оценка биоразнообразия лесов наземными и
advertisement
Ò. Â. ×ÅÐÍÅÍÜÊÎÂÀ УДК 574 ОЦЕНКА БИОРАЗНООБРАЗИЯ ЛЕСОВ НАЗЕМНЫМИ И ДИСТАНЦИОННЫМИ МЕТОДАМИ НА ОСНОВЕ ГИС-ТЕХНОЛОГИЙ Т.В.Черненькова Центр по проблемам экологии и продуктивности лесов РАН, Москва, эл почта: chernenkova50@mail.ru Статья поступила в редакцию 25.05.09; принята к печати 23.07.09 Обсуждены преимущества научно-технического обеспечения мониторинга биоразнообразия лесов на основе ГИСтехнологий и использования аэрокосмической информации, позволяющих проводить обобщение, стандартизацию и анализ разнородных данных о состоянии лесов для получения оперативного представления о текущем состоянии лесных территорий и прогноза динамики. Дается общая характеристика основных этапов автоматизированного определения состояния растительного покрова. В соответствии с разработанным списком индикаторов и параметров биоразнообразия лесов продемонстрированы примеры оценки биоразнообразия лесов для территорий с разными типами природопользования и в разных природно-климатических условиях (Мурманская, Костромская и Московская области). Ключевые слова: биоразнообразие лесов, ГИС-технологии, экологическое картирование Assessment of forest biodiversity by field and remote methods based on GIS technologies T. V. Chernenkova Center for Forest Ecology and Productivity of the Russian Academy of Sciences, Moscow E-mail: chernenkova50@mail.ru Discussed are the advantages of GIS technologies and aerospace information for monitoring of forest biodiversity. These approaches provide for unification, standardization, and analysis of heterogeneous data about forest condition required for obtaining of operative knowledge about the current conditions and future trends. The main stages of automated assessment of vegetation are characterized. The usability of the suggested list of indicators and parameters of forest biodiversity is exemplified with cases of its assessment in territories featuring different types of nature management and climatic conditions (Murmansk, Kostroma, and Moscow regions). Keywords: forest biodiversity, GIS technologies, ecological mapping. От лесного покрова в значительной степени зависит экологическое равновесие в биосфере, благополучие животного мира, устойчивое развитие человеческой популяции. Огромность лесных территорий России определяет необходимость создания системы мониторинга лесов по данным дистанционного зондирования (ДДЗ) и разработки методов их сопряженного анализа с использованием технологий, основанных на геоинформационных системах (ГИС-системах). Среди традиционных задач, решаемых в лесном хозяйстве с помощью дешифрирования аэрокосмических снимков, значится изучение динамики границ лесных земель и степени нарушения непрерывности (фрагментации) лесного покрова, тематическое кар- тографирование и инвентаризация лесов в целях контроля порядка лесопользования и хода лесовозобновления на вырубках и гарях. Для обеспечения устойчивого лесопользования с учетом многофункциональной ценности лесов необходимо дальнейшее совершенствование методов инвентаризации и мониторинга биоразнообразия лесов на основе аэрокосмической информации. Это требует выделения соответствующих дополнительных элементов, отображающих важные свойства леса. Поскольку перечень характеристик, фиксируемых при различного рода эколого-фитоценотических работах в процессе полевых исследований, значительно шире традиционных таксаци- Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 93 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß онных показателей, то в результате применения дополнительных методов количественной обработки имеющейся информации возможно получение тематических карт, отражающих не только породно-возрастные классификационные категории, но и параметры типологического и таксономического разнообразия растительного покрова, его гетерогенности и прочее. Соответственно, мы поставили перед собой задачу разработать методы оценки состояния лесного покрова с введением количественных мер разнообразия. Ее решение невозможно без широкого использования методов дистанционного зондирования, математической обработки данных наземных и спутниковых исследований, а также методов картографического моделирования на основе ГИС-технологий. Использование геоинформационной системы для оценки и мониторинга лесов существенно улучшает качество работ по оценке биоразнообразия систем любого уровня, что проявляется в ряде дополнительных возможностей при классификации, районировании, экстраполяции данных на множественной пространственной основе. Проблема сохранения биоразнообразия лесов имеет сейчас статус государственной и реализуется, в частности, в рамках программы фундаментальных исследований Президиума РАН «Биоразнообразие