Ò. Â.

×ÅÐÍÅÍÜÊÎÂÀ

УДК 574

ОЦЕНКА БИОРАЗНООБРАЗИЯ ЛЕСОВ

НАЗЕМНЫМИ И ДИСТАНЦИОННЫМИ
МЕТОДАМИ НА ОСНОВЕ
ГИС-ТЕХНОЛОГИЙ
Т.В.Черненькова
Центр по проблемам экологии и продуктивности лесов РАН, Москва,
эл почта: chernenkova50@mail.ru
Статья поступила в редакцию 25.05.09; принята к печати 23.07.09

Обсуждены преимущества научно-технического обеспечения мониторинга биоразнообразия лесов на основе ГИС-

технологий и использования аэрокосмической информации, позволяющих проводить обобщение, стандартизацию и
анализ разнородных данных о состоянии лесов для получения оперативного представления о текущем состоянии лесных
территорий и прогноза динамики. Дается общая характеристика основных этапов автоматизированного определения
состояния растительного покрова. В соответствии с разработанным списком индикаторов и параметров биоразноо-
бразия лесов продемонстрированы примеры оценки биоразнообразия лесов для территорий с разными типами приро-
допользования и в разных природно-климатических условиях (Мурманская, Костромская и Московская области).

Ключевые слова: биоразнообразие лесов, ГИС-технологии, экологическое картирование

Assessment of forest biodiversity by field and remote methods

based on GIS technologies
T. V. Chernenkova
Center for Forest Ecology and Productivity of the Russian Academy of Sciences, Moscow
E-mail: chernenkova50@mail.ru
Discussed are the advantages of GIS technologies and aerospace information for monitoring of forest biodiversity.

These approaches provide for unification, standardization, and analysis of heterogeneous data about forest condition
required for obtaining of operative knowledge about the current conditions and future trends. The main stages of
automated assessment of vegetation are characterized. The usability of the suggested list of indicators and parameters
of forest biodiversity is exemplified with cases of its assessment in territories featuring different types of nature
management and climatic conditions (Murmansk, Kostroma, and Moscow regions).

Keywords: forest biodiversity, GIS technologies, ecological mapping.

От лесного покрова в значительной степени зависит
экологическое равновесие в биосфере, благополучие жи-
вотного мира, устойчивое развитие человеческой попу-
ляции. Огромность лесных территорий России определя-
ет необходимость создания системы мониторинга лесов
по данным дистанционного зондирования (ДДЗ) и раз-
работки методов их сопряженного анализа с использо-
ванием технологий, основанных на геоинформационных
системах (ГИС-системах). Среди традиционных задач, ре-
шаемых в лесном хозяйстве с помощью дешифрирования
аэрокосмических снимков, значится изучение динамики
границ лесных земель и степени нарушения непрерывно-
сти (фрагментации) лесного покрова, тематическое кар-
тографирование и инвентаризация лесов в целях контро-
ля порядка лесопользования и хода лесовозобновления на
вырубках и гарях.
Для обеспечения устойчивого лесопользования с уче-
том многофункциональной ценности лесов необходи-
мо дальнейшее совершенствование методов инвентари-
зации и мониторинга биоразнообразия лесов на основе
аэрокосмической информации. Это требует выделе-
ния соответствующих дополнительных элементов, ото-
бражающих важные свойства леса. Поскольку пере-
чень характеристик, фиксируемых при различного рода
эколого-фитоценотических работах в процессе полевых
исследований, значительно шире традиционных таксаци-

Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 93

 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß
онных показателей, то в результате применения дополни-
тельных методов количественной обработки имеющей-
ся информации возможно получение тематических карт,
отражающих не только породно-возрастные классифи-
кационные категории, но и параметры типологического
и таксономического разнообразия растительного покрова,
его гетерогенности и прочее. Соответственно, мы поста-
вили перед собой задачу разработать методы оценки со-
стояния лесного покрова с введением количественных мер
разнообразия. Ее решение невозможно без широкого ис-
пользования методов дистанционного зондирования, ма-
тематической обработки данных наземных и спутниковых
исследований, а также методов картографического моде-
лирования на основе ГИС-технологий. Использование
геоинформационной системы для оценки и мониторин-
га лесов существенно улучшает качество работ по оценке
биоразнообразия систем любого уровня, что проявляет-
ся в ряде дополнительных возможностей при классифи-
кации, районировании, экстраполяции данных на множе-
ственной пространственной основе.
Проблема сохранения биоразнообразия лесов имеет сей-
час статус государственной и реализуется, в частности, в рам-
ках программы фундаментальных исследований Президиу-
ма РАН «Биоразнообразие и динамика генофондов». Для
получения, стандартизации и анализа разнородных дан-
ных по биоразнообразию и ресурсно-экологическому
потенциалу лесных территорий в рамках этой програм-
мы был использован методологический подход, имеющий
ряд особенностей:
- объектами являются лесные территории, выделенные
не только в рамках административного деления, но и по
признакам природно-территориальных комплексов,
- применяется количественная оценка наиболее значи-
мых индикаторов биоразнообразия, отражающих состо-
яние и динамику лесных территорий,
- при анализе природных объектов разной величины и
слож-ности учитывается иерархичность пространственных
уровней,
- для изучения условий сохранения и восстановления
биоразнообразия лесов сочетаются экосистемный, сук-
цессионный и ландшафтный подходы .
Одним из основных результатов при оценке состояния
лесов является воспроизведение карт лесной растительно-
сти или отдельных ее характеристик в пределах политико-
административных единиц и природно-территориальных
комплексов. Эти карты и связанная с ними информация
характеризуют разнообразие лесных территорий по опре-
деленному спектру параметров/индикаторов. При сопо-
ставлении данных и стандартизации подходов учтен опыт
международных программ по разработке системы индика-
торов и критериев оценки биоразнообразия, масштабов и
уровней оценки, вопросов гармонизации форматов дан-
ных и их обработки [3, 12, 14, 15, 16]. В итоге разработана
система индикаторов, направленная на практическое при-
менение в практике лесного хозяйства и природоохран-
ной деятельности, где ключевым является региональный
уровень, рассматриваемый в рамках единиц управления
лесами и административного деления, но с обязательным
учетом комплексного природного районирования [10].
Данные характеристики предназначены для использова-
ния в устойчивом управлении лесами, включая разработ-
ку оптимальных мер по сохранению необходимого уров-
ня биоразнообразия территории.
Использование общих принципов классификации рас-
тительности и картографического моделирования облегча-
ет применение эффективных методов оценки биоразноо-
94 Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1
бразия и управления лесами, гарантируя совместимость и
использование информации в различных географических
масштабах. На глобальном уровне для реализации целей
международной и национальной политики в соответствии
с общей стратегией устойчивого развития важны характе-
ристики, отображающие состояние крупнейших природ-
ных объектов и дающие возможность выявления трансгра-
ничных взаимодействий, оценки национальных тенденций
развития и пространственных диспропорций. Соответ-
ствующими характеристиками могут служить такие пока-
затели, как общая лесистость территории, площадь и доля
лесов по основным породам, доля вторичных или малона-
рушенных лесов. На основании подобных оценок рассчи-
тываются сложные составные параметры: запасы углерода
и общей продуктивности, тенденции изменения формаци-
онного состава и структуры лесов, отражающие динамику
глобальных процессов. В настоящее время на глобальном
уровне начинается реализация международного проек-
та CBVM (Circumboreal Vegetation Mapping) по созда-
нию карты циркумбореальных лесов с нанесением на кар-
ту границы бореальной зоны лесов вокруг земного шара
(http://caff.arcticportal.org/index.php?option=com_con
tent&view=frontpage&Itemid=191). Несмотря на то, что
различные карты таежного биома уже существуют, они не
имеют единой классификационной основы и построены
на разных принципах картографии растительности. Пред-
полагается, что в результате реализации проекта CBVM бу-
дет создана первая детальная картой растительности всего
глобального биома (М 1 : 7 000 000). Такая карта необхо-
дима для разнообразных целей, связанных с развитием ре-
сурсов планеты, для планирования использования земли,
сохранения биоразнообразия лесов, образования и про-
гнозов глобальных изменений. Очевидно, что создание
подобного картографического продукта невозможно без
ДДЗ- и ГИС-технологий, как базовых средств современ-
ного картографирования.
Современный уровень накопленных данных по мно-
гообразию живой природы требует применения генера-
лизованных информационных систем, направленных на
создание карт эколого-географического характера как
важнейшей информационной основы для природополь-
зования и охраны живой природы. В этой связи нами раз-
работана концептуальная модель «ГИС-мониторинга
биоразнообразия лесов», предназначенная для инвента-
ризационных и мониторинговых процедур по оценке со-
стояния и качества лесов для разных пространственных
уровней на базе существующих картографических мате-
риалов, данных лесоустройства, материалов дистанцион-
ного зондирования и наземных исследований [2]. В табли-
це 1 представлено основное содержание спецификации
ГИС-мониторинга биоразнообразия лесов.
Задачи, которые решаются с помощью ГИС, можно под-
разделить на несколько направлений:
А. Оценочно-инвентаризационое
• Инвентаризация различных типов данных по био-
разнообразию лесов и смежным вопросам – литературных,
статистических, картографических, дистанционных, полу-
ченных на локальном, региональном, федеральном и гло-
бальном уровне, – и упорядочение их в виде гипермедий-
ной структуры;
• Визуализация исходных данных, результатов их обра-
ботки и пространственного представления;
• Формирование классификационных иерархических
схем как основы для типизации (пересчета, экстраполяции)
данных на различных пространственных уровнях с исполь-
 Ò. Â. ×ÅÐÍÅÍÜÊÎÂÀ

