Мониторинг леса: ЛК РФ Статья 61.1. Государственный мониторинг воспроизводства лесов \ КонсультантПлюс

Дистанционный мониторинг лесов

Согласно Методическим рекомендациям по проведению государственной инвентаризации лесов Рослесхоза от 10 ноября 2011 года N 472 под дистанционным мониторингом использования лесов подразумевается систематическое слежение за состоянием использования лесов с целью своевременного выявления и прогнозирования развития процессов, оказывающих негативное воздействие на леса на основе дешифрирования материалов космической съемки.

Государственная инвентаризация лесов проводится наземными и космическими способами с использованием методов статистической выборки. Аэрокосмические способы применяются в целях своевременного выявления и прогнозирования развития процессов, оказывающих негативное воздействие на леса, преимущественно в зонах их интенсивного использования.

Наземные способы применяются для определения количественных и качественных характеристик лесных участков, а также для проведения оценки эффективности осуществления мероприятий по охране, защите и воспроизводству лесов.

Масштабы работы по инвентаризации российских лесов настолько велики, что специалисты полагают: полный цикл инвентаризации составит 10-15 лет.

Космический мониторинг является составной частью выполнения работ по лесоустройству и инвентаризации лесов. Особенно важное значение он имеет для обширных лесных территорий России.

Современные средства космической съёмки позволяют получать оперативную и достоверную информацию о состоянии лесов и хозяйственной деятельности на любой самой удаленной территории, что практически недостижимо при наземных обследованиях. А также проводить ретроспективный анализ территории, направленный на фиксацию начала и завершения тех или иных событий.

В работе проведена оценка приемлемости использования космических снимков Sentinel-2 Европейского космического агентства для картографирования (дешифрирования) лесных насаждений одного из районов Пермского края. Схема расположения участков анализа на территории Пермского края показана на Рисунке 1.

Рисунок 1. Схема расположения участков анализа на территории Пермского края

Для выявления лесных вырубок были использованы разновременные материалы космической съёмки Sentinel-2. Разновременные снимки на аналогичную территорию позволяют с большой вероятностью зафиксировать изменения, произошедшие в данной области.

Космическая съёмка для обеспечения задач мониторинга лесов должна проводиться в весенний, летний или осенний сезоны, преимущественно в вегетационный период. Зимняя съёмка при наличии снежного покрова может применяться как исключение в качестве дополнения к съёмкам в бесснежный период для подчеркивания контраста некоторых объектов.

С помощью специализированных программных продуктов ENVI, ScanEx Image Processor и геоинформационной системы ESRI (ArcGIS) было проведено дешифрирование территории интереса как визуальным, так и автоматизированным способом.

Авторами проведён анализ территорий с предполагаемыми вырубками двумя способами классификации спутниковых данных:

1. Визуальное дешифрирование

Проводилось несколькими сотрудниками с последующей перекрестной проверкой, позволяющей минимизировать системную ошибку.

После предварительно проведенных процедур, направленных на улучшение снимков и маскирования облачности был проведен анализ в пределах заявленных кадастровых подразделений.

Участок анализа № 1.

Вырубки, появившиеся за период между двумя снимками, изображаются ярко-красным цветом: низкая яркость на снимке в марте 2016 обусловлена наличием древесной растительности, дающей сильный обратный сигнал. Высокая яркость на снимке в апреле 2016 связана со слабым обратным сигналом от ровной поверхности без древесной растительности (светлый фототон в контуре участка 1), что показано на Рисунке 2.

Рисунок 2. Разновременные снимки Sentinel – 2. Контуром обозначен участок анализа № 1

Статистический анализ, проведенного анализа, говорит о том, что площадь вырубки, которая произошла в период с середины марта по середину апреля 2016 года составила около 78%.

Участок анализа №2

С помощью визуального анализа разновременных космических снимков на Участок 2 удалось зафиксировать изменения, произошедший между серединой марта 2016 года и серединой апреля 2016 года, как показано на Рисунке 3.

Рисунок. 3. Разновременные КС Sentinel – 2. Контуром обозначен участок анализа № 2

Статистический анализ, проведенного анализа, говорит о том, что площадь вырубки составила около 60%.

Участок анализа № 3.

По материалам КС Sentinel–2 вырубки леса не были зафиксированы, как показано на Рисунке 4.

Рисунок 4. Разновременные КС Sentinel – 2. Контуром обозначен участок анализа №3

Участок анализа № 4

По материалам КС Sentinel–2 вырубки леса не были зафиксированы, как показано на Рисунке 5.

Рисунок 5. Разновременные КС Sentinel – 2. Контуром обозначен участок анализа №4

Участок анализа № 5.

По материалам КС Sentinel–2 вырубки леса не были зафиксированы, как показано на Рисунке 6.

Рисунок 6. Разновременные КС Sentinel – 2. Контуром обозначен участок анализа №5

2. Автоматизированное дешифрирование

Анализ обнаружения изменений включает в себя широкий спектр методов, используемых для идентификации, описания и количественного определения различий между изображениями одной и той же сцены в разное время. Мы использовали такие инструменты, как «Алгебра каналов» (Band Math) и метод анализа главных компонент (PCA – principal component analysis), которые анализировались как независимо друг от друга, так и в комбинации между собой. Эти процедуры в программном продукте ENVI, предлагают простой подход к поиску изменений между парой изображений, которые представляют начальное состояние и конечное состояние.

При выполнении автоматизированного анализа обнаружения изменений на космических изображениях важно учитывать все факторы, которые могут привести к тому, что сцены в одной и той же области будут выглядеть по-разному.

Некоторые из этих факторов:

• Различия в приборе или датчике: учитывайте сходство датчиков, которые собирали изображения. Даже полосы, собранные в одной и той же части спектра (например, две красные полосы), могут иметь разные длины волн центра полосы или разные функции спектрального отклика, что может привести к различным значениям пикселей для одного и того же материала.

• Различия в дате и времени сбора. Сезонные изменения могут привести к большим различиям в сценах, содержащих растительность (из-за старения растений и развития архитектуры навеса). Различия в сезоне и времени суток также влияют на азимут и высоту Солнца.
  
• Различия в атмосферных условиях. Доминирующие погодные условия могут влиять на атмосферную передачу и рассеяние. Постоянные различия в грубых атмосферных условиях часто связаны с сезонными изменениями. Распространенным атмосферным отличием является содержание воды в атмосфере. Летняя атмосфера обычно более влажная, чем зимняя.
  Атмосферно исправленные изображения могут уменьшить такие влияния.
  
• Точность привязки. Детальность геопривязанных изображений имеет решающее значение для анализа обнаружения изменений. Несмотря на то, что процедура вычисления карты различий (Change Detection Difference Map) автоматически объединит входные изображения с использованием доступной информации о карте, если различия в геометрии изображения существенны, стоит попытаться обеспечить как можно более точную регистрацию ядра перед выполнением обнаружения изменений.
  

После того как исходные изображения загружены (начальное и конечное состояние территории) необходимо в диалоговом окне «Вычислить входные параметры карты разностей» задать количество для классификации. Каждый класс определяется порогом разницы, который представляет различную величину изменений между двумя изображениями. Минимальное количество классов – два. Пороги классификации по умолчанию равномерно распределены между (-1) и (+1) для простых различий и (-100%) и (+ 100%) для процентных разниц.

Определения классов по умолчанию пытаются создать симметричные классы с равным количеством положительных и отрицательных классов изменений, окружающих категорию «Без изменений». Порядок, в котором определяются классы, выглядит следующим образом:

Для n-классов, где n – нечетно, первые (n/2) классы представляют положительные изменения, начиная с самых больших положительных изменений и заканчивая наименьшими. Средний класс, (n/2) + 1, не представляет изменений. Последние (n/2) классы представляют отрицательные изменения, начиная с наименьших отрицательных изменений и заканчивая самыми большими.

Опытным путем было принято решение, произвести классификацию на 33 класса. Таким образом были созданы мультивременные композиты участков анализа № 1 и № 2.

Участок анализа № 1.

Оба способа тематического анализа космического снимка (визуальный и автоматизированный) позволяют сделать вывод, что вырубка произошла в период с марта по апрель 2016 года и составила приблизительно 78%, как показано на Рисунке 7. Участки были проанализированы в ближнем инфракрасном диапазоне (далее NIR).

Рисунок 7. Мультивременной композит (NIR – апрель, NIR – март, NIR – март) Sentinel-2. Контуром обозначен участок анализа № 1

Оба способа тематического анализа космического снимка (визуальный и автоматизированный) позволяют сделать вывод, что вырубка произошла в период с марта по апрель 2016 года и составила приблизительно 62%, как показано на Рисунке 8.

