Методы обработки информации радарной топографической съемки при решении задач определения высот и запасов насаждений древесных пород
Ключевые слова:
лесоустройство, цифровая модель рельефа, цифровая модель поверхности, высота центра фазы рассеяния, регрессионный анализАннотация
Статья посвящена изучению возможностей использования глобальных моделей высот рельефа SRTM (Shuttle radar topographic mission – радиолокационная топографическая миссия шаттла) для оценки обобщенных характеристик лесных насаждений – средних высот и запасов. Известно, что при выполнении радарных съемок растительный покров препятствует корректному определению высоты земной поверхности. Поверхность, фиксируемая датчиками над покрытой лесом территорией (фаза рассеяния), располагается в верхней части древесного полога. Обзор публикаций подтверждает актуальность данного направления исследований в мире. На основе обзора литературы приведены краткие теоретические основы съемки SRTM, рассмотрены факторы, определяющие значения высот и связанные с ними ошибки, указана возможность определения высоты лесного полога на основе моделей высот. В качестве модельной территории выбрана часть Учебно-опытного лесничества Ленинградской области. Исходными материалами для выполнения исследования служили геоинформационные базы данных лесоустройства, данные радарной съемки SRTM и топографические карты. Модельная территория разбита регулярной сетью на ячейки с шагом 1 км. Большая часть территории относится к площади, покрытой лесной растительностью. Моделирование рельефа выполнено на основе оцифрованных топографических карт масштаба 1:25000 путем интерполяции методом TIN. Выполнено визуальное и статистическое сравнение двух моделей высот – модели поверхности (на основе данных радарной съемки SRTM) и модели рельефа (на основе топографических карт). С помощью построения профилей выполнена оценка характера изменений высот моделей рель-ефа и поверхности. Отмечено, что для большей части модельной территории расхождения высот между моделями поверхности и рельефа составляют 15-20 м. Сближение графиков высот отмечается на участках, не покрытых лесной растительностью. Получен набор линейных регрессионных зависимостей между средними высотами фазы рассеяния (независимая переменная) и средними высотами или запасами насаждений (зависимая переменная) в пределах границ лесотаксационных выделов, сгруппированных по преобладающим породам. Выявлено влияние на тесноту связи и значение коэффициента регрессии величины относительной полноты, коэффициента состава, преобладающей древесной породы. Установленные закономерности могут использоваться в целях совершенствования теории и практики инвентаризации лесов, а также для решения иных задач, связанных с оценкой природных ресурсов на региональном и глобальном уровне (национальная инвентаризация лесов, определение запасов углерода, оценка биомассы).
Литература
1. Жирин В.М., Князева С.В., Эйдлина С.П. Динамика спектральной яркости породно-возрастной структуры групп типов леса на космических снимках LANDSAT // Лесоведение. 2014. № 5. C. 3–12.
2. Жирин В.М., Князева С.В., Эйдлина С.П. Оценка влияния морфологии древесного полога и рельефа на спектральные характеристики лесов по данным Landsat // Исследование земли из космоса. 2016. № 5. C. 10–20.
3. Толкач И.В., Саевич Ф.К. Спектральные и яркостные характеристики основных лесообразующих пород на снимках сканера LEICA ADS100 // Труды БГТУ. Серия 1: Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. 2016. № 1(183). С. 24–27.
4. Толкач И.В. и др. Закoномерности изменчивости спектральных яркостей полога основных лесообразующих пород Беларуси на снимках сканера ADS 100 // Труды БГТУ. Серия 1: Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. 2017. № 2(198). С. 43–49.
5. Солдатенков А.А. Дешифрирование состава лесной растительности в условиях среднегорного рельефа // Вестник Адыгейского государственного университета. 2014. Вып. 1(133). С. 127–130.
6. Сидоренков В.М. и др. Зонирование территории Удмуртской Республики по категориям среды обитания охотничьих ресурсов на основе данных спутниковой съемки Landsat 8 OLI-TIRS // Лесотехнический журнал. 2015. Т. 5. № 3(19). С. 84–93.
