Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.
Идентификация поврежденных участков леса сибирским шелкопрядом на основе данных Landsat-8
1. Исаев А.С., Е.Н. Пальникова, В.Г. Суховольский, О.В. Тарасов Динамика численности лесных насекомых-филлофагов: модели и прогнозы. М.: Товарищество научных изданий КМК, 2015. – 262 с.
2. Рожков А.С. Массовое размножение сибирского шелкопряда и меры борьбы с ним. М.: Наука, 1965. - 179 с.
3. Кондаков Ю.П. Закономерности массовых размножений сибирского шелкопряда. Экология популяций лесных животных Сибири, Новосибирск: Наука, 1974, С. 206 – 264.
4. Методы мониторинга вредителей и болезней леса / Под общ. ред. В.К. Тузова. – М.: ВНИИЛМ, 2004. – 200 с.
5. Лямцев Н.И. Прогнозирование массовых размножений непарного шелкопряда, угрозы повреждения дубрав и необходимости защитных мероприятий, Пушкино: ВНИИЛМ, 2018. – 84 с.
6. Egan, J.M.; Kaiden, J.; Lestina, J.; Stasey, A.; Jenne, J.L. Techniques to Enhance Assessment and Reporting of Pest Damage Estimated with Aerial Detection Surveys; R1-19-09; U.S. Department of Agriculture, Forest Service, Northern Region, Forest Health Protection: Missoula, MT, USA, 2019; p. 33.
7. Mukul M, Srivastava V, Mukul M (2015) Analysis of the accuracy of Shuttle Radar Topography Mission (SRTM) height models using International Global Navigation Satellite System Service (IGS) Network. Journal of Earth System Science 124(6): 1343-1357. https://doi.org/10.1007/s12040-015-0597-2
8. Insect & Disease Detection Survey (IDS) Data Downloads. Available online: https://www.fs.fed.us/foresthealth/applied-sciences/mapping-reporting/detection-surveys.shtml (accessed on 5 August 2020).
9. Флоров Д.Н. Вредитель сибирских лесов, Иркутск: ОГИЗ, 1948. – 143 С.
10. Поликарпов Н.П., Чебакова Н.М., Назимова Д.И. Климат и горные леса Южной Сибири. – Новосибирск: Наука, 1986 – 227 с.
11. Смагин В.Н., Ильинская С.А., Назимова Д.И., Новосельцева И.Ф., Чередникова Ю.С.. Типы лесов гор Южной Сибири. Новосибирск, «Наука», 1980 – 336 с.
12. Benjamin C. Bright, Andrew T. Hudak, Joel M. Egan, Carl L. Jorgensen, Franciel E. Rex, Jeffrey A. Hicke, and Arjan J.H. Meddens Using Satellite Imagery to Evaluate Bark Beetle-Caused Tree Mortality Reported in Aerial Surveys in a Mixed Conifer Forest in Northern Idaho, USA. Forests 2020, 11(5), 529. Available online: https://doi.org/10.3390/f11050529
13. Wulder, M.A.; Dymond, C.C.; White, J.C.; Leckie, D.G.; Carroll, A.L. Surveying mountain pine beetle damage of forests: A review of remote sensing opportunities. For. Ecol. Manag. 2006, 221, 27–41.
14. Meddens, A.J.H.; Hicke, J.A.; Vierling, L.A. Evaluating the potential of multispectral imagery to map multiple stages of tree mortality. Remote Sens. Environ. 2011, 115, 1632–1642. [Google Scholar] [CrossRef]
15. 4.Bright, B.C.; Hicke, J.A.; Hudak, A.T. Estimating aboveground carbon stocks of a forest affected by mountain pine beetle in Idaho using lidar and multispectral imagery. Remote Sens. Environ. 2012, 124, 270–281.
16. Townsend PA, Singh A, Foster JR, et al. (2012) A general Landsat model to predict canopy defoliation in broadleaf deciduous forests. Remote Sensing of Environment 119: 255-265. https://doi.org/10.1016/j.rse.2011.12.023
