Content uploaded by Dmitry Schepaschenko
Author content
All content in this area was uploaded by Dmitry Schepaschenko on Sep 28, 2017
Content may be subject to copyright.
3
СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. 2017. № 4. С. 3–11
© Щепащенко Д. Г., Швиденко А. З., Пергер К., Дресел К., Фриц Ш., Лакида П. И., Мухортова Л. В.,
Усольцев В. А., Бобкова К. С., Осипов А. Ф., Мартыненко О. В., Карминов В. Н., Онтиков П. В.,
Щепащенко М. В., Кракснер Ф., 2017
ОБЗОРНЫЕ СТАТЬИ
УДК 528.8:581.5
ИЗУЧЕНИЕ ФИТОМАССЫ ЛЕСОВ:
ТЕКУЩЕЕ СОСТОЯНИЕ И ПЕРСПЕКТИВЫ
Д. Г. Щепащенко1, 2, А. З. Швиденко1, 3, К. Пергер1, К. Дресел1, Ш. Фриц1,
П. И. Лакида4, Л. В. Мухортова3, В. А. Усольцев5, К. С. Бобкова6,
А. Ф. Осипов6, О. В. Мартыненко2, В. Н. Карминов2, П. В. Онтиков2,
М. В. Щепащенко7, Ф. Кракснер1
1 Международный институт прикладного системного анализа (IIASA)
Австрия, 2361, Лаксенбург, Шлосплатц, 1
2 Мытищинский филиал Московского государственного технического университета
им. Н. Э. Баумана
141005, Московская обл., Мытищи, ул. 1-я Институтская, 1
3 Институт леса им. В. Н. Сукачева СО РАН – обособленное подразделение ФИЦ КНЦ СО РАН
660036, Красноярск, Академгородок, 50/28
4 Национальный университет биоресурсов и природопользования Украины
Украина, 03041, Киев, ул. Героев обороны, 15
5 Ботанический сад УрО РАН
620144, Екатеринбург, ул. 8 Марта, 202
6 Институт биологии Коми научного центра УрО РАН
167982, Республика Коми, Сыктывкар, ул. Коммунистическая, 28
7 Всероссийский институт повышения квалификации руководящих работников
и специалистов лесного хозяйства
141200, Московская область, Пушкино, ул. Институтская, 17
E-mail: schepd@iiasa.ac.at, shvidenk@iiasa.ac.at, perger@iiasa.ac.at, dresel@iiasa.ac.at,
fritz@iiasa.ac.at, petro.lakyda@ukr.net, l.mukhortova@gmail.com, usoltsev50@mail.ru,
bobkova@ib.komisc.ru, osipov@ib.komisc.ru, martinen@mgul.ac.ru, karminov@mgul.ac.ru,
opv86@mail.ru, mariaschep@gmail.com, kraxner@iiasa.ac.at
Поступила в редакцию 24.11.2016 г.
Дан обзор современных методов, инструментов и перспектив мониторинга лесной фитомассы в глобаль-
ном масштабе. Рассмотрены преимущества и недостатки различных дистанционных методов космического
базирования, включая оптические, радарные (C-, L-, P-диапазонов) и лазерные, а также соответствующие
им инструменты, находящиеся на орбите (MODIS, Proba-V, Landsat, Sentinel-1, Sentinel-2, ALOS PALSAR,
Envisat ASAR) или готовящиеся к запуску (BIOMASS, GEDI, NISAR, SAOCOM-CS). Подчеркнута роль
наземных методов в разработке моделей фитомассы, обеспечении калибровки и проверки дистанционных
данных. Описаны имеющиеся в свободном доступе карты, базы данных и эмпирические модели (как по-
деревные – аллометрические, так и на уровне насаждений) лесной фитомассы. Описаны функциональные
4 СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017
ВВЕДЕНИЕ
Всемирная метеорологическая организа-
ция при ООН назвала надземную фитомассу
(above-ground biomass) одним из основных ин-
дикаторов в климатических исследованиях –
Essential Climate Variable (Bojinski et al., 2014).
Растительность является значительным резер-
вуаром углерода, соизмеримым с количеством
углерода в атмосфере. Она может выступать
как существенным нетто-поглотителем угле-
рода из атмосферы (в результате фотосинтеза),
так и его источником (при уменьшении пло-
щади лесов и их деградации). Фитомасса рас-
сматривается также в контексте задач устойчи-
вого развития – Sustainable Development Goals
(Müller et al., 2015), принятых на конференции
ООН RIO+20 в 2012 г. Фитомасса упоминает-
ся в шести из семнадцати целей устойчивого
развития, при этом подчеркивается ее роль в
обеспечении продуктами питания, энергетике,
строительстве, сдерживании климатических из-
менений, охране природы, сохранении биораз-
нообразия и пр.