7. Шарикалов А.Г., Якутин М.В. Анализ состояния таежных экосистем с использованием методики… автоматизированного дешифрирования // Известия Алтайского государственного университета. 2014. Вып. 3-1(83). С. 123–127.
8. Перепечина Ю.И., Глушенков О.И., Корсиков Р.С. Учет и оценка лесов, возникших на сельскохозяйственных землях, с использованием данных дистанционного зондирования Земли // Известия высших учебных заведений. Лесной журнал. 2016. № 4(352). С. 71–80.
9. Перепечина Ю.И., Глушенков О.И., Корсиков Р.С. Определение лесистости и количественных характеристик лесов по космическим снимкам Sentinel-2 (на примере Шебекинского муниципального района Белгородской обл.) // Лесохозяйственная информация. 2017. № 4(4). С. 85–93.
10. Белова Е.И., Ершов Д.В. Опыт оценки естественного лесовосстановления на сплошных вырубках по временным рядам // Лесоведение. 2015. № 5. С. 339–345.
11. Черных Д.В., Бирюков Р.Ю., Золотов Д.В., Вагнер А.А. Антропогенные модификации и трансформации ландшафтов в бассейне р. Касмала: классификация и динамика на основе данных дистанционного зондирования // Вестник Алтайской науки. 2014. № 1(19). С. 233–240.
12. Соромотин А.В., Бродт Л.В. Мониторинг растительного покрова при освоении нефтегазовых месторождений по данным многозональной съемки LANDSAT // Вестник Тюменского государственного университета. Экология и природопользование. 2018. Т. 4. № 1. С. 37–49.
13. Терехов А.Г., Макаренко Н.Г., Пак И.Т. Автоматический алгоритм классификации снимков Quickbird в задаче оценки полноты леса // Компьютерная оптика. 2014. Т. 38. № 3. С. 580–583.
14. Савченко А.А., Выводцев Н.В. Оценка возможностей применения данных дистанционного зондирования при мониторинге санитарного и лесопатологического состояния лесов // Ученые заметки ТОГУ. 2015. Т. 6. № 4. С. 658–661.
15. Balenović I., Seletković A., Pernar R., Jazbec A. Estimation of the mean tree height of forest stands by photogrammetric measurement using digital aerial images of high spatial resolution // Annals of Forest Research. 2015. vol. 58. no. 1. pp. 125–143.
16. Архипов В.И., Черниховский Д.М., Березин В.И., Белов В.А. Современная технология таксации лесов дешифровочным способом «От съемки – к проекту» // Известия Санкт-Петербургской лесотехнической академии. 2014. Вып. 208. С. 22–42.
17. Алексеев А.С., Михайлова А.А., Черниховский Д.М., Березин В.И. Метод определения таксационных характеристик насаждений по аэрофотоснимкам сверхвысокого разрешения // Труды Санкт-Петербургского научно-исследовательского института лесного хозяйства. 2017. № 2. С. 67–77.
18. Faganan M., De Fries R. Measurement and monitoring of the world’s forests. A review and summary of remote sensing technical capability, 2009-2015 // Resources for the Future. 2009. 131 p.
19. Balenović I., Alberti G., Marjanović H. Airborne laser scanning – the status and perspectives for the application in the south-east European forestry // South-east European forestry. 2013. vol. 4. no. 2. pp. 59–79.
20. Kauranne T. et al. Airborne Laser Scanning Based Forest Inventory: Comparison of Experimental Results for the Perm Region, Russia and Prior Results from Finland // Forests. 2017. vol. 8. no. 3. pp. 72.
21. Peuhkurinen J. et al. Predicting Tree Diameter Distributions from Airborne Laser Scanning, SPOT 5 Satellite, and Field Sample Data in the Perm Region, Russia // Forests. 2018. vol. 9. no. 10. pp. 639.
22. Gašparović M., Milas A., Seletković A., Balenović I. A novel automated method for the improvement of photogrammetric DTM accuracy in forests // Šumarski list. 2018. vol. 142. no. 11-12. pp. 567–576.