Таблица 1.
Краткая спецификация ГИС биоразнообразия лесов (по [7])
Предмет разработки Информационно-экспертная система
Характер использования Оперативно-справочно-аналитический
Уровень применения Федеральный, региональный, локальный
Типовое предназначение Организация и анализ разнородных материалов
Объект анализа Состояние биоразнообразия лесных экосистем
Специализация пользования Оценочно-инвентаризационные и экспертно- мониторинговые процедуры

зованием алгоритмов выделения единиц растительного по-
крова по дистанционной информации.
Б. Экспертно-мониторинговое
• Получение интегральных оценочных характеристик
территорий природного и административного деления на
основе параметров и индикаторов устойчивого управле-
ния лесами;
• Расчет сценариев лесопользования с учетом вводимых
экологических ограничений и индексов воздействия;
• Получение прогнозов по сохранению биоразнообра-
зия лесов на основе математической обработки данных и
моделирования.
В. Организационно-управленческое
• Создание и координация работы информационно-
аналитической сети и метабазы данных по биоразно-
образию лесов с разработкой открытой системы ссылок
на литературные источники, адреса научных коллективов
и их сайты;
• Оптимизация информационных потоков - разработ-
ка процедур совместимости и конвертации данных раз-
ных форматов и с различными аппаратно-программными
платформами;
• Разработка и формирование региональных када-
стров лесных территорий на основе инвентаризации и
определения их ценности.
По своему содержанию ГИС включает два функцио-
нальных блока: инвентаризационный и аналитический,
которые решают задачи обозначенных выше направ-
лений – оценочно-инвентаризационого и экспертно-
мониторингового. Их результаты должны быть исполь-
зованы в региональной практике природопользования
при соответствующей выработке решений на основе ана-
лиза разработанных критериев, полученных индексов и
оценок состояния биоразнообразия (организационно-
управленческий блок). Обычно данный этап комбиниру-
ется с разработкой прикладных эколого-экономических
моделей, прогнозов и альтернативных сценариев приро-
допользования.
В инвентаризационном блоке собирается первич-
ная информация, характеризующая объекты и форми-
рующаяся в виде пространственной и атрибутивной баз
данных (рис. 1). Пространственная база данных включа-
ет в себя, главным образом, географические характери-
стики поверхности Земли в соответствующем масштабе,
предопределяющие биоразнообразие растительного по-
крова. Помимо характеристик природной среды (кли-
мат, рельеф, гидрология, наземный покров и проч.), важ-
ны социально-экономические показатели территории
(плотность населения, характеристики инфраструктуры и
т.д.). В начальном варианте подбирались материалы в виде
существующих и обновленных карт, преобразованные в
картографические слои разного масштаба (шэйп-файлы
в ARCView), которые дополняются, за исключением ДДЗ,
достаточно редко.
Аналитический блок содержит данные, полученные в ре-
зультате обработки первичной информации (классифика-
ция, типизация, вычисление индексов, экспертная оценка).
Итогом географического способа подачи информации та-
кого типа являются карты, характеризующие состояние
биоразнообразия лесов на локальном, региональном и фе-
деральном уровнях.
На основе этой информации рассчитывались произ-
водные индексы (параметры), характеризующие биораз-
нообразие лесов на уровне отдельных административных
подразделений (область, край) и/или природных единиц
(ландшафтные мезорегионы, биорегионы и д.р.), а так-
же для федерального уровня. Оценка биоразнообразия
на макрорегиональном (федеральном) уровне позволя-
ет решать стратегические задачи, например, представлять
масштаб потерь типологического разнообразия по всей
территории страны, определять площади и тенденции со-
кращения лесных территорий или характер преобразова-
ния лесных сообществ на общемировом уровне. Для оцен-
ки именно таких параметров, как то, общая лесистость
территории, площадь и доля ненарушенных лесов, доля
вторичных лесов, площадь и доля лесов, затронутых
биотическими нарушениями, пожарами, техногенны-
ми воздействиями, ландшафтные индексы (энтропия,
фрагментарность и проч.) были разработаны и примене-
ны методы, основанные на использовании ДДЗ [4].
Согласно общей схеме методологического подхода мони-
торинга биоразнообразия лесов, основными информаци-
онными его составляющими являются ДДЗ, материалы ле-
сотаксационных работ и полевых исследований, а также
базовые картографические материалы [2]. Использо-
вались космические снимки среднего разрешения (28,5
м – 14,25 м) Landsat GeoCover™, что дало возможность
проводить исследования и картографирование лесов на
значительных территориях в масштабах от 1 : 100 000 до
1 : 500 000 [11]. Выбор материалов GeoCover связан как с
их доступностью и подготовленностью к анализу, так и с
возможностью корректного сравнения оценок для разных
территорий всего мира благодаря применению стандарт-
ной процедуры обработки этих данных. Они содержат три
(с 2009 года – семь) спектральных диапазона исходного
семиполосного снимка. Топографические материалы, те-
матические карты растительности, почвы и ландшафтные
карты в виде существующих и обновленных версий, пре-
образованные в векторные картографические слои раз-
ного масштаба, дополнили пространственную базу дан-
ных и служили для выявления потенциальных свойств
территории и основой для расчета моделей.
Полный комплекс работ по оценке биоразнообразия
лесов и последовательность основных этапов автомати-
зированного определения состояния растительного по-
крова по космическим снимкам в общем виде включал не-
сколько основных этапов [1, 2, 4]:
1. Предварительная классификация
1.1. Предварительная компьютерная обработка сним-
ков – радиометрическая и геометрическая коррекция,
трансформирование, преобразование.
1.2. Определение набора классов и источников ин-
формации для автоматизированного дешифрирования
лесов в соответствии с природными особенностями тер-

Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 95

 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß
риторий. Создание обучающих эталонных выборок и
оценка их качества и выбор алгоритма для классифика-
ции.
2. Комплекс полевых работ с изучением эколого-
ценотических характеристик природных комплексов.
3. Классификация. Тематическое дешифрирование с об-
работкой и анализом данных, включающие количествен-
ную оценку различных показателей состояния лесных эко-
систем.
4. Стандартизация. Оценка достоверности распознава-
ния классов, определение области и степени неопределен-
ности полученных оценок.
Апробация данной схемы оценки биоразнообразия лесов
осуществлялась на примере территорий с разными типами
природопользования и в разных природно-климатических
условиях. Одним из тестовых районов исследования явля-
лась территория в окрестностях металлургического комби-
ната «Североникель» (Мончегорский район, Мурманская
обл.). Специфика изучаемой территории состоит в высокой
уязвимости северотаежных экосистем к внешним воздей-
ствиям и в высокой динамичности процессов преобразова-
ния растительного покрова под влиянием антропогенного
воздействия. Продолжительное действие металлургическо-
го производства вызвало глубокие негативные последствия
на больших территориях, хорошо диагностируемые как на-
земными измерениями, так и дистанционными методами
по отражательным спектральным свойствам поверхности.
Примененные методы наземных и дистанционных иссле-
дований дали возможность выявить пространственную не-
однородность растительного покрова, а также определить
степень нарушенности лесных экосистем, связанную в пер-
вую очередь с техногенным воздействием.
При отображении параметров состояния раститель-
ного покрова использовался метод интерполяции ха-
рактеристик растительности в точках полевых описаний
на всю территорию с помощью данных дистанционно-
го зондирования (ДДЗ) и цифровой модели рельефа
(ЦМР) исследуемой территории (классификация с обу-
чением) (М 1 : 200 000 и 1:50 000). Согласно Ю.Г. Пузачен-
ко [5], наиболее эффективным статистическим способом
интерполяции точечных полевых данных в пространстве
спектральных значений каналов и значений высот по ЦМР
является пошаговый дискриминантный анализ. Для изу-
чаемой территории – бассейн оз. Имандры (12 тыс. км2)
(1:200000) и зона ближнего воздействия производства пло-
щадью 3100 км2 (1:50000) – был просчитан ряд индексов и
параметров биоразнообразия (лесистость, фрагментар-
ность, типологическое и таксономическое разнообразие,
изменение жизненности древостоя и др.).
Ниже представлен пример оценки отдельных параметров
состояния растительного покрова в окрестностях источника
загрязнения [9]. На рис. 2 дано пространственное распреде-
ление древесных насаждений по пяти градациям жизненно-
го состояния. Импактная зона по признаку максимального
изменения жизненности древостоев в окрестностях комби-
ната визуализирована красным цветом (наихудшие показа-
тели). Расчет статистической модели показал достаточно
высокое ее качество по предсказанным с помощью дискри-
минантного анализа значениям состояния древесного яру-
са. Ненарушенные и сильно нарушенные древостои при
этом классифицировались с наибольшей точностью (бо-
лее 80%). Помимо оценки состояния древесной раститель-
ности была выполнена оценка таксономического разноо-
бразия растительного покрова исследуемой территории,
в частности, определено распределение показателя видо-
вой насыщенности растений древесно-кустарничкового,
96 Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1
травяно-кустарничкового и мохово-лишайникового яру-
