Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
Ваш e-mail:
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. 2024. Т. 21. № 2. С. 196-211

Оценка связей между факторами почвообразования и запасами органического углерода в лесных почвах Карелии и Карельского перешейка по тематическим спутниковым продуктам

А.Н. Нарыкова 1 , А.Д. Никитина 1 , А.С. Плотникова 1 , М.А. Данилова 1 , Н.Е. Шевченко 1 
1 Центр по проблемам экологии и продуктивности лесов РАН, Москва, Россия
Одобрена к печати: 15.03.2024
DOI: 10.21046/2070-7401-2024-21-2-196-211
Дана оценка связи содержания и запасов органического углерода почв, а также соотношения углерода к азоту (C:N) и факторов почвообразования, охарактеризованных через полученные по тематическим спутниковым продуктам пространственные переменные. Объект исследования — леса Карелии и Карельского перешейка. Отбор и химический анализ образцов выполнен в рамках работ по программе ICP Forests (англ. International Cooperative Programme on Assessment and Monitoring of Air Pollution Effects on Forests). В качестве источников данных о климатических условиях, рельефе и растительности в статье рассматриваются следующие тематические геопространственные переменные: цифровая модель рельефа ArcticDEM, глобальная климатическая база данных WorldClim, спутниковые данные MODIS (англ. Moderate Resolution Imaging Spectroradiometer) Terra Snow Cover Daily Global, атмосферный реанализ ERA5-Land (англ. European Reanalysis 5-го поколения), карта основных типов растительности Северо-Запада России и данные ICP Forests. Проведённый корреляционный анализ показал отклик свойств почв на среднегодовую температуру воздуха, осадки холодного периода года и среднегодовое количество осадков. Выявлена более значимая корреляция характеристик почв с высотой снежного покрова по данным атмосферного реанализа ERA5-Land, чем с заснеженностью территории по данным MODIS. Связь переменных рельефа со свойствами почв оказалась слабовыраженной, предположительно вследствие особенностей закладки сети натурных измерений и небольших перепадов высот исследуемой территории. Существенные различия установлены между группами растительности для соотношения C:N в лесной подстилке как по данным карты растительности Северо-Запада России, так и по геоботаническим описаниям ICP Forests. Запасы углерода значимо различались между группами растительности ICP Forests только в минеральном слое. При сравнении лесов в автоморфных и полугидроморфных условиях значимых различий свойств почв не установлено. Многие результаты корреляционного анализа сопоставлены с результатами, полученными в аналогичных исследованиях в других природно-климатических условиях.
Ключевые слова: спутниковые данные, корреляционный анализ, коэффициент корреляции Спирмена, метод Краскела – Уоллиса, содержание и запасы почвенного органического углерода, соотношение C:N
Полный текст

Список литературы:

  1. Аккумуляция углерода в лесных почвах и сукцессионный статус лесов / под ред. Н. В. Лукиной. М.: Т-во науч. изд. КМК, 2018. 232 с.
  2. Бахмет О. Н. Запасы углерода в почвах сосновых и еловых лесов Карелии // Лесоведение. 2018. № 1. С. 48–55. DOI: 10.7868/S0024114818010047.
  3. Бахмет О. Н., Федорец Н. Г., Крышень А. М. Исследования по международной программе ICP Forests в Карелии // Тр. Карельского науч. центра РАН. 2011. № 2. С. 133–139.
  4. Биеньковски П., Титлянова A. A., Шибарева C. B. Трансформационные процессы в подстилках бореальных лесов // Сибирский эколог. журн. 2003. № 6. С. 707–712.
  5. Волков А. Д. Типы леса Карелии. Петрозаводск: Карельский науч. центр РАН, 2008. 192 с.
  6. Гаврилюк Е. А., Кузнецова А. И., Горнов А. В. Геопространственное моделирование содержания и запасов азота и углерода в лесной подстилке на основе разносезонных спутниковых изображений Sentinel-2 // Почвоведение. 2021. № 2. С. 168–182. DOI: 10.31857/S0032180X21020040.
