WWW.KONF.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Авторефераты, диссертации, конференции
 

Pages:   || 2 | 3 | 4 |

«ОЦЕНКА И МОНИТОРИНГ ЛЕСНОГО ПОКРОВА ПО СПУТНИКОВЫМ СНИМКАМ СРЕДНЕГО И ВЫСОКОГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ (НА ПРИМЕРЕ СРЕДНЕГО ПОВОЛЖЬЯ) ...»

-- [ Страница 1 ] --

Федеральное государственное бюджетное образовательное

учреждение высшего профессионального образования

«Поволжский государственный технологический университет»

На правах рукописи

Губаев Александр Владимирович

ОЦЕНКА И МОНИТОРИНГ ЛЕСНОГО ПОКРОВА ПО СПУТНИКОВЫМ

СНИМКАМ СРЕДНЕГО И ВЫСОКОГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ (НА ПРИМЕРЕ СРЕДНЕГО ПОВОЛЖЬЯ)



06.03.02 – «Лесоведение, лесоводство, лесоустройство и лесная таксация»

Диссертация на соискание ученой степени кандидата сельскохозяйственных наук

Научный руководитель доктор сельскохозяйственных наук, проф. Э.А. Курбанов Йошкар-Ола – 2015

ОГЛАВЛЕНИЕ

Введение ……...…………………………………………………..……… 4

1. Состояние вопроса исследований ….………………………………

1.1 Тематическое картирование по данным AVHRR……………..…… 11

1.2 Тематическое картирование по снимкам MODIS ……………….. 17

1.3 Тематическое картирование по данным Landsat…………………... 25 Выводы к главе 1……………..……………...…………………………… 31

2. Природные условия и лесной фонд Республики Марий Эл …… 34

2.1 Территория …………………………………………………………… 34

2.2 Климат ………………………………………………………………... 35

2.3 Почвенные условия …………………………………………………. 37

2.4 Лесорастительное и лесохозяйственное районирование ……......... 39

2.5 Типы лесов …………………………………………………………..

2.6 Распределение насаждений основных лесообразующих пород…... 43 Выводы к главе 2 …………………….………………………………….. 46

3. Программа и объекты исследований ……………………............... 48

3.1 Программа исследований …………………………………………… 48

3.2 Объект исследования ………………………………………………... 49

3.3 Методика закладки тестовых участков ……………………………..

4. Методика пошаговой классификации наземного покрова по спутниковым снимкам …………………………………………………

4.1 Предварительная подготовка изображения ……………………….. 53

4.2 Классификаторы и тип наземного покрова ……………………….. 57

4.3 Тематическая классификация спутниковых изображений ………. 65

4.4 Генерализация растровой тематической карты……………………. 71

4.5 Оценка точности тематических карт ………………………………. 73

4.6 Валидация тематической карты наземного покрова Landsat по данным лесоустройства в среде ArcGis 10.3 …………………………

4.7 Модули для сравнения и оценки точности тематических карт…… 85

5. Тематическое картирование лесов по спутниковым снимкам 90

5.1 Анализ разделимости спектральных классов лесного покрова…… 90

5.2 Мониторинг и анализ данных классов наземного покрова ……….. 96

5.3 Валидация и оценка точности тематических карт ………………. 102 5.3.1 Сравнение полученных карт со снимками высокого разрешения ……………………………………………………………… 5.3.2 Сравнение полученных карт с данными лесоустройства ……… 108 5.3.3 Cравнение тематических карт Landsat 2001 г. и 2014 с глобаль

–  –  –

Актуальность темы исследования. Вопросы приведения к единообразию и автоматизация дешифрирования лесного покрова России на основе данных дистанционного зондирования приобретают все большее значение в связи с ростом численности используемых российских и зарубежных спутников. Кроме того, наличие большого количества разработанных карт растительного покрова разного пространственного разрешения требуют разработки алгоритмов оценки их сопоставимости и точности, что может способствовать повышению эффективности лесоустроительных работ. Развитию дистанционного мониторинга для инвентаризации лесов придается приоритетное направление в нескольких государственных директивных документах: «Стратегия развития лесного комплекса Российской Федерации на период до 2020 года» (2008), Федеральной целевой программе "Снижение рисков и смягчение последствий чрезвычайных ситуаций природного и техногенного характера в Российской Федерации до 2015 года" (2011), «Лесной кодекс» (2006) и «Методические рекомендации по проведению государственной инвентаризации лесов» (2011). Приоритетным направлением в использовании, охране, защите и воспроизводстве лесных ресурсов, обеспечивающих устойчивое управление лесами, является также развитие международного сотрудничества, в том числе на региональном уровне, создании информационной базы данных, содержащей передовой опыт управления.

В связи с этим разработанная методика классификации, а также алгоритм сопоставимости и оценки точности различных тематических карт лесного покрова имеют большое научно-практическое значение в осуществлении автоматизированного мониторинга за состоянием и динамикой лесов, что также определяет актуальность проведенных работ.





Использование данных современных спутниковых систем позволит значительно повысить уровень достоверности и оперативности проводимых оценок лесного фонда. Результаты исследования также позволят проводить валидацию оценок лесного покрова на континентальном и глобальном уровнях на основе базы тестовых региональных данных и использованием унифицированных алгоритмов распознавания различных классов лесных насаждений.

Степень разработанности темы исследования. Вопрос картирования растительного покрова различных регионов мира широко изучен учеными из США, Китая и Европы. Об этом свидетельствует проведенный нами анализ научных публикаций. Подобные исследования различаются методикой классификации спутниковых изображений и глобальными базами данных по валидации разрабатываемых тематических карт. Положительным моментом этих исследований является использование одинакового набора классов растительного покрова, что позволяет проводить сравнение существующих карт разных авторов. Для этих целей также используется комбинация различных индексов вегетации и спектральные яркости спутниковых изображений, индекса листовой поверхности лесных экосистем. В Российской Федерации исследования растительного покрова стали проводиться в основном с начала 90-х годов на основе зарубежных спутниковых данных (NOAA, Landsat, SPOT и т.п.). В последние годы в лесной отрасли начинают также активно использоваться снимки высокого пространственного разрешения с отечественных спутников (Ресурс-П, Канопус-В), что является важным показателем импортозамещения в высокотехнологичной области космических исследований.

Несмотря на большое количество публикаций по тематическому картированию на глобальном уровне, региональные оценки лесного покрова в России остаются недостаточно проработанными при решении проблем мониторинга и валидации создаваемых карт путем совмещения данных среднего и высокого разрешений. В данной диссертационной работе были решены все поставленные задачи с высокой детальной проработкой методики исследований, разработкой алгоритма оценки точности тематического картирования и рекомендаций по использованию результатов в научно-практической деятельности.

Цель и задачи исследований. Главная цель работы – разработать методику оценки и дистанционного мониторинга текущих изменений в лесном покрове по разновременным спутниковым снимкам среднего и высокого пространственного разрешений, для выполнения которой решаются следующие задачи:

Провести анализ существующих подходов в области исследований по данным дистанционного зондирования типов лесного покрова.

Разработать методику пошаговой классификации лесного покрова по спутниковым снимкам на основе подходов международных организаций ФАО, НАСА и российской ГИЛ (Государственная инвентаризация лесов).

