Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 2. С. 184-201
Характеристика антропогенных трансформаций напочвенного покрова в районе Ямбургского месторождения по данным спутников Landsat
1 Институт проблем нефти и газа РАН, Москва, Россия
Одобрена к печати: 28.03.2023
DOI: 10.21046/2070-7401-2023-20-2-184-201
Приведены результаты изучения антропогенных трансформаций напочвенного растительного покрова в районах строительства и функционирования объектов Ямбургского нефтегазоконденсатного месторождения на Тазовском п ове. Исследование проводилось с использованием 10 летних снимков со спутников Landsat 5, -7, -8 за период с 1988 по 2019 г. на основе параметров, характеризующих температуру поверхности (англ. Land Surface Temperature — LST), альбедо (Аlb), содержание хлорофилла (NDVI, англ. Normalized Difference Vegetation Index — нормализованный разностный вегетационный индекс) и влажность (NDWI, англ. Normalized Difference Water Index ― нормализованный разностный водный индекс) напочвенного покрова. Характеристика многолетних трендов и локальных изменений параметров проводилась с применением методики относительной радиометрической нормализации изображений, позволяющей повысить чувствительность мультивременного анализа данных за счёт снижения влияния факторов, не связанных с антропогенным воздействием. В районе более длительной разработки (с 1984 г.) выявлены доминирующие тенденции повышения средних значений параметров NDVI, Alb и NDWI, что указывает на увеличение объёмов зелёной фитомассы в процессе восстановления растительности после нарушения её состояния при строительстве и обслуживании технических объектов. Отсутствие значимых трендов изменения средних значений параметра LST в целом по району объясняется паритетом процессов локального понижения и повышения температуры поверхности, обусловленных различной реакцией ландшафтов на антропогенное воздействие. Отсутствие значимых трендов изменения NDVI и NDWI в районе более позднего освоения указывает на относительную стабильность состояния растительного покрова, что может быть свидетельством применения более рациональных и экологически безопасных подходов при строительстве объектов и обустройстве месторождения. Данные выводы подтверждаются фрагментами детальных карт, характеризующих изменение параметров за 31 г. Выявленные на фоне климатического тренда тенденции увеличения объёмов зелёной фитомассы, связанные с антропогенным воздействием, могут быть следствием формирования локального микроклимата, что в совокупности с глобальным потеплением может привести к усилению процессов деградации мерзлоты и росту эмиссии биогенных газов.
Ключевые слова: альбедо, антропогенное воздействие, дистанционное зондирование, криогенные ландшафты, напочвенный растительный покров, температура, трансформации, тренды, тундра, Ямбургское месторождение, NDVI, NDWI
Полный текстСписок литературы:
- Елсаков В. В. Спектральные различия характеристик растительного покрова тундровых сообществ сенсоров Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 4. С. 92–101. DOI: 10.21046/2070-7401-2021-18-4-92-101.
- Корниенко С. Г. Характеристика антропогенных трансформаций ландшафтов в районе Бованенковского месторождения по данным спутников Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 2. С. 106–129. DOI: 10.21046/2070-7401-2022-19-2-106-129.
- Лавриненко И. А. Карта техногенной нарушенности растительного покрова Ненецкого автономного округа // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 2. С. 128–136. DOI: 10.21046/2070-7401-2018-15-2-128-136.
- Московченко Д. В., Арефьев С. П., Глазунов В. А., Тигеев А. А. Изменение состояния растительности и геокриологических условий Тазовского полуострова (восточная часть) за период 1988–2016 гг. // Криосфера Земли. 2017. Т. 21. № 6. С. 3–13. DOI: 10.21782/KZ1560-7496-2017-6(3-13).
- Павлунин В. Б., Быкова А. В., Лобастова С. А. Мониторинг техногенного оврагообразования на объектах добычи углеводородного сырья в условиях криолитозоны // Инженер. изыскания. 2015. № 3. С. 60–68.
- Тишков А. А., Белоновская Е. А., Вайсфельд М. А., Глазов П. М.,. Кренке А. Н., Тертицкий Г. М. «Позеленение» тундры как драйвер современной динамики арктической биоты // Арктика: экология и экономика. 2018. № 2(30). С. 31–44. DOI: 10.25283/2223-4594-2018-2-31-44.
- Ardelean F., Onaca A., Chetan M.-A., Dornik A., Georgievski G., Hagemann S., Timofte F., Berzescu O. Assessment of spatio-temporal landscape changes from VHR images in three different permafrost areas in the Western Russian Arctic // Remote Sensing. 2020. V. 12. No 23. Art. No. 3999. DOI: 10.3390/rs12233999.
