data for stand-level estimation of boreal forest stem volume // Remote Sensing of Environment. 2003. V. 85. № 4. P. 397–409.
  20. Pulliainen J., Mikkela P., Heiska K., Koskinen J., Hallikainen M. Seasonal effects on C- and X-band backscattering properties of Finnish boreal forests // Proceedings of IGARSS-94, Passadena, California, 8–12 August, 1994. P. 238–240.
  21. Salepci N., Eckardt R., Richter N. Speckle Filtering. Basics, Concepts & Techniques // Germany: Friedrich-Schiller-Universität Jena, 2017.
  22. Santoso A.W., Bayuaji L., Sze L.T. Comparison of various speckle-noise reduction filters on synthetic aperture radar image // International J. Applied Engineering Research. 2016. V. 11. № 15. P. 8760–8767.
  23. Wahyu H.G.A., Ade F.S.P., Haeydar A.H. Performance of various speckle filter methods in modeling forest aboveground biomass using Sentinel-1 data: a case study of Barru Regency, South Sulawesi // Sixth Geoinformation Science Symposium. International Society for Optics and Photonics, Yogyakarta, Indonesia 2019. V. 1131. P. 113–110.

Supplementary files


Copyright (c) 2023 В.М. Сидоренков, В.Н. Косицын, Л.А. Бадак, Д.О. Астапов, Ю.С. Ачиколова

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».