Провести оценку точности классификации спутниковых снимков и валидацию полученных результатов с независимыми данными по лесному фонду исследуемого региона.

На основе разработанной методики создать тематические карты и базы данных в ГИС на примере лесного покрова Марийского Заволжья.

Научная новизна работы. Впервые на региональном уровне усовершенствована и апробирована методика оценки лесного покрова на основе обширной базы полевых данных и композитов спутниковых снимков, классифицированных в программных пакетах ENVI-5.3 и ArcGIS-10.3. Получены закономерности разделимости 14 классов наземного покрова от спектральных сигнатур снимков спутника Landsat в пространстве признаков. Создана база спектральных сигнатур растительного покрова на изучаемый регион Среднего Поволжья. Проведена оценка точности созданных тематических карт на основе сети тестовых участков, расположенных на изучаемой территории. Разработанная методика позволяет проводить совмещение карт разного пространственного разрешения, полученных на основе данных спектрорадиометров Landsat TM и ETM+, а также MODIS и AVHRR. Полученные в диссертационной работе результаты внесут дальнейший вклад в развитие теории тематического картирования растительного покрова и практику дистанционного мониторинга лесов.

Теоретическая и практическая значимость работы. Зависимости, алгоритмы и модели, полученные в результате исследований на основе спутниковых данных среднего и высокого пространственного разрешения, вносят значительный вклад в теорию и повышение точности автоматизированного дешифрирования (классификации) лесного покрова. Полученные материалы и легенда классов наземного покрова, совмещенные со стратами лесного покрова ГИЛ, могут быть использованы в качестве теоретической базы при обосновании работ по дистанционному мониторингу и устойчивому управлению лесами.

Результаты исследований внедрены в деятельность лесничеств и министерства лесного хозяйства Республики Марий Эл и Чувашии (приложение 1-4). Разработанные тематические карты и данные спектральных сигнатур стали составной частью региональной базы данных «Database_CSFM-2.0» (приложение 5), а также приняты в качестве базовых в рамках международной инициативы NEESPI и проекта NELDA по изучению Северной Евразии. Результаты работы могут быть использованы при осуществлении лесного мониторинга, реализации лесохозяйственных мероприятий по повышению продуктивности, сохранению (приумножению) биоразнообразия и комплексному использованию лесных ресурсов, создании баз данных по запасам углерода в лесах России. Практические и теоретические результаты диссертационной работы внедрены в НИР и учебный процесс во ФГБОУ ВПО «ПГТУ» (приложение 6).

Методы исследования. Полевые исследования лесных насаждений, метод классификации и распознавания объектов наземного покрова по спутниковым снимкам среднего и высокого пространственного разрешения, методы математической статистики и оценки точности классификации спутниковых снимков, многофакторное линейное и нелинейное моделирование, спектральное преобразование снимков методом Tasseled Cap («колпачок с кисточкой»).

Положения, выносимые на защиту:

– закономерности распределения тематических классов (страт) лесного покрова по спектральным сигнатурам спутниковых изображений Landsat в пространстве признаков;

– метод распознавания типов лесного покрова на основе анализа пошаговой классификации спутниковых изображений разного пространственного разрешения для решения задач регионального тематического картирования;

– алгоритм оценки точности тематических карт лесов по независимым тестовым участкам, материалам лесоустройства, глобальным и региональным картам наземного покрова.

Степень достоверности и апробация результатов. Исследование базируется на обширном экспериментальном материале 725 тестовых участков, репрезентативно представляющих объект исследования. В работе применяется комплексный подход к реализации поставленных задач, используются выверенные математические модели и широко известные геоинформационные программные пакеты. Достоверность полученных данных также подтверждена соответствующими статистическими критериями, использованием современных методов обработки и интерпретации полученных результатов.

Основные положения и результаты диссертационной работы представлены на ежегодных конференциях профессорско-преподавательского состава Поволжского государственного технологического университета (Йошкар-Ола, 2010на международной конференции в Италии “ENVISAT-2014” (Рива Дель Гарда, 2014); на международной конференции NASA и GOFC-GOLD/NEESPI «Влияние аномальной погоды на природные, социально-экономические и искусственные системы: засуха 2010 г. в Поволжье России» (Йошкар-Ола, 2012 г.); на V международной конференции компании Совзонд «Космическая съёмка – на пике высоких технологий» (Москва, 2011 г.); на международной конференция с элементами научной школы для молодежи экосистемы в условиях изменеЛесные ния климата: биологическая продуктивность, мониторинг и адаптационные технологии» (Йошкар-Ола, 2010 г.); на международной конференции «Международное сотрудничество в лесном секторе: баланс образования, науки и производства»

(Йошкар-Ола, 2009 г.).

По теме диссертации и разработок опубликована 21 работа, в том числе 10 в изданиях, рекомендованных ВАК.

Работа выполнена в рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы ГК № 02.740.11.5202 Министерства образования и науки Российской Федерации «Региональная оценка методов картирования растительного покрова по спутниковым снимкам», ГК № 02.740.11.0838 «Разработка и реализация алгоритмов передачи, обработки и анализа данных дистанционного зондирования лесных покровов для автоматических расчетов фитомассы растительности и пулов углерода», ГК № 14.B37.21.1245 «Дистанционный мониторинг и прогнозирование состояния лесных насаждений по спутниковым снимкам», тематического плана Министерства науки и образования РФ на 2012-2014 гг. «Оценка, мониторинг и прогнозирование биологической продуктивности лесов по данным спутниковой съемки», «Дистанционный мониторинг устойчивости лесных экосистем» в рамках государственного задания в сфере научной деятельности Министерства образования и науки Российской Федерации на 2014-2016 гг.

Личный вклад автора. Автор непосредственно участвовал в сборе полевого материала, подборе и обработке спутниковых изображений, составлении методики исследований, интерпретации полученных результатов, их анализе и обобщении, оценке точности тематического картирования, сформулировал выводы и предложения производству. В работе также были использованы материалы Центра устойчивого управления и дистанционного мониторинга лесов (ЦУДМЛ) ФГБОУ ВПО «Поволжского государственного технологического университета».

В ходе исследования соискателем совместно с сотрудниками ЦУДМЛ, а также аспирантами и магистрантами факультета лесного хозяйства и экологии ФГБОУ ВПО «ПГТУ» были заложены и описаны 450 тестовых участков в различных лесных насаждениях исследуемого региона.

Структура и объем работы. Диссертация, объемом 160 страниц машинописного текста, состоит из введения, 4 глав, заключения и приложений. Список использованной литературы включает 158 наименований, в том числе 96 иностранных. Текст иллюстрирован 21 таблицей, 35 рисунками, 16 приложениями.

