ИСПОЛЬЗОВАНИЕ ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ДЛЯ ИЗУЧЕНИЯ ПОСЛЕДСТВИЙ ИЗМЕНЕНИЙ КЛИМАТА СТЕПЕЙ ВОСТОЧНОЙ ЕВРОПЫ

THE USING OF REMOTE SENSING DATA  TO STUDY IMPACTS OF CLIMATE CHANGE IN THE EASTERN EUROPE STEPPES

 

Е.С.Савельева

E.S.Savelyeva

119991, Москва, Ленинские горы

(119991, Moscow, Leninskie gori)

МГУ, Географический факультет

(MSU, Faculty of Geogaphy)

e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

 

В данной работе рассматривается регион  степей Северной Евразии, так как именно эти территории заняты в основном сельскохозяйственными угодьями (около 65%) и изменения гидротермических показателей могут нанести наибольший ущерб сложившейся системе сельскохозяйственного, а прогнозирование этих изменений играет большую роль в обеспечении продовольственной безопасности этих территорий.

In this paper we consider the region of forest-steppes and steppes of northern Eurasia, because these areas are occupied mostly by agricultural land (65%) and changes in hydrothermal parameters can cause the most damage to the existing system of agricultural and forecasting these changes play a major role in ensuring food security of these territories.

Проводимые учеными различных стран мира исследования по моделированию климата позволяют строить прогнозы его изменений на длительный срок (вплоть до конца XXI в.). При этом рассматриваются различные сценарии природных и антропогенных воздействий на климат, и оцениваются предполагаемые «отклики» природных геосистем и общества на эти изменения. В данной работе рассматривается регион  степей Восточной Европы, так как именно эти территории заняты в основном сельскохозяйственными угодьями (около 65%), а изменения гидротермических показателей могут нанести наибольший ущерб сложившейся системе сельского хозяйства, а прогнозирование этих изменений играет большую роль в обеспечении продовольственной безопасности этих территорий [5]. Основной причиной сокращения  урожая в сельскохозяйственных районах является резкое увеличение частоты засух.  Например, в Ставропольском крае на юго-востоке Европейского Юга частота засух  составляет 28 засушливых годов  в 100 лет, для 2020-х годов по некоторым сценариям изменения климата она может  увеличиться до 64, и 2070-м годам до 89 лет в столетие.

Для  эффективного  управления  растительными  ресурсами,  моделирования  биосферных  процессов и прогноза изменений необходимо знать степень влияния внешних факторов на историческую динамику растительности, самыми важными из  которых являются климат и антропогенное  воздействие. Растительный  покров,  являясь наиболее  динамичным  компонентом, чутко реагирует на современные глобальные изменения климата. К настоящему времени данные дистанционного зондирования Земли (ДДЗЗ) дают возможность оценивать состояние территории достаточно оперативно, к тому же накоплен большой архив данных, позволяющий проследить тенденции изменений, происходящих на определенной территории. Помимо визуального анализа и визуальной тематической интерпретации,  данные космической съемки могут служить источником для расчета различных количественных показателей.

Для характеристики современной ландшафтной структуры региона и ее  пространственного анализа нами использована карта наземных экосистем Северной Евразии, разработанная  в рамках проекта Global Land Cover 2000. Данная карта фактически отображает современный ландшафтный покров Северной Евразии. Ландшафтный покров трактуется как проекция наблюдаемых и измеримых свойств ландшафтной оболочки (геосферы) на земную поверхность в различных пространственных масштабах и непосредственно отражающий важнейшие свойства биосферы [2]. По результатам проведенного нами пространственного анализа наибольшую площадь в пределах рассматриваемого региона Северной Евразии занимают сельскохозяйственные земли (151 тыс. кв. км.), степные нераспаханные участки занимают 62 тыс. кв. км., 23 тыс. кв. км. занимают сельскохозяйственные земли в комплексе с лугами, немного меньше, (18 тыс. кв. км), занимают леса в комплексе с сельскохозяйственными угодьями. В этой связи исследования временной динамики вегетационных индексов этих территорий имеют высокую актуальность, так как позволяют сделать выводы о тенденциях изменения урожайности и сельскохозяйственного производства аграрных регионов, обеспечивающих продовольственную безопасность страны.

Растительный  покров,  являясь наиболее  динамичным  компонентом,  чутко реагирует  на  современные  изменения климата. Для оценки изменения этого компонента были рассчитаны различные вегетационные индексы, отражающие состояние растительного покрова.

В настоящее время существует около 160 вариантов вегетационных индексов. Они подбираются экспериментально, исходя из известных особенностей кривых спектральной отражательной способности растительности и почв.

Расчет большей части вегетационных индексов базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках кривой спектральной отражательной способности растений (рис. 1). На красную зону спектра (0,62 - 0,75 мкм) приходится максимум поглощения солнечной радиации хлорофиллом, а на ближнюю инфракрасную зону (0,75 - 1,3 мкм) максимальное отражение энергии клеточной структурой листа [7]. Т. е. высокая фотосинтетическая активность (связанная, как правило, с большой фитомассой растительности) ведет к более низким значениям коэффициентов отражения в красной зоне спектра и большим значениям в ближней инфракрасной. Как известно, отношение этих показателей друг к другу позволяет четко при дешифрировании и анализе снимков отделять растительность от прочих природных объектов. 

