Восприимчивость лесных насаждений к развитию вспышек массового размножения насекомых-вредителей: прогноз по данным дистанционного зондирования

Предложены методы анализа восприимчивости насаждений к нападению лесных насекомых на основе данных дистанционного зондировании Земли. В качестве индикатора состояния насаждений предложено использовать показатель восприимчивости вегетативного индекса растительности в течение сезона (NDVI) к изменению радиационной температуры территории (LST), получаемые по спутниковым данным системы Terra/Aqua. Показатель рассчитывался как передаточная спектральная функция отклика в интегральном уравнении, связывающем изменения NDVI и LST.

Анализ проводился для трех опытных объектов. В первом случае исследовались пихтовые насаждения таежной зоны Красноярского края – территории, которые с 2015 г. повреждались гусеницами сибирского шелкопряда Dendrolimus sibiricus Tschetv. и соседние неповрежденные участки. Во втором случае объектом исследования были горные пихтовые древостои в Ермаковском районе на юге Красноярского края, поврежденные  в 2013 году черным пихтовым усачем Monochamus urussovi Fischer. Наконец, рассматривалось состояние  пихтовых лесов в Бирилюсском районе Красноярского края в 2023 г., когда повреждений насаждений еще  не наблюдалось, но в феромонных ловушках были найдены особи сибирского шелкопряда.

Показано, что показатель восприимчивости насаждения на изучаемых пробных площадях значимо изменился за 2–3 года до начала вспышки массового размножения вредителя. Предложенный показатель может быть использован при прогнозе вспышек массового размножения насекомых-вредителей.

1. Ким Д. П. Теория автоматического управления. Т. 2. М. : Физматлит, 2007. 440 с.

2. Краснов М. Л., Киселев А. И., Макаренко Г. И. Интегральные уравнения. М. : КомКнига, 2007. 192 с.

3. Макс Ж. Методы и техника обработки сигналов при физических измерениях. М. : Мир, 1983. Т. 1. 312 с.

4. Морс Ф. М., Фешбах Г. Методы теоретической физики. М. : ИЛ, 1960. Т. 2. 942 с. Общедоступная база данных спутниковых систем MODIS [Электронный ресурс]. URL: http:// modis. gsfc.nasa.gov [Public database of MODIS satellite systems].

5. Bayarjargal Y., Karnieli A., Bayasgalan M., Khudulmur S., Gandush C., Tucker C. J., 2006. A comparative study of NOAA-AVHRR derived drought indices using change vector analysis // Int. J. Remote Sens. 105 (1), 9–22.

6. Cunha, M., Richter, C., 2014. A time-frequency analysis on the impact of climate variability with focus on semi-natural montane grassland meadows // IEEE Trans. Geosci. Remote Sens. 52 (10), 6156–6164.

7. Jacquin, A., Sheeren, D., & Lacombe, J.-P. (2010). Vegetation cover degradation assessment in Madagascar savanna based on trend analysis of MODIS NDVI time series. // International Journal of Applied Earth Observa- tion and Geoinformation, 12, S3–S10.

8. Lewis M. A., Nelson W., Xu C. A structured threshold model for mountain pine beetle outbreak // Bull. Math. Biol. 2010.72, 565–589.

9. Liang L., Chen Y., Hawbaker T., Zhu Z., Gong P. Mapping mountain pine beetle mortality through growth trend analysis of time-series landsat data // Remote Sens. 2014. 6, 5696–5716.

10. Liu Yan, Hill Michael J., Zhang Xiaoyang, Wang Zhuosen, Richardson Andrew D., Hufkens Koen, Filippa Gianluca, Baldocchi Dennis D., Ma Siyan, Verfaillie Joseph, Schaaf Crystal B. Using data from Landsat, MODIS, VIIRS and Pheno Cams to monitor the phenology of California oak/grass savanna and open grassland across spatial scales // Agricultural and Forest Meteorology, 237–238 (2017), 311–325.

11. Olsson P. O., Lindstrom J., Eldundh L. Near real-time monitoring of insect induced defoliation in subalpine birch forests with MODIS derived NDVI // Remote Sens. Environ. 2016. 181, 42–53.

12. Rechid D., Raddatz T. J., Jacob D., 2009. Parameterization of snow-free land surfacealbedo as a function of vegetation phenology based on MODIS data and appliedin climate modelling // Theor. Appl. Climatol. 95, 245–255.

13. Senf C., Seidl R., Hostert P. Remote sensing of forest insect disturbances: Current state and future directions // Int J Appl Earth Obs Geoinformation. 2017. 60. 49–60.

14. Spruce J. P., Sader S., Ryan R. E., Smoot J., Kuper P., Ross, K., Prados D., Russell J., Gasser G., McKellip R., 2011. Assessment of MODIS NDVI time series data products for detecting forest defoliation by gypsy moth outbreaks // Remote Sens. Environ. 115, 427–437.

15. Thayn J. B. Using a remotely sensed optimized Disturbance Index to detect insect defoliation in the Apostle Islands, Wisconsin, USA // Remote Sens. Environ. 2013. 136, 210–217.

16. Tucker C. J., Sellers P. J. Satellite remote sensing of primary production // Int. J. Remote Sens. 1986, 7, 1395–1416.

17. Verbesselt J., Zeileis A., Herold M. Near real-time disturbance detection using satellite image time series // Remote Sens. Environ. 2012. 123, 98–108.