Wildland fires dramatically affect forest ecosystems, altering the loss of their biodiversity and their sustainability. In addition, they have a strong impact on the global carbon balance and, ultimately, on climate change. This review attempts to provide a comprehensive meta-analysis of studies on remotely sensed methods and data used for estimation of forest burnt area, burn severity, post-fire effects, and forest recovery patterns at the global level by using the PRISMA framework. In the study, we discuss the results of the analysis based on 329 selected papers on the main aspects of the study area published in 48 journals within the past two decades (2000–2020). In the first part of this review, we analyse characteristics of the papers, including journals, spatial extent, geographic distribution, types of remote sensing sensors, ecological zoning, tree species, spectral indices, and accuracy metrics used in the studies. The second part of this review discusses the main tendencies, challenges, and increasing added value of different remote sensing techniques in forest burnt area, burn severity, and post-fire recovery assessments. Finally, it identifies potential opportunities for future research with the use of the new generation of remote sensing systems, classification and cloud performing techniques, and emerging processes platforms for regional and large-scale applications in the field of study.

Спутниковый мониторинг является важным мероприятием при соблюдении требований лесного законодательства, проведении работ по лесоустройству и инвентаризации лесов. В работе проведена оценка приемлемости использования спутниковых изображений Sentinel-2 Европейского космического агентства для картографирования (дешифрирования) породного состава лесных насаждений Пензенской области. Авторами проведён анализ результатов трёх способов классификации спутниковых данных: картирования по спектральному углу (Spectral Angle Mapper, SAM), метода опорных векторов (Support Vector Machines, SVM) и метода максимального правдоподобия (Maximum Likelihood Classification, MLC). За два полевых сезона 2016-2017 гг. на исследуемой территории были заложены 278 тестовых участка, большая часть из которых (60 %) была использована для создания обучающей выборки классификации. Применённая методика декомпозиции спектральных смесей (Spectral Mixture Analysis) на базе обучающей выборки позволила выделить одиннадцать классов лесного покрова в Кирилловском-Подвышенском и Ольшанском лесничествах. Сравнение статистик «точность пользователя» и «точность производителя», полученных на вновь построенные тематические карты, подтверждает, что для выявления большинства классов лесного покрова лучший результат показывает способ классификации MLC. Об этом также свидетельствуют общая точность классификации 0,81 и коэффициент Каппа 0,76 на карты Кирилловского-Подвышенского лесничества, а также общая точность 0,76 и коэффициент Каппа 0,72 для Ольшанского участкового лесничества. Исследование показало, что при тематической классификации лесных насаждений по спутниковым снимкам Sentinel-2 следует учитывать группы возраста древостоев, что позволяет выделить два класса сосновых лесов, а также класс «молодняки хвойных и лиственных пород». Результаты тематической классификации и анализ полученных данных свидетельствуют о большом потенциале изображений спутниковой системы Sentinel-2, обладающих высоким пространственным и временным разрешением, для картографирования, инвентаризации лесов и лесоустройства Российской Федерации.

No abstract

No abstract

This study assesses whether MODIS NDVI satellite data time series can be used to detect changes in forest phenology over the different forest types of the Mari El Republic of Russia. Due to the severe climatic conditions, coniferous and deciduous forests of this region are especially vulnerable to climate change, which can lead to stresses from droughts and increase the frequency of wild fires in the long term. Time series analysis was applied to 16-day composite MODIS (MOD13Q1) (250 m) satellite data records (2000-2020) for the investigated territory, based on understanding that the NDVI trend vectors would enable detection of phenological changes in forest cover. There was also the determination of land cover/land use change for the area and examination of meteorological data for the investigated period. For the study, we utilized four phenological metrics: start of season (SOS), end of season (EOS), length of season (LOS), and Maximum vegetation index (MVI). The NDVI MODIS data series were smoothed in the TimeSAT software using the Savitsky-Golay filter. The results of the study show that over the 20-years period variations in phenological metrics do not have a significant impact on the productivity and growth of forest ecosystems in the Mari El Republic.