Все перечисленное говорит о большой важ-
ности оценки запасов и мониторинга дина-
мики фитомассы в глобальном масштабе. Эта
задача выполнима только на основе дистанци-
онных методов, обеспечивающих оперативное
и сплошное (wall-to-wall) картографирование
территории. Наземные методы (постоянные и
временные пробные площади, государственная
инвентаризация лесов) также остаются востре-
бованными, главным образом для калибровки
и валидации данных дистанционного зондиро-
вания, а также для разработки моделей зависи-
мости фитомассы от таксационных показателей
лесов.
ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ
ЛЕСНОЙ ФИТОМАССЫ
Сплошное и оперативное картографирова-
ние лесной фитомассы способно обеспечить
дистанционное зондирование Земли (ДЗЗ), но
в настоящее время существуют только косвен-
ные методы дистанционной оценки фитомассы.
Все имеющиеся методы можно разделить на
три группы – оптические, радарные и лазерные.
У каждого из них имеются свои преимущества
и недостатки. Перечислим некоторые из имею-
щихся на орбите или ожидаемых инструментов,
информация с которых поставляется в открытый
доступ и может быть использована для оценки
фитомассы.
Среди оптических инструментов наибо-
лее известны MODIS (пространственное разре-
шение около 250 м), Proba-V (~100 м), Landsat
(30 м), Sentinel-2 (10 м). Они позволяют вычис-
лить вегетационные индексы (например, «ин-
декс зелености» NDVI), выделить классы зе-
мельного покрова (Барталев и др., 2011, 2015),
установить типы растительности (древесная/
травянистая, вечнозеленая/листопадная) и оце-
нить некоторые биофизические показатели лес-
ных насаждений, например сомкнутость крон
(Hansen et al., 2013). Однако многие важные
параметры лесов оптические методы надежно
не отражают. Так, проблематично отличить мо-
лодой лес от старого или выявить средние диа-
метр и высоту древостоев, поэтому оптические
инструменты сами по себе недостаточны для
надежной оценки фитомассы. Хотя известны
успешные попытки распознать преобладающие
древесные породы и оценить запас древесины
различными косвенными методами, например
по зимним снимкам, когда снег делает изобра-
возможности интернет-портала Biomass.Geo-Wiki.org, который предоставляет доступ к коллекции глобаль-
ных и региональных карт фитомассы в полном разрешении с унифицированной легендой, наложенных на
снимки высокого разрешения. Анонсирована международная кооперация ученых, проводящих измерения на
постоянных пробных площадях (Forest Observation System), и рассмотрены ее перспективы в развитии сети
наземных наблюдений во взаимодействии с дистанционным сообществом. Кратко рассмотрены перспективы
беспилотных летательных аппаратов в инвентаризации лесов. Авторы адресуют данный обзор специалистам
лесного хозяйства и научным работникам в области лесоведения и экологии, которые не являются экспертами
в дистанционном зондировании, но хотят получить представление о современных тенденциях в этой области
знания. Также статья нацелена на уменьшение разобщенности научных коллективов и более широкий обмен
данными и знаниями между дистанционным и экологическим сообществами.
Ключевые слова: лесная фитомасса, дистанционное зондирование, Geo-Wiki, Forest-observation-System.net.
DOI: 10.15372/SJFS20170401
Д. Г. Щепащенко, А. З. Швиденко, К. Пергер, К. Дресел, Ш. Фриц, П. И. Лакида, Л. В. Мухортова...
СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017 5
жение деревьев более контрастным (Жарко,
Барталев, 2014). Облачность является серьез-
ным препятствием в использовании оптических
данных.
Радарные инструменты чувствительны к
запасам воды в тканях растений. Проникнове-
ние радарного сигнала в кроны зависит от дли-
ны волны. Чем больше длина волны, тем глубже
под полог леса и в более крупные части расте-
ний он проникает. Для оценки запасов фитомас-
сы использовали инструменты следующих диа-
пазонов длин волн (и соответствующих частот):
диапазон Х, длина волны 2.5–3.75 см; диапазон
С – 3.75–7.5 см; диапазон L – 15–30 см и рада-
ры ультравысоких частот – 30–100 см, из кото-
рых наиболее перспективен Р-диапазон (около
70 см). Облачность не мешает радарному сигна-
лу, но он чувствителен к влажности почвы, что
накладывает дополнительные ограничения.
Диапазон C, чувствительный к мелким ча-
стям кроны (хвоя, листья, тонкие ветви), пред-
ставлен на спутниках Envisat ASAR (простран-
ственное разрешение около 150 м) и Sentinel-1
(10 м). Сигнал довольно быстро насыщается
при увеличении количества фитомассы (в ряде
исследований пороговым значением указывался
запас древостоя 60–80 м3/га), и лес со средними
запасами фитомассы неотличим от леса с вы-
сокими запасами. Несмотря на эти недостатки,
длинные временные серии изображений и агре-
гация данных до 1 км позволяют получить оцен-
ку запаса древостоев (Santoro et al., 2015) и фи-
томассы (Thurner et al., 2014) лесов бореальной
зоны с достаточно высокой точностью, хотя на-
сыщение сигнала при запасах древостоев выше
250–300 м3/га приводит к относительно неболь-
шим систематическим ошибкам.
Единственный радар в диапазоне L, который
(частично) поставляет данные в свободный до-
ступ, представлен на японском спутнике ALOS
PALSAR (~15 м). Считается, что этот диапа-
зон чувствителен к содержанию воды в кроне
деревьев. Возможности этого инструмента в
картографировании запаса насаждений показа-
ны, например, в работе С. Hüttich et al. (2014).
Все же в различных технологических подходах
надежно определять фитомассу как C-, так и
L-диапазоны могут только до 100 т/га. При бо-
лее высоких значениях сказывается насыщение
сигнала. В 2020 г. NASA планирует запуск рада-
ра L-диапазона NISAR с пространственным раз-
решением около 10 м, который будет работать в
поляриметрическом режиме, давая стереоскопи-
ческую картину объекта из нескольких точек на-
блюдения. Данный инструмент должен обеспе-
чить точность определения фитомассы ±10 %
при агрегировании до 100 м для лесов с запаса-
ми надземной фитомассы до 150 т/га. Также по-
явится возможность определить высоту кроны.
В процессе принятия решения находится
миссия Европейского и Аргентинского косми-
ческих агентств SAOCOM-CS, также оборудо-
ванная L-диапазонным радаром и специально
предназначенная для томографии лесов, сочета-
ющая в себе поляри- и интерферометрические
возможности с пространственным разрешением
около 5 м. Этот инструмент позволит оценить
трехмерную структуру леса, что достигается
использованием второго спутника-компаньона
(SC) с принимающей антенной, обеспечиваю-
щего стереоскопическую картину.
Первый радар спутникового базирования
в диапазоне P, чувствительный к запасам воды
в древесине и способный оценить фитомассу
лесов с большими запасами (более 50 т/га), го-
товится к запуску Европейским космическим
агентством в 2021 г. (проект BIOMASS). Про-
странственное разрешение при определении
фитомассы составляет 200 м с предполагаемой
ошибкой в 20 %. Изменения лесного покрова
будут фиксироваться с разрешением 50 м. Будет
измеряться и высота кроны. Его основная цель –
дождевые тропические леса с высокими запаса-
ми фитомассы, постоянно скрытые облаками.
Северная Америка и Европа исключены из на-
блюдения из-за возможного конфликта с инстру-
ментами военного назначения. Сибирь остается
в планах наблюдений.
Лазерные методы (LiDAR) позволяют оце-
нить вертикальную структуру леса с высокой
точностью даже при сомкнутом пологе. Один из
таких спутников (ICESat) завершил свою рабо-
ту в 2010 г., запуск следующего (GEDI) NASA
планирует в декабре 2018 г. Однако террито-
рия охвата GEDI ограничена умеренной и тро-
пической зонами (между 50° с. ш. и 50° ю. ш.).
Облачность является препятствием для лазера.
Орбитальные лазеры также не способны обес-
печить сплошного покрытия, а только выборку
из эллипсов ~25 м в диаметре, 15 млн которых
предполагается получить в течение одного года
эксплуатации аппарата. Полученные данные
предполагается агрегировать до 500 м, плани-
руемая точность оценки запасов фитомассы при
этом составит 80 %.
Существует значительное количество инфор-
мационно-инструментальных порталов, позво-
ляющих работать с дистанционными изо-
Изучение фитомассы лесов: текущее состояние и перспективы
6 СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017
бражениями и разнообразными картами, по-
строенными на их основе. Среди них можно
назвать Geo-Wiki (http://geo-wiki.org); WebEOM –
Earth Observation Monitor (http://www.earth-
observation-monitor.net/map.php); TerraNorte RLC
(http://terranorte.iki.rssi.ru/); СОВЗОНД (http://
sovzond.ru/).
Мы сознательно опустили рассмотрение
целого ряда других возможностей ДЗЗ, которые
либо недоступны большинству заинтересован-
ных лиц вследствие ограничений по распростра-
нению, либо дороги в настоящее время. Сюда
можно отнести различные спутники, например
DLR TANDEM, многие российские аппараты и
др. Среди них также приборы самолетного ба-
зирования: гиперспектральные, стереоскопи-
ческие и особенно лазерные (ALS), способные
обеспечить связующее звено между наземны-
ми (точечными) и космическими наблюдения-
ми. Беспилотные летательные аппараты (UAV)
способны летать ниже облаков. Они в основном
несут на борту оптические камеры и произво-
дят стереоскопическую съемку, которая дает
возможность построить цифровую модель рель-
ефа и определить высоту кроны (при наличии
разрывов в кронах). Проводятся эксперименты
с установкой лазерных инструментов на UAV,
которые будут способны определять не только
высоту, но и диаметр деревьев, что произведет
революцию в лесоустройстве.