1 Состояние вопроса исследований

Прогресс в изучении глобальных изменений, выполнение международных конвенций, успешное управление природными ресурсами и широкий диапазон программ развития и финансовой помощи требуют более совершенных карт наземной растительности с обоснованной точностью. Особенно это актуально для Северной Евразии, на территории которой заметны последствия глобального изменения климата, включая изменения в структуре растительности, продолжительности периода вегетации, распространения снежного покрова и вечной мерзлоты (Kurbanov and Post, 2002; Turner et al., 2003; Krankina et al., 2004; Chapin et al., 2004; Демаков и др., 2009; Фомин и др., 2007; Замолодчиков, 2009). Надежные данные о растительном покрове земли и его изменениях критически необходимы для решения целого ряда важных научных проблем от влияния землепользования на глобальный цикл углерода, энергообмен на поверхности земли и водный баланс до влияния климата на продуктивность растительности и нарушения ее покрова с целью понимания социальных и экологических причин и последствий таких изменений (Изменение климата…, 2001; Усольцев, 2007). Понимание процессов антропогенного влияния на землепользование и возможности мониторинга за изменениями во времени и пространстве может позволить обоснованно принимать решения по снижению последствий влияния изменения климата на планету и человека, а также обеспечивать устойчивое развитие (Курбанов, 2002).

В течение последних трех десятилетий произошло существенное увеличение числа космических спутников и программных средств, обеспечивающих уникальную информацию и методы для работы с тематической информацией о состоянии земного покрова (Bartholome and Belward, 2005; Soudani et al., 2006; Julien et al., 2006; Chand et al., 2007; Zhang et al., 2007; Колесникова, Черепанов, 2009;

Ran et al., 2010; Alrababah et al., 2011; Савин и др., 2011). Данные Landsat позволили повысить точность прогнозирования и мониторинга за многочисленными процессами на Земле. Поэтому в последние годы наблюдается увеличение спроса на архивную базу данных USGS Landsat. В частности, эти снимки широко используются для оценки и мониторинга за изменениями в атмосфере, поверхности океанов, полярных территорий, сельскохозяйственных земель, городских территорий, пустынь и горных массивов. Изображения с системы спутников Landsat также широко востребованы научными коллективами, занимающимися тематическим картированием и мониторингом растительного покрова (Курбанов и др., 2014).

1.1 Тематическое картирование по данным AVHRR

На уровне низкого пространственного разрешения (1 км) карта глобального растительного покрова была создана центром Eros Data (USGS), расположенного в университете Мериленд (Loveland et al., 2000). Отчет международной программы по изучению геосферы и биосферы (IGBP - International Geosphere–Biosphere Programme) о перспективе интегрированного подхода в изучении глобальных изменений свидетельствовал о том, что существующие данные о наземном покрове земли являются недостаточными для поддержки планируемых исследований по программе (IGBP, 1990). В отчете сказано, что в то время как наземные данные представляют собой один из важных и универсальных источников для оценки и картирования земных ресурсов, они не являются доступными на долгосрочной основе и в такой спецификации, которая необходима для многочисленных проектов в области окружающей среды и глобальных изменений. Это привело к активной работе над созданием глобального набора данных характеристик наземного покрова. Кроме того, для целей глобального картирования в программах национальных и континентальных масштабов было рекомендовано использовать данные AVHRR (Advanced Very High Resolution Radiometer) системы спутников NOAA (National Oceanic and Atmospheric Administration) США с разрешением 1 км. Например, для прогноза погоды, оценки пожароопасной ситуации, планировании разработки ресурсов и установлении стандартов качества воздушной среды.

Первые попытки создания глобальной базы наземных данных, которые до настоящего времени широко используются в проектах по оценке окружающей среды, были предприняты рядом американских ученых (Matthews, 1983; Olson et al.,1985; Wilson and Henderson-Sellers, 1985; DeFries et al., 1995). Краткие характеристики этих глобальных баз данных приведены в таблице 1.1.

Leemans и др. (1996) провели сравнение существующих оценок наземных данных на основе 18 классов, представляющих основные биомы планеты. Статистики Каппа в этом сравнительном анализе показали слабое или умеренное соответствие между всеми картами глобальных наземных данных. Наибольшее соответствие показали классы, расположенные на значительных площадях, такие как пустыни, бореальные и тропические леса. Большое различие было выявлено в методике классификации экотонов и более мелких биомов в анализируемых базах данных наземного покрова, полученных на основе снимков низкого разрешения.

–  –  –

В дальнейшем данные радиометра AVHRR с пространственным разрешением 1 км стали широко использоваться для оценки растительного покрова и на локальном уровне. Fleischmann и Walsh (1991) использовали семь изображений нормализованного вегетационного индекса NDVI (Normalized Difference Vegetation Index) для оценки пяти классов наземного покрова территории штата Северная Каролина методом неуправляемой классификации. Точность классификации варьировала от 63,6% для классов сосновых насаждений и пастбищ, до 57,9% для чистых хвойных насаждений и 22% для сельскохозяйственных культур.

Загрузка...

Оценку наземного покрова штата Калифорния США провел коллектив ученых под руководством McGwire (1992). Картирование растительного покрова Республики Сенегал проведено методом управляемой классификации, дополненной кластерной классификацией на основе канонического анализа соответствий (Frederiksen and Lawesson, 1992). Лесной покров Республики Мадагаскар был изучен на основе трех сцен AVHRR (два сухих сезона и один влажный) путем стратификации территории на 4 сегмента с последующей классификацией каждого сегмента с применением процедуры много кластерного блока (Nelson and Horning, 1993).

Сравнение карты лесного покрова AVHRR с ранними данными мультиспектрального сканера Landsat MSS показали их высокую степень соответствия (81%).

Важным этапом развития картирования наземного покрова с помощью радиометра AVHRR явился проект IGBP-DIS (International Geosphere-Biosphere Programme Data and Information System), который предполагал ежедневное обновление наземных данных и создание архивной базы данных (Townshend, 1994; Eidenshink and Faundeen, 1994). В IGBP-DIS участвовали Международный комитет по спутникам наблюдения Земли CEOS (Committee on Earth Observations Satellites), NASA, NOAA (National Oceanic and Atmospheric Administration) и Европейское космическое агентство ESA (European Space Agency).

Ученые USGS (United States Geological Survey) и совместный исследовательский центр ЕС (Италия) создали глобальную базу данных с пространственным разрешением 1 км характеристик наземного покрова для широкого диапазона континентальных и глобальных исследований (Loveland et al., 2000). Этот проект положил в основу предыдущие разработки программы IGBP. Глобальная база данных (IGBP DISCover global land cover product), состоящая из 17 классов наземного покрова, была создана методом неуправляемой классификации каждого континента Земли в отдельности на композитах NDVI 1992-1993 гг. радиометра AVHRR (рисунок 1.1).

Рисунок 1.1 Глобальная карта наземного покрова IGBP DISCover, выполненная по спутниковым снимкам NOAA/AVHRR Для устранения пространственно-временных наложений между различными типами наземного покрова потребовалась последующая обширная пост классификационная стратификация полученной карты.

Конечный вариант карты состоит из 961 регионов, содержащих данные о наземном покрове, сезоне и относительной биологической продуктивности растительности.

Китайские ученые использовали данные лесоустройства и серию снимков NDVI NOAA/AVHRR для оценки запасов углерода в биомассе лесов и её динамики c 1982 по 1999 гг. в северо-восточной части Китайской республики (Tan et al., 2007). Средний запас углерода в биомассе лесов исследуемого региона составил 2,1 Гт С, а плотность углерода (запас C на га) достигает 44,65 т С га-1. Как видно из тематической карты1 (Рисунок 1.2) наибольшие запасы углерода расположены в восточной части горного массива Чангбай, в котором преобладают смешанный хвойно-лиственные насаждения.