сов, общего видового разнообразия. На рис. 3 представлено
изменение видового разнообразия растительного покрова
в окрестностях металлургического производства «Северо-
никель», картографическая модель которого построена при
использовании обучающей выборки на основе оценки ви-
довой насыщенности сообществ, измеренной в процессе
наземных исследований на пробных площадях.
При определении пространственного разнообра-
зия наземного покрова существенным является выбор
оптимального набора классов, выявляемых с достаточ-
ным уровнем достоверности и соразмерных простран-
ственному масштабу изучаемой территории. Верхними
классификационными единицами в данном случае слу-
жили типы наземного покрова, представленные 15 клас-
сами (нивально-гляциальный пояс, горные тундры, ред-
колесья, леса, вырубки, гари, болота, поймы, водоемы,
техногенные пустоши и другие типы антропогенных
земель) и распознаваемые с вероятностью 90%. При
этом к лесным экосистемам отнесено 32,1% от общей
площади. Площадь техногенных пустынь составила 750
км2 (6,4%). Нижними классификационными единица-
ми являлись типологические категории в ранге групп
ассоциаций, представленные 40 классами и выделенные
на основе эколого-физиономической классификации,
признаки которых по составу и структуре растительных
сообществ были наиболее приемлемы при дешифриро-
вании космической информации. При классификации
типологического разнообразия лесов учитывалась ди-
грессионная динамика растительных систем, поэтому
ряд выделенных классов отражал антропогенную моди-
фикацию исходных природных сообществ, находящих-
ся в условиях техногенного загрязнения (рис. 4).
На основе разрабатываемых количественных методов
с использованием ДДЗ и ЦМР дана оценка типологиче-
ского и ландшафтного разнообразия другой модельной
территории – Костромской области, характеризующей-
ся большими объемами промышленной лесозаготовки.
С использованием данных наземных исследований вы-
числены показатели лесного покрова области с отраже-
нием их пространственного распределения, в частности,
обилие основных лесообразующих пород, средний воз-
раст и сомкнутость древостоя [6] (рис. 5). На основе дан-
ных лесоустройства была сделана количественная оценка
породно-возрастной структуры лесных насаждений тесто-
вой территории – Мантуровского лесхоза (при этом 11 из
16 классов породно-возрастного состава лесов распозна-
ются с вероятностью более чем 70%) [1] (рис. 6).
Другим тестовым районом является регион централь-
ной части Русской равнины, куда относится территория
Московской области. Близость к столичному мегаполису
определила более глубокое антропогенное преобразова-
ние лесов региона по сравнению с другими территория-
ми Нечерноземья. Наличие большого объема картогра-
фической информации обеспечивает удобство работы
с этой территорией при оценке состояния растительно-
го покрова. В качестве базового источника информации
была использована карта растительности Московской об-
ласти М 1:200 000 (1996) под ред. Г.Н. Огуреевой. Эколого-
динамическая классификация лесов, положенная в осно-
ву данной карты, позволила отобразить флористическое
разнообразие лесов на разных синтаксономических уров-
нях с учетом степени производности лесов от их исходно-
го зонального типа. Самый крупный уровень – класс фор-
маций – представлен пятью категориями: бореальными,
субнеморальными, смешанными, широколиственными и
 Ò. Â. ×ÅÐÍÅÍÜÊÎÂÀ
Рис. 1. Архитектура базы данных и таблицы введе-
ния полевых измерений в ГИС
Рис. 2. Изменение жизненного состояния древостоя
в окрестностях металлургического комбината «Северо-
никель», баллы (5 баллов соответствует полному усы-