Рис. 1. Спектральные диапазоны, индицирующие различные свойства растений

В представленной работе произведен расчет индекса NDVI по данным AVHRR  и по данным Landsat (4,5)/MSS и Landsat7/ETM+. Для верификации направленности изменений климата по данным моделирования на региональном уровне были использованы данные низкого разрешения AVHRR, полученные в проекте GIMMS (Global Inventory Modeling and Mapping Studies – Картографические исследования и глобальное инвентаризационное моделирование).

Нами были использованы региональные данные для Евразии, пересчитанные с учетом значений маски воды и отсутствия данных (значений No data). За каждый год были выбраны по 2 композита (конец мая – начало июня), характеризующие периоды, определяющие дальнейший вегетационный цикл растений. В программном пакете ArcGIS 9.3. был произведен расчет зональной статистики значений NDVI для степных ландшафтов Восточной Европы. Проанализировав изменения значений NDVI для данной территории за 1981-2010 года, можно сделать вывод о том, что  в целом  наблюдаются тенденции к уменьшению данного показателя, характеризующего усиление аридизации для исследуемой территории.

Значения NDVI для данной территории колеблются от -0,5 (для искусственных поверхностей) до 0,65 (для лесных массивов). Также были рассчитаны аномалии значений NDVI (по величинам ежегодных отклонений от среднего за весь 25-летний период значений). Так, характерные отклонения прослеживаются в 1994, 2000, 2003 и 2007 годах на территории степей Молдовы (разброс значений индекса от среднего за исследуемый период составляет 23-25%), для степей Ставропольского края – в 1999, 2001, 2006 и 2007 годах (разброс составляет 27-29%). Также аномальные отклонения от средних значений индекса были зафиксированы в Западной Сибири за 1985, 1993 и 1996 года (разброс составляет 10-12%).  Следующий этап работы заключался в том, чтобы провести анализ изменения значения индекса NDVI, индекса листовой пластины (LAI) и индекса фотосинтетической активной радиации, поглощаемой растительностью (FRAR) за временной период с 1975 по 2010 года для территорий с большими значениями отклонений от среднего и рассчитать корреляцию этих индексов с количеством осадков за тот же временной период. Для анализа изменения значений индекса и выделения региональных особенностей территорий использовались данные Landsat (3,5)/MSS и Landsat7/ETM+ за временной ряд с 1973 по 2010 года.

При анализе индексов прослеживается хорошая корреляция между индексами NDVI и LAI. Хотя индекс FRAR за исследуемый отрезок времени изменялся не значительно, в засушливые годы он принимал меньшие значения. Также для каждого региона было рассчитано количество осадков за временной ряд 1975 – 2010 года по данным пяти метеорологических станций.

Коэффициенты корреляции между сериями NDVI, LAI и FRAR и осадков в межгодовом цикле составляют 0,73-0,75. Существующие климатические и гидрологические изменения в достаточной степени отражаются на различных вегетационных индексах, рассчитанных по данным ДЗЗ,  что дает возможность изучения территорий различного масштаба и разных уровней временной изменчивости растительного покрова.  Следует отметить, что вегетационные индексы не дают абсолютных количественных показателей исследуемого свойства, и их значения зависят от характеристик сенсора: ширина спектральных каналов, разрешения; от условий съемки, освещенности, состояния атмосферы и других факторов. Они дают относительную оценку свойств растительного покрова, которая может быть интерпретирована и с привлечением полевых данных пересчитана в абсолютную. Для более подробного и детального анализа территории возможно использовать данные высокого (например, Spot-5) и сверхвысокого разрешения (QuickBird, GeoEye-1). 

Список литературы:

  • Барталев С.А., Белвард А.С, Ершов Д.В., Исаев А.С. Карта наземных экосистем Северной Евразии по данным SPOT-Vegetation. Проект Global Land Cover Информационная система TerraNorte. Институт космических исследований РАН, 2004 (доступно по http://terranorte.iki.rssi.ru).
  • Пузаченко Ю.Г., Козлов Д.Н., Сиунова Е.Б.,Санковский А.Г. Оценка запасов органического вещества в почвах мира. // Почвоведение №6, М.:Наука, 2006, С.1427-1400
  • Черепанов А.С.,Дружинина Е.Г, 2009 Спектральные свойства растительности и вегетационные индексы. Геоматика №3
  • Kirilenko, A. ,Alcamo, J. Endejan,M., Golubev, G., Dronin, N., 2004. Assessment of climate change impacts on agricultural production in Russia.  Reports of the Russian Academy of Sciences. 396 (6). 
  • Kirilenko, A.P., Dronin, N.M., Ashakeeva, G.Zh. 2008. Projecting water security in the Aral Sea basin countries: climate change, irrigation and policy. In Natural Resources: Economics, Management and Policy. Nova Science Publishers. 51-87.
  • Gruza G.,E.Rankova, Indicators of climate change. 1999, V.42, p.42-45
  • Fischer, G., Shah, M., Tubiello, F.N., van Velhuizen, H. 2005: Socio-economic and climate change impacts on agriculture: an integrated assessment, 1990-2080. Phil. Trans. Royal. Soc. B, 360, 2067-2073.

Для того чтобы оставить комментарий вы должны авторизоваться на сайте! Вы также можете воспользоваться своим аккаунтом вКонтакте для входа!