Президиум РАНИсследование Земли из космоса Earth Research from Space

  • ISSN (Print) 0205-9614
  • ISSN (Online) 3034-5405

Применение метода Stacking-InSAR для анализа изменений высоты лесного полога

Код статьи
10.31857/S0205961424040067-1
DOI
10.31857/S0205961424040067
Тип публикации
Статус публикации
Опубликовано
Авторы
Том/ Выпуск
Том / Номер выпуска 4
Страницы
69-76
Аннотация
Показана принципиальная возможность количественной оценки динамики высоты сплошного полога зрелого и молодого соснового леса на равнине с применением метода взвешенного суммирования временных рядов развернутых интерферометрических фаз. Последние получены с использованием подхода, основанного на облачных расчётах. Скорости прироста высоты лесного полога за 2017, 2018 и 2019 гг., рассчитанные по спутниковым радиолокационным данным, подтверждены результатами наземных полевых исследований. Показано, что величина прироста зависит, в том числе, от количества осадков в мае-июле текущего года.
Ключевые слова
радиолокационная интерферометрия высота леса метод взвешенного усреднения интерферограмм Stacking-InSAR Sentinel-1
Дата публикации
15.09.2025
Год выхода
2025
Всего подписок
0
Всего просмотров
6

Библиография

  1. 1. Бондур В.Г., Чимитдоржиев Т.Н., Дмитриев А.В. Аномальная геодинамика перед землетрясением 2023 г. в Турции по данным спутниковой радарной интерферометрии 2018–2023 гг. // Исследование Земли из космоса. 2023. № 3. С. 3–12. https://doi.org/10.31857/S0205961423030090.
  2. 2. Васильев Д.Ю., Кучеров С.Е., Семенов В.А., Чибилёв А.А. Реконструкция атмосферных осадков по радиальному приросту сосны обыкновенной на Южном Урале // Доклады РАН. Науки о Земле. 2020. Т. 490. № 1. С. 37–42. https://doi.org/10.31857/S2686739720010119.
  3. 3. Волкова М.С., Михайлов В.О., Османов Р.С. Анализ эффективности применения глобальной погодной модели HRES (GACOS) для коррекции атмосферных помех в интерферометрических оценках полей смещений на примере вулканов Камчатки // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 2. С. 9–22. https://doi.org/10.21046/2070-7401-2024-21-2-9-22.
  4. 4. Дмитриев А.В., Чимитдоржиев Т.Н., Добрынин С.И., Худайбердиева О.А., Кирбижекова И.И. Оптико-микроволновая диагностика залесения сельскохозяйственных земель // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 168–180. https://doi.org/10.21046/2070-7401-2022-19-4-168-180.
  5. 5. Иванов В.В., Борисов А.Н., Петренко А.Е. Оптимизация густоты сосновых древостоев восточного Прибайкалья // Сибирский лесной журнал. 2018. № 5. С. 54–61. https://doi.org/10.15372/SJFS20180505.
  6. 6. Чимитдоржиев Т.Н., Дмитриев А.В., Кирбижекова И.И., Шерхоева А.А., Балтухаев А.К., Дагуров П.Н. Дистанционные оптико-микроволновые измерения параметров леса: современное состояние исследований и экспериментальная оценка возможностей // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 9–26. https://doi.org/10.21046/2070-7401-2018-15-4-9-24.
  7. 7. Bondur V.G., Chimitdorzhiev T.N., Dmitriev A.V. The Induced Seismicity Effect in Morocco Caused by a Reduced Aquifers Volume according to Stacking-InSAR Method and Gravimetric Data // Dokl. Earth Sc. 2024. V. 517. P. 1269–1275. https://doi.org/10.1134/S1028334X24601809.
  8. 8. ERA5-Land Daily Aggregated, 2024, [Электронный ресурс], URL: https://developers.google.com/earth-engine/datasets/catalog/ECMWF_ERA5_LAND_DAILY_AGGR (дата обращения 20 июня 2024).
  9. 9. Hogenson K., Kristenson H., Kennedy J., Johnston A., Rine J., Logan T., Zhu J., Williams F., Herrmann J., Smale J., Meyer F. Hybrid Pluggable Processing Pipeline (HyP3): A cloud-native infrastructure for generic processing of SAR data. Zenodo, Oct. 20, 2020. https://doi.org/10.5281/zenodo.6917373.
  10. 10. Imhoff M.L. Radar backscatter and biomass saturation: ramifications for global biomass inventory // IEEE Trans. Geosci. Remote Sens. 1995. V. 33. No. 2. P. 511–518. https://doi.org/10.1109/TGRS.1995.8746034.
  11. 11. Solberg S., Næsset E., Gobakken T., Bollandsås O-M. Forest biomass change estimated from height change in interferometric SAR height models. // Carbon Balance Manage. 2014. V. 9. No. 5. https://doi.org/10.1186/s13021-014-0005-2.
  12. 12. Yu C., Li Z., Penna N.T. Triggered afterslip on the southern Hikurangi subduction interface following the 2016 Kaikōura earthquake from InSAR time series with atmospheric corrections // Remote Sensing of Environment. 2020. V. 251. P. 112097. https://doi.org/10.1016/j.rse.2020.112097.
  13. 13. Zakharov A.I., Zakharova L.N., Chimitdorzhiev T.N. X-band SAR interferometry for forest dynamics detection. // International Geoscience and Remote Sensing Symposium (IGARSS): 36, Advancing the Understanding of our Living Planet. Beijing, 2016. P. 5975–5977. https://doi.org/10.1109/IGARSS.2016.7730561.
  14. 14. Zhang L., Dai K., Deng, J. Ge D., Liang R., Li W., Xu Q. Identifying Potential Landslides by Stacking-InSAR in Southwestern China and Its Performance Comparison with SBAS-InSAR // Remote Sensing. 2021. V. 13. P. 3662. https://doi.org/10.3390/rs13183662.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека