Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 1. С. 210-219
NDVI светлохвойных лесов как функция климата в Волжском бассейне
П.А. Шарый
1, 2 , О.В. Пикуленко
2 , Л.С. Шарая
3 , В.И. Степанова
2 1 Институт физико-химических и биологических проблем почвоведения РАН, Пущино, Московская обл., Россия
2 Институт биологического приборостроения РАН, Пущино, Московская обл., Россия
3 Всероссийский научно-исследовательский институт агрохимии имени Д.Н. Прянишникова, Москва, Россия
Одобрена к печати: 23.01.2024
DOI: 10.21046/2070-7401-2024-21-1-210-219
Вегетационный индекс NDVI (англ. Normalized Difference Vegetation Index) светлохвойных лесов статистически сравнивается с характеристиками климата в Волжском бассейне. NDVI этих лесов немонотонно зависит от температуры и осадков, что выделяет две области, для которых знаки связей NDVI с климатом противоположны. Изменение характера связей с положительной на отрицательную у светлохвойных лесов в бассейне происходит при температуре зимы –13 °С. По этой причине в области исследования выделены две выборки по 200 точек каждая (площадки 1 км2), которые отвечают указанным двум частям с разными знаками связей: северо-восточная и западная. Связь NDVI светлохвойных лесов с температурой зимы в первой выборке положительна, во второй — отрицательна. Для северо-восточной выборки температура зимы на 3,7 °С ниже, чем для западной, а сумма годовых осадков больше на 40 мм. В соответствии с этим среднее значение NDVI светлохвойных лесов для северо-восточной области составляет 0,732, для западной — 0,760. Построены две модели множественной регрессии для северо-восточной и западной области, связывающие NDVI с климатом. Самым влиятельным фактором для областей является расстояние на северо-восток, с ростом которого средняя температуры зимы уменьшается на 7,5 °С, а сумма годовых осадков возрастает. Соответственно, для западной части связь NDVI с расстоянием на северо-восток положительна, для северо-восточной — отрицательна. Для NDVI лесов в северо-восточной части характерны более тесные связи с осадками холодного периода. При сравнении западной и северо-восточной частей бассейна р. Волги выявлено возрастание влияния климата на NDVI светлохвойных лесов в более холодной и увлажнённой северо-восточной части региона.
Ключевые слова: Волжский бассейн, светлохвойные леса, характеристики климата, множественная регрессия
Полный текстСписок литературы:
- Барталев С. А., Егоров В. А., Жарко В. О. и др. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 с.
- Грибова С. А., Исаченко Т. И. Сосновые леса южной части таежной и широколиственнолесной областей европейской части СССР: география и картография / Геоботан. картографирование. 1979. С. 38–49. https://doi.org/10.31111/geobotmap/1979.38.
- Грибова С. А., Исаченко Т. И., Лавренко Е. М. Растительность Европейской части СССР. Л.: Наука, 1980. 430 с.
- Рысин Л. П. Хвойные леса России // Изв. Самарского науч. центра РАН. 2012. Т. 14. № 1. С. 1106–1109.
- Рысин Л. П., Савельева Л. И. Сосновые леса России. М.: Товарищество науч. изд. КМК, 2008. 289 с.
- Шарый П. А., Пинский Д. Л. Статистическая оценка связи пространственной изменчивости содержания органического углерода в серой лесной почве с плотностью, концентрацией металлов и рельефом // Почвоведение. 2013. № 11. С. 1344–1356. DOI: 10.7868/S0032180X13090104.
- Шарый П. А., Шарая Л. С. NDVI темнохвойных лесов как функция климата в Волжском бассейне // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 3. С. 178–185. DOI: 10.21046/2070-7401-2022-19-3-178-185.
- Шарый П. А., Шарая Л. С., Иванова А. В. и др. Сравнительный анализ видового богатства жизненных форм сосудистых растений в Среднем Поволжье // Сибирский эколог. журн. 2019. № 4. С. 383–396. DOI: 10.15372/SEJ20190402.
- Шарый П. А., Шарая Л. С., Сидякина Л. В. Связь NDVI лесов и характеристик климата Волжского бассейна // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 154–163. DOI: 10.21046/2070-7401-2020-17-4-154-163.
- Швиденко А. З. Глобальные изменения и Российская лесная таксация // Лесная таксация и лесоустройство. 2012. Вып. 1(47). С. 52–75.
- Adulkongkaew T., Satapanajaru T., Charoenhirunyingyos S., Singhirunnusorn W. Effect of land cover composition and building configuration on land surface temperature in an urban-sprawl city, case study in Bangkok Metropolitan Area, Thailand // Heliyon. 2020. V. 6. Article e04485. DOI: 10.1016/j.heliyon.2020.e04485.
- Fisher J. I., Mustard J. F., Vadeboncoeur M. A. Green leaf phenology at Landsat resolution: scaling from the field to the satellite // Remote Sensing of Environment. 2006. V. 100. P. 265–279. DOI: 10.1016/j.rse.2005.10.022.
- Hijmans R. J., Cameron S. E., Parra J. L. et al. Very high resolution interpolated climate surfaces for global land areas // Intern. J. Climatology. 2005. V. 25. P. 1965–1978. DOI: 10.1002/joc.1276.
- Hoylman Z. H., Jencso K. G., Hu J. et al. The topographic signature of ecosystem climate sensitivity in the western United States // Geophysical Research Letters. 2019. V. 46. P. 14508–14520. DOI: 10.1029/2019GL085546.
- Hwang T., Song C., Vose J. M., Band L. E. Topography-mediated controls on local vegetation phenology estimated from MODIS vegetation index // Landscape Ecology. 2011. V. 26. P. 541–556. DOI: 10.1007/s10980-011-9580-8.
- Lischke H., Guisan A., Fischlin A., Bugmann H. Vegetation responses to climate change in the Alps — Modeling studies // A View from the Alps: Regional Perspectives on Climate Change / eds. Cebon P., Dahinden U., Davies H., Imboden D., Jaeger C. Boston: MIT Press, 1998. Ch. 6. P. 309–350.
- Montgomery D. C., Peck E. A. Introduction to Linear Regression Analysis. N. Y.: John Wiley and Sons, 1982. 504 p.
- Moser D., Dullinger S., Englisch T. et al. Environmental determinants of vascular plant species richness in the Austrian Alps // J. Biogeography. 2005. V. 32. P. 1117–1127. DOI: 10.1111/j.1365-2699.2005.01265.x.
- Richerson P. J., Lum K.-L. Patterns of plant species diversity in California: relation to weather and topography // The American Naturalist. 1980. V. 116. P. 504–536.
- Rodriguez E., Morris C. S., Belz J. E. et al. An assessment of the SRTM topographic products: Technical Report JPL D-31639. Pasadena, California: Jet Propulsion Lab., 2005. 143 p.
- Tucker C. J., Sellers P. J. Satellite remote sensing of primary production // Intern. J. Remote Sensing. 1986. V. 7. P. 1395–1416.
- Weng Q., Lu D., Schubring J. Estimation of land surface temperatur-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.
- Zhang X. X., Wu P. F., Chen B. Relationship between vegetation greenness and urban heat island effect in Beijing City of China // Procedia Environmental Sciences. 2010. V. 2. P. 1438–1450. DOI: 10.1016/j.proenv.2010.10.157.
- Zhang Y., Yiyun Y., Qing D., Jiang P. Study on urban heat island effect based on Normalized Difference Vegetated Index: A case study of Wuhan City // Procedia Environmental Sciences. 2012. V. 13. P. 574–581. DOI: 10.1016/j.proenv.2012.01.048.
- Zhou L., Tucker C. J., Kaufmann R. K. et al. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999 // J. Geophysical Research. 2001. V. 106(D17). P. 20069–20083.