б) a)

Рисунок 1.2 Распределение лесов и запасов углерода в биомассе лесов северовосточной части Китая:

а) три основные группы лесов: хвойные, представленные в основном лиственницей Гмелина (Larix gmelinii); смешанные хвойно-лиственные насаждения с преобладанием Сосны кедровой корейской (Pinus koraiensis); лиственные с преобладанием дуба монгольского (Quercus mongolica) и березы плосколистной (Betula platyphylla),

б) пространственное распределение запасов углерода за период 1982-1999 гг.

географическая карта, содержание которой определяется какой-либо конкретной темой. В лесной отрасли тематическое картирование предусматривает лесные насаждения.

На основе спутниковых данных NOAA/AVHRR получен анализ динамики изменений состояния вегетационного покрова территории Казахстана (Спивак и др., 2001). Методика исследований базировалась на анализе многолетнего распределения спутниковых интегральных и дифференциальных индексов вегетации, показывающих динамику изменения состояний растительного покрова. Проведенные работы позволили идентифицировать зоны с низким уровнем вегетации на территории степной зоны Казахстана.

Разработчики программы оценки лесных ресурсов ФАО ООН также использовали глобальный набор данных карт лесного покрова, полученных на основе нормализованного вегетационного индекса NDVI (Normalized Difference Vegetation Index) AVHRR (FAO, 2001). В следующем отчете для оценки лесного покрова ФАО (FAO, 2006) использовала карты растительного покрова, разработанные на основе спутниковых данных SPOT Vegetation сотрудниками JRC (Joint Research Centre) программы «Глобальный мониторинг окружающей среды» (JRC, 2003). В этом отчете представлены данные о запасах древесины, биомассе и депонированном углероде в лесах 229 стран и территорий, полученные на основе уменьшения масштаба карт JRC с национального до глобального уровня (Kindermann et al., 2008).

Ученые Европейского института леса (Paivinen et al., 2009) провели исследование по картированию запасов лесного покрова стран Европейского Союза на основе комбинирования спутниковых данных NOAA-AVHRR и данных национальной инвентаризации этих стран. Результаты исследования свидетельствуют о том, что разработанные карты лесного покрова позволяют пропорционально распределить статистику регионального лесного покрова по площадям лесов, представленных в пределах каждого пикселя NOAAAVHRR. На рисунке 1.3 представлена карта распределения запасов хвойных и широколиственных лесов Европы, полученная в рамках этих исследований.

Рисунок 1.3 Общий запас растущего леса Европы, полученный по данным 63 сцен спутника NOAA-AVHRR за 1996-1998 гг.

и данным национальных инвентаризаций и ФАО (Paivinen et al., 2009)

1.2 Тематическое картирование по снимкам MODIS В то время как на основе анализа данных AVHRR было проведено много важных научно-прикладных исследований глобального и регионального масштабов, появление спектрорадиометра MODIS (Moderate resolution imaging spectroradiometer) с улучшенными спектральными, пространственными, геометрическими и радиометрическими характеристиками позволило обеспечить принципиально новые возможности для тематического картирования наземного покрова. Спектрорадиометр MODIS является одним из ключевых инструментов на борту американских спутников серии Terra и Aqua.

MODIS имеет 36 спектральных каналов с 12-битным радиометрическим разрешением в видимом, ближнем, среднем и тепловом инфракрасном диапазонах. На основе этих данных можно ежедневно получить вегетационные индексы для отдельных участков лесных насаждений. Это позволяет использовать данные MODIS для решения разнообразных задач (динамика наземных экосистем, мониторинг лесных пожаров, паводков и т.п.) (Pouliot, et al. 2014).

Рабочая группа NASA MODIS выпустила глобальную тематическую карту наземного покрова с пространственным разрешением 1 км (Friedl et al., 2002), включающую динамику растительного покрова (phenology) и процент покрытия земной поверхности древесным пологом (VCF) (Hansen et al., 2003, 2004). При создании глобальной карты рабочая группа использовала несколько систем классификации, основанные преимущественно на методике IGBP. В этих исследованиях управляемая классификация явилась основным методом для обработки глобальных данных MODIS. В дополнение к классу IGBP для каждого пикселя полученная тематическая карта земного покрова MODIS обеспечила несколько дополнительных параметров, включающих оценку точности классификации по маркерам IGBP и прогнозирование наиболее вероятного альтернативного класса. Полученные результаты на основе мультивременных данных (5 месяцев) MODIS прошли сравнение с данными тематических карт, полученных на основе AVHRR и Landsat TM. Визуальный анализ показывает существенные различия между этими тематическими изображениями наземного покрова. Как видно из рисунка 1.4 снимки MODIS демонстрируют более высокую пространственную детализацию наземных объектов на тематической карте тихоокеанского побережья северозапада США, чем данные AVHRR. Эти различия особенно проявляются в лесной и аридной зоне восточной части спутниковой сцены (рисунок 1.4).

Другое исследование рассматривает (Lunetta et al., 2006) использование разновременного (16 дней) композита индекса NDVI (Normalized Difference Vegetation Index) спектрорадиометра MODIS для обеспечения автоматического выявления изменений в городских районах США. Точность распознавания снимков была выполнена с коэффициентом Каппа равным 0,67. Основные результаты в оценке смены объектов наземного покрова получены для несельскохозяйственных земель.

–  –  –

Авторы исследования показали в динамике, что за четыре года (2002по снимкам MODIS хорошо выделяются изменения в городской застройке – индивидуальное и дорожное строительство, появление торговых центров (рисунок 1.5). Следует отметить, что изменения на рисунке 1.5 графически завышены приблизительно в 2,5 раза, потому что среднее изменение на площади каждого пикселя MODIS составило порядка 40%. На основании проведённых исследований авторы утверждают, что пространственное разрешение данных MODIS NDVI 250 м существенно ограничивает их применение для целей мониторинга изменений в прибрежных зонах и городских территориях, а также при оценке других экологических ресурсов, требующих более высокого разрешения.

Рисунок 1.5 Динамика ежегодных изменений наземного покрова городского района Рали в штате Северная Каролина за период 2002-2005 года, полученная по спутниковым снимкам MODIS.

Подстилающим изображением является панхроматический снимок Landsat ETM+ 1999 г. с пространственным разрешением 15 м Американскими учеными (Gebremichael and Barros, 2006) проведена количественная оценка отклонений между данными наземных метеорологических станций и ВПП MODIS GPP (валовой первичной продуктивностью, Gross Primary Productivity). Данные по ВПП, доступные с временным разрешение 8 дней и пространственным разрешением 1 км, были исследованы на примере двух тропических экосистем: смешанных лесов влажных тропиков непальских Гималаев и открытых участков кустарников полузасушливого региона Мексики. Продукты MODIS GPP были сравнены с данными процессно-ориентированной биохимической и гидрологической модели, основанной на потоке данных метеорологических исследований. Результаты исследований показали, что при относительном согласии между моделями, наблюдается отклонение между данными MODIS GPP и наземными данными метеорологических станций - положительное отклонение для условий смешанных лесов и отрицательное для открытых участков кустарников.