Рисунок 8. КС Sentinel-2 за февраль 2017 г, композит каналов NIR, Red, Green

Автоматизированное дешифрирование снимков Sentinel-2 на площадь выдела №3, №4 и №5 было проведено с помощью метода главных компонент (PCA-анализ). Результаты приведены на Рисунках 9, 10 и 11 соответственно. С помощью этого создаются некоррелированные выходные полосы частот для разделения компонентов шума и уменьшения размерности наборов данных. Поскольку мультиспектральные полосы данных часто сильно коррелированы, преобразование PCA используется для получения некоррелированных выходных полос. Это делается путем нахождения нового набора ортогональных осей, которые берут свое начало от среднего значения данных и поворачиваются так, чтобы дисперсия данных была максимальной.

Рисунок 9. Метод главных компонент на основе КС Sentinel-2. Участок №3 – голубой контур

Рисунок 9. Метод главных компонент на основе КС Sentinel-2. Участок №3 – голубой контур

Рисунок 10. Метод главных компонент на основе КС Sentinel-2. Участок №4 – голубой контур

  

Рисунок 10. Метод главных компонент на основе КС Sentinel-2. Участок №4 – голубой контур

Рисунок 11. Метод PCA на основе КС Sentinel-2. Участок №5 – голубой контур

По результатам комплексной обработки космических снимков Sentinel – 2 было установлено, что на участке с кадастровым номером 1 и 2 произошла практически сплошная вырубка (Таблица 1). Предположительно вырубка произошла в период с середины марта 2016 по середину апреля 2016.

На участках с кадастровыми номерами 3, 4, 5 нарушения древесного покрова и вырубки по космическим снимкам Sentinel – 2 не обнаружены.

ЗАКЛЮЧЕНИЕ

1. По результатам комплексной обработки космических снимков Sentinel-2 как визуальным, так и автоматизированным способом, было установлено, что на участке с кадастровым номером 1 и 2 произошла практически сплошная вырубка леса (Таблица 1). Предположительно вырубка произошла в период с середины марта 2016 по середину апреля 2016. На участках под номерами 3, 4, 5 нарушения древесного покрова и вырубки по космическим снимкам Sentinel – 2 не обнаружены. 

2. В таблице 1 приведено сравнение площади вырубки в конце и начале наблюдений.

Таблица 1. Сравнение площади вырубки в конце и начале наблюдений

Участок анализа	Площадь участка анализа в гектарах	Площадь вырубки в гектарах на март 2016г.	Процент вырубки на апрель 2016г, %	Процент вырубки на февраль 2017г., %
1	7,21	5,63	78%	78%
2	1,43	0,52	36%	62%
3	35,39	0	0%	0%
4	11,92	0	0%	0%
5	2,35	0	0%	0%

3. Выполненная работа может быть ярким примером применения инновационных космических методов, в комплексе с передовыми технологиями (в том числе, машинного обручения) для обнаружения нарушения целостности лесного покрова. Кроме того, с достаточной точностью может помочь выделить временные рамки зафиксированных изменений.

4. Космические снимки являются прогрессивным способом и неотъемлемым этапом, для мониторинга лесных угодий.

Лаборатория мониторинга леса

Экологический мониторинг, исследование и картографирование природных и антропогенных воздействий на лесные экосистемы бореальной зоны.

Основные направления исследований

• Разработка методов мониторинга лесных территорий на основе современных систем дистанционного зондирования в оптической и микроволновой частях спектра, лидарной и гравиметрической съемки и ГИС-технологий.
• Обнаружение, анализ и картографирование зон климатических, биотических и антропогенных воздействий на лесные территории.
• Анализ динамики продуктивности лесных экосистем и жизненного состояния древостоев в меняющемся климате.
• Моделирование динамики элементов лесных экосистем в меняющемся климате.
• Разработка инструментальных методов мониторинга лесных пожаров и состояния нарушенных территорий, оперативный анализ пожарной опасности, оценка пожарных эмиссий и прогноз горимости лесов.
• Экспедиционные исследования в Сибири и Алтае-Саянском регионе.

