Тройное слияние признаков из мультиспектральных данных БПЛА улучшает оценку углерода мангров на уровне видов

Почему эти прибрежные леса важны

Мангровые леса расположены там, где земля встречается с морем, и тихо накапливают большие объёмы углерода в древесине и в илистых почвах. Поскольку этот «голубой углерод» помогает замедлять климатические изменения, правительства и природоохранные организации всё чаще стремятся защищать и восстанавливать мангры. Но разные виды мангров хранят углерод по‑разному. В этом исследовании показано, как небольшие дроны с специальными камерами могут не только картировать различные виды мангров вдоль китайского побережья, но и оценивать, сколько углерода каждый вид хранит над и под землёй.

Взгляд на мангры сверху

Исследование проводилось в заповеднике Гаоцяо-Мангровый в заливе Инглоу на юге Китая — большой охраняемой территории с богатыми видовыми сообществами. Здесь четыре распространённых вида мангров образуют мозаичный ландшафт по линиям отлива и прилива: от высоких древостоев у открытого залива до кустарников вдоль берегов рек и краёв прудов. Традиционно оценка запасов углерода в таких лесах требует пеших обходов по липкой грязи, измерений размеров деревьев и раскопок корней и почв — это трудоёмко и дорого. Спутники охватывают большие площади, но часто не имеют детализации, необходимой для различения соседних видов или мелких участков. Команда вместо этого использовала низколетящий дрон с мультиспектральной камерой, фиксирующей не только обычные цвета, но и red‑edge и ближний инфракрасный диапазоны, которые особенно чувствительны к химии листа и состоянию растений.

Три типа подсказок из дронов

Из данных дрона учёные выделили три группы признаков о лесном покрове. «Спектральные» признаки описывают, как листья отражают разные длины волн света; их можно комбинировать в вегетационные индексы, связанные с плотностью хлорофилла и устойчивостью растений. «Структурные» признаки получены из трёхмерной информации о высоте и показывают, насколько высока крона по ландшафту. «Текстурные» признаки фиксируют, насколько грубой или гладкой выглядит крона на изображениях — отражая различия в размере листьев, плотности ветвления и форме кроны. Объединив эти три вида информации, исследователи обучили компьютерные модели, которые сначала различали четыре вида мангров, а затем связывали признаки изображения с точными измерениями углерода, собранными на 40 наземных участках.

Как отличить один мангровый вид от другого

Подход с объединением данных оказался особенно эффективным для картирования видов. Когда команда использовала только базовые красный, зелёный и синий каналы, дрон не мог надёжно различать виды с похожей окраской листьев или смешанные заросли. Добавление red‑edge и ближнего ИК значительно улучшило результаты, а включение информации о высоте кроны ещё больше повысило точность. Лучшая комбинация — исходные мультиспектральные каналы, вегетационные индексы и высота — корректно определяла вид мангров почти в 90% случаев. Это было важно, поскольку такие виды, как Avicennia marina и Aegiceras corniculatum, могут выглядеть сходно в спектре, но различаться по высоте и форме кроны, тогда как другие, например Rhizophora stylosa и Bruguiera gymnorrhiza, выше и имеют более массивные кроны.

Связь структуры леса с запасами углерода

После картирования видов та же тройная группа признаков использовалась для построения моделей углеродных запасов. Для каждого вида или их сочетаний исследователи проверяли, насколько разные переменные изображения предсказывают углерод, накопленный над землёй в стволах и ветвях, и под землёй в корнях. Оказалось, что наиболее информативные признаки различаются по видам. Для кустообразного A. corniculatum лучше работали тонкие текстурные паттерны в red‑edge, тогда как для B. gymnorrhiza ключевую роль играла текстура в синем канале. Для смешанных древостоев R. stylosa и A. marina простой показатель высоты кроны был сильным предиктором, отражая то, что более крупные деревья удерживают больше биомассы. Полученные модели объясняли от почти половины до более чем 90% вариации наблюдаемого углерода, в зависимости от вида и того, учитывались ли запасы над‑ или подземные.

Где углерод действительно сосредоточен

Применение этих моделей ко всей исследуемой территории дало детализированные карты углерода надземного, подземного и общего запасов мангров. Северо‑западный угол заповедника, где доминируют высокие древостои R. stylosa, выявился как углеродный «горячий пятно» с наибольшими значениями и над, и под землёй. В среднем R. stylosa накапливала примерно вдвое больше надземного углерода, чем самый низкорослый вид A. corniculatum, а также лидировала по корневому углероду. A. marina, хоть и широко распространённый, имел более умеренные запасы углерода на гектар, тогда как B. gymnorrhiza вносил меньшие, но всё же значимые участки. В целом виды с более высокими, толстыми стволами и широкими кронами хранили значительно больше углерода, чем плотные заросли низких кустарников, несмотря на то, что у кустарников было гораздо больше стволов на единицу площади.

Что это значит для климата и охраны природы

Для неспециалиста главный вывод прост: мангры нельзя рассматривать как однородную зелёную полосу на карте. Разные виды запасают очень разные объёмы углерода и по‑разному реагируют на то, что дроны «видят» в цвете, структуре и текстуре. Объединив эти три взгляда, исследование показывает, что относительно доступные дроны способны картировать и виды, и их углеродные запасы с высокой детализацией, помогая менеджерам определять, какие участки леса наиболее ценны для климатической смягчающей политики. По мере роста усилий по защите и восстановлению экосистем голубого углерода это знание на уровне видов может направлять более продуманную посадку, таргетированную охрану участков с высоким содержанием углерода и более точный национальный подсчёт выбросов и поглощений углерода.

Цитирование: Chen, Y., Shen, X., Yan, C. et al. Triple-feature fusion from UAV multispectral imagery enhances species-level mangrove carbon assessment. Sci Rep 16, 11494 (2026). https://doi.org/10.1038/s41598-026-40303-1

Ключевые слова: углерод мангров, голубой углерод, мультиспектральный БПЛА, картирование видов, дистанционное зондирование лесов