Дистанционные измерения нуждаются в ка-
либровке и проверке результатов по наземным
измерениям.
НАЗЕМНЫЕ МЕТОДЫ
ИССЛЕДОВАНИЯ ФИТОМАССЫ
Наземные методы представляют собой за-
кладку пробных площадей (ПП) с измерением
биометрических (таксационных) параметров
древостоев. Наиболее трудоемким (и первичным
по отношению к прочим) является метод с руб-
кой модельных деревьев и отбором образцов для
последующей сушки и взвешивания (destructive
sampling), описанный в ряде работ (например,
Snowdon et al., 2002; Усольцев, 2007). Этот ме-
тод позволяет построить регрессионные модели
зависимости фитомассы (общей и по отдельным
фракциям) от параметров дерева (высоты и диа-
метра) или насаждения (возраста, полноты, бо-
нитета). Подобные модели позволяют впослед-
ствии оценить фитомассу без рубки модельных
деревьев. Коллекции аллометрических уравне-
ний, позволяющих оценить фитомассу отдель-
ных деревьев исходя из их диаметра и высоты,
для основных древесных пород Евразии опуб-
ликованы В. А. Усольцевым и др. (2016), для Ев-
ропы – P. Muukkonen & R. Mäkipää (2006), для
Северной Америки – J. C. Jenkins et al. (2004),
для тропиков – J. Chave et al. (2014).
Уравнения для оценки фитомассы на уровне
насаждения имеют то преимущество, что учи-
тывают его параметры (в частности полноту) и
могут быть применены как для отдельного на-
саждения, так и для их совокупности (напри-
мер, для данных государственного лесного рее-
стра). Примеры таких уравнений опубликованы
В. А. Усольцевым (2002, 2007), А. З. Швиденко
и др. (2004, 2008), Д. Г. Замолодчиковым и др.
(2005), А. Shvidenko et al. (2007).
Точность и адекватность регрессионных
уравнений зависят от сложности объекта иссле-
дования, района и условий произрастания, коли-
чества модельных деревьев и других факторов.
Показано, что рубка 5–10 деревьев каждой поро-
ды на ПП обеспечивает точность оценки общей
надземной древесной фитомассы с погрешно-
стью в пределах 10 % (Усольцев, 1985).
Следует упомянуть наземные лазерные при-
боры (TLS), которые определяют с высокой
точностью пространственную структуру леса и
объем древесины. Они способны в значительной
мере сократить количество назначаемых в рубку
модельных деревьев и хорошо подходят для со-
вершенствования аллометрических уравнений.
Уравнения фитомассы, полученные на ПП
деструктивным методом или с использовани-
ем TLS, позволяют впоследствии восстановить
структуру фитомассы насаждений по таксаци-
онным показателям и оценить их подземную
часть.
Проект Forest Observation System (FOS)
(http://forest-observation-system.net/) представля-
ет собой международное сотрудничество, име-
ющее целью создать глобальную базу данных
постоянных ПП, пригодных для калибровки
и проверки данных ДЗЗ, моделирования эко-
системных функций. Также FOS анализирует
пробелы в имеющихся знаниях и имеет целью
способствовать инвестициям в развитие сети
постоянных ПП. FOS ставит задачу объединить
к взаимной выгоде усилия ученых из двух раз-
ных областей знаний: ДЗЗ и экологии (в ши-
роком смысле, включая сюда всех проводящих
измерения на ПП). В результате такого сотруд-
ничества специалисты по ДЗЗ могут получить
стандартизированные наземные данные высоко-
го качества. FOS предлагает стандартизованную
Д. Г. Щепащенко, А. З. Швиденко, К. Пергер, К. Дресел, Ш. Фриц, П. И. Лакида, Л. В. Мухортова...
СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017 7
процедуру обработки первичных (подеревных)
данных, которая позволяет агрегировать данные
и извлекать те немногие показатели, которые не-
обходимы для ДЗЗ. Экологи получают доступ
к глобальной информации о фитомассе лесов,
имеющихся пропусках в знаниях. Объединение
в международный консорциум повышает уро-
вень совместных публикаций и шансы на полу-
чение исследовательских грантов.
Калибровка и проверка спутниковых данных
требуют синхронизованных по времени измере-
ний на земле и из космоса. Поэтому необходима
координация усилий (и финансирования) к мо-
менту ввода в эксплуатацию описанных выше
систем мониторинга фитомассы космического
базирования (2019–2021 гг.).