ханию древостоя)
Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1
Рис. 3. Изменение видового разнообразия расти-
тельного покрова в окрестностях металлургического
производства «Североникель», количество видов
мелколиственными лесами, при этом леса в пределах каж-
дого класса разделены в группы по условно-коренному,
коротко-производному и длительно-производному состо-
яниям. Помимо естественных лесов, высокую долю лесо-
покрытой площади (12%) составляют искусственные леса,
представленные культурами соснового, елового и смешан-
ного состава.
В результате актуализации фрагмента карты раститель-
ности Московской области (коррекция границ полигонов
и их содержания) с использованием космических снимков
Landsat 5 TM (30 августа 1992 г) получено более точное рас-
пределение лесных участков, отражающее сукцессионный
статус и типологическую структуру модельной террито-
рии в начала 1990-х годов. (рис. 7). Найдено, что половина
всех лесов (49,4%) относятся к категории длительнопро-
изводных антропогенных модификаций, которые пред-
ставлены, в основном, производными мелколиственными
сообществами. Втором месте по распространению зани-
мают коротко-производные модификации (33,8%), в со-
ставе которых прослеживается отчетливая динамика за-
мещения раннесукцессионных мелколиственных пород
коренными. Коренные леса занимают не более 5% лесо-
покрытой площади. Основную долю в структуре зональ-
ных коренных лесов исследуемой территории составля-
ют смешанные леса (65%), тогда как бореальные варианты
хвойных лесов составляют 24%, а субнеморальные – 7%.
Широколиственные леса занимают всего 2% лесопокры-
той площади и распространены лишь в юго-восточной ча-
сти исследуемой территории. Коренные мелколиственные
сообщества из ольхи и березы пушистой встречаются еди-
нично (<1%) [8].
Дистанционные данные служат незаменимым средством
оценки динамики лесного покрова. Сопоставление резуль-
97
 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß
Рис. 4. Типологическое разнообразие раститель-
ного покрова в окрестностях металлургического про-
изводства на разных уровнях классификации (типы
наземного покрова, типы растительности и группы ас-
социаций) и классификация растительного покрова в
ранге групп ассоциаций
Рис. 5. Интерполяция характеристик леса Костром-
ской области на основе данных дистанционного зон-
дирования и цифровой модели рельефа (из работы [6]
с модификациями).
1 - сомкнутость древостоя (ярус А); 2 - средний возраст
древостоя (ярус А); 3 – видовое богатство, 4 - обилие
ели, 5 - обилие сосны, 6 - обилие березы, 7- обилие
осины
98 Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1
Рис. 6. Породно-возрастной состав насаждений Ман-
туровского лесхоза (из работы [1] с модификациями)
1 - несомкнутые молодняки в основном хвойные и
мелколиственно-хвойные (посадки, зарастающие вы-
рубки), 2 - молодняки мелколиственные и хвойно-
мелколиственные, 3 - средневозрастные мелколиственные,
4 - приспевающие, спелые и перестойные мелколиствен-
ные, 5 - несомкнутые молодняки в основном березовые и
хвойно-мелколиственные, 6 - молодняки в основном бере-
зовые и хвойно-мелколиственные, 7 - средневозрастные
березовые, 8 - приспевающие березовые, 9 - спелые и
перестойные (иногда приспевающие) березовые, 10 - не-
сомкнутые молодняки еловые, 11 - в основном молодняки
еловые, 12 - приспевающие еловые, 13 - спелые и пере-
стойные еловые, 14 - молодняки сосновые, 15 - средне-
возрастные сосновые, 16 - приспевающие, спелые и пе-
рестойные сосновые и мелколиственно-хвойные, 17 - вода
и заболоченные земли, 18 - нелесные и непокрытые ле-
сом земли, 19 - кварталы
 Ò. Â. ×ÅÐÍÅÍÜÊÎÂÀ

