Зміни лісового покриву в лісовому комплексі Марат Лонгрі Патрадіса Лонгніт округу Карбі Англонг, Північно-Східна Індія
DOI:
https://doi.org/10.26565/2410-7360-2026-64-30Ключові слова:
зміна лісового покриву, дистанційне зондування, ГІС, Хулоцький гібон, фрагментація середовища існування, Карбі Англонг, Північно-Східна ІндіяАнотація
Метою дослідження є аналіз просторово-часової динаміки лісового покриву в лісовому комплексі Марат Лонгрі–Патрадіса–Лонгніт (MLPL) в окрузі Карбі Англонг (Ассам, Індія) протягом 1994–2024 рр. Комплекс є важливим осередком біорізноманіття Північно-Східної Індії та середовищем існування багатьох рідкісних видів. Дослідження спрямоване на оцінку змін основних типів лісів, трансформації землекористування, впливу антропогенних чинників на деградацію лісів та наслідків цих процесів для збереження біорізноманіття, зокрема західного Хулоцького гібона. Використано супутникові знімки Landsat 4–5 TM за 1994 і 2004 рр. та BHUVAN LISS IV за 2014 і 2024 рр. Після попередньої обробки територію класифіковано за сімома категоріями землекористування та земного покриву: напіввічнозелені, вологі змішані листяні, чагарникові та деградовані ліси, сільськогосподарські угіддя, забудовані території й водойми. Для аналізу застосовано контрольовану піксельну класифікацію та післякласифікаційне виявлення змін у ArcGIS 10.3. Достовірність результатів оцінено за показниками точності виробника, користувача, загальної точності та статистикою Каппа. Результати засвідчили суттєве скорочення площ напіввічнозелених і вологих змішаних листяних лісів та одночасне збільшення площ деградованих і чагарникових лісів, сільськогосподарських угідь і забудованих територій. Це свідчить про посилення антропогенного впливу, пов’язаного з вирубуванням лісів, розвитком сільського господарства, інфраструктури та поселень. Класифікація характеризувалася високою точністю: середня точність користувача становила 90,64–96,53 %, а статистика Каппа – 0,81–0,93. Виявлені зміни призвели до фрагментації середовищ існування та погіршення умов для видів, залежних від лісових екосистем. Дослідження є комплексною довгостроковою оцінкою динаміки лісового покриву MLPL і демонструє необхідність сталого управління лісами, відновлення деградованих ділянок, регулювання змінного землеробства та посилення природоохоронних заходів для збереження біорізноманіття й підвищення екологічної стійкості регіону.
Посилання
1. Kaur, H., Tyagi, S., Mehta, M., & Singh, D. (2023). Time series (2001/2002–2021) analysis of Earth observation data using Google Earth Engine (GEE) for detecting changes in land use land cover (LULC) with specific reference to forest cover in East Godavari Region, Andhra Pradesh, India. Journal of Earth System Science, 132(2), 86. https://doi.org/10.1007/s12040-023-02099-w
2. Pasha, S. V., & Dadhwal, V. K. (2024). National analysis on variations in estimates of forest cover dynamics over India (2001–2020) using multiple techniques and data sources. Spatial Information Research, 32(4), 451–461. https://doi.org/10.1007/s41324-024-00570-4
3. Liu, Y., Liu, R., Qi, L., Chen, J., Dong, J., & Wei, X. (2024). Global mapping of fractional tree cover for forest cover change analysis. ISPRS Journal of Photogrammetry and Remote Sensing, 211, 67–82. https://doi.org/10.1016/j.isprsjprs.2024.03.019
4. Santoro, A., Piras, F., Fiore, B., Bazzurro, A., & Agnoletti, M. (2024). Forest-cover changes in European Natura 2000 sites in the period 2012–2018. Forests, 15(2), 232. https://doi.org/10.3390/f15020232
5. Hussain, K., Mehmood, K., Anees, S. A., Ding, Z., Muhammad, S., Badshah, T., & Khan, W. R. (2024). Assessing forest fragmentation due to land use changes from 1992 to 2023: A spatio-temporal analysis using remote sensing data. Heliyon, 10(14). https://doi.org/10.3390/land11111889
6. Kombate, A., Folega, F., Atakpama, W., Dourma, M., Wala, K., & Goïta, K. (2022). Characterization of land-cover changes and forest-cover dynamics in Togo between 1985 and 2020 from Landsat images using Google Earth Engine. Land, 11(11), 1889. https://doi.org/10.3390/land11111889
7. Zhang, X., Zhao, T., Xu, H., Liu, W., Wang, J., Chen, X., & Liu, L. (2023). GLC_FCS30D: The first global 30-m land-cover dynamic monitoring product with a fine classification system from 1985 to 2022 using dense time-series Landsat imagery and continuous change-detection method. Earth System Science Data, 15, 5407–5432. https://doi.org/10.5194/essd-16-1353-2024