Основные достижения

Исследована динамика северной и южной границ древостоев в Сибири в условиях современного меняющегося климата, а также границ древесной растительности на северном и альпийском пределах произрастания за последнее тысячелетие. Определены скорости миграции лиственницы (Larix dahurica, L. sibirica) в экотонах альпийской и полярной лесотундр. Изучена климатически индуцированная миграция Pinus sibirica, Abies sibirica и Picea obovata в зону доминирования Larix dahurica.
Обнаружен и исследован феномен «волнового продвижения» древесной растительности по градиенту высоты в альпийскую лесотундру.
Оценены и картографированы запасы наземного углерода для циркумполярного бореального биома.
Исследовано воздействие климатических и биотических факторов на динамику площади темнохвойных древостоев и радиальный прирост в различных высотных поясах Алтае-Саянской горной страны. Изучены причины усыхания кедрово-пихтовых древостоев Сибири, наблюдаемого в южной части ареалов Pinus sibirica и Abies sibirica.
Разработан метод применения гравиметрической съемки (спутниковая система GRACE) в анализе водного режима лесных территорий. Показана эффективность гравиметрии в исследованиях феномена усыхания хвойных (Picea abies в Беларуси, Pinus sibirica и Abies sibirica в Сибири).
Разработаны методы применения ИК космосъемки для количественного анализа горимости лесных территорий. Исследованы динамика частоты и площади лесных пожаров Сибири в условиях меняющегося климата. Установлена тесная связь межпожарных интервалов и длительности пожароопасного периода с величиной приходящей солнечной радиации.

Основные приборы и оборудование

Современные приборы — датчики, работающие в оптической и микроволновой частях спектра, установленные на различных космических платформах. Приборы для проведения полевых исследований.

Методы исследований

Экспедиционные исследования лесных биогеоценозов. Лабораторный анализ образцов, полученных в ходе полевых работ. Анализ данных космической съемки в оптической и микроволновой частях спектра различного спектрального и пространственного разрешения. ГИС-технологии.

Сотрудники

Заведующий лабораторией Харук Вячеслав Иванович доктор биологических наук, профессор     +7 391 2434457 v7sib@mail. ru

О GFW | Global Forest Watch

КАК GFW СОЗДАЕТ ИЗМЕНЕНИЯ?

Трудно управлять тем, что нельзя измерить. Global Forest Watch предоставляет самые лучшие доступные данные о лесах в Интернете бесплатно, обеспечивая беспрецедентную прозрачность того, что происходит в лесах во всем мире. Более качественная информация поддерживает более разумные решения о том, как управлять лесами и защищать их для нынешнего и будущих поколений, а большая прозрачность помогает общественности привлечь правительства и компании к ответственности за то, как их решения влияют на леса. К данным GFW ежедневно обращаются правительства, компании, организации гражданского общества, журналисты и обычные люди, которые заботятся о своих местных лесах.

Воздействия

Агентство экологических исследований

Ассоциация охраны природы Амазонки (ACA) использовала спутниковые данные GFW, чтобы раскрыть историю о компании United Cacao, незаконно вырубающей нетронутые леса в Перу. Данные GFW помогли ACA расследовать дело и сообщить о размере ущерба, что в конечном итоге привело к потере United Cacao листинга на Лондонской фондовой бирже.

ПОДРОБНЕЕ

Институт Джейн Гудолл

Лесные наблюдатели из Национального управления лесного хозяйства Уганды (NFA) использовали предупреждения GFW о вырубке лесов, чтобы обнаружить небольшой лагерь незаконных лесозаготовителей в лесном заповеднике Касиоха Китоми. NFA привлекло к ответственности регистраторов, используя данные GFW, что привело к штрафу за нарушение.

ПОДРОБНЕЕ

jbdodane

Действия по охране окружающей среды (ERA) и организация «Друзья Земли» (FoE) Нигерии работали над расширением прав и возможностей местных сообществ в штате Эдо на юге и юге Нигерии, чтобы выступать против захвата земель и вырубки лесов для крупномасштабных плантаций. использование GFW для картирования, мониторинга и информирования о случаях захвата земель и вырубки лесов. Результатом кампании, совместной петиции ERA/FoE и общин к правительству штата Эдо, а также встреч с представителями местных органов власти стало успешное изъятие около 13 750 гектаров земли, которые были захвачены плантационной компанией.

ПОДРОБНЕЕ

Marufish

Компания Unilever использовала инструмент GFW PALM Risk Tool для определения 29 заводов по производству пальмового масла с высокой степенью риска в своей цепочке поставок, которые они теперь могут привлечь для сокращения вырубки лесов и внедрения более устойчивых методов.