FOS был инициирован рядом специалистов,
включая Jérôme Chave (CNRS, Франция), Oliver
Phillips (University of Leeds, Великобритания),
Stuart J. Davis (STRI, США), Simon Lewis (UCL,
Великобритания), Dmitry Schepaschenko (IIASA,
Австрия) и Klaus Scipal (ESA, Нидерланды), при
финансовой поддержке Европейского космиче-
ского агентства. На текущем (начальном) этапе
FOS объединил усилия таких сетей, как Center
for Tropical Forest Science Forest Global Earth
Observatory (CTFS-ForestGEO), ForestPlots.net
(включая RAINFOR, AfriTRON и T-FORCES) и
IIASA сеть в Северной Евразии (включая Мы-
тищинский филиал МГТУ им. Н. Э. Баумана,
Институт леса КНЦ СО РАН, Ботанический сад
УрО РАН, Институт биологии Коми научного
центра УрО РАН, Национальный университет
биоресурсов и природопользования Украины).
FOS – открытая инициатива, которая будет рас-
ширяться за счет привлечения большего количе-
ства участников.
Минимальный набор параметров в базе дан-
ных включает: название института и ФИО от-
ветственного лица, географические координаты,
число деревьев, тип леса и состав насаждения,
среднюю высоту, надземную фитомассу дре-
востоя. Размер ПП должен быть как минимум
0.25 га, но предпочтительнее 1 га и более.
Данные лазерной съемки самолетного ба-
зирования (airborne LiDAR) являются важным
звеном изучения пространственного размеще-
ния фитомассы и позволяют масштабировать
данные ПП для калибровки и валидации спут-
никовых данных. FOS также аккумулирует
доступные данные, полученные приборами са-
молетного базирования, например, на супер-
сайте Европейского космического агентства в
Габоне.
База данных размещена в сети интернет
(http://forest-observation-system.net/) в открытом
доступе и содержит как метаданные (например,
кто проводил исследования, где и какие параме-
тры измерялись), так и сами данные, если авто-
ры разрешили открытый доступ к ним (рис. 1).
Основное назначение базы данных FOS –
обеспечить наземную информацию для кали-
бровки и валидации будущей миссии Евро-
пейского космического агентства по оценке
биомассы лесов планеты (ESA Earth Explorer
BIOMASS mission). Осуществляется также ко-
ординация с другими проектами (например, с
проектом ЕКА GlobBiomass) и космическими
программами (такими как NASA GEDI, NISAR;
ESA SAOCOM-CS).
КАРТЫ ЛЕСНОЙ ФИТОМАССЫ
Коллекция глобальных и региональных карт
лесной фитомассы собрана и регулярно обнов-
ляется на портале http://biomass.geo-wiki.org.
Все карты получили стандартизованную леген-
ду, содержат ссылки на авторов разработки (про-
дукта) и на описание методов (рис. 2). Этот пор-
тал создан в IIASA для того, чтобы представить
обзор имеющихся продуктов и помочь пользо-
вателям в выборе лучшего для определенного
региона и конкретной задачи.
Есть возможность сравнить карты биомассы
со снимками высокого разрешения, имеющи-
мися в Google map и Bing map. Для территории
России имеется несколько карт фитомассы с
пространственным разрешением 1 км. Глобаль-
ная карта лесной фитомассы (Kindermann et al.,
2008) построена на основе статистических дан-
ных ФАО, дистанционной карты чистой первич-
ной продукции MODIS и карты хозяйственной
деятельности. Карта фитомассы бореальной
зоны (Thurner et al., 2014; Santoro et al., 2015) по-
строена на временных сериях радарных данных
С-диапазона с ENVISAT ASAR. Карта фитомас-
сы растительности России (Schepaschenko et al.,
2011) построена на данных государственного
лесного реестра и набора дистанционных про-
дуктов, включая оптические и радарные. Все эти
карты доступны для просмотра на портале http://
biomass.geo-wiki.org со ссылкой на источники.
Помимо Geo-Wiki IIASA разрабатывает бес-
платные мобильные приложения и интернет-ре-
шения, которые помогают объединить усилия
многих ученых и широкие слои заинтересо-
ванной общественности для решения задач ин-
теграции разнообразных данных о земельном
Изучение фитомассы лесов: текущее состояние и перспективы
8 СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017
Рис. 1. Внешний вид портала http://forest-observation-system.net/, демонстрирующий информацию
о постоянных ПП.
Рис. 2. Внешний вид портала Biomass.Geo-Wiki.org с визуализацией карты фитомассы и значения с пяти
имеющихся карт в произвольно взятой точке.
Д. Г. Щепащенко, А. З. Швиденко, К. Пергер, К. Дресел, Ш. Фриц, П. И. Лакида, Л. В. Мухортова...
СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017 9
покрове, землепользовании и особенно о лесах
(See et al., 2015). Одним из результатов такой ра-
боты являются интегральные карты лесного по-
крова (Щепащенко и др., 2015; Schepaschenko et
al., 2015a, b; Онтиков и др., 2016).