23. Balenović I., Milas A., Marjanović H. A comparison of stand-level volume estimates from image-based canopy height models of different spatial resolutions // Remote Sensing. 2017. vol. 9. no. 3. pp. 205.
24. Balenović I. et al. Quality assessment of high density digital surface model over different land cover classes // Periodicum biologorum. 2016. vol. 117. no 4. pp. 459–470.
25. Rabus B., Eineder M., Roth A., Bamler R. The shuttle radar topography mission – a new class of digital elevation models acquired by spaceborne radar // ISPRS Journal of Photogrammetry and Remote Sensing. 2003. vol. 57. no. 4. pp. 241–262.
26. Köthe R., Bock M. Development and use in practice of Saga modules for high quality analysis of geodata // FREE AND OPEN GIS-SAGA-GIS. 2006. vol. 115. pp. 85–96.
27. Conrad O. et al. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4 // Geoscientific Model Development. 2015. vol. 8. no. 7. pp. 1991–2007.
28. Флоринский И.В. Иллюстрированное введение в геоморфометрию // Электронное научное издание Альманах Пространство и Время. 2016. Т. 11. Вып. 1. URL: 2227-9490e-aprovr_e-ast11-1.2016.71 (дата обращения: 05.12.2018).
29. Шарый П.А. Геоморфометрия в науках о Земле и экологии, обзор методов и приложений // Известия Самарского научного центра Российской академии наук. 2006. Т. 8. № 2. С. 458–473.
30. Hengl T., Reuter H.I. Geomorphometry: Concepts, Software, Applications // Newnes. 2008. vol. 33. 772 p.
31. Алексеев А.С., Никифоров А.А. Влияние рельефа на структуру и продуктивность лесных ландшафтов с применением 3D-моделирования на примере Лисинского учебно-опытного лесхоза // Лесоведение. 2014. № 5. C. 42–53.
32. Черниховский Д.М., Алексеев А.С. Влияние формы поверхности рельефа на структуру и про¬дуктивность лесных ландшаф¬тов на примере заповедника «Верхне-Тазовский» Ямало-Ненецкого АО // Лесоведение. 2003. № 5. С. 10–17.
33. Фарбер С.К. Структуризация лесных сообществ // Сибирский лесной журнал. 2014. № 1. С. 35–49.
34. Рахматуллина И.Р., Рахматуллин З.З., Мустафин Р.Ф. Распространение и продуктивность сосновых насаждений в зависимости от морфометрических показателей рельефа (на примере Бугульминско-Белебеевской возвышенности в пределах Республики Башкортостан) // Вестник Ижевской государственной сельскохозяйственной академии. 2017. № 1(50). С. 42–52.
35. Черниховский Д.М. Оценка взаимосвязей морфометрических характеристик рельефа с количественными и качественными характеристиками лесов // Известия Санкт-Петербургской лесотехнической академии. 2016. Вып. 216. С. 69–90.
36. Черниховский Д.М. Оценка связей морфометрических характеристик рельефа с количественными и качественными характеристиками лесов на основе цифровых моделей рельефа ASTER и SRTM // Сибирский лесной журнал. 2017. № 3. C. 28–39.
37. Черниховский Д.М. Автоматическая классификация поверхности рельефа для изучения количественных и качественных характеристик лесов // Известия Санкт-Петербургской лесотехнической академии. 2017. Вып. 219. C. 74–95.
38. Черниховский Д.М. Использование автоматической классификации рельефа Ивахаши и Пайка для оценки количественных и качественных характеристик лесов на основе моделей высот рельефа и поверхности // Известия Санкт-Петербургской лесотехнической академии. 2018. Вып. 223. С. 100–126.
39. Kellndorfer J. et al. Vegetation height estimation from Shuttle Radar Topography Mission and National Elevation Datasets // Remote Sensing of Environment. 2004. vol. 93. pp. 339–358.
40. Gallant J.C., Read A.M., Dowling T.I. Removal of tree offsets from SRTM and other digital surface models // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2012. vol. 39. no. 14. pp. 275–280.