ПОДРОБНЕЕ

Всемирная организация по охране дикой природы

Глобальная организация по охране дикой природы работала с общинами рама и криол в Никарагуа над созданием новой программы местных лесничих для защиты заповедника Индио-Маис. Лесные рейнджеры коренных народов используют данные Global Forest Watch об утрате лесного покрова и данных о пожарах, которые помогают им определять маршруты патрулирования рейнджеров, выявляя районы, находящиеся под наибольшей непосредственной угрозой, и документировать незаконную вырубку лесов, переходя к предупреждениям. Лесникам удалось добиться от местных властей выдворения незаконных колонистов из заповедника.

ПОДРОБНЕЕ

OSINFOR

Орган по надзору за лесными и дикими ресурсами Перу (OSINFOR) использует предупреждения GFW о вырубке лесов для определения приоритетности полевых инспекций. Предупреждения GFW привели к тому, что они обнаружили дороги, по которым перевозят незаконно заготовленную древесину, идущие из буферной зоны национального парка Кордильера-Асуль.

ПОДРОБНЕЕ

CIFOR

Instituto Araguaia, бразильская неправительственная организация, использовала карты GFW и поддержку, чтобы убедить правительство создать новую юридически признанную буферную зону для критически важной экосистемы в Кантао. Буферная зона поможет защитить богатую экосистему от расширения соевых плантаций.

ПОДРОБНЕЕ

lithopman

Фонд охраны дикой природы Даррелла использовал данные GFW о годовых потерях древесного покрова как свидетельство недавней катастрофической потери леса в заповеднике Менабе-Антимена на Мадагаскаре. Данные о потере древесного покрова помогли убедить Министерство окружающей среды усилить патрулирование охраняемой территории и удалить людей, которые незаконно расчищали землю.

ПОДРОБНЕЕ

Stefan Krasowski

Конгрессмен Яп из Палаты представителей Филиппин процитировала данные Global Forest Watch об утрате мангровых зарослей в поддержку аргументов в пользу Национального закона о сохранении и восстановлении мангровых лесов, который запрещает дальнейшее повреждение или уничтожение мангровых лесов. . Закон был принят Палатой представителей в июне 2015 г.

ПОДРОБНЕЕ

Агентство экологических исследований

Ассоциация охраны природы Амазонки (ACA) использовала спутниковые данные GFW, чтобы раскрыть историю о компании United Cacao, незаконно вырубающей нетронутые леса в Перу. Данные GFW помогли ACA расследовать дело и сообщить о размере ущерба, что в конечном итоге привело к потере United Cacao листинга на Лондонской фондовой бирже.

ПОДРОБНЕЕ

Институт Джейн Гудолл

Лесные наблюдатели из Национального управления лесного хозяйства Уганды (NFA) использовали предупреждения GFW о вырубке лесов, чтобы обнаружить небольшой лагерь незаконных лесозаготовителей в лесном заповеднике Касиоха Китоми. NFA привлекло к ответственности регистраторов, используя данные GFW, что привело к штрафу за нарушение.

ПОДРОБНЕЕ

jbdodane

Действия по охране окружающей среды (ERA) и организация «Друзья Земли» (FoE) Нигерии работали над расширением прав и возможностей местных сообществ в штате Эдо на юге и юге Нигерии, чтобы выступать против захвата земель и вырубки лесов для крупномасштабных плантаций. использование GFW для картирования, мониторинга и информирования о случаях захвата земель и вырубки лесов. Результатом кампании, совместной петиции ERA/FoE и общин к правительству штата Эдо, а также встреч с представителями местных органов власти стало успешное изъятие около 13 750 гектаров земли, которые были захвачены плантационной компанией.

ПОДРОБНЕЕ

Marufish

Компания Unilever использовала инструмент GFW PALM Risk Tool для определения 29 заводов по производству пальмового масла с высокой степенью риска в своей цепочке поставок, которые они теперь могут привлечь для сокращения вырубки лесов и внедрения более устойчивых методов.

ПОДРОБНЕЕ

Всемирная организация по охране дикой природы

Глобальная организация по охране дикой природы работала с общинами рама и криол в Никарагуа над созданием новой программы местных лесничих для защиты заповедника Индио-Маис. Лесные рейнджеры коренных народов используют данные Global Forest Watch об утрате лесного покрова и данных о пожарах, которые помогают им определять маршруты патрулирования рейнджеров, выявляя районы, находящиеся под наибольшей непосредственной угрозой, и документировать незаконную вырубку лесов, переходя к предупреждениям. Лесникам удалось добиться от местных властей выдворения незаконных колонистов из заповедника.

ПОДРОБНЕЕ

OSINFOR

Орган по надзору за лесными и дикими ресурсами Перу (OSINFOR) использует предупреждения GFW о вырубке лесов для определения приоритетности полевых инспекций. Предупреждения GFW привели к тому, что они обнаружили дороги, по которым перевозят незаконно заготовленную древесину, идущие из буферной зоны национального парка Кордильера-Асуль.

ПОДРОБНЕЕ

CIFOR

Instituto Araguaia, бразильская неправительственная организация, использовала карты GFW и поддержку, чтобы убедить правительство создать новую юридически признанную буферную зону для критически важной экосистемы в Кантао. Буферная зона поможет защитить богатую экосистему от расширения соевых плантаций.

ПОДРОБНЕЕ

lithopman

Фонд охраны дикой природы Даррелла использовал данные GFW о годовых потерях древесного покрова как свидетельство недавней катастрофической потери леса в заповеднике Менабе-Антимена на Мадагаскаре. Данные о потере древесного покрова помогли убедить Министерство окружающей среды усилить патрулирование охраняемой территории и удалить людей, которые незаконно расчищали землю.

ПОДРОБНЕЕ

Stefan Krasowski

Конгрессмен Яп из Палаты представителей Филиппин процитировала данные Global Forest Watch об утрате мангровых зарослей в поддержку аргументов в пользу Национального закона о сохранении и восстановлении мангровых лесов, который запрещает дальнейшее повреждение или уничтожение мангровых лесов. . Закон был принят Палатой представителей в июне 2015 г.

ПОДРОБНЕЕ

Награды

История

1997

Институт мировых ресурсов (WRI) учредил Global Forest Watch в 1997 году в рамках инициативы Forest Frontiers. Он начинался как сеть НПО, выпускающих актуальные отчеты о состоянии лесов в четырех пилотных странах: Камеруне, Канаде, Габоне и Индонезии.

2002

К 2002 году GFW расширила свою деятельность на Чили, Россию, Венесуэлу, Индонезию, Демократическую Республику Конго и США, публикуя отчеты о лесном покрове и состоянии, а также о деятельности, влияющей на леса, такой как концессии и инфраструктура. К 2005 г. GFW планировала создать и запустить свою сеть мониторинга лесов в 21 стране9.0005

2004

GFW начала работать с правительствами Центральной Африки над созданием интерактивных онлайн-карт лесов и землепользования под названием Лесные атласы. Первая карта была создана для Камеруна в сотрудничестве с Министерством окружающей среды и лесов Камеруна (MINEF). Интерактивные карты, созданные на сервере ESRI ArcGIS, вскоре были распространены на все страны, охваченные GFW.

2005 — 2011

В течение следующих шести лет GFW продолжала создавать глобальные и региональные карты и анализировать леса, а также расширяла национальные картографические проекты с правительствами. В 2006 году GFW совместно с Greenpeace подготовили первую в истории глобальную карту сохранившихся нетронутых лесных ландшафтов.

2014

В 2014 году WRI запустила GFW 2.0, опираясь на почти два десятилетия работы по созданию полностью интерактивной онлайн-платформы с данными мониторинга лесов для всего мира. Новая версия GFW стала возможной благодаря достижениям в области технологий мониторинга лесов и расширению группы партнеров.

2015

Для решения многих проблем, связанных с вырубкой лесов, Global Forest Watch начала расширяться несколькими новыми веб-приложениями: GFW Commodities для оценки устойчивости цепочек поставок сырьевых товаров и GFW Fires для мониторинга лесных и земельных пожаров и дымки в Юго-Восточной Азии

2016

Благодаря дальнейшему развитию спутниковых технологий GFW вышла за рамки ежегодных данных о лесах и начала предоставлять ежемесячные и еженедельные предупреждения об обезлесении. Благодаря подписке по электронной почте эти оповещения попадали прямо в руки пользователей, что повышало их способность реагировать на новые действия почти в режиме реального времени.