и динамика генофондов». Для получения, стандартизации и анализа разнородных данных по биоразнообразию и ресурсно-экологическому потенциалу лесных территорий в рамках этой программы был использован методологический подход, имеющий ряд особенностей: - объектами являются лесные территории, выделенные не только в рамках административного деления, но и по признакам природно-территориальных комплексов, - применяется количественная оценка наиболее значимых индикаторов биоразнообразия, отражающих состояние и динамику лесных территорий, - при анализе природных объектов разной величины и слож-ности учитывается иерархичность пространственных уровней, - для изучения условий сохранения и восстановления биоразнообразия лесов сочетаются экосистемный, сукцессионный и ландшафтный подходы . Одним из основных результатов при оценке состояния лесов является воспроизведение карт лесной растительности или отдельных ее характеристик в пределах политикоадминистративных единиц и природно-территориальных комплексов. Эти карты и связанная с ними информация характеризуют разнообразие лесных территорий по определенному спектру параметров/индикаторов. При сопоставлении данных и стандартизации подходов учтен опыт международных программ по разработке системы индикаторов и критериев оценки биоразнообразия, масштабов и уровней оценки, вопросов гармонизации форматов данных и их обработки [3, 12, 14, 15, 16]. В итоге разработана система индикаторов, направленная на практическое применение в практике лесного хозяйства и природоохранной деятельности, где ключевым является региональный уровень, рассматриваемый в рамках единиц управления лесами и административного деления, но с обязательным учетом комплексного природного районирования [10]. Данные характеристики предназначены для использования в устойчивом управлении лесами, включая разработку оптимальных мер по сохранению необходимого уровня биоразнообразия территории. Использование общих принципов классификации растительности и картографического моделирования облегчает применение эффективных методов оценки биоразноо- 94 бразия и управления лесами, гарантируя совместимость и использование информации в различных географических масштабах. На глобальном уровне для реализации целей международной и национальной политики в соответствии с общей стратегией устойчивого развития важны характеристики, отображающие состояние крупнейших природных объектов и дающие возможность выявления трансграничных взаимодействий, оценки национальных тенденций развития и пространственных диспропорций. Соответствующими характеристиками могут служить такие показатели, как общая лесистость территории, площадь и доля лесов по основным породам, доля вторичных или малонарушенных лесов. На основании подобных оценок рассчитываются сложные составные параметры: запасы углерода и общей продуктивности, тенденции изменения формационного состава и структуры лесов, отражающие динамику глобальных процессов. В настоящее время на глобальном уровне начинается реализация международного проекта CBVM (Circumboreal Vegetation Mapping) по созданию карты циркумбореальных лесов с нанесением на карту границы бореальной зоны лесов вокруг земного шара (http://caff.arcticportal.org/index.php?option=com_con tent&view=frontpage&Itemid=191). Несмотря на то, что различные карты таежного биома уже существуют, они не имеют единой классификационной основы и построены на разных принципах картографии растительности. Предполагается, что в результате реализации проекта CBVM будет создана первая детальная картой растительности всего глобального биома (М 1 : 7 000 000). Такая карта необходима для разнообразных целей, связанных с развитием ресурсов планеты, для планирования использования земли, сохранения биоразнообразия лесов, образования и прогнозов глобальных изменений. Очевидно, что создание подобного картографического продукта невозможно без ДДЗ- и ГИС-технологий, как базовых средств современного картографирования. Современный уровень накопленных данных по многообразию живой природы требует применения генерализованных информационных систем, направленных на создание карт эколого-географического характера как важнейшей информационной основы для природопользования и охраны живой природы. В этой связи нами разработана концептуальная модель «ГИС-мониторинга биоразнообразия лесов», предназначенная для инвентаризационных и мониторинговых процедур по оценке состояния и качества лесов для разных пространственных уровней на базе существующих картографических материалов, данных лесоустройства, материалов дистанционного зондирования и наземных исследований [2]. В таблице 1 представлено основное содержание спецификации ГИС-мониторинга биоразнообразия лесов. Задачи, которые решаются с помощью ГИС, можно подразделить на несколько направлений: А. Оценочно-инвентаризационое • Инвентаризация различных типов данных по биоразнообразию лесов и смежным вопросам – литературных, статистических, картографических, дистанционных, полученных на локальном, региональном, федеральном и глобальном уровне, – и упорядочение их в виде гипермедийной структуры; • Визуализация исходных данных, результатов их обработки и пространственного представления; • Формирование классификационных иерархических схем как основы для типизации (пересчета, экстраполяции) данных на различных пространственных уровнях с исполь- Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 Ò. Â. ×ÅÐÍÅÍÜÊÎÂÀ Таблица 1. Предмет разработки Характер использования Уровень применения Типовое предназначение Объект анализа Специализация пользования Краткая спецификация ГИС биоразнообразия лесов (по [7]) Информационно-экспертная система Оперативно-справочно-аналитический Федеральный, региональный, локальный Организация и анализ разнородных материалов Состояние биоразнообразия лесных экосистем Оценочно-инвентаризационные и экспертно- мониторинговые процедуры зованием алгоритмов выделения единиц растительного покрова по дистанционной информации. Б. Экспертно-мониторинговое • Получение интегральных оценочных характеристик территорий природного и административного деления на основе параметров и индикаторов устойчивого управления лесами; • Расчет сценариев лесопользования с учетом вводимых экологических ограничений и индексов воздействия; • Получение прогнозов по сохранению биоразнообразия лесов на основе математической обработки данных и моделирования. В. Организационно-управленческое • Создание и координация работы информационноаналитической сети и метабазы данных по биоразнообразию лесов с разработкой открытой системы ссылок на литературные источники, адреса научных коллективов и их сайты; • Оптимизация информационных потоков - разработка процедур совместимости и конвертации данных разных форматов и с различными аппаратно-программными платформами; • Разработка и формирование региональных кадастров лесных территорий на основе инвентаризации и определения их ценности. По своему содержанию ГИС включает два функциональных блока: инвентаризационный и аналитический, которые решают задачи обозначенных выше направлений – оценочно-инвентаризационого и экспертномониторингового. Их результаты должны быть использованы в региональной практике природопользования при соответствующей выработке решений на основе анализа разработанных критериев, полученных индексов и оценок состояния биоразнообразия (организационноуправленческий блок). Обычно данный этап комбинируется с разработкой прикладных эколого-экономических моделей, прогнозов и альтернативных сценариев природопользования. В инвентаризационном блоке собирается первичная информация, характеризующая объекты и формирующаяся в виде пространственной и атрибутивной баз данных (рис. 1). Пространственная база данных включает в себя, главным образом, географические характеристики поверхности Земли в соответствующем масштабе, предопределяющие биоразнообразие растительного покрова. Помимо характеристик природной среды (климат, рельеф, гидрология, наземный покров и проч.), важны социально-экономические показатели территории (плотность населения, характеристики инфраструктуры и т.д.). В начальном варианте подбирались материалы в виде существующих и обновленных карт, преобразованные в картографические слои разного масштаба (шэйп-файлы в ARCView), которые дополняются, за исключением ДДЗ, достаточно редко. Аналитический блок содержит данные, полученные в результате обработки первичной информации (классификация, типизация, вычисление индексов, экспертная оценка). Итогом географического способа подачи информации такого типа являются карты, характеризующие состояние биоразнообразия лесов на локальном, региональном и федеральном уровнях. На основе этой информации рассчитывались производные индексы (параметры), характеризующие биоразнообразие лесов на уровне отдельных административных подразделений (область, край) и/или природных единиц (ландшафтные мезорегионы, биорегионы и д.р.), а также для федерального уровня. Оценка биоразнообразия на макрорегиональном (федеральном) уровне позволяет решать стратегические задачи, например, представлять масштаб потерь типологического разнообразия по всей территории страны, определять площади и тенденции сокращения лесных территорий или характер преобразования лесных сообществ на общемировом уровне. Для оценки именно таких параметров, как то, общая лесистость территории, площадь и доля ненарушенных лесов, доля вторичных лесов, площадь и доля лесов, затронутых биотическими нарушениями, пожарами, техногенными воздействиями, ландшафтные индексы (энтропия, фрагментарность и проч.) были разработаны и применены методы, основанные на использовании ДДЗ [4]. Согласно общей схеме методологического подхода мониторинга биоразнообразия лесов, основными информационными его составляющими являются ДДЗ, материалы лесотаксационных работ и полевых исследований, а также базовые картографические материалы [2]. Использовались космические снимки среднего разрешения (28,5 м – 14,25 м) Landsat GeoCover™, что дало возможность проводить исследования и картографирование лесов на значительных территориях в масштабах от 1 : 100 000 до 1 : 500 000 [11]. Выбор материалов GeoCover связан как с их доступностью и подготовленностью к анализу, так и с возможностью корректного сравнения оценок для разных территорий всего мира благодаря применению стандартной процедуры обработки этих данных. Они содержат три (с 2009 года – семь) спектральных диапазона исходного семиполосного снимка. Топографические материалы, тематические карты растительности, почвы и ландшафтные карты в виде существующих и обновленных версий, преобразованные в векторные картографические слои разного масштаба, дополнили пространственную базу данных и служили для выявления потенциальных свойств территории и основой для расчета моделей. Полный комплекс работ по оценке биоразнообразия лесов и последовательность основных этапов автоматизированного определения состояния растительного покрова по космическим снимкам в общем виде включал несколько основных этапов [1, 2, 4]: 1. Предварительная классификация 1.1. Предварительная компьютерная обработка снимков – радиометрическая и геометрическая коррекция, трансформирование, преобразование. 1.2. Определение набора классов и источников информации для автоматизированного дешифрирования лесов в соответствии с природными особенностями тер- Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 95 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß риторий. Создание обучающих эталонных выборок и оценка их качества и выбор алгоритма для классификации. 2. Комплекс полевых работ с изучением экологоценотических характеристик природных комплексов. 3. Классификация. Тематическое дешифрирование с обработкой и анализом данных, включающие количественную оценку различных показателей состояния лесных экосистем. 4. Стандартизация. Оценка достоверности распознавания классов, определение области и степени неопределенности полученных оценок. Апробация данной схемы оценки биоразнообразия лесов осуществлялась на примере территорий с разными типами природопользования и в разных природно-климатических условиях. Одним из тестовых районов исследования являлась территория в окрестностях металлургического комбината «Североникель» (Мончегорский район, Мурманская обл.). Специфика изучаемой территории состоит в высокой уязвимости северотаежных экосистем к внешним воздействиям и в высокой динамичности процессов преобразования растительного покрова под влиянием антропогенного воздействия. Продолжительное действие металлургического производства вызвало глубокие негативные последствия на больших территориях, хорошо диагностируемые как наземными измерениями, так и дистанционными методами по отражательным спектральным свойствам поверхности. Примененные методы наземных и дистанционных исследований дали возможность выявить пространственную неоднородность растительного покрова, а также определить степень нарушенности лесных экосистем, связанную в первую очередь с техногенным воздействием. При отображении параметров состояния растительного покрова использовался метод интерполяции характеристик растительности в точках полевых описаний на всю территорию с помощью данных дистанционного зондирования (ДДЗ) и цифровой модели рельефа (ЦМР) исследуемой территории (классификация с обучением) (М 1 : 200 000 и 1:50 000). Согласно Ю.Г. Пузаченко [5], наиболее эффективным статистическим способом интерполяции точечных полевых данных в пространстве спектральных значений каналов и значений высот по ЦМР является пошаговый дискриминантный анализ. Для изучаемой территории – бассейн оз. Имандры (12 тыс. км2) (1:200000) и зона ближнего воздействия производства площадью 3100 км2 (1:50000) – был просчитан ряд индексов и параметров биоразнообразия (лесистость, фрагментарность, типологическое и таксономическое разнообразие, изменение жизненности древостоя и др.). Ниже представлен пример оценки отдельных параметров состояния растительного покрова в окрестностях источника загрязнения [9]. На рис. 2 дано пространственное распределение древесных насаждений по пяти градациям жизненного состояния. Импактная зона по признаку максимального изменения жизненности древостоев в окрестностях комбината визуализирована красным цветом (наихудшие показатели). Расчет статистической модели показал достаточно высокое ее качество по предсказанным с помощью дискриминантного анализа значениям состояния древесного яруса. Ненарушенные и сильно нарушенные древостои при этом классифицировались с наибольшей точностью (более 80%). Помимо оценки состояния древесной растительности была выполнена оценка таксономического разнообразия растительного покрова исследуемой территории, в частности, определено распределение показателя видовой насыщенности растений древесно-кустарничкового, 96 травяно-кустарничкового и мохово-лишайникового ярусов, общего видового разнообразия. На рис. 3 представлено изменение видового разнообразия растительного покрова в окрестностях металлургического производства «Североникель», картографическая модель которого построена при использовании обучающей выборки на основе оценки видовой насыщенности сообществ, измеренной в процессе наземных исследований на пробных площадях. При определении пространственного разнообразия наземного покрова существенным является выбор оптимального набора классов, выявляемых с достаточным уровнем достоверности и соразмерных пространственному масштабу изучаемой территории. Верхними классификационными единицами в данном случае служили типы наземного покрова, представленные 15 классами (нивально-гляциальный пояс, горные тундры, редколесья, леса, вырубки, гари, болота, поймы, водоемы, техногенные пустоши и другие типы антропогенных земель) и распознаваемые с вероятностью 90%. При этом к лесным экосистемам отнесено 32,1% от общей площади. Площадь техногенных пустынь составила 750 км2 (6,4%). Нижними классификационными единицами являлись типологические категории в ранге групп ассоциаций, представленные 40 классами и выделенные на основе эколого-физиономической классификации, признаки которых по составу и структуре растительных сообществ были наиболее приемлемы при дешифрировании космической информации. При классификации типологического разнообразия лесов учитывалась дигрессионная динамика растительных систем, поэтому ряд выделенных классов отражал антропогенную модификацию исходных природных сообществ, находящихся в условиях техногенного загрязнения (рис. 4). На основе разрабатываемых количественных методов с использованием ДДЗ и ЦМР дана оценка типологического и ландшафтного разнообразия другой модельной территории – Костромской области, характеризующейся большими объемами промышленной лесозаготовки. С использованием данных наземных исследований вычислены показатели лесного покрова области с отражением их пространственного распределения, в частности, обилие основных лесообразующих пород, средний возраст и сомкнутость древостоя [6] (рис. 5). На основе данных лесоустройства была сделана количественная оценка породно-возрастной структуры лесных насаждений тестовой территории – Мантуровского лесхоза (при этом 11 из 16 классов породно-возрастного состава лесов распознаются с вероятностью более чем 70%) [1] (рис. 6). Другим тестовым районом является регион центральной части Русской равнины, куда относится территория Московской области. Близость к столичному мегаполису определила более глубокое антропогенное преобразование лесов региона по сравнению с другими территориями Нечерноземья. Наличие большого объема картографической информации обеспечивает удобство работы с этой территорией при оценке состояния растительного покрова. В качестве базового источника информации была использована карта растительности Московской области М 1:200 000 (1996) под ред. Г.Н. Огуреевой. Экологодинамическая классификация лесов, положенная в основу данной карты, позволила отобразить флористическое разнообразие лесов на разных синтаксономических уровнях с учетом степени производности лесов от их исходного зонального типа. Самый крупный уровень – класс формаций – представлен пятью категориями: бореальными, субнеморальными, смешанными, широколиственными и Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 Ò. Â. ×ÅÐÍÅÍÜÊÎÂÀ Рис. 1. Архитектура базы данных и таблицы введения полевых измерений в ГИС Рис. 3. Изменение видового разнообразия растительного покрова в окрестностях металлургического производства «Североникель», количество видов Рис. 2. Изменение жизненного состояния древостоя в окрестностях металлургического комбината «Североникель», баллы (5 баллов соответствует полному усыханию древостоя) мелколиственными лесами, при этом леса в пределах каждого класса разделены в группы по условно-коренному, коротко-производному и длительно-производному состояниям. Помимо естественных лесов, высокую долю лесопокрытой площади (12%) составляют искусственные леса, представленные культурами соснового, елового и смешанного состава. В результате актуализации фрагмента карты растительности Московской области (коррекция границ полигонов и их содержания) с использованием космических снимков Landsat 5 TM (30 августа 1992 г) получено более точное распределение лесных участков, отражающее сукцессионный статус и типологическую структуру модельной территории в начала 1990-х годов. (рис. 7). Найдено, что половина всех лесов (49,4%) относятся к категории длительнопроизводных антропогенных модификаций, которые представлены, в основном, производными мелколиственными сообществами. Втором месте по распространению занимают коротко-производные модификации (33,8%), в составе которых прослеживается отчетливая динамика замещения раннесукцессионных мелколиственных пород коренными. Коренные леса занимают не более 5% лесопокрытой площади. Основную долю в структуре зональных коренных лесов исследуемой территории составляют смешанные леса (65%), тогда как бореальные варианты хвойных лесов составляют 24%, а субнеморальные – 7%. Широколиственные леса занимают всего 2% лесопокрытой площади и распространены лишь в юго-восточной части исследуемой территории. Коренные мелколиственные сообщества из ольхи и березы пушистой встречаются единично (<1%) [8]. Дистанционные данные служат незаменимым средством оценки динамики лесного покрова. Сопоставление резуль- Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 97 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß Рис. 4. Типологическое разнообразие растительного покрова в окрестностях металлургического производства на разных уровнях классификации (типы наземного покрова, типы растительности и группы ассоциаций) и классификация растительного покрова в ранге групп ассоциаций Рис. 6. Породно-возрастной состав насаждений Мантуровского лесхоза (из работы [1] с модификациями) Рис. 5. Интерполяция характеристик леса Костромской области на основе данных дистанционного зондирования и цифровой модели рельефа (из работы [6] с модификациями). 1 - сомкнутость древостоя (ярус А); 2 - средний возраст древостоя (ярус А); 3 – видовое богатство, 4 - обилие ели, 5 - обилие сосны, 6 - обилие березы, 7- обилие осины 98 1 - несомкнутые молодняки в основном хвойные и мелколиственно-хвойные (посадки, зарастающие вырубки), 2 - молодняки мелколиственные и хвойномелколиственные, 3 - средневозрастные мелколиственные, 4 - приспевающие, спелые и перестойные мелколиственные, 5 - несомкнутые молодняки в основном березовые и хвойно-мелколиственные, 6 - молодняки в основном березовые и хвойно-мелколиственные, 7 - средневозрастные березовые, 8 - приспевающие березовые, 9 - спелые и перестойные (иногда приспевающие) березовые, 10 - несомкнутые молодняки еловые, 11 - в основном молодняки еловые, 12 - приспевающие еловые, 13 - спелые и перестойные еловые, 14 - молодняки сосновые, 15 - средневозрастные сосновые, 16 - приспевающие, спелые и перестойные сосновые и мелколиственно-хвойные, 17 - вода и заболоченные земли, 18 - нелесные и непокрытые лесом земли, 19 - кварталы Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 Ò. Â. ×ÅÐÍÅÍÜÊÎÂÀ Рис. 7. Структура и состав лесов юго-западного Подмосковья на верхнем типологическом уровне (классы формаций) в соответствии с картой растительности Московской области 1996 г. (из работы [8] с модификациями). татов автоматического дешифрирования снимков Landsat независимо для двух сроков съемки (1992 и 2002 гг.) позволило выявить достоверные изменения лесопокрытой площади за 10 лет. Так, в результате коттеджного/дачного строительства и вырубок площадь лесных насаждений для территории юго-западного Подмосковья общей площадью 4800 км2 сократилась на 95,7 км2, в то же время в процессе естественного зарастания полей и вырубок площадь лесопокрытой территории увеличилась на 71,3 км2. В качестве дополнительных источников использовались Карта ландшафтов Московской области М 1:500000 (1997) и Экологическая карта Московской области М 1:200000 (2000). На основе этих карт, ДДЗ, лесотаксационных материалов и полевых обследований в настоящее время идет разработка карты современного состояния растительного покрова юго-западного Подмосковья в рамках более дробных синтаксономических единиц, а также выявление приуроченности лесных сообществ к различным типам местообитаний и роли ландшафтообразующих факторов в скорости и направленности лесообразовательного процесса. Таким образом, использование современных высокотехнологичных средств анализа и интерпретации данных, математического аппарата и программного обеспечения значительно расширяет спектр возможностей при осуществлении мониторинга биоразнообразия. Показанные подходы к оценке состояния лесного покрова базируются на комплексной схеме полевых эколого-ценотических исследований и картографической и статистической обработки. Проведенный анализ показал возможность