ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 6. С. 97-107

Выявление и картографирование многолетних трендов NDVI для оценки вклада изменений климата в динамику биологической продуктивности агроэкосистем лесостепной и степной зон Северной Евразии

Н.О. Тельнова 1 
1 Институт географии РАН, Москва, Россия
Одобрена к печати: 01.12.2017
DOI: 10.21046/2070-7401-2017-14-6-97-107
В пределах обширного региона, охватывающего степи и лесостепи Северной Евразии, прогнозируемые и наблюдаемые изменения климата, особенно условий увлажнения, отличаются существенной пространственной неоднородностью, что актуализирует использование данных дистанционного зондирования для индикации динамики биологической продуктивности агроэкосистем основного сельскохозяйственного региона России и сопредельных стран под влиянием изменений климата. В качестве основного индикатора биологической продуктивности пахотных и пастбищных угодий используются суммарные за год значения NDVI. На основе анализа временных серий суммарных годовых значений NDVI, построенных по данным дистанционного зондирования низкого разрешения NOAA AVHRR и Terra MODIS и гридированных климатических данных (среднегодовых сумм осадков и индекса суровости засухи Палмера) методами непараметрической статистики выявлены значимые разнонаправленные тренды для трёх периодов, существенно различавшихся как по климатическим, так и по социально-экономическим условиям ведения сельскохозяйственной деятельности: 1980-е, 1990 е и 2000-е гг. Для каждого периода созданы и проанализированы картографические модели распределения значимых трендов NDVI по их согласованности с направленностью синхронных изменений климатических характеристик, наглядно отражающих пространственно-временную дифференциацию отклика агроэкосистем на изменения климата для различных ботанико-географических провинций степной и лесостепной зон Северной Евразии. 1980-е гг. характеризовались преобладанием позитивных трендов NDVI на фоне благоприятных условий увлажнения; 1990-е гг. отличает высокая степень несогласованности трендов NDVI с изменениями климатических характеристик, что связано с более значимой ролью антропогенных факторов на динамику продуктивности агроэкосистем. Для 2000-х гг. в пределах обширной полосы сухих и опустыненных степей от бассейна Нижнего Дона до Восточного Казахстана выявлена устойчивая негативная динамика NDVI на фоне увеличения засушливости климата, что подтверждает результаты модельных прогнозов изменений климата в этом регионе к середине XXI в.
Ключевые слова: анализ временных серий, NDVI, осадки, индекс Палмера, лесостепи и степи, сельскохозяйственные угодья, изменения климата
Полный текст

Список литературы:

  1. Золотокрылин А. Н., Титкова Т. Б., Черенкова Е. А., Виноградова В. В. Тренды увлажнения и биофизических параметров засушливых земель Европейской части России за период 2000–2014 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 2. C. 155–161.
  2. Карта «Зоны и типы поясности растительности России и сопредельных территорий. Масштаб 1:8 000 000 / под ред. Огуреевой Г. Н. М.: «Экор», 1999. 64 с.
  3. Махамбетов М. Ж. Оценка процессов восстановления деградированных экосистем Атырауской области: дисс. … д-ра философии (спец. 6D060800). Алматы: КНАУ, 2016. 152 с.
  4. Савин И. Ю., Вриелинг А. Анализ многолетней динамики растительных ресурсов на территории России по данным NOAA AVHRR // Исследование Земли из космоса. 2008. № 5. С. 74–82.
  5. Страшная А. И., Максименкова Т. А., Чуб О. В. О сроках сева озимых культур в условиях изменения климата и их прогнозирование в Приволжском федеральном округе // Труды Гидрометцентра России. 2011. Вып. 345. С. 175–193.
  6. Bai Z. G., Dent D. L., Olsson L., Schaepman M. E. Global assessment of land degradation and improvement. 1. Identification by remote sensing: Report 2008/01. Wageningen: Intern. Soil Reference and Information Centre (ISRIC), 2008. 69 p.
  7. Bartholomé E., Belward A., Frédéric A., Bartalev S., Carmona-Moreno C., Eva H., Fritz S., Grégoire J., Mayaux P., Stibig H.-J. E. E. GLC 2000: Global Land Cover Mapping for the Year 2000: Project Status November 2002. European Commission, Joint Research Center, 2002. P. 66.
  8. Beck H. E., McVicar T. R., van Dijk A. I. J. M., Schellekens J., de Jeu R. A. M., Bruijnzeel L. A. Global evaluation of four AVHRR–NDVI data sets: Intercomparison and assessment against Landsat imagery // Remote Sensing of Environment. 2011. Vol. 115. No. 10. P. 2547–2563.
  9. Dai A. The Climate Data Guide: Palmer Drought Severity Index (PDSI) // eds. National Center for Atmospheric Research Staff. 2017. Retrieved from https://climatedataguide.ucar.edu/climate-data/palmer-drought-severity-index-pdsi/.
  10. Dronin N. M., Kirilenko A. P. Climate change, food stress, and security in Russia // Regional Environmental Change. 2011. Vol. 11. No. 1. P. 167–178.
  11. Dronin N. M., Kirilenko A. P. Weathering the soviet countryside: The impact of climate and agricultural policies on Russian grain yields, 1958–2010 // Soviet and Post-Soviet Review. 2013. Vol. 40. No. 1. P. 115–143.
  12. Fensholt R., Langanke T., Rasmussen K., Reenberg A., Prince S. D., Tucker C., Scholes R. J., Le Q. B., Bondeau A., Eastman R. Greenness in semi-arid areas across the globe 1981–2007 — an Earth Observing Satellite based analysis of trends and drivers // Remote Sensing of Environment. 2012. Vol. 121. P. 144–158.
  13. Fensholt R., Proud S. R. Evaluation of Earth Observation based global long term vegetation trends — Comparing GIMMS and MODIS global NDVI time series // Remote Sensing of Environment. 2012. Vol. 119. P. 131–147.
  14. Hoaglin D. C., Mosteller F., Tukey J. W. Understanding robust and exploratory data analysis. N. Y.: Wiley, 2000. 447 p.
  15. Huete A., Didan K., Leeuwen W. van Miura T., Glenn E. MODIS Vegetation Indices // Land Remote Sensing and Global Environmental Change. Remote Sensing and Digital Image Processing. N. Y.: Springer, 2010. P. 579–602.
  16. Mbow C., Fensholt R., Rasmussen K., Diop D. Can vegetation productivity be derived from greenness in a semi-arid environment? Evidence from ground-based measurements // J. Arid Environments. 2013. Vol. 97. P. 56–65.
  17. Müller D., Jungandreas A., Koch F., Schierhorn F. Impact of Climate Change on Wheat Production in Ukraine: Agricultural policy report APD/APR/02/2016. Kyiv, 2016. 41 p.
  18. Neeti N., Eastman J. R. A Contextual Mann-Kendall Approach for the Assessment of Trend Significance in Image Time Series: A Novel Method for Testing Trend Significance // Transactions in GIS. 2011. Vol. 15. No. 5. P. 599–611.
  19. Running S. W., Heinsch F. A., Zhao M., Reeves M., Hashimoto H. A continuous satellite-derived measure of global terrestrial production// Bioscience. 2004. Vol. 54. No. 6. P. 547–560.
  20. Schneider U., Becker A., Finger P., Meyer-Christoffer A., Rudolf B., Ziese M. GPCC Full Data Reanalysis Version 7.0 at 0.5°: Monthly Land-Surface Precipitation from Rain-Gauges built on GTS-based and Historic Data. 2015. DOI:10.5676/DWD_GPCC/FD_M_V7_050.
  21. Tucker C. J., Pinzon J. E., Brown M. E. Global Inventory Modeling and Mapping Studies (GIMMS) Satellite Drift Corrected and NOAA-16 incorporated Normalized Difference Vegetation Index (NDVI), Monthly 1981–2002. College Park, Maryland: Global Land Cover Facility, University of Maryland, 2004.