Экологический потенциал лесного покрова г. Москвы

Авторы:

Черненькова Т. В., Котлов И. П., Беляева Н. Г.

Ключевые слова: городские леса, мониторинг, лесное разнообразие, сукцессия, фрагментация, пространственное моделирование, типологическое разнообразие, данные дистанционного зондирования, случайный лес, Москва

Аннотация

В условиях быстрого роста городского населения во всем мире экологическая и социальная значимость городских лесов возрастает. Для большинства городских систем не существует единой системы мониторинга состояния зеленых зон. Биоразнообразие является одной из экосистемных услуг, и его оценка особенно актуальна для крупных и быстро развивающихся мегаполисов. В настоящем исследовании предложена методика оценки состава и структуры городских лесных систем на примере города Москвы (Россия) с учетом присоединенных в 2012 г. территорий. При обработке данных дистанционного зондирования (Sentinel-2A, DEM SRTM, радиолокационные изображения PALSAR) в сочетании с наземными данными (в качестве пространственно распределенной обучающей выборкой) использовался алгоритм «случайного леса». Впервые составлена картографическая модель городских лесов территории Москвы для типологических единиц на уровне формаций и групп ассоциаций. Предлагаемая оценка типологического разнообразия лесов может служить для ежегодного мониторинга биоразнообразия городских лесов Москвы.

Список литературы

Население Москвы по округам и районам 23.03.2021 [электронный источник] // URL: http://www.statdata.ru/naselenie-moskvy-po-okrugam-i-
rajonam (от 16 июля 2024).
Breiman L. Random forests. Machine learning, 2001. 45. Р. 5–32.
Черненькова Т. В., Суслова Е. Г., Морозова О. В., Беляева Н. Г., Котлов И. П. Биоразнообразие лесов Московского региона // Экосистемы: экология и динамика. 2020. Т. 4. № 3. C. 61–144.
Grabska E., Frantz D., Ostapowicz K. Evaluation of machine learning algorithms for forest stand species mapping using Sentinel-2 imagery and environmental data in the Polish Carpathians. REMOTE SENSING OF ENVIRONMENT. 2020. https://doi.org/10.1016/j.rse.2020.112103.
Graham M. H. Confronting multicollinearity in ecological multiple regression. Ecology, 2003. № 84. Р. 2809–2815.
Shimada M., Itoh T., Motooka T., Watanabe M., Shiraish T., Thapa R., Lucas R. New global forest/non-forest maps from ALOS PALSAR data (2007–2010). Remote Sensing of environment, 2014. № 155. Р. 13–31.

Ecological potential of forest cover in Moscow

Authors:

Chernenkova T. V., Kotlov I. P., Belyaeva N. G.

Keywords: urban forests, monitoring, forest diversity, succession, fragmentation, spatial modeling, typological diversity, remote sensing data, random forest, Moscow

Abstract

With a rapidly growing urban population around the world, the ecological and social importance of urban forests is gaining. For most urban systems, there is no unified system for monitoring the state of green zones. Biodiversity is one of the ecosystem services, its assessment especially true for large and rapidly developing megalopolises. Current study proposes a methodology for the composition and structure of urban forest systems using the example of Moscow city (Russia), taking into account areas joined to Moscow in 2012. Random forest algorithm was used for remote sensing data (Sentinel-2A, DEM SRTM, PALSAR radar images) in combination with spatially enhanced training sample. A spatial model of a forest formations and groups of associations for the Moscow city area is made for the first time. The proposed baseline assessment of typological forest diversity can serve for the annual monitoring of the biodiversity of urban forests in Moscow.