2017

В 2017 году GFW запустила Forest Watcher, мобильное приложение, которое позволяет пользователям использовать данные и инструменты GFW в автономном режиме и в полевых условиях. Приложение представляет собой новый шаг в предоставлении людям, работающим в лесу, информации, необходимой для их защиты.

2018

GFW опубликовала новые данные, которые показывают основные факторы потери древесного покрова, в том числе приводящие к обезлесению. GFW также выпустила новые и улучшенные информационные панели, чтобы предоставить информацию о причинах и последствиях изменения лесов.

2019

Благодаря сотрудничеству с ведущими финансовыми и сырьевыми компаниями, GFW Pro был запущен в 2019 году, чтобы помочь предприятиям управлять рисками вырубки лесов в своих цепочках поставок. Между тем, добавление базовых карт Planet с высоким разрешением, данных о плантациях для 82 стран и данных о первичных тропических лесах дало пользователям новый способ понять изменения лесов на карте GFW.

Учебный материал REDD+ по мониторингу леса

Эта страница обеспечивает доступ к полному набору технических учебных материалов REDD+, которые были подготовлены FCPF в сотрудничестве с Вагенингенским университетом и инициативой «Глобальное наблюдение за динамикой лесного и земного покрова» (GOFC-GOLD). Этот материал отвечает потребностям стран в технической помощи и руководстве для улучшения оперативного мониторинга лесов и потенциала для измерения, отчетности и проверки результатов вмешательства REDD+.

Сеть международных технических экспертов, соавторов материала, и независимые рецензенты помогли обеспечить соответствие установленным международным рекомендациям по передовой практике в отношении соответствующих методов и технологий для мониторинга лесов. Этот материал размещен в открытом доступе и находится в свободном доступе по лицензии Creative Commons.

Модульная структура позволяет использовать материал в различных условиях, таких как семинары, практическое обучение или техническая помощь по проекту. Этот материал рекомендуется использовать в сочетании с Инструментом поддержки принятия решений FCPF REDD+ и дополнительными руководящими документами (такими как справочник GOFC-GOLD или техническое руководство Глобальной инициативы по наблюдению за лесами).

Четырнадцать учебных модулей могут быть легко адаптированы для различных аудиторий, таких как эксперты по политике REDD+, технические эксперты или технические консультанты по проектам, и включают примеры стран и учебные упражнения, чтобы предоставить пользователям практическую отправную точку.

Полный набор учебных материалов доступен на испанском и французском языках; и несколько записанных лекций доступны на You Tube.

Этот материал опубликован и доступен бесплатно по лицензии Creative Commons.

Щелкните ссылку на каждый модуль ниже, чтобы просмотреть соответствующие ресурсы. Эти материалы также размещены на сайте GOFC-GOLD:

Введение и руководящий документ

• Введение в учебные материалы REDD+ (на английском языке)
• Руководство по учебным материалам REDD+ (на английском языке)

Модуль 1.1 Контекст и требования РКИКООН и введение в руководящие принципы МГЭИК

Этот модуль позволяет участникам:

• Понимать контекст РКИК ООН и требования к мониторингу и отчетности по деятельности REDD+
• Объяснение основных концепций руководящих принципов МГЭИК для национальных кадастров ПГ и отчетности по деятельности, связанной с лесами

Лекция о контексте и требованиях РКИКООН и введение в руководящие принципы МГЭИК

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Модуль 1. 2 Структура построения национальных систем мониторинга лесов для СВОД+

Этот модуль позволяет участникам: 

• Понимать потребности и приоритеты национальной политики REDD+ и стратегии реализации
• Оценить и охарактеризовать существующие возможности мониторинга лесов и отчетности с учетом национальных условий
• Разработать дорожную карту для создания устойчивого внутреннего потенциала для REDD+ MRV

Лекция по основам создания национальных систем мониторинга лесов для REDD+

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 1.3 Факторы обезлесения и деградации

 

Этот модуль позволяет участникам:

• Объяснить необходимость мониторинга прямых и косвенных факторов обезлесения и деградации лесов в контексте UNFCCC REDD+
• Кратко опишите различные подходы к мониторингу факторов обезлесения и деградации лесов
• Оценка вероятных прямых факторов обезлесения и деградации в стране

Лекция по оценке и анализу факторов обезлесения и деградации лесов

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2. 1 Мониторинг данных о деятельности лесов с помощью дистанционного зондирования