ЗАКЛЮЧЕНИЕ
Имеющиеся и особенно ожидаемые в бли-
жайшем будущем средства дистанционного
зондирования обладают беспрецедентными воз-
можностями для улучшения наших знаний о
лесах и таких важнейших показателях продук-
тивности и жизненности лесных экосистем, как
фитомасса и ее динамика. Современная наука
утверждает, что глобальное потепление свыше
2 °С будет создавать значительные риски для ле-
сов планеты, различные в разных районах. По-
следние результаты показывают, что при любых
сценариях этот рубеж (+2 °С) будет превзойден
к середине столетия (Watson, 2016), т. е. роль
оперативной информации о состоянии лесов и
изменениях в них в настоящее время весьма ве-
лика.
Каждый из перечисленных методов привно-
сит свой элемент мозаики в изучение лесной фи-
томассы. Только системный подход к проблеме,
комбинация различных методов и объединение
усилий специалистов из разных областей знаний
могут обеспечить надежную оценку динамики
лесной фитомассы в пространстве и во времени.
Данная статья подготовлена частично при
поддержке проекта ЕКА IFBN (4000114425/15/
NL/FF/gp).
СПИСОК ЛИТЕРАТУРЫ
Барталев С. А., Егоров В. А., Ершов Д. В., Иса-
ев А. С., Лупян Е. А., Плотников Д. Е., Ува-
ров И. А. Спутниковое картографирование
растительного покрова России по данным
спектрорадиометра MODIS // Современные
проблемы дистанционного зондирования Зем-
ли из космоса. 2011. Т. 8. № 4. С. 285–302.
Барталев С. А., Егоров В. А., Жарко В. О., Лу-
пян Е. А., Плотников Д. Е., Хвостиков С. А. Со-
стояние и перспективы развития методов спут-
никового картографирования растительного
покрова России // Современные проблемы дис-
танционного зондирования Земли из космоса.
2015. Т. 12. № 5. С. 203–221.
Жарко В. О., Барталев С. А. Оценка распознава-
емости древесных пород леса на основе спут-
никовых данных о сезонных изменениях их
спектрально-отражательных характеристик //
Современные проблемы дистанционного зон-
дирования Земли из космоса. 2014. Т. 11. № 3.
С. 159–170.
Замолодчиков Д. Г., Уткин А. И., Коровин Г. Н.
Конверсионные коэффициенты фитомасса/за-
пас в связи с дендрометрическими показате-
лями и составом древостоев // Лесоведение.
2005. № 6. С. 73–81.
Онтиков П. В., Щепащенко Д. Г., Карминов В. Н.,
Дюрауер М., Мартыненко О. В. Динамика пло-
щадей древесных насаждений Московского ре-
гиона за 2000–2013 годы // Вестн. Московск.
гос. ун-та леса – Лесн. вестник. 2016. Т. 20.
№ 1. С. 184–188.
Усольцев В. А. Моделирование структуры и дина-
мики фитомассы древостоев. Красноярск: Изд-
во Красноярск. ун-та, 1985. 192 с.
Усольцев В. А. Фитомасса лесов Северной Евра-
зии: нормативы и элементы географии. Екате-
ринбург: УрО РАН, 2002. 763 с.
Усольцев В. А. Биологическая продуктивность ле-
сов Северной Евразии. Методы, база данных и
ее приложения. Екатеринбург: УрО РАН, 2007.
636 с.
Усольцев В. А., Часовских В. П., Норицина Ю. В.,
Норицин Д. В. Аллометрические модели фито-
массы деревьев для лазерного зондирования и
наземной таксации углеродного пула в лесах
Евразии // Сиб. лесн. журн. 2016. № 4. С. 68–76.
Швиденко А. З., Щепащенко Д. Г., Нильссон С., Бу-
луй Ю. И. Система моделей роста и динамики
продуктивности лесов России (таблицы и мо-
дели биопродуктивности) // Лесн. хоз-во. 2004.
№ 2. С. 40–44.
Швиденко А. З., Щепащенко Д. Г., Нильссон С.,
Булуй Ю. И. Таблицы и модели хода роста и
продуктивности насаждений основных лесо-
образующих пород Северной Евразии (норма-
тивно-справочные материалы). Изд. 2-е, доп.
М.: Федеральное агентство лесн. хоз-ва, 2008.
886 с.
Щепащенко Д. Г., Швиденко А. З., Лесив М. Ю.,
Онтиков П. В., Щепащенко М. В., Кракснер Ф.
Площадь лесов России и ее динамика на осно-
ве синтеза продуктов дистанционного зонди-
рования // Лесоведение. 2015. № 3. С. 163–171.
Bojinski S., Verstraete M., Peterson T. C., Richter C.,
Simmons A., Zemp M. The concept of essential
climate variables in support of climate research,
applications, and policy // Bull. Amer. Meteorol.
Soc. 2014. V. 95. N. 9. P. 1431–1443.