Рис. 7. Структура и состав лесов юго-западного Подмосковья на верхнем типологическом уровне (классы
формаций) в соответствии с картой растительности Московской области 1996 г. (из работы [8] с модифика-
циями).

татов автоматического дешифрирования снимков Landsat
независимо для двух сроков съемки (1992 и 2002 гг.) по-
зволило выявить достоверные изменения лесопокрытой
площади за 10 лет. Так, в результате коттеджного/дачного
строительства и вырубок площадь лесных насаждений для
территории юго-западного Подмосковья общей площа-
дью 4800 км2 сократилась на 95,7 км2, в то же время в про-
цессе естественного зарастания полей и вырубок площадь
лесопокрытой территории увеличилась на 71,3 км2.
В качестве дополнительных источников использовались
Карта ландшафтов Московской области М 1:500000 (1997)
и Экологическая карта Московской области М 1:200000
(2000). На основе этих карт, ДДЗ, лесотаксационных ма-
териалов и полевых обследований в настоящее время идет
разработка карты современного состояния растительно-
го покрова юго-западного Подмосковья в рамках более
дробных синтаксономических единиц, а также выявле-
ние приуроченности лесных сообществ к различным ти-
пам местообитаний и роли ландшафтообразующих фак-
торов в скорости и направленности лесообразовательного
процесса.
Таким образом, использование современных высоко-
технологичных средств анализа и интерпретации данных,
математического аппарата и программного обеспечения
значительно расширяет спектр возможностей при осу-
ществлении мониторинга биоразнообразия. Показанные
подходы к оценке состояния лесного покрова базируют-
ся на комплексной схеме полевых эколого-ценотических
исследований и картографической и статистической об-
работки. Проведенный анализ показал возможность полу-
чения информации о составе лесных насаждений и расче-
те индексов разнообразия лесов для различного масштаба

Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1 99

 ÏÐÈÊËÀÄÍÛÅ ÈÑÑËÅÄÎÂÀÍÈß
территории на основе количественного анализа дистан-
ционной информации как источника интерполяции и
актуализации данных лесной таксации и полевых геобо-
танических описаний. Использование ДДЗ является ра-
циональным и экономически обоснованным не только в
современном лесоустройстве и подготовке лесных регла-
ментов, но также при оценке биоразнообразия природных
комплексов. Применение ГИС-технологий позволило
осуществить интеграцию и совместный анализ имеющих-
ся данных различного формата и масштаба, характеризую-
щих растительный покров.
Дальнейшие развитие методов оценки состояния лес-
ного покрова предполагает исследование вклада раз-
личных природных и антропогенных факторов в его
ЛИТЕРАТУРА
1. Исаев А.С., Князева С.В., Пузаченко М.Ю., Чер-
ненькова Т.В. Использование спутниковых данных
для мониторинга биоразнообразия лесов // Иссле-
дование земли из космоса. 2009. № 2. С. 1-12.
2. Мониторинг биологического разнообразия лесов
России: методология и методы. Под ред. А. С. Исае-
ва. ЦЭПЛ РАН. М.: Наука, 2008. 453 с.
3. Национальный доклад Российской Федерации по
критериям и индикаторам сохранения и устойчиво-
го управления умеренными и бореальными лесами
(Монреальский процесс). М.: ВНИИЛМ, 2003. 84 с.
4. Пузаченко Ю.Г., Дьяконов К.Н., Алещенко Г.М. Раз-
нообразие ландшафта и методы его измерения // Ге-
ография и мониторинг биоразнообразия. М.: Изд-во
Экоцентр МГУ, 2002. С. 143-302.
5. Пузаченко Ю.Г. Математические методы в экологи-
ческих и географических исследованиях. М.: Academia,
2004. 416 с.
6. Пузаченко М.Ю., Черненькова Т.В. ГИС-технологии
в мониторинге биоразнообразия лесов// ArcReview.
2006. № 4, (39). (http://www.dataplus.ru/Arcrev/
Number_39/9_bio.html)
7. Черненькова Т.В., Бочарников В.Н. Комплексная
оценка и организация данных в системе биомони-
торинга лесных территорий // Лесоведение. 2003.
№ 1. С. 37-47.
8. Черненькова Т.В., Козлов Д.Н. Динамика лесов Под-
московья по материалам космической съемки // Зем-
ля из космоса — наиболее эффективные решения.
2009. № 1. С. 24-28.
9. Черненькова Т.В., Басова Е.В., Бочкарев Ю.Н., Пу-
заченко М.Ю., Тихонова Е.В. Оценка биоразнообра-
зия лесов в зоне влияния горно-металлургического
комбината «Североникель» // Лесоведение. 2009а.
№5. С.
10. Черненькова Т.В., Князева С.В., Пузаченко М.Ю.,
Макарова В.А., Левинская Н.Н. Критерии и индика-
100 Ìåæäèñöèïëèíàðíûé íàó÷íûé è ïðèêëàäíîé æóðíàë «Áèîñôåðà», ò.1, ¹1
структуру и динамику, выявление различных аспектов
сопряженности состояния природных систем с услови-
ями среды и в первую очередь – с элементами рельефа
и климатическими изменениями. В частности, совмест-
ный количественный анализ карты растительности и
цифровой модели рельефа дает возможность выявить
приуроченность лесных сообществ к различным типам
местообитаний. Результатом исследований должна слу-
жить актуализация существующих и разработка новых
карт современного состояния растительного покрова
модельных территорий в рамках базовых типологиче-
ских единиц, а также разработка прикладных эколого-
экономических моделей, прогнозов и альтернативных
сценариев природопользования.
торы биоразнообразия лесов как инструменты устой-
чивого природопользования //Лесоведение. 2009б.
№6. С. 1-15.
11. Avery T.E., Berlin G.L. Fundamentals of remote
sensing and airphoto interpretation. 5th ed. N.Y.:
MacMillan Publ. Co. 1992.
12. BEAR: Indicators for monitoring and evaluation of
forest biodiversity in Europe. Technical report 7. 2001.
http://www.algonet.se[~bear.
13. CircumBoreal Vegetation Mapping. 2008. (http://
caff.arcticportal.org/index.php?option=com_content&
view=frontpage&Itemid=191)
14. Ministerial conference on the protection of forests
in Europe (MCPFE). Sound forestry - sustainable
development. Helsinki: Ministry of Agr. and Forest,
1993. 161 р.
15. The improved Pan-European indicators for
sustainable forest management: Proc. of the 4 th
Ministerial conference on the protection of forests in
Europe (MCPFE). Vienna, 2003. http://www.mcpfe.
org/livingforestsummit.
16. The Montreal process. Criteria and indicators for the
conservation and sustainable management of temperate
and boreal forests. Hull, (Quebec): Canadian Forest
Service, 1995. 120 p.
_______________________
Автор выражает глубокую признательность академи-
ку А.С.Исаеву, под руководством которого осущест-
влялась работа, Ю.Г.Пузаченко за консультации и ме-
тодическую помощь, М.Ю.Пузаченко, И.П.Котлову,
Д.Н.Козлову за подготовку картографических про-
дуктов по модельным регионам, а также всем специ-
алистам, принимавших участие в сборе и анализе по-
левых материалов.