  7. Гопп Н. В., Мешалкина Ю. В., Нарыкова А. Н. и др. Картографирование содержания и запасов органического углерода почв на региональном и локальном уровнях: анализ современных методических подходов // Вопросы лесной науки. 2023. Т. 6. № 1. Cт. 120. 59 с. DOI: 10.31509/2658-607x-202361-120.
  8. Доронина А. Ю. Сосудистые растения Карельского перешейка (Ленинградская область). М.: Т-во науч. изданий КМК, 2007. 574 с.
  9. Змиртович И. В. Средняя тайга Карельского перешейка: зональные, интразональные и экстразональные явления // Вестн. экологии, лесоведения и ландшафтоведения. 2011. № 12. С. 54–76.
  10. Иванова Е. А., Данилова М. А., Смирнов В. Э., Ершов В. В. Сравнительная оценка скорости разложения растительного опада в еловых и сосновых лесах на северном пределе распространения // Вопросы лесной науки. 2023. Т. 6. № 3. Ст. 132. DOI: 10.31509/2658-607x-202363-132.
  11. Кузнецова А. И. Влияние растительности на запасы почвенного углерода в лесах (обзор) // Вопросы лесной науки. 2021. Т. 4. № 4. С. 41–95. DOI: 10.31509/2658-607x-2021-44-95.
  12. Кузнецова А. И., Лукина Н. В., Горнов А. В. и др. Запасы углерода в песчаных почвах сосновых лесов на западе России // Почвоведение. 2020. № 8. С. 959–969. DOI: 10.31857/S0032180X20080109.
  13. Лукина Н. В., Кузнецова А. И., Гераськина А. П. и др. Неучтенные факторы, определяющие запасы углерода в лесных почвах // Метеорология и гидрология. 2022. № 10. С. 92–110. DOI: 10.52002/0130-2906-2022-10-92-110.
  14. Морозова Р. М. Географические закономерности формирования почвенного покрова Карелии // Тр. Карельского науч. центра РАН. Биогеография Карелии. Сер. «Биология». 2001. № 2. С. 12–18.
  15. Назарова Л. Е. Климат Республики Карелия (Россия): температура воздуха, изменчивость и изменения // Геополитика и экогеодинамика регионов. 2014. Т. 10. № 1. C. 746–749.
  16. Нарыкова А. Н., Плотникова А. С. Анализ результатов моделирования запасов углерода лесной подстилки на территории Республики Карелия и Карельского перешейка // Регион. проблемы дистанцион. зондирования Земли: материалы 10-й Международ. науч. конф. Красноярск, 12–15 сент. 2023. Красноярск: СФУ, 2023 С. 115–119.
  17. Перельман А. И. Геохимия ландшафта. М.: Высш. шк., 1975. 341 с.
  18. Песьякова А. А., Феклистов П. А. Структура и запас лесной подстилки сосняков северной тайги // Вестн. Красноярского гос. аграрного ун-та. 2017. № 4. C. 182–186.
  19. Полынов Б. Б. Геохимические ландшафты // Избран. тр. М.: Изд-во АН СССР, 1956. 751 c.
  20. Полякова Е. В., Кутинов Ю. Г., Минеев А. Л., Чистова З. Б. Анализ возможности применения цифровых моделей рельефа ASTER GDEM v2 и ArcticDEM для исследований арктических территорий России // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 7. С. 117–127. DOI: 10.21046/2070-7401-2020-17-7-117-127.
  21. Почвоведение / ред. В. А. Ковда, Б. Г. Розанов. М.: Высш. шк., 1988. 400 c.
  22. Рожкова А. Н. Роль снежного покрова в биохимическом цикле азота // Международ. научно-практич. конф. «Современ. тенденции в науч. обеспечении агропромышл. комплекса»: сб. ст. 2020. С. 58–61.
  23. Рыжова И. М., Подвезенная М. А., Кириллова Н. П. Вариабельность запасов углерода в автоморфных и полугидроморфных почвах лесных экосистем европейской территории России: сравнительный статистический анализ // Вестн. Московского ун-та. Сер. 17: Почвоведение. 2022. № 2. С. 20–27.
  24. Синькевич С. М., Бахмет О. Н., Иванчиков А. А. Роль почв в региональном балансе углерода в сосновых лесах Карелии // Почвоведение. 2009. № 3. C. 290–300.
  25. Сохранение ценных природных территорий Северо-Запада России. Анализ репрезентативности сети ООПТ Архангельской, Вологодской, Ленинградской и Мурманской областей, Республики Карелии, Санкт-Петербурга / под ред. Кобякова К. Н. СПб., 2011. 506 с.
  26. Чернова О. В., Рыжова И. М., Подвезенная М. А. Оценка запасов органического углерода лесных почв в региональном масштабе // Почвоведение. 2020. № 3. C. 340–350. DOI: 10.31857/S0032180X20030028.
  27. Черновa О. В., Голозубов О. М., Алябина И. О., Щепащенко Д. Г. Комплексный подход к картографической оценке запасов органического углерода в почвах России // Почвоведение. 2021. № 3. С. 273–286. DOI: 10.31857/S0032180X21030047.
  28. Честных О. В., Замолодчиков Д. Г. Почвенные характеристики Северной Евразии. Свидетельство о гос. регистрации базы данных № 2018621164. Рег. 02.08.2018.
  29. Честных О. В., Лыжин В. А., Кокшарова А. В. Запасы углерода в подстилках лесов России // Лесоведение. 2007. № 6. С. 114–121.
  30. Шарый П. А., Шарая Л. С., Пастухов А. В., Каверин Д. А. Пространственное распределение органического углерода в почвах Восточно-Европейской тундры и лесотундры в зависимости от климата и рельефа // Изв. Российской акад. наук. Сер. Геогр. 2018. № 6. С. 39–48. DOI: 10.1134/S2587556618060146.
  31. Щепащенко Д. Г., Мухортова Л. В., Швиденко А. З., Ведрова Э. Ф. Запасы органического углерода в почвах России // Почвоведение. 2013. № 2. С. 123–132. DOI: 10.7868/S0032180X13020123.
  32. Callesen I., Liski J., Raulund-Rasmussen K. et al. Soil carbon stores in Nordic well-drained forest soils — relationships with climate and texture class // Global Change Biology. 2003. V. 9. Iss. 3. P. 358–370. DOI: 10.1046/j.1365-2486.2003.00587.x.
  33. Duarte E., Zagal E., Barrera J. et al. Digital mapping of soil organic carbon stocks in the forest lands of Dominican Republic // European J. Remote Sensing. 2022. V. 55. No. 1. P. 213–231. DOI: 10.1080/22797254.2022.2045226.
  34. Frank D. A., Pontes A. W., McFarlane K. J. Controls on soil organic carbon stocks and turnover among North American ecosystems // Ecosystems. 2012. V. 15. Iss. 4. P. 604–615. DOI: 10.1007/s10021-012-9534-2.
  35. Gomes L., Faria R., de Souza E. et al. Modelling and mapping soil organic carbon stocks in Brazil // Geoderma. 2019. V. 340. P. 337–350. DOI: 10.1016/j.geoderma.2019.01.007.
  36. Gu J., Bol R., Sun Y., Zhang H. Soil carbon quantity and form are controlled predominantly by mean annual temperature along 4000 km North-South transect of Eastern China // Catena. 2022. V. 217. Iss. 1–2. DOI: 10.1016/j.catena.2022.106498.