получения информации о составе лесных насаждений и расчете индексов разнообразия лесов для различного масштаба Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 99 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß территории на основе количественного анализа дистанционной информации как источника интерполяции и актуализации данных лесной таксации и полевых геоботанических описаний. Использование ДДЗ является рациональным и экономически обоснованным не только в современном лесоустройстве и подготовке лесных регламентов, но также при оценке биоразнообразия природных комплексов. Применение ГИС-технологий позволило осуществить интеграцию и совместный анализ имеющихся данных различного формата и масштаба, характеризующих растительный покров. Дальнейшие развитие методов оценки состояния лесного покрова предполагает исследование вклада различных природных и антропогенных факторов в его структуру и динамику, выявление различных аспектов сопряженности состояния природных систем с условиями среды и в первую очередь – с элементами рельефа и климатическими изменениями. В частности, совместный количественный анализ карты растительности и цифровой модели рельефа дает возможность выявить приуроченность лесных сообществ к различным типам местообитаний. Результатом исследований должна служить актуализация существующих и разработка новых карт современного состояния растительного покрова модельных территорий в рамках базовых типологических единиц, а также разработка прикладных экологоэкономических моделей, прогнозов и альтернативных сценариев природопользования. ЛИТЕРАТУРА 1. Исаев А.С., Князева С.В., Пузаченко М.Ю., Черненькова Т.В. Использование спутниковых данных для мониторинга биоразнообразия лесов // Исследование земли из космоса. 2009. № 2. С. 1-12. 2. Мониторинг биологического разнообразия лесов России: методология и методы. Под ред. А. С. Исаева. ЦЭПЛ РАН. М.: Наука, 2008. 453 с. 3. Национальный доклад Российской Федерации по критериям и индикаторам сохранения и устойчивого управления умеренными и бореальными лесами (Монреальский процесс). М.: ВНИИЛМ, 2003. 84 с. 4. Пузаченко Ю.Г., Дьяконов К.Н., Алещенко Г.М. Разнообразие ландшафта и методы его измерения // География и мониторинг биоразнообразия. М.: Изд-во Экоцентр МГУ, 2002. С. 143-302. 5. Пузаченко Ю.Г. Математические методы в экологических и географических исследованиях. М.: Academia, 2004. 416 с. 6. Пузаченко М.Ю., Черненькова Т.В. ГИС-технологии в мониторинге биоразнообразия лесов// ArcReview. 2006. № 4, (39). (http://www.dataplus.ru/Arcrev/ Number_39/9_bio.html) 7. Черненькова Т.В., Бочарников В.Н. Комплексная оценка и организация данных в системе биомониторинга лесных территорий // Лесоведение. 2003. № 1. С. 37-47. 8. Черненькова Т.В., Козлов Д.Н. Динамика лесов Подмосковья по материалам космической съемки // Земля из космоса — наиболее эффективные решения. 2009. № 1. С. 24-28. 9. Черненькова Т.В., Басова Е.В., Бочкарев Ю.Н., Пузаченко М.Ю., Тихонова Е.В. Оценка биоразнообразия лесов в зоне влияния горно-металлургического комбината «Североникель» // Лесоведение. 2009а. №5. С. 10. Черненькова Т.В., Князева С.В., Пузаченко М.Ю., Макарова В.А., Левинская Н.Н. Критерии и индика- 100 торы биоразнообразия лесов как инструменты устойчивого природопользования //Лесоведение. 2009б. №6. С. 1-15. 11. Avery T.E., Berlin G.L. Fundamentals of remote sensing and airphoto interpretation. 5th ed. N.Y.: MacMillan Publ. Co. 1992. 12. BEAR: Indicators for monitoring and evaluation of forest biodiversity in Europe. Technical report 7. 2001. http://www.algonet.se[~bear. 13. CircumBoreal Vegetation Mapping. 2008. (http:// caff.arcticportal.org/index.php?option=com_content& view=frontpage&Itemid=191) 14. Ministerial conference on the protection of forests in Europe (MCPFE). Sound forestry - sustainable development. Helsinki: Ministry of Agr. and Forest, 1993. 161 р. 15. The improved Pan-European indicators for sustainable forest management: Proc. of the 4 th Ministerial conference on the protection of forests in Europe (MCPFE). Vienna, 2003. http://www.mcpfe. org/livingforestsummit. 16. The Montreal process. Criteria and indicators for the conservation and sustainable management of temperate and boreal forests. Hull, (Quebec): Canadian Forest Service, 1995. 120 p. _______________________ Автор выражает глубокую признательность академику А.С.Исаеву, под руководством которого осуществлялась работа, Ю.Г.Пузаченко за консультации и методическую помощь, М.Ю.Пузаченко, И.П.Котлову, Д.Н.Козлову за подготовку картографических продуктов по модельным регионам, а также всем специалистам, принимавших участие в сборе и анализе полевых материалов. Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1