Скандинавские ученые использовали данные спектрорадиометра MODIS в комбинации с новыми методами картирования для региональных исследований тропических лесных ресурсов и динамики землепользования в Таиланде, Вьетнаме и Камбоджи (Tottrup et al., 2007). Ими применена управляемая модель принятия решений для картирования различных участков спелых и вторичных лесов, а также нелесных земель с использованием разновременных данных MODIS 250 пространственного разрешения (в качестве объясняющей переменной) и данных изображений высокого разрешения для моделирования зависимых переменных. На основании данных независимой валидации среднее значение абсолютного отклонения созданных тематических карт составило 14,6% для спелого леса, 21,6% для вторичного леса и 17,1% для нелесного покрова.

В работе американских ученых (Turner et al., 2006) приводятся результаты сравнения 9 участков, различающихся по типам биомов и землепользованию. К таким участкам относятся: арктическая тундра, бореальные леса, умеренные хвойные леса, тропические дождевые леса, травяные прерии, пустыня, луга и пахотные земли. Наземные данные по поверхности ВПП (GPP) и ежегодной чистой первичной продуктивности (NPP) были получены путем обработки данных модели углеродного цикла Biome-BGC в пространственно-распределенном виде. Входные параметры для модели по землепользованию и индексу листовой поверхности были получены по данным Landsat.

Данные MODIS NPP and GPP не показали существенных отклонений. Между тем они имеют тенденцию к завышению данных на низко продуктивных участках, что вызывается искусственно высокими значениями MODIS FPAR (fraction of photosynthetically active radiation absorbed by the canopy). В то же время данные MODIS имели тенденцию недооценки растительного покрова на высокопродуктивных участках. Все это, по мнению авторов (Turner et al.,

2006) исследования, при проведении глобальных оценок требует более точной калибровки параметров алгоритма MODIS NPP/GPP.

Данные показателей индекса листовой поверхности (LAI) MODIS и вегетационного индекса были использованы для определения урожая сельскохозяйственных посадок кукурузы в штате Индиана (Fang et al., 2011). Для моделирования продуктивности кукурузы и оценки эффекта использования различных контрольных переменных в работе были использованы пять ассимиляционных схем: непосредственное использование LAI, EVI и NDVI, и синергетические комбинации LAI, EVI или NDVI. Лучшие результаты и минимальное отклонение (3,5%) от данных департамента сельского хозяйства США показали данные моделирования, основанные на комбинированном использовании LAI, EVI и NDVI MODIS. Использование показателей только LAI, EVI и NDVI показало отклонение от данных департамента на 8,6%, 21% и 13%.

Данные MODIS Terra были использованы для классификации и оценки площадей сельскохозяйственных земель и посевов культур в различных регионах России (Барталев и др., 2005; Савин и др., 2011). В работе приведены алгоритмы классификации, основанные на использовании разновременных спутниковых данных, а также априорные знания о закономерностях динамики сезонного развития различных сельскохозяйственных растений. Результаты оценки площадей сельскохозяйственный угодий показали существенное отклонение от данных государственной статистики. Для работы с полученной базой данных в ИКИ РАН разработан специализированный спутниковый сервис «Вега», который обеспечивает его пользователям самостоятельно проводить оценки состояния сельскохозяйственных земель и оперативного мониторинга растительности для больших территорий (Лупян и др., 2011).

В работе бразильских ученых проведена оценка влияния лесной фрагментации ландшафта Амазонии (Ferreira et al., 2010). Было выявлено нарушение ландшафта на территории 3,5 x 106 км2 посредством простого пространственного определения количественных показателей (количества фрагментов, средней площади фрагмента и размера границ) и преобразования основной компоненты. Полученные данные были сравнены с сезонными данными MODIS NDVI и EVI. Было установлено, что наибольшие нарушения наблюдаются в южной части Амазонии, в которой проводится интенсивная вырубка лесов, а также расположена сеть основных дорог. Существенная корреляция между сезонными данными NDVI и нарушением ландшафта выявлена на основе анализа параметров географически взвешенной регрессии (geographically weighted regression). Сезонные отклики EVI имели более сложный характер с существенными вариациями, полученными на нетронутых, слабо фрагментированных участках, что ограничивало возможность оценить происходящие нарушения. Авторы считают, что изменчивость нарушений объясняет 62% сезонной вариации значений NDVI. Подобное распределение наблюдается между прогнозируемыми и реальными сезонными данными NDVI (рисунок 1.6). Другие исследователи также подтверждают высокую корреляцию между текстурой лесного полога и вегетационными индексами (Gamon et al., 1995; Oliveira-Filho and Fontes, 2000; Freitas et al., 2005).

Рисунок 1.6 Тематические карты фрагментированности Амазонии полученные при помощи: а) географически взвешенной регрессии, б) сезонных значений NDVI MODIS Спутниковые данные NOAA/AVHRR и TERRA/MODIS за 1996-2009 были использованы для картирования и сезонного мониторинга лесного покрова на трех ключевых участках, расположенных в Западном и Восточном Саяне (Пономарёв и др.

2011). В исследовании получена детальная характеристика горных лесных поясов и формаций в контексте их идентификации и изменения спектральных характеристик в течение периода вегетации. Отмечено, что высотно-поясная дифференциация может искажаться на температурных картах вследствие различного рода антропогенных воздействий, например, после проведения условно-сплошных вырубок на горных склонах.

1.3 Тематическое картирование по данным Landsat

Изображения с системы спутников Landsat наиболее широко используются учеными, занимающимися тематическим картированием и мониторингом за растительным покровом. Это объясняется несколькими причинами: 1) программа Landsat несет свое начало с 1970 г., 2) соответствие спектральных каналов сенсоров TM (Thematic mapper) и ETM+ (Enhanced thematic mapper), 3) удобное пространственное разрешение для регионального картирования (30 метров в мультиспектральном диапазоне для TM/ETM+), 4) 6 спектральных каналов сенсоров Landsat регистрируют наземную растительность. Американские ученые Cohen и Spies (1992), проводившие сравнение пространственных и спектральных характеристик Landsat TM и французского спутника SPOT HRV (High Resolution Visible), пришли к выводу что, несмотря на более высокие пространственные характеристики HRV, если использовать только пространственную характеристику, то TM является более приемлемым для оценки лесов. Другой коллектив ученых (Lefsky et al., 2001) исследовал поведение пяти сенсоров (Landsat TM, Landsat TM мультивременной, AVIRIS, ADAR, и LiDAR sensor) для оценки показателей лесного насаждения Пседотсуги Мензиса (Pseudotsuga menziesii). Они пришли к заключению, что использование двух сенсоров (ADAR and AVIRIS) для комбинирования высокого пространственного и спектрального разрешения не существенно улучшают моделируемые показатели насаждения.