41. Sexton J. et al. A comparison of lidar, radar, and field measurements of canopy height in pine and hardwood forests of southeastern North America // Forest Ecology and Management. 2009. vol. 257. pp. 1136–1147.
42. Avtar R., Sawada H. Use of DEM data to monitor height changes due to deforestation // Arabian Journal of Geosciences. 2013. vol. 6. no. 12. pp. 4859–4871.
43. Sun G., Ranson K.J., Kharuk V.I., Kovacs K. Validation of surface height from shuttle radar topography mission using shuttle laser altimeter // Remote Sensing of Environment. 2003. vol. 88. pp. 401–411.
44. Ni W. et al. Co-Registration of Two DEMs: Impacts on Forest Height Estimation from SRTM and NED at Mountainous Areas // IEEE Geoscience and Remote Sensing Letters. 2014. vol. 11. no. 1. pp. 273–277.
45. Zhang Z. et al. Estimation of forest structural parameters from Lidar and SAR data // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2008. vol. 37. pp. 1121–1126.
46. Miliaresis G., Delikaraoglou D. Effects of Percent Tree Canopy Density and DEM Misregistration on SRTM/NED Vegetation Height Estimates // Remote Sensing. 2009. vol. 1. pp. 36–49.
2. Жирин В.М., Князева С.В., Эйдлина С.П. Оценка влияния морфологии древесного полога и рельефа на спектральные характеристики лесов по данным Landsat // Исследование земли из космоса. 2016. № 5. C. 10–20.
3. Толкач И.В., Саевич Ф.К. Спектральные и яркостные характеристики основных лесообразующих пород на снимках сканера LEICA ADS100 // Труды БГТУ. Серия 1: Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. 2016. № 1(183). С. 24–27.
4. Толкач И.В. и др. Закoномерности изменчивости спектральных яркостей полога основных лесообразующих пород Беларуси на снимках сканера ADS 100 // Труды БГТУ. Серия 1: Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. 2017. № 2(198). С. 43–49.
5. Солдатенков А.А. Дешифрирование состава лесной растительности в условиях среднегорного рельефа // Вестник Адыгейского государственного университета. 2014. Вып. 1(133). С. 127–130.
6. Сидоренков В.М. и др. Зонирование территории Удмуртской Республики по категориям среды обитания охотничьих ресурсов на основе данных спутниковой съемки Landsat 8 OLI-TIRS // Лесотехнический журнал. 2015. Т. 5. № 3(19). С. 84–93.
7. Шарикалов А.Г., Якутин М.В. Анализ состояния таежных экосистем с использованием методики… автоматизированного дешифрирования // Известия Алтайского государственного университета. 2014. Вып. 3-1(83). С. 123–127.
8. Перепечина Ю.И., Глушенков О.И., Корсиков Р.С. Учет и оценка лесов, возникших на сельскохозяйственных землях, с использованием данных дистанционного зондирования Земли // Известия высших учебных заведений. Лесной журнал. 2016. № 4(352). С. 71–80.
9. Перепечина Ю.И., Глушенков О.И., Корсиков Р.С. Определение лесистости и количественных характеристик лесов по космическим снимкам Sentinel-2 (на примере Шебекинского муниципального района Белгородской обл.) // Лесохозяйственная информация. 2017. № 4(4). С. 85–93.
10. Белова Е.И., Ершов Д.В. Опыт оценки естественного лесовосстановления на сплошных вырубках по временным рядам // Лесоведение. 2015. № 5. С. 339–345.
11. Черных Д.В., Бирюков Р.Ю., Золотов Д.В., Вагнер А.А. Антропогенные модификации и трансформации ландшафтов в бассейне р. Касмала: классификация и динамика на основе данных дистанционного зондирования // Вестник Алтайской науки. 2014. № 1(19). С. 233–240.
12. Соромотин А.В., Бродт Л.В. Мониторинг растительного покрова при освоении нефтегазовых месторождений по данным многозональной съемки LANDSAT // Вестник Тюменского государственного университета. Экология и природопользование. 2018. Т. 4. № 1. С. 37–49.
13. Терехов А.Г., Макаренко Н.Г., Пак И.Т. Автоматический алгоритм классификации снимков Quickbird в задаче оценки полноты леса // Компьютерная оптика. 2014. Т. 38. № 3. С. 580–583.
14. Савченко А.А., Выводцев Н.В. Оценка возможностей применения данных дистанционного зондирования при мониторинге санитарного и лесопатологического состояния лесов // Ученые заметки ТОГУ. 2015. Т. 6. № 4. С. 658–661.
15. Balenović I., Seletković A., Pernar R., Jazbec A. Estimation of the mean tree height of forest stands by photogrammetric measurement using digital aerial images of high spatial resolution // Annals of Forest Research. 2015. vol. 58. no. 1. pp. 125–143.
16. Архипов В.И., Черниховский Д.М., Березин В.И., Белов В.А. Современная технология таксации лесов дешифровочным способом «От съемки – к проекту» // Известия Санкт-Петербургской лесотехнической академии. 2014. Вып. 208. С. 22–42.
17. Алексеев А.С., Михайлова А.А., Черниховский Д.М., Березин В.И. Метод определения таксационных характеристик насаждений по аэрофотоснимкам сверхвысокого разрешения // Труды Санкт-Петербургского научно-исследовательского института лесного хозяйства. 2017. № 2. С. 67–77.
18. Faganan M., De Fries R. Measurement and monitoring of the world’s forests. A review and summary of remote sensing technical capability, 2009-2015 // Resources for the Future. 2009. 131 p.
19. Balenović I., Alberti G., Marjanović H. Airborne laser scanning – the status and perspectives for the application in the south-east European forestry // South-east European forestry. 2013. vol. 4. no. 2. pp. 59–79.
20. Kauranne T. et al. Airborne Laser Scanning Based Forest Inventory: Comparison of Experimental Results for the Perm Region, Russia and Prior Results from Finland // Forests. 2017. vol. 8. no. 3. pp. 72.
21. Peuhkurinen J. et al. Predicting Tree Diameter Distributions from Airborne Laser Scanning, SPOT 5 Satellite, and Field Sample Data in the Perm Region, Russia // Forests. 2018. vol. 9. no. 10. pp. 639.
22. Gašparović M., Milas A., Seletković A., Balenović I. A novel automated method for the improvement of photogrammetric DTM accuracy in forests // Šumarski list. 2018. vol. 142. no. 11-12. pp. 567–576.
23. Balenović I., Milas A., Marjanović H. A comparison of stand-level volume estimates from image-based canopy height models of different spatial resolutions // Remote Sensing. 2017. vol. 9. no. 3. pp. 205.
24. Balenović I. et al. Quality assessment of high density digital surface model over different land cover classes // Periodicum biologorum. 2016. vol. 117. no 4. pp. 459–470.
25. Rabus B., Eineder M., Roth A., Bamler R. The shuttle radar topography mission – a new class of digital elevation models acquired by spaceborne radar // ISPRS Journal of Photogrammetry and Remote Sensing. 2003. vol. 57. no. 4. pp. 241–262.
26. Köthe R., Bock M. Development and use in practice of Saga modules for high quality analysis of geodata // FREE AND OPEN GIS-SAGA-GIS. 2006. vol. 115. pp. 85–96.
27. Conrad O. et al. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4 // Geoscientific Model Development. 2015. vol. 8. no. 7. pp. 1991–2007.
28. Флоринский И.В. Иллюстрированное введение в геоморфометрию // Электронное научное издание Альманах Пространство и Время. 2016. Т. 11. Вып. 1. URL: 2227-9490e-aprovr_e-ast11-1.2016.71 (дата обращения: 05.12.2018).
29. Шарый П.А. Геоморфометрия в науках о Земле и экологии, обзор методов и приложений // Известия Самарского научного центра Российской академии наук. 2006. Т. 8. № 2. С. 458–473.
30. Hengl T., Reuter H.I. Geomorphometry: Concepts, Software, Applications // Newnes. 2008. vol. 33. 772 p.
31. Алексеев А.С., Никифоров А.А. Влияние рельефа на структуру и продуктивность лесных ландшафтов с применением 3D-моделирования на примере Лисинского учебно-опытного лесхоза // Лесоведение. 2014. № 5. C. 42–53.