  37. Guo P.-T., Li M.-F., Luo W., Tang Q.-F., Liu Z.-W., Lin Z.-M. Digital mapping of soil organic matter for rubber plantation at regional scale: An application of random forest plus residuals kriging approach // Geoderma. 2015. V. 237–238. P. 49–59. DOI: 10.1016/j.geoderma.2014.08.009.
  38. Hall D. K., Riggs G. A., Salomonson V. V. MODIS/Terra Snow Cover 5-Min L2 Swath 500 m / NASA National Snow and Ice Data Center Distributed Active Archive Center. 2006. https://modis.gsfc.nasa.gov/data/dataprod/mod10.php.
  39. Hateffard F., Dolati P., Heidari A., Zolfaghari A. Assessing the performance of decision tree and neural network models in mapping soil properties // J. Mountain Science. 2019. V. 16. Iss. 8. P. 1833–1847. DOI: 10.1007/s11629-019-5409-8.
  40. 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.
  41. Hounkpatin K., Stendahl J., Lundblad M., Karltun E. Predicting the spatial distribution of soil organic carbon stock in Swedish forests using a group of covariates and site-specific data // Soil. 2021. V. 7. Iss. 2. P. 377–398. DOI: 10.5194/soil-7-377-2021.
  42. Kruskal W. H., Wallis W. A. Use of ranks in one-criterion variance analysis // J. American Statistical Association. 1952. V. 47. No. 260. P. 583–621.
  43. Landolt E., Baumler B., Erhardt A. et al. Flora indicativa — Okologische Zeigerwerte und biologische Kennzeichen zur Flora der Schweiz und der Alpen. 2010. 378 p. DOI: 10.2307/27896667.
  44. McBratney A. B., Santos M. M., Minasny B. On digital soil mapping // Geoderma. 2003. V. 117. Iss. 1–2. P. 3–52. DOI: 10.1016/S0016-7061(03)00223-4.
  45. Porter C., Morin P., Howat I. et al. ArcticDEM, Version 3. Harvard Dataverse. 2018. V. 1. DOI: 10.7910/DVN/OHHUKH.
  46. Spearman C. The proof and measurement of association between two things // American J. Psychology. 1904. V. 15. Iss. 1. P. 72–101. DOI: 10.2307/1412159.
  47. Strand L. T., Callesen I., Dalsgaard L., Wit H. A. Carbon and nitrogen stocks in Norwegian forest soils — The importance of soil formation, climate, and vegetation type for organic matter accumulation // Canadian J. Forest Research. 2016. V. 46. P. 1–15. DOI: 10.1139/cjfr-2015-0467.
  48. Venter Z., Hawkins H., Cramer M., Mills A. Mapping soil organic carbon stocks and trends with satellite-driven high resolution maps over South Africa // Science of the Total Environment. 2021. V. 771. P. 1–14. DOI: 10.1016/j.scitotenv.2021.145384.
  49. Wang B., Waters C., Orgill S. et al. High resolution mapping of soil organic carbon stocks using remote sensing variables in the semi-arid rangelands of eastern Australia // Science of The Total Environment. 2018. V. 630. P. 367–378. DOI: 10.1016/j.scitotenv.2018.02.204.
  50. Wang S., Xu L., Zhuang Q., He N. Investigating the spatio-temporal variability of soil organic carbon stocks in different ecosystems of China // Science of the Total Environment. 2021. V. 758. P. 1–10. DOI: 10.1016/j.scitotenv.2020.143644.
  51. Wiesmeier M., Urbanski L., Hobley E. et al. Soil organic carbon storage as a key function of soils — A review of drivers and indicators at various scales // Geoderma. 2019. V. 333. P. 149–162. DOI: 10.1016/j.geoderma.2018.07.026.
  52. Wipf S., Stoeckli V., Bebi P. Winter climate change in alpine tundra: plant responses to changes in snow depth and snowmelt timing // Climatic Change. 2009. V. 94. P. 105–121. DOI: 10.1007/s