Для оценки дефолиации бореальных лесов ученые из Финляндии использовали мультиспектральные снимки, панхроматические снимки аэрофотосъёмки и данные национальной базы данных лесной инвентаризации (Heikkila et al., 2002). Спутниковые снимки были использованы для выявления спектральных характеристик полога лесов, снимки аэрофотосъемки для выявления текстуры полога, а данные пробных площадей национальной инвентаризации в качестве контрольных при оценке дефолиации. В работе применена классификация взвешенных расстояний ближайшего соседа (KNN). Дефолиация была получена как функция расстояний между спектральными и текстурными откликами пикселов на изучаемом участке и пикселами, относящихся к независимым полевым данным. На уровне пробных площадей точность классификации для трех классов дефолиации (без дефолиации, слабая и сильная) составила 56% (коэффициент Каппа). Наиболее полезными характеристиками для изучения дефолиации явились 4 и 5 спектральные каналы Landsat TM.

Оценкой дефолиации лесов по спутниковым снимкам Landsat занимались многие другие ученые. В частности, было отмечено, что с увеличением дефолиации лесного полога наблюдается снижение спектральной яркости ближнего инфракрасного канала (Brockhaus et al, 1992; Ekstrand, 1994). Lambert и др. (1995) оценили потенциал снимков Landsat TM и регрессию логитпреобразования (logit regression) для выявления нарушений в лесных насаждениях с доминирование ели европейской (Picea abies L.). Для выявления наиболее существенных нарушений самими значимыми оказались 1,4 и 7 каналы TM, которые также позволили выделить слабые и средние нарушения на изучаемой территории. При этом точность классификации по коэффициенту Каппа составила 56%. Дефолиацией лесов тсуги канадской (Tsuga canadensis L.) (eastern hemlock) с использованием изображений Landsat TM и линейной регрессии занимались Royle и Lathrop (1997). Общая точность классификации составила 64% для 4 классов, 70% при использовании трех классов и 78% для двух классов дефолиации лесов тсуги.

Большое количество работ со спутниковыми изображениями Landsat посвящено оценке возможности определения таксационных показателей (возраста, сомкнутости полога, высоты деревьев) по спектральным характеристикам. Американские ученые проанализирована взаимосвязь между значениями спектральной яркости каналов Landsat ETM+ и таксационными показателями коммерческих посадок сосны ладанной (Pinus taeda L.) в восточной части штата Техас (Sivanpillai et al., 2006). Для моделирования показателей возраста и густоты насаждений была применена многовариантная регрессия. Линейная комбинация NDVI, ETM4/ETM3 (отношение каналов 3 и 4 ETM+) и индекса влажности функции «колпачок с кисточкой» (tasseled cap) показала наилучшую экстраполяцию возраста насаждения (R2 = 78%), чем другие комбинации спектральных каналов и соответствующих индексов. Тем не менее, модели, включающие трансформированные спектральные каналы, не повысили точность экстраполяции густоты полога древостоя (R2 = 60%).

Результаты принципиального компонентного анализа (principal component analyses), проведенного для спелого насаждения (старше 18 лет) показали достоверную информацию о связи между структурой полога древостоя и спектральными значениями, полученными сенсором ETM+.

Коэффициент соотношения 4 и 5 спектральных каналов Landsat TM показал тесную корреляцию с возрастом Псевдотсуги Мензиса (Pseudotsunga menziesii (Mirb) в районе западных каскадных гор штата Орегона США (Fiorella and Ripple, 1993). Индекс влажности трансформации «колпачок с кисточкой» (tasseled cap) показал приемлемость для выделения молодых, спелых и перестойных лесных насаждений Тихоокеанского Северо-запада США (Cohen et al., 1995). Jakubauskas и Price (1997) исследовали взаимосвязь между показателями насаждений сосны скрученной широкохвойной (Pinus contorta var. latifolia Engelm.) национального парка Йеллоустон и спектральных характеристик Landsat TM. Они пришли к заключению, что некоторые таксационные характеристики лесных насаждений можно дешифрировать по спутниковым данным, а инфракрасный спектральный канал является наиболее информативным при выполнении таких задач. Nilson и др. (2001) исследовали изменения, вызванные промежуточными рубками в бореальных лесах. Ученые пришли к выводу, что в таких насаждениях наблюдается увеличение спектральной яркости в красном канале и снижение его значения в ближнем инфракрасном.

Для исследования лесов сосны скрученной в Британской Колумбии Канады также были использованы данные Landsat ETM+ (Wulder et al., 2004), которые позволили построить модель прогноза возраста насаждений со стандартной ошибкой 2,39 лет и коэффициентом детерминации 0,68. Создание модели непрерывных переменных (continuous variable model) является одним из подходов, основанного на эмпирической модели непрерывной оценки показателей древостоя (Cohen et al., 2001). Полученные ими данные, несмотря на неопределенность в точности определения таксационных показателей по данным дистанционного зондирования, имеют близкие значения с данными исследований по Финляндии (Hyyppa et al., 2000) и Канаде (Hansen et al., 2001; Gerylo et al., 2002).

Данные дистанционного зондирования Landsat ETM+ были использованы для выявления потенциальных земель для лесовозобновления в Индии (Bhagat, 2009). Исследуемые площади лесов были проклассифицированы с использованием NDVI, в то время как влажность почв определялась на основании распределения индекса влажности почв SWI (Soil Wetness Index). На основании этих двух индексов были получены тематические карты, на которых земли под возможное лесовозобновление имеют нормальную влажность и низкую густоту леса или его отсутствие. Исследования показали, что от 13% до 23% исследуемой территории в Индии имеют потенциал для активного лесовосстановления, а 53% - для травяной растительности.

Карта нарушений (вырубки, пожары) между 1990-2000 гг. для наземных экосистема Северной Америки (США и Канада) была разработана с использованием программы LEDAPS (Landsat Ecosystem Disturbance Adaptive Processing System) и архива спутниковых снимков Landsat (Masek et al., 2008). Результаты исследования свидетельствуют о том, что индекс нарушенности, рассчитанный на основе динамики изменений на снимках после преобразования Tasseled Cap («Колпачок с кисточкой»), ежегодно составляет 2-3% для территории США и Канады.

Некоторые исследования проведены с целью картирования отдельных деревьев и их групп по снимкам Landsat и Spot (Levin et al., 2009; Терехин, 2012). Методика работ основывалась на комбинации спектрального анализа, сегментации и оценки шести спектральных диапазонов.

Среди других разработок по картированию растительного покрова Северной Евразии следует отметить карту земной поверхности SPOTVEGETATION (Bartalev et al., 2003; Барталев и др., 2004, Барталев и Лупян,

2013) и атлас приграничных лесов World Forest Watch (Aksenov et al., 2002).

Картирование предгорной и горной частей бассейна реки Кожим (Приполярный Урал) и Югорского Полуострова проведено на основе анализа контуров доминирующих классов растительного покрова по спутниковым снимкам Landsat, Aster и Spot (Елсаков и др., 2009; Елсаков и др., 2014). Индексы NDVI и NDBI были успешно применены для дешифрирования урбанизированных территорий и оценки состава лесов России (Харин др., 2006; Статакис и др. 2012) При картировании растительного покрова прогнозные модели изменений землепользования в значительной степени зависят от выбора пространственного масштаба (Rindfuss et al., 2004; Potapov et. al., 2008; Sohl et al., 2010). В большинстве случаев в таких работах основным методическим решением является приближение (сопряжение) переменных экосистемы с уровня полевых исследований до уровня ландшафта или региона (Cohen et al., 2003; Turner et al., 2003; Phillips and Beeri, 2008; Zhang et al., 2007a).

