Подход к построению углеродной карты Ханты-Мансийского автономного округа на основе оценки биомассы с помощью данных дистанционного зондирования Земли
Бредихин Арсентий Игоревич, Мельников Андрей Витальевич
Югорский государственный университет, Югорский научно-исследовательский институт информационных технологий
Ханты-Мансийский автономный округ-Югра обладает большой площадью лесных территорий (более 90% от всей площади округа). А лесная растительность естественным образом рано или поздно отмирает, вследствие чего из органического вещества происходит выделение углекислого газа в атмосферу и усиление глобального потепления.
Для недопущения повышения глобальной температуры необходимо вести учет запасов углерода. Помимо выбросов от сжигания топлива, диоксид углерода (CO2), который является парниковым газом, образуется при разложении мертвой растительности, поскольку растения накапливают и хранят в себе углерод. При этом Ханты-Мансийский автономный округ-Югра (ХМАО-Югра) обладает большой площадью лесов: по состоянию на 2020 год она составляет 503990 км2 при общей площади территории округа в 534,8 тыс. км2 [1, c. 608-610], что составляет 94,2% площади всего округа. Поэтому для учета запаса углерода в рамках округа необходимо оценить данный запас в виде количества растительной (лесной) биомассы.
Один из способов оценки растительной биомассы – создание углеродных карт с применением методов дистанционного зондирования Земли (ДЗЗ). Применение полученных с помощью методов ДЗЗ спутниковых снимков и методов их обработки позволит получить карту округа с полным охватом всей территории, а применение моделей машинного обучения позволит разработать модель, с помощью которой будет возможно получать углеродную карту округа с заданной точностью.
В данной работе приведен обзор решений зарубежных ученых за последние 5 лет в области ДЗЗ, направленных на создание углеродных карт. На основании данного обзора предложена программа исследований, которая позволит разработать подход, позволяющий получать цифровую углеродную карту ХМАО с необходимой точностью.
дистанционное зондирование Земли, спутниковый снимок, углерод, растительная биомасса, машинное обучение