32. Черниховский Д.М., Алексеев А.С. Влияние формы поверхности рельефа на структуру и про¬дуктивность лесных ландшаф¬тов на примере заповедника «Верхне-Тазовский» Ямало-Ненецкого АО // Лесоведение. 2003. № 5. С. 10–17.
33. Фарбер С.К. Структуризация лесных сообществ // Сибирский лесной журнал. 2014. № 1. С. 35–49.
34. Рахматуллина И.Р., Рахматуллин З.З., Мустафин Р.Ф. Распространение и продуктивность сосновых насаждений в зависимости от морфометрических показателей рельефа (на примере Бугульминско-Белебеевской возвышенности в пределах Республики Башкортостан) // Вестник Ижевской государственной сельскохозяйственной академии. 2017. № 1(50). С. 42–52.
35. Черниховский Д.М. Оценка взаимосвязей морфометрических характеристик рельефа с количественными и качественными характеристиками лесов // Известия Санкт-Петербургской лесотехнической академии. 2016. Вып. 216. С. 69–90.
36. Черниховский Д.М. Оценка связей морфометрических характеристик рельефа с количественными и качественными характеристиками лесов на основе цифровых моделей рельефа ASTER и SRTM // Сибирский лесной журнал. 2017. № 3. C. 28–39.
37. Черниховский Д.М. Автоматическая классификация поверхности рельефа для изучения количественных и качественных характеристик лесов // Известия Санкт-Петербургской лесотехнической академии. 2017. Вып. 219. C. 74–95.
38. Черниховский Д.М. Использование автоматической классификации рельефа Ивахаши и Пайка для оценки количественных и качественных характеристик лесов на основе моделей высот рельефа и поверхности // Известия Санкт-Петербургской лесотехнической академии. 2018. Вып. 223. С. 100–126.
39. Kellndorfer J. et al. Vegetation height estimation from Shuttle Radar Topography Mission and National Elevation Datasets // Remote Sensing of Environment. 2004. vol. 93. pp. 339–358.
40. Gallant J.C., Read A.M., Dowling T.I. Removal of tree offsets from SRTM and other digital surface models // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2012. vol. 39. no. 14. pp. 275–280.
41. Sexton J. et al. A comparison of lidar, radar, and field measurements of canopy height in pine and hardwood forests of southeastern North America // Forest Ecology and Management. 2009. vol. 257. pp. 1136–1147.
42. Avtar R., Sawada H. Use of DEM data to monitor height changes due to deforestation // Arabian Journal of Geosciences. 2013. vol. 6. no. 12. pp. 4859–4871.
43. Sun G., Ranson K.J., Kharuk V.I., Kovacs K. Validation of surface height from shuttle radar topography mission using shuttle laser altimeter // Remote Sensing of Environment. 2003. vol. 88. pp. 401–411.
44. Ni W. et al. Co-Registration of Two DEMs: Impacts on Forest Height Estimation from SRTM and NED at Mountainous Areas // IEEE Geoscience and Remote Sensing Letters. 2014. vol. 11. no. 1. pp. 273–277.
45. Zhang Z. et al. Estimation of forest structural parameters from Lidar and SAR data // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2008. vol. 37. pp. 1121–1126.
46. Miliaresis G., Delikaraoglou D. Effects of Percent Tree Canopy Density and DEM Misregistration on SRTM/NED Vegetation Height Estimates // Remote Sensing. 2009. vol. 1. pp. 36–49.
Опубликован
2019-04-16
Как цитировать
Черниховский, Д. М., & Алексеев, А. С. (2019). Методы обработки информации радарной топографической съемки при решении задач определения высот и запасов насаждений древесных пород. Труды СПИИРАН, 18(2), 416-443. https://doi.org/10.15622/sp.18.2.416-443
Раздел
Искусственный интеллект, инженерия данных и знаний
Copyright (c) 2019 Дмитрий Михайлович Черниховский, Александр Сергеевич Алексеев
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).