- Canty M. J., Nielsen A. A. Automatic radiometric normalization of multitemporal satellite imagery with the iteratively Re-weighted MAD transformation // Remote Sensing of Environment. 2008. V. 112. No. 3. P. 1025–1036. https://doi.org/10.1016/j.rse.2007.07.013.
- Gao B. NDWI — A normalized difference water index for remote sensing of vegetation liquid water from space // Remote Sensing of Environment. 1996. V. 58. P. 257–266. DOI: 10.1016/S0034-4257(96)00067-3.
- Jacob F., Olioso A., Gu X. F., Su Z., Seguin B. Mapping surface fluxes using airborne visible, near infrared, thermal infrared remote sensing data and a spatialized surface energy balance model // Agronomie. 2002. V. 22. P. 669–680. DOI: 10.1051/agro:2002053.
- Liang S. Narrowband to broadband conversions of land surface albedo I — Algorithms // Remote Sensing of Environment. 2000. V. 76. P. 213–238. DOI: 10.1016/S0034-4257(00)00205-4.
- Mann H. B. Nonparametric tests against trend // Econometrica. 1945. V. 13. P. 245–259.
- Nelson P. R., Maguire A. J., Pierrat Z., Orcutt E. L., Yang D., Serbin S. et al. Remote sensing of tundra ecosystems using high spectral resolution reflectance: Opportunities and challenges // J. Geophysical Research: Biogeosciences. 2022. V. 127. Art. No. e2021JG006697. https://doi.org/10.1029/2021JG006697.
- Nill L., Grünberg I., Ullmann T., Gessner M., Boike J., Hostert P. Arctic shrub expansion revealed by Landsat derived multitemporal vegetation cover fractions in the Western Canadian Arctic // Remote Sensing of Environment. 2022. V. 281. Art. No. 113228. https://doi.org/10.1016/j.rse.2022.113228.
- O’Donnell J. A., Romanovsky V. E., Harden J. W., McGuire A. D. The effect of moisture content on the thermal conductivity of moss and organic soil horizons from black spruce ecosystems in interior Alaska // Soil Science. 2009. V. 174. No. 12. P. 646–651. DOI: 10.1097/SS.0b013e3181c4a7f8.
- Rahman M. M., Hay G. J., Couloigner I., Hemachandran B., Bailin J. A. A Comparison of four radiometric normalization techniques for mosaicing H-res multi-temporal thermal infrared flight lines of a complex urban scene // ISPRS J. Photogrammetry and Remote Sensing. 2015. V. 106. P. 82–94. https://doi.org/10.1016/j.isprsjprs.2015.05.002.
- Roy D. P., Kovalskyy V., Zhang H. K., Vermote E. F., Yan L., Kumar S. S., Egorov A. Characterization of Landsat 7 to Landsat 8 reflective wavelength and normalized difference vegetation index continuity // Remote Sensing of Environment. 2016. V. 185. P. 57–70. https://doi.org/10.1016/j.rse.2015.12.024.
- Schieldge J. P., Kahle A. B., Alley R. E., Gillespie A. R. Use of thermal inertia properties for material identification // SPIE Image Processing for Missile Guidance. 1980. V. 238. P. 350–357.
- Tucker C. J. Red and photographic infrared linear combinations for monitoring vegetation // Remote Sensing of Environment. 1979. V. 8. P. 127–150. DOI: 10.1016/0034-4257(79)90013-0.
- Weng Q., Lu D., Schubring J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies // Remote Sensing of Environment. 2004. V. 89. P. 467–483. DOI: 10.1016/j.rse.2003.11.005.
- Xu H. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery // Intern. J. Remote Sensing. 2006. V. 27. No. 14. P. 3025–3033. DOI: 10.1080/01431160600589179.
- Yan L., Yang J., Zhang Y., Zhao A., Li X. Radiometric Normalization for Cross-Sensor Optical Gaofen Images with Change Detection and Chi-Square Test // Remote Sensing. 2021. V. 13. Art. No. 3125. https://doi.org/10.3390/rs13163125.
- Yu Q., Epstein H. E., Engstrom R., Shiklomanov N., Strelestskiy D. Land cover and land use changes in the oil and gas regions of Northwestern Siberia under changing climatic conditions // Environmental Research Letters. 2015. V. 10. No. 12. Art. No. 124020. https://doi.org/10.1088/1748-9326/10/12/124020.