Оценка объемов вырубки леса с использованием данных дистанционного зондирования Земли

А.В. Старовойтов¹, А.В. Фаттахов¹, Е.А. Ячменёва¹, М.М. Хамиев¹, Д.А. Кислер², В.Е. Косарев¹, Д.К. Нургалиев¹

¹Казанский (Приволжский) федеральный университет, г. Казань, 420008, Россия

²ООО «ТНГ-Групп», г. Бугульма, 423236, Россия

ОРИГИНАЛЬНАЯ СТАТЬЯ

Полный текст PDF

DOI: 10.26907/2542-064X.2021.4. 591-602

Для цитирования: Старовойтов А.В., Фаттахов А.В., Ячменева Е.А., Хамиев М.М., Кислер Д.А., Косарев В.Е., Нургалиев Д.К. Оценка объемов вырубки леса с использованием данных дистанционного зондирования Земли // Учен. зап. Казан. ун-та. Сер. Естеств. науки. – 2021. – Т. 163, кн. 4. – С. 591–602. – doi: 10.26907/2542-064X.2021.4. 591-602.

For citation: Starovoytov A.V., Fattakhov A.V., Yachmeneva E.A., Khamiev M.M., Kisler D.A., Kosarev V.E., Nurgaliev D.K. Felling outturn assessment using Earth remote sensing data. Uchenye Zapiski Kazanskogo Universiteta. Seriya Estestvennye Nauki, 2021, vol. 163, no. 4, pp. 591–602. doi: 10.26907/2542-064X.2021.4.591-602. (In Russian)

Аннотация

В процессе проведения сейсмических полевых работ существует необходимость вырубки просек в лесных массивах. Важной и актуальной задачей при этом является оценка необходимого к вырубке объема деревьев. В качестве нового подхода к решению данной проблемы предлагается использовать методы дистанционного зондирования Земли с применением беспилотных воздушных судов. На беспилотное воздушное судно была установлена система лазерного сканирования и фотоаппарат высокого разрешения, благодаря которым были построены цифровая модель местности и цифровая модель рельефа. Обработка получаемых моделей проводилась нейронной сетью, разработанной в рамках представленного исследования. В процессе выполнения работы на исследуемой территории с использованием цифровой модели местности были идентифицированы деревья и определен их класс в рамках намеченных просек. С помощью разработанного алгоритма определялся объем деревьев, необходимых для вырубки запланированных просек для каждого класса дерева.

Ключевые слова: беспилотное воздушное судно, сейсморазведочные работы, дистанционное зондирование Земли, вырубка лесов

Благодарности. Работа выполнена при финансовой поддержке Министерства науки и высшего образования Российской Федерации (соглашение от 26.11.2019 г. № 075-11-2019-038 «Разработка многофункционального аппаратно-программного комплекса на основе беспилотных воздушных судов для планирования и сопровождения сейсморазведочных работ»).

Литература

1. Грошев Б.И., Синицын С.Г., Мороз П.И., Сеперович И.П. Лесотаксационный справочник. – М.: Лесная пром-сть, 1980. – 288 с.
2. Li J., Yang B., Chen C., Wu W., Zhang L. Aerial-triangulation aided boresight calibration for a low-cost UAV-lidar system // ISPRS Ann. Photogramm., Remote Sens. Spat. Inf. Sci. – 2020. – V. V-1-2020. – P. 245–252. – doi: 10.5194/isprs-annals-V-1-2020-245-2020.
3. Li X., Li X., Huang J., Shen Z., Wang B., Yuan Y., Zhang K. Improving PPP–RTK in urban environment by tightly coupled integration of GNSS and INS // J. Geod. – 2021. – V. 95, No 132. – doi: 10.1007/s00190-021-01578-6.
4. Айнакулов Ж.Ж., Кузьмин А.Г., Мухамедгалиев А.Ф., Разакова М.Г., Смирнов В.В. Управление временем срабатывания затвора фотокамеры беспилотного летательного аппарата // Проблемы информатики. – 2016. – Т. 30, Вып. 1. – С. 84–92.
5. Zhang W., Cai S., Liang X., Shao J., Hu R., Yu S., Yan G. Cloth simulation-based construction of pit-free canopy height models from airborne LiDAR data // For. Ecosyst. – 2020. – V. 7. – Art. 1, P. 1–13. – doi: 10.1186/s40663-019-0212-0.
6. Титаров П.С. Характеристики точности координат точек местности CE и LE // Геопрофи. – 2010. – Вып. 1. – С. 52–53.
7. Weinstein B.G., Marconi S., Bohlman S., Zare A., White E. Individual tree-crown detection in RGB imagery using semi-supervised deep learning neural networks // Remote Sens. – 2019. – V. 11, No 11. – Art. 1309, P. 1–13. – doi: 10.3390/rs11111309.
8. Weinstein B.G., Marconi S., Bohlman S., Zare A., White E. Geographic generalization in airborne RGB deep learning tree detection // bioRxiv. – 2019. – doi: 10.1101/790071.
9. Gupta S., Sharma P., Sharma D., Gupta V., Sambyal N. Detection and localization of potholes in thermal images using deep neural networks // Multimedia Tools Appl. – 2020. – V. 79. – P. 26265–26284. – doi: 10.1007/s11042-020-09293-8.
10. Tian H., Zheng Y., Jin Z. Improved RetinaNet model for the application of small target detection in the aerial images // IOP Conf. Ser.: Earth Environ. Sci. – 2020. –V. 585, No 1. – Art. 012142, P. 1–8. – doi: 10.1088/1755-1315/585/1/012142.

Поступила в редакцию

07.10.2021

Старовойтов Александр Владимирович, инженер кафедры геофизики и геоинформационных технологий

Казанский (Приволжский) федеральный университет

ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: aldanstar@gmail.com

Фаттахов Артур Вилданович, старший преподаватель кафедры геофизики и геоинформационных технологий

Казанский (Приволжский) федеральный университет

ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: avfattahov@kpfu.ru

Ячменёва Екатерина Анатольевна, аспирант кафедры геофизики и геоинформационных технологий

Казанский (Приволжский) федеральный университет

ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: EAYachmenjova@gmail.com

Хамиев Марсель Маратович, инженер кафедры геофизики и геоинформационных технологий

Казанский (Приволжский) федеральный университет

ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: khamiev@inbox.ru

Кислер Денис Александрович, заместитель генерального директора по маркетингу

ООО «ТНГ-Групп»

ул. Ворошилова, д. 21, г. Бугульма, 423236, Россия

E-mail: denis-kisler@tng.ru

Косарев Виктор Евгеньевич, старший преподаватель кафедры геофизики и геоинформационных технологий

Казанский (Приволжский) федеральный университет

ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: Victor.Kosarev@kpfu.ru

Нургалиев Данис Карлович, доктор геолого-минералогических наук, директор Института геологии и нефтегазовых технологий

Казанский (Приволжский) федеральный университет

ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: Danis.Nourgaliev@kpfu.ru

Контент доступен под лицензией Creative Commons Attribution 4.0 License.