8. Voigt, C., Hernandez-Aguilar, K., Garcia, C., & Gutierrez, S. (2019). Predictive modeling of future forest cover change patterns in southern Belize. Remote Sensing, 11(7), 823. https://doi.org/10.3390/rs11070823
9. Bhat, Y., Nandy, S., Das, K., Tamang, M., Padalia, H., Nath, A. J., & Singh, R. P. (2024). Vegetation disturbance and regrowth dynamics in shifting cultivation landscapes. Scientific Reports, 14, 28324. https://doi.org/10.1038/s41598-024-78089-9
10. Das, P., Behera, M. D., Barik, S. K., & Mudi, S. (2025). Earth observation for monitoring of shifting cultivation. In Sustainable Development Perspectives in Earth Observation (pp. 201–216). Elsevier. https://doi.org/10.1016/B978-0-443-14072-3.00013-7
11. Sohl, T. L., & Sleeter, B. M. (2012). Role of remote sensing for land-use and land-cover change modeling. In Remote Sensing of Land Use and Land Cover (pp. 225–239). Springer. https://doi.org/10.1201/b11964-18
12. Mehmood, K., Anees, S. A., Rehman, A., Tariq, A., Liu, Q., Muhammad, S., & Hatamleh, W. A. (2024). Assessing forest cover changes and fragmentation in the Himalayan temperate region: Implications for forest conservation and management. Journal of Forestry Research, 35(1), 82–96. https://doi.org/10.1007/s11676-024-01734-6
13. Lambin, E. F. (1999). Monitoring forest degradation in tropical regions by remote sensing: Some methodological issues. Global Ecology and Biogeography, 8(3–4), 191–198. https://doi.org/10.1046/j.1365-2699.1999.00123.x
14. Yuh, Y. G., N’Goran, K. P., Kross, A., Heurich, M., Matthews, H. D., & Turner, S. E. (2024). Monitoring forest cover and land use change in the Congo Basin under IPCC climate change scenarios. PLOS ONE, 19(12), e0311816. https://doi.org/10.1371/journal.pone.0311816
15. Adepoju, M. O., Millington, A. C., & Tansey, K. T. (2006). Land use/land cover change detection in metropolitan Lagos (Nigeria): 1994–2002. In ASPRS 2006 Annual Conference, Reno, Nevada (pp. 1–5).
16. Sarkissian, A. J., & Kutia, M. (2024). Sustainable forest management under climate change conditions—A focus on biodiversity conservation and forest restoration. Frontiers in Forests and Global Change, 7, 1533425. https://doi.org/10.3389/ffgc.2024.1533425
17. Singh, A. M., & Devi, K. R. (2016). Land use and land cover change detection of fringe areas of Imphal City, Manipur, India. IOSR Journal of Humanities and Social Science, 21(2), 09–16. https://doi.org/10.9790/0837-21220916
18. Guria, R., Mishra, M., Baraj, B., Goswami, S., Santos, C. A. G., da Silva, R. M., & Bhutia, K. D. O. (2024). Examining the drivers of forest cover change and deforestation susceptibility in Northeast India using multicriteria decision-making models. Environmental Monitoring and Assessment, 196(11), 1098. https://doi.org/10.1007/s10661-024-13172-2
19. Devi, A. R., & Shimrah, T. (2022). Assessment of land use and land cover and forest fragmentation in traditional landscape in Manipur, Northeast India. International Journal of Environmental Science and Technology, 19(10), 10291–10306. https://doi.org/10.1007/s13762-021-03712-5
20. Mahato, R., Nimasow, G., Nimasow, O. D., & Bushi, D. (2021). Assessing the tropical forest cover change in northern parts of Sonitpur and Udalguri District of Assam, India. Scientific Reports, 11, 11170. https://doi.org/10.1038/s41598-021-90560-5
21. Nguyen, A., Kovyazin, V., & Pham, C. (2025). Application of remote sensing and GIS in monitoring forest cover changes in Vietnam based on natural zoning. Land, 14(5), 1037. https://doi.org/10.3390/land14051037
22. Rawat, K. S., Kumar, S., & Garg, N. (2024). Statistical comparison of simple and machine learning-based land use and land cover classification algorithms: A case study. Journal of Water Management Modeling. https://doi.org/10.14796/JWMM.H524
23. Negassa, M. D., Mallie, D. T., & Gemeda, D. O. (2020). Forest cover change detection using geographic information systems and remote sensing techniques: A spatio-temporal study on Komto Protected Forest priority area, Ethiopia. Environmental Systems Research, 9, 1. https://doi.org/10.1186/s40068-020-0163-z
24. Sarma, P. K., Sarma, K., Nath, K. K., Talukdar, B. K., Huda, M. E., & Baruah, B. (2016). Analysis of land use/land cover changes and its future implications in Garo Hill region of Meghalaya: A geo-spatial approach. IJIREM, 3(1), 2350–0557.