Существует также небольшое количество успешных оценок, учитывающих социально-экономические факторы регионов (Verburg и Chen, 2000;

Walsh et al., 2001; Field et al., 2003; Paletto et al., 2010), которые были также применены для больших пространственных оценок территорий учеными проекта LCLUC (Rindfuss et al., 2004; Lesschen et al., 2005). Моделирование смены землепользования на высоком пространственном уровне возможно с применением ведущих факторов, влияющих на этот процесс, включая биофизические и социально-экономические показатели (Schmitz et al., 2003; Verburg et al., 2008). Приведение в соответствие сценариев социальноэкономических изменений позволяет выявить динамику ландшафта и прогнозировать смену землепользования (Aranzabal et al., 2008; Matthews, 2006).

В зависимости от исследуемой территории влияние социальноэкономических факторов на развитие природных ландшафтов может иметь существенный, а в некоторых случаях и незначительный характер. Тем не менее, для общей полноты и всесторонности исследования необходимо включение таких сведений в процесс моделирования с целью лучшего понимания антропогенно изменённых ландшафтов (Dale et al., 2000; Muller, 2005;

Чочаев и др., 2006).

Литературный анализ по картированию растительного покрова показывает, что существуют большие расхождения между различными исследованиями, а валидация данных на региональном уровне остается важным моментом для оценки точности карт растительности. Российская Федерация является одним из регионов с большими расхождениями в глобальных оценках земной поверхности и растительного покрова (Krankina et al, 2005).

Несмотря на рост методов по распознаванию наземного покрова (Healey et al, 2005), производство точных карт изменений в региональном земле- и лесопользовании остается сложным вопросом. Глобальные обобщения (компиляции) региональных проектов по изучению изменений в наземном покрове выявляют проблему их несовместимости (Lepers et al. 2005) и свидетельствуют о необходимости улучшения картирования растительного покрова и его изменений, а также понимания причин таких трансформаций.

Выводы к главе 1

За последние 30 лет во всем мире наблюдается рост количества исследований по оценке изменений в земле- и лесопользовании, вызванных глобальными изменениями климата и деятельностью человека. Таким исследованиям способствуют современные космические технологии дистанционного зондирования земли, отображающие происходящие изменения земного покрова с различным пространственным и временным разрешением, а также в мультиспектральных и панхроматических диапазонах спутниковой съемки.

Большую работу по созданию глобальных карт растительного покрова грубого разрешения выполнили научные коллективы из США и Европы на основе спутниковых данных NOAA и MODIS. Исследования различаются методикой классификации спутниковых изображений и глобальными базами данных по валидации разрабатываемых тематических карт. Положительным моментом является использование почти одинакового количества классов растительного покрова, что позволяет проводить сравнение существующих карт разных авторов.



Pages:   || 2 | 3 | 4 |
Похожие работы:

«Шантасов Артур Маратович СЕЛЕКЦИЯ ГИБРИДОВ F1 РАЗЛИЧНЫХ РАЗНОВИДНОСТЕЙ ТЫКВЫ ТВЕРДОКОРОЙ НА ОСНОВЕ МУЖСКОЙ СТЕРИЛЬНОСТИ Специальность 06.01.05 – селекция и семеноводство сельскохозяйственных растений Диссертация на соискание ученой степени кандидата сельскохозяйственных наук Научный руководитель: кандидат...»

«НИЗКИЙ СЕРГЕЙ ЕВГЕНЬЕВИЧ БИОЛОГИЧЕСКИЕ РЕСУРСЫ АНТРОПОГЕННО-ПРИРОДНЫХ И ТЕХНОГЕННЫХ ЛАНДШАФТОВ ПРИАМУРЬЯ, ИХ ВОССТАНОВЛЕНИЕ И ИСПОЛЬЗОВАНИЕ 03.02.14 – биологические ресурсы (биологические науки) Диссертация на соискание ученой степени доктора биологических наук Благовещенск 2015...»

«ЧЕТВЕРТАКОВА ЕЛЕНА ВИКТОРОВНА НАУЧНО-ПРАКТИЧЕСКОЕ ОБОСНОВАНИЕ МЕТОДОВ КОНТРОЛЯ ПРИ СОВЕРШЕНСТВОВАНИИ ГЕНОФОНДА КРУПНОГО РОГАТОГО СКОТА КРАСНОЯРСКОГО КРАЯ 06.02.07 – Разведение, селекция и генетика сельскохозяйственных животных (сельскохозяйственные науки) Диссертация на соискание ученой степени доктора сельскохозяйственных наук Научный консультант д.с.-х.н., профессор Лущенко А.Е. Красноярск – 2015 СОДЕРЖАНИЕ...»

«СОЛИЕВ ШАМСИДДИН ТОЛИБОВИЧ БИОЛОГО-ЭКОЛОГИЧЕСКИЕ ОСОБЕННОСТИ И ВРЕДОНОСНОСТЬ ГЛАВНЕЙШИХ ВРЕДИТЕЛЕЙ ТОМАТА В УСЛОВИЯХ ГИССАРСКОЙ ДОЛИНЫ ТАДЖИКИСТАНА Специальность: 06. 01. 07 Защита растений ДИССЕРТАЦИЯ на соискание ученой степени кандидата сельскохозяйственных наук Научный руководитель: доктор сельскохозяйственных наук, профессор Ташпулатов М.М. Душанбе – 2015 Содержание ВВЕДЕНИЕ ГЛАВА 1. ВРЕДИТЕЛИ...»

«Безуглова Екатерина Вячеславовна ОЦЕНКА И УПРАВЛЕНИЕ ОПОЛЗНЕВЫМ РИСКОМ ТРАНСПОРТНЫХ ПРИРОДНО-ТЕХНИЧЕСКИХ СИСТЕМ ЧЕРНОМОРСКОГО ПОБЕРЕЖЬЯ КАВКАЗА Специальность: 25.00.36 – Геоэкология Диссертация на соискание ученой степени доктора геолого-минералогических наук Научный...»

«ТРОФИМОВ НИКОЛАЙ ВАЛЕРЬЕВИЧ ОПТИМИЗАЦИЯ ОСНОВНЫХ ФАКТОРОВ ФОРМИРОВАНИЯ УРОЖАЯ СЕМЯН ОВСЯНИЦЫ ЛУГОВОЙ В ПОЧВЕННОКЛИМАТИЧЕСКИХ УСЛОВИЯХ РЕСПУБЛИКИ ТАТАРСТАН 06.01.05 – селекция и семеноводство сельскохозяйственных растений Диссертация на соискание ученой степени кандидата сельскохозяйственных наук Научный руководитель – доктор сельскохозяйственных наук Миннуллин Г.С....»

«Волков Александр Трифонович ВЕТЕРИНАРНО-САНИТАРНАЯ ЭКСПЕРТИЗА ПРОДУКТОВ УБОЯ СВИНЕЙ ПРИ АСПЕРГИЛЛОТОКСИКОЗЕ 06.02.05 – ВЕТЕРИНАРНАЯ САНИТАРИЯ, ЭКОЛОГИЯ, ЗООГИГИЕНА И ВЕТЕРИНАРНО-САНИТАРНАЯ ЭКСПЕРТИЗА Диссертация на соискание ученой степени кандидата биологических наук Пермь – 2010 Содержание стр. ВВЕДЕНИЕ 1.ОБЗОР ЛИТЕРАТУРЫ...»