Этот модуль позволяет участникам: 

• Различать различные (дистанционное зондирование) подходы к мониторингу изменений в лесных массивах
• Выполнение анализа изменения площади лесов с использованием спутниковых данных Landsat

Лекция «Мониторинг данных о деятельности лесов с помощью дистанционного зондирования»

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2.2 Мониторинг данных о деятельности лесов, остающихся лесами (включая деградацию)

Этот модуль позволяет участникам:

• Описывать различные типы деградации лесов и подходы к мониторингу деградации
• Сопоставьте и проанализируйте различные процессы деградации лесов с помощью наземных съемок и инструментов дистанционного зондирования, представленных в модуле
.

Лекция на тему Мониторинг данных о деятельности лесов, остающихся лесами (включая деградацию лесов)

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2.3 Измерение коэффициентов выбросов

Этот модуль позволяет участникам:

• Описать процедуры и методы для разработки оценок коэффициентов выбросов для обезлесения и деградации лесов путем выборочных рубок в рамках национальной системы мониторинга лесов на уровне 2-3 уровня
• Оценить коэффициенты выбросов, включая все пулы для обезлесения для выбранного лесного региона в стране, и оценить коэффициенты выбросов для деградации лесов путем выборочных рубок

Лекция по оценке коэффициентов выбросов для изменения лесного покрова: обезлесение и деградация лесов

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2. 4 Мониторинг на базе сообщества

Этот модуль позволяет участникам: 

• Приводить аргументы в пользу преимуществ CBM как элемента национального мониторинга REDD+
• Объясните шаги, необходимые для включения CBM в качестве элемента национального мониторинга REDD+

Лекция по включению мониторинга на уровне сообществ (CBM) в национальный (или субнациональный/юрисдикционный)* мониторинг REDD+

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Знакомство с примерами стран

• PPT: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Пример страны 2

• PPT: английский, испанский, французский

Пример страны 3

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2. 5 Оценка выбросов углерода

Этот модуль позволяет участникам:

• Проводить оценку выбросов и абсорбции углерода в результате обезлесения и деградации лесов в соответствии с требованиями руководящих принципов МГЭИК и руководства

Лекция по оценке выбросов углерода в результате обезлесения и деградации лесов

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2.6 Оценка выбросов ПГ от сжигания биомассы

Этот модуль позволяет участникам: 

• Понимать сильные стороны и ограничения спутникового дистанционного обнаружения огня
• Описать ряд подходов и методов мониторинга пожаров
• Использование доступных продуктов пожара для расчета выбросов от сжигания биомассы

Лекция по оценке выбросов парниковых газов при сжигании биомассы

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2. 7 Оценка неопределенностей

Этот модуль позволяет участникам: 

• Выявлять источники неопределенности в оценках изменения площади («данные о деятельности») и изменения запасов углерода («коэффициент выбросов»)
• Реализовать правильные шаги для расчета неопределенностей для оценок изменения площади и изменения накопления углерода
• Понимать возможную консервативную трактовку неопределенностей

Лекция по оценке неопределенностей

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 2.8 Развивающиеся технологии

Этот модуль позволяет участникам: 

• Упомянуть и охарактеризовать существующие развивающиеся технологии дистанционного зондирования для целей измерения и мониторинга для REDD+; их статус и ближайшее развитие
• Описать методы измерения с использованием данных LIDAR и RADAR

Лекция «Обзор и состояние развивающихся технологий»

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Модуль 3. 1 Организация и управление национальными данными

Этот модуль позволяет участникам: 

• Объяснить важность наличия четкой и стабильной организационной структуры
• Опишите различные типы ролей и обязанностей, которые могут быть у агентств при организации данных и управлении ими
• Понимать процедуры обеспечения соблюдения принципов отчетности МГЭИК при сборе и управлении данными, связанными с MRV и учетом выбросов углерода

Лекция по национальной организации данных и управлению ими

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Модуль 3.2 FRL

Этот модуль позволяет участникам: 

• Описать процедуры для разработки контрольных уровней леса (FRL) REDD+

Лекция по данным и руководство по разработке эталонных уровней REDD+

• PPT: английский, испанский, французский; PDF: английский, испанский, французский

Примеры стран

• PPT: английский, испанский, французский

Материалы для упражнений

• Zip-файл: английский

Модуль 3.