Chave J., Réjou-Méchain M., Búrquez A., Chidu-
mayo E., Colgan M. S., Delitti W. B. C., Du-
que A., Eid T., Fearnside P. M., Goodman R. C.,
Henry M., Martinez-Yrizar A., Mugasha W. A.,
Изучение фитомассы лесов: текущее состояние и перспективы
10 СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017
Muller Landau H. C., Mencuccini M., Nel-
son B. W., Ngomanda A., Nogueira E. M., Ortiz-
Malavassi E., Pelissier R., Ploton P., Ryan C. M.,
Saldarriaga J., Vieilleden G. Improved allometric
models to estimate the aboveground biomass of
tropical trees // Global Change Biol. 2014. V. 20.
P. 3177–3190.
Hansen M. C., Potapov P. V., Moore R., Hancher M.,
Turubanova S. A., Tyukavina A., Thau D., Steh-
man S. V., Goetz S. J., Loveland T. R., Komma-
reddy A., Egorov A., Chini L., Justice C. O.,
Townshend J. R. G. High-resolution global maps
of 21st-century forest cover change // Science.
2013. V. 342. P. 850–53.
Hüttich C., Korets M., Bartalev S., Zharko V.,
Schepaschenko D., Shvidenko A., Schmullius C.
Exploiting growing stock volume maps for
large scale forest resource assessment: Cross-
comparisons of ASAR- and PALSAR-based
GSV estimates with forest inventory in Central
Siberia // Forests. 2014. V. 5. N. 7. P. 1753–1776.
Jenkins J. C., Chojnacky D. C., Heath L. S., Bird-
sey R. A. Comprehensive database of diameter-
based regressions for North American tree
species // USDA For. Serv. Northeastern Res. Stat.
Gen. Tech. Rep. NE-319. 2004. 45 p.
Kindermann G. E., McCallum I., Fritz S., Oberstei-
ner M. A global forest growing stock, biomass
and carbon map based on FAO statistics // Silva
Fenn. 2008. V. 42. N. 3. P. 387–396.
Muukkonen P., Mäkipää R. Biomass equations for
European trees: Addendum // Silva Fenn. 2006.
V. 40. N. 4. P. 763–773.
Müller A., Weigelt J., Götz A., Schmidt O., Alva I. L.,
Matuschke I., Ehling U., Beringer T. The role of
biomass in the sustainable development goals:
а reality check and governance implications.
IASS Working Paper. Potsdam: Inst. Advanced
Sustainability Stud., 2015. 36 p.
Santoro M., Beaudoin A., Beer C., Cartus O.,
Fransson J. E. S., Hall R.J., Pathe C., Schmul-
lius C., Schepaschenko D., Shvidenko A., Thur-
ner M., Wegmüller U. Forest growing stock volume
of the northern hemisphere: spatially explicit
estimates for 2010 derived from Envisat ASAR //
Rem. Sens. Environ. 2015. V. 168. P. 316–334.
Schepaschenko D., McCallum I., Shvidenko A.,
Fritz S., Obersteiner M. A new hybrid land
cover dataset for Russia: a methodology for
integrating statistics, remote sensing and in situ
information // Land Use Sci. 2011. V. 6. N. 4.
P. 245–259.
Schepaschenko D., Kraxner F., See L., Fuss S.,
McCallum I., Fritz S., Perger C., Shvidenko A.,
Kindermann G., Frank S., Tum M., Schmid E.,
Balkovič J., Guenther K. Global biomass infor-
mation: from data generation to application //
Handbook of Clean Energy Systems / J. Y. Chi-
chester (Ed.). Wiley, 2015а. V. 1. P. 11–33.
Schepaschenko D., See L., Lesiv M., McCallum I.,
Fritz S., Salk C., Perger C., Shvidenko A.,
Albrecht F., Kraxner F., Duerauer M., Oberstei-
ner M. Development of a global hybrid forest
mask through the synergy of remote sensing,
crowdsourcing and FAO statistics // Rem. Sens.
Environ. 2015b. V. 162. P. 208–220.
See L., Fritz S., Perger C., Schill C., McCallum I.,
Schepaschenko D., Dürauer M., Sturn T., Kar-
ne M., Kraxner F., Obersteiner M. Harnessing
the power of volunteers, the internet and
Google Earth to collect and validate global
spatial information using Geo-Wiki // Technol.
Forecas ting and Soc. Change. 2015. V. 98.
P. 324–335.
Shvidenko A., Schepaschenko D., Nilsson S., Bou-
loui Yu. Semi-empirical models for assessing
biological productivity of Northern Eurasian
forests // Ecol. Model. 2007. V. 204. P. 163–179.
Snowdon P., Raison J., Keith H., Ritson P., Grierson P.,
Adams M., Montagu K., Bi H., Burrows W.,
Eamus D. Protocol for sampling tree and stand
biomass. National carbon accounting system.
Tech. Rep. 31. Canberra: Austral. Greenhouse
Ofce, 2002. 76 p.