25. Saikia, A. (2013). Over-exploitation of forests: A case study from North East India. Springer. https://doi.org/10.1007/978-3-319-01408-1
26. Ritse, V., Basumatary, H., Kulnu, A. S., Dutta, G., Phukan, M. M., & Hazarika, N. (2020). Monitoring land use land cover changes in the Eastern Himalayan landscape of Nagaland, Northeast India. Environmental Monitoring and Assessment, 192(11), 711. https://doi.org/10.1007/s10661-020-08674-8
27. Le Moine, R. (2012). The land use cover changes from 1992 to 2011 in Karbi Anglong, Assam, India.
28. Datta, P., & Bose, S. (2020). Assessing the changes in climate extremes over Karbi Anglong district of Assam, North-East India. Spatial Information Research, 28(5), 547–558. https://doi.org/10.1007/s41324-020-00312-2
29. Biswas, J., Taro, R., Das, J., & Rabha, A. (2016). A conservation action plan for the Western Hoolock Gibbon (Hoolock hoolock) in Karbi Anglong, Assam. Primate Research Centre NE India. ISBN: 978-93-5258-060-6
30. Nath, N., Sahariah, D., Meraj, G., Debnath, J., Kumar, P., Lahon, D., & Kanga, S. (2023). Land use and land cover change monitoring and prediction of a UNESCO World Heritage Site: Kaziranga eco-sensitive zone using cellular automata-Markov model. Land, 12(1), 151. https://doi.org/10.3390/land12010151
31. Das, S., & Sarkar, R. (2019). Predicting the land use/land cover change using Markov model: A catchment-level analysis of the Bhagirathi-Hugli River. Spatial Information Research, 27, 439–452. https://doi.org/10.1007/s41324-019-00251-7
32. Islami, F. A., Tarigan, S. D., Wahjunie, E. D., & Dasanto, B. D. (2022). Accuracy assessment of land use change analysis using Google Earth in Sadar Watershed Mojokerto Regency. IOP Conference Series: Earth and Environmental Science, 950, 012091. https://doi.org/10.1088/1755-1315/950/1/012091
33. Garg, R., Kumar, A., Prateek, M., Pandey, K., & Kumar, S. (2022). Land cover classification of spaceborne multifrequency SAR and optical multispectral data using machine learning. Advances in Space Research, 69(4), 1726–1742. https://doi.org/10.1016/j.asr.2021.06.028
34. Tripathi, R. S., Roy, A., Kushwaha, D., Lalnunmawia, F., Lalnundanga, L. H., Lalnunzira, C., & Roy, P. S. (2016). Perspectives of forest biodiversity conservation in Northeast India. Journal of Biodiversity, Bioprospecting and Development, 3(2), 1–9. https://doi.org/10.4172/2376-0214.1000157
35. Hazarika, N., Das, A. K., & Borah, S. B. (2015). Assessing land-use changes driven by river dynamics in chronically flood-affected Upper Brahmaputra plains, India, using RS-GIS techniques. The Egyptian Journal of Remote Sensing and Space Science, 18(1), 107–118. https://doi.org/10.1016/j.ejrs.2015.02.001