«МИХАЙЛЕНКО Ирина Ивановна ОЦЕНКА ЭКОЛОГИЧЕСКОЙ ПЛАСТИЧНОСТИ РЕГИОНАЛЬНО ДОМИНИРУЮЩИХ ВНУТРИВИДОВЫХ ВАРИАНТОВ ОЗИМОЙ ПШЕНИЦЫ В ПРЕДЕЛАХ СКЛОНОВЫХ ЛЕСОСТЕПНЫХ АГРОЛАНДШАФТОВ ЦЧЗ РОССИИ 03.02.08. – экология (биология) Диссертация на соискание ученой степени кандидата биологических наук Научный руководитель: доктор биологических наук, профессор Смирнова...»

«КОВРЯКОВА Евгения Александровна ПРИОРИТЕТНЫЕ НАПРАВЛЕНИЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПРОИЗВОДСТВА РИСА (по материалам сельскохозяйственных организаций Краснодарского края) Специальность 08.00.05 – Экономика и управление народным хозяйством: экономика, организация и управление предприятиями, отраслями, комплексами (АПК и сельское...»

«Деревянко Ксения Николаевна ОРГАНИЗАЦИЯ И ТЕХНОЛОГИЯ ПРОВЕДЕНИЯ КАДРОВОГО АУДИТА В КОММЕРЧЕСКИХ ОРГАНИЗАЦИЯХ Специальность 08.00.12 – Бухгалтерский учет, статистика Диссертация на соискание ученой степени кандидата экономических наук Научный руководитель: доктор...»

«Филёва Елена Ивановна Совершенствование элементов технологии возделывания картофеля в лесостепной зоне Предбайкалья Специальность 06.01.01–общее земледелие, растениеводство Диссертация на соискание ученой степени кандидата сельскохозяйственных наук Научный...»

«Лебедева Надежда Владимировна Ускоренное размножение ранних сортов картофеля в условиях in vitro и его использование в семеноводстве Северо-Запада РФ Диссертация на соискание степени кандидата сельскохозяйственных наук Специальность: 06.01.05 – Селекция и семеноводство сельскохозяйственных растений Научный руководитель: доктор с.-х. наук, доцент Федорова Ю. Н. Великие Луки, 2015 СОДЕРЖАНИЕ ВВЕДЕНИЕ... 4 ГЛАВА...»

«Тимерханова Эльвира Накиповна РЕГИОНАЛЬНЫЕ ОСОБЕННОСТИ УПРАВЛЕНИЯ МОДЕЛЯМИ РАЗВИТИЯ МАЛОГО БИЗНЕСА Специальность 08.00.05 Экономика и управление народным хозяйством (региональная экономика) ДИССЕРТАЦИЯ на соискание учёной степени кандидата экономических наук Научный руководитель: доктор экономических наук, профессор Шишкин М.И....»

«ФРОЛОВ АЛЕКСЕЙ ВИКТОРОВИЧ ВЕТЕРИНАРНО-САНИТАРНАЯ И БИОЛОГИЧЕСКАЯ ОЦЕНКА КАЧЕСТВА ПРОДУКТОВ ЖИВОТНОВОДСТВА ПРИ ИСПОЛЬЗОВАНИИ В РАЦИОНАХ КОРМЛЕНИЯ ДОБАВОК «ГУМИФИТ» И «МАКС СУПЕР ГУМАТ» 06.02.05 – Ветеринарная...»

«ФАРНИЕВА КАТЕРИНА ХАИРБЕКОВНА «ЭФФЕКТИВНОСТЬ ИНТРОДУКЦИИ И ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ ЭХИНАЦЕИ ПУРПУРНОЙ (Echinacea purpurea (L) Moench) В УСЛОВИЯХ РСО-АЛАНИЯ» Специальность 03.02.14 – Биологические ресурсы Диссертация на соискание ученой степени кандидата биологических наук Научный руководитель: Заслуженный деятель науки РФ и РСО-Алания, доктор сельскохозяйственных наук,...»

«ГОИБНАЗАРОВ САИДКУЛ МАХМАНАЗАРОВИЧ Регулирование аграрного рынка труда Республики Таджикистан Специальности: 08.00.05 – экономика и управление народным хозяйством (экономика труда) 08.00.14 – мировая экономика ДИССЕРТАЦИЯ на соискание ученой степени кандидата экономических наук Научный руководитель: Амиров Назруло Исматович, кандидат экономических наук ДУШАНБЕ – 2015 СОДЕРЖАНИЕ Введение.. 3...»

«Михайловская Алевтина Сергеевна ОЦЕНКА ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ ПРЕПАРАТА «ДЕЗОСТЕРИЛ» НА ПРИМЕРЕ КРОЛИКОВОДЧЕСКИХ ХОЗЯЙСТВ 06.02.02 Ветеринарная...»

«РЕЙФ ОЛЬГА ЮРЬЕВНА БИОЛОГИЧЕСКИЕ РЕСУРСЫ ОРЕХА МАНЬЧЖУРСКОГО (JUGLANS MANDSHURICA MAXIM.) В ПРИМОРСКОМ КРАЕ Специальность 03.02.14 – биологические ресурсы Диссертация на соискание ученой степени кандидата биологических наук Научный руководитель: доктор сельскохозяйственных наук, профессор Г.В. Гуков Уссурийск 2015...»

«ГНЕУШ АННА НИКОЛАЕВНА ТЕХНОЛОГИЯ ПОЛУЧЕНИЯ И КОМПЛЕКСНОЕ ИСПОЛЬЗОВАНИЕ БИОПРЕПАРАТОВ КОРМОВОГО И ЗООГИГИЕНИЧЕСКОГО НАЗНАЧЕНИЯ ПРИ ВЫРАЩИВАНИИ ПТИЦЫ МЯСНОГО НАПРАВЛЕНИЯ 06.02.08 – кормопроизводство, кормление сельскохозяйственных животных и технология кормов Диссертация на соискание ученой степени кандидата сельскохозяйственных...»

«БАХАРЕВ АНДРЕЙ ПЕТРОВИЧ ПРОДУКТИВНЫЕ КАЧЕСТВА БРОЙЛЕРОВ В ЗАВИСИМОСТИ ОТ КОНЦЕНТРАЦИИ УГЛЕКИСЛОГО ГАЗА В ПТИЧНИКЕ В ХОЛОДНЫЙ И ПЕРЕХОДНЫЙ ПЕРИОДЫ ГОДА Специальность: 06.02.10 – частная зоотехния, технология производства продуктов животноводства ДИССЕРТАЦИЯ на соискание ученой степени кандидата сельскохозяйственных наук НАУЧНЫЙ РУКОВОДИТЕЛЬ: доктор сельскохозяйственных наук И.П. Салеева Сергиев...»









 
2016 www.konf.x-pdf.ru - «Бесплатная электронная библиотека - Авторефераты, диссертации, конференции»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.