Thurner M., Beer C., Santoro M., Carvalhais N.,
Wutzler T., Schepaschenko D., Shvidenko A.,
Kompter E., Ahrens B., Levick S. R., Schmullius C.
Carbon stock and density of northern boreal and
temperate forests // Global Ecol. Biogeogr. 2014.
V. 23. N. 3. P. 297–310.
Watson J. Bring climate change back from the future //
Nature. 2016. V. 534. P. 437.
Д. Г. Щепащенко, А. З. Швиденко, К. Пергер, К. Дресел, Ш. Фриц, П. И. Лакида, Л. В. Мухортова...
СИБИРСКИЙ ЛЕСНОЙ ЖУРНАЛ. № 4. 2017 11
FOREST BIOMASS OBSERVATION: CURRENT STATE AND PROSPECTIVE
D. G. Schepaschenko1, 2, A. Z. Shvidenko1, 3, C. Perger1, C. Dresel1, S. Fritz1, P. I. Lakyda4,
L. V. Mukhortova3, V. A. Usoltsev5, K. S. Bobkova6, A. F. Osipov6, O. V. Martynenko2,
V. N. Karminov2, P. V. Ontikov2, M. V. Shchepashchenko7, F. Kraxner1
1 International Institute for Applied Systems Analysis (IIASA)
Schlossplatz, 1, Laxenburg, 2361 Austria
2 Mytischi Branch of N. E. Bauman Moscow State Technical University
Pervaya Institutskaya str., 1, Mytischi, Moscow Oblast, 141005 Russian Federation
3 Federal Research Center Krasnoyarsk Scientic Center, Russian Academy of Sciences, Siberian Branch
Solitary Unit V. N. Sukachev Institute of Forest, Russian Academy of Sciences, Siberian Branch
Akademgorodok, 50/28, Krasnoyarsk, 660036 Russian Federation
4 National University of Life and Environmental Sciences of Ukraine
Heroiv Oborony str., 15, Kyiv, 03041 Ukraine
5 Botanical Garden, Russian Academy of Sciences, Ural Branch
8 Marta str., 202, Yekaterinburg, 620144 Russian Federation
6 Institute of Biology, Komi Scientic Center, Russian Academy of Sciences, Ural Branch
Kommunisticheskaya str., 28, Syktyvkar, Komi Republic, 167982 Russian Federation
7 Russian Institute of Continuous Education in Forestry
Institutskaya str., 17, Pushkino, Moscow Oblast, 141200 Russian Federation
E-mail: schepd@iiasa.ac.at, shvidenk@iiasa.ac.at, perger@iiasa.ac.at, dresel@iiasa.ac.at,
fritz@iiasa.ac.at, petro.lakyda@ukr.net, l.mukhortova@gmail.com, usoltsev50@mail.ru,
bobkova@ib.komisc.ru, osipov@ib.komisc.ru, martinen@mgul.ac.ru, karminov@mgul.ac.ru,
opv86@mail.ru, mariaschep@gmail.com, kraxner@iiasa.ac.at
With this article, we provide an overview of the methods, instruments and initiatives for forest biomass observation
at global scale. We focus on the freely available information, provided by both remote and in-situ observations. The
advantages and limitation of various space borne methods, including optical, radar (C, L and P band) and LiDAR,
as well as respective instruments available on the orbit (MODIS, Proba-V, Landsat, Sentinel-1, Sentinel-2 , ALOS
PALSAR, Envisat ASAR) or expecting (BIOMASS, GEDI, NISAR, SAOCOM-CS) are discussed. We emphasize the
role of in-situ methods in the development of a biomass models, providing calibration and validation of remote sensing
data. We focus on freely available forest biomass maps, databases and empirical models. We describe the functionality
of Biomass.Geo-Wiki.org portal, which provides access to a collection of global and regional biomass maps in full
resolution with unied legend and units overplayed with high-resolution imagery. The Forest-Observation-System.
net is announced as an international cooperation to establish a global in-situ forest biomass database to support earth
observation and to encourage investment in relevant eld-based observations and science. Prospects of unmanned
aerial vehicles in the forest inventory are briey discussed. The work was partly supported by ESA IFBN project
(contract 4000114425/15/NL/FF/gp).
Keywords: forest phytomass, remote sensing, Geo-Wiki, Forest-observation-System.net.
How to cite: Schepaschenko D. G., Shvidenko A. Z., Perger C., Dresel C., Fritz S., Lakyda P. I.,
Mukhortova L. V., Usoltsev V. A., Bobkova K. S., Osipov A. F., Martynenko O. V., Karminov V. N., Ontikov P. V.,
Shchepashchenko M. V., Kraxner F. Forest biomass observation: current state and prospective // Sibirskij Lesnoj
Zurnal (Siberian Journal of Forest Science). 2017. N. 4: 3–11 (in Russian with English abstract)
Изучение фитомассы лесов: текущее состояние и перспективы