ВведениеМониторинг лесных ресурсов сухопутной территории Арктики представляет собой сложную научно-практическую задачу, обусловленную труднодоступностью, низкой продуктивностью и уязвимостью притундровых экосистем.Согласно лесорастительному районированию [1], леса Архангельской области относятся к 2 зонам и 3 лесным районам. При этом 12,3% их площади занимают притундровые леса и редкостойная тайга [2]. Данная территория входит в состав Арктической зоны РФ [3], что подчеркивает её экологическую ценность и сложность мониторинга из-за труднодоступности.  Специфика притундровых лесов, выражающаяся в замедленных процессах роста, высокой уязвимости и сложности мониторинга, отмечается рядом исследователей [4-6]. Актуальность настоящей работы обусловлена комплексом научно-практических задач, связанных с масштабами лесоучетных работ на труднодоступных территориях лесов. В этих условиях традиционные методы наземной таксации становятся экономически нецелесообразными, что актуализирует развитие дистанционных методов оценки лесного фонда. Д.Ю. Капиталинин и др. (2024) [7] отмечают, что материалы спутниковой съёмки демонстрируют значительный потенциал для решения задач таксации леса. На современном этапе для изучения труднодоступных территорий перспективна интеграция данных государственной инвентаризации лесов (ГИЛ), спутниковых технологий и наземных наблюдений для моделирования продуктивности, и динамики лесов [8-11].Информация с постоянных пробных площадей (ППП) служит незаменимым эталоном для калибровки и верификации дистанционных методов. Одним из наиболее перспективных направлений является разработка моделей, связывающих таксационные показатели с характеристиками, дешифрируемыми по снимкам. Исследования демонстрируют эффективность использования данных аэрофотосъемки сверхвысокого разрешения и материалов с БПЛА для оценки структуры древостоев. В.К. Хлюстов и др. (2021) [11] отмечает инвентаризацию леса, как один из основных методов получения объективных данных о состоянии лесного фонда России на основе сети ППП, что устанавливает методологическую базу для исследований на основе данных с примененением различных методов.Л.В. Стоноженко и К.А. Жирнова (2021) [12] в своих исследованиях проводили сравнительную оценку методов наземной таксации, инвентаризации и съемки с БПЛА для выделения однородных участков леса, выявляли корреляционные зависимости между размерами кроны и ствола, а также оценивали точность ортофотопланов на основе данных отдельных деревьев. A. P. Dalla Corteдр (2020) [13] доказывает эффективность автоматизированного дешифрирования для оценивания индивидуальных параметров деревьев с высокой точностью, что является основой для перехода к оценке характеристик всего древостоя.Особое методологическое значение в этом контексте имеют аллометрические модели, устанавливающие количественные связи между различными параметрами деревьев и насаждений.Классические работы, такие как правило 3/2 (модель Йоды) и производные от него зависимости Рейнеке и Хильми, представляют собой теоретическую основу для оценки запаса, среднего диаметра и высоты по густоте древостоя.Современные исследования в области лесной биометрии и дистанционного зондирования активно развивают направление интеграции аллометрических уравнений с данными дистанционного зондирования Земли (ДЗЗ) для целей крупномасштабной оценки фитомассы и запаса древесины. Так, А. Не и соавторы (2018) [14] на примере бореальных лесов демонстрируют высокую точность разработанных аллометрических уравнений при оценке надземной биомассы кустарникового яруса. В свою очередь, O. Fradetteс коллегами (2021) [15] обосновывают целесообразность использования аллометрических моделей, включающих показатели высоты и диаметра, для повышения точности оценки биомассы ветвей, что особенно значимо при фракционировании фитомассы.Параллельно ведётся разработка комплексных параметрических моделей, учитывающих множественные связи между диаметром ствола, высотой дерева и шириной кроны, а также прогнозирующих динамику запаса в зависимости от видового состава древостоев. Особого внимания заслуживает подход, предложенный В.А. Усольцевым (2025) [16], который заключается в построении аллометрических зависимостей между параметрами крон деревьев, дешифрируемыми по данным ДЗЗ, и таксационными характеристиками древостоев. Данный подход открывает возможности для оперативного определения таксационных показателей без проведения трудоёмких наземных измерений, что существенно повышает эффективность лесоинвентаризационных работ на региональном уровне.Y. Wu и др. (2023) [17] подчеркивают перспективность метода оценки запаса древостоя на основе аллометрической модели роста и данных ДЗЗ, который обладает высокой точностью и оперативностью при оценке таксационных показателей на труднодоступных территориях.D. Dijak (2025) [18] рассматривает метод прогнозирования изменений запаса древостоев с учетом видового состава и возрастной динамики, что показывает возможность комплексного подхода к моделированию таксационных характеристик, основанный на данных государственной инвентаризации лесов и подтверждает перспективность оценки запаса на основе аллометрической модели роста и данных ДЗЗ.Однако для арктических лесов притундровой зоны сохраняется пробел в адаптированных аллометрических моделях и методиках, комплексно связывающих данные с постоянных пробных площадей ГИЛ и ДЗЗ для оценки таксационных характеристик.Цель исследования – разработка моделей оценки основных таксационных характеристик насаждений (запаса, средних диаметра и высоты) ели сибирской (Picea obovata L.) притундровых лесов Арктической зоны Архангельской области на основе интеграции данных ГИЛ и снимков высокого разрешения с применением адаптированных аллометрических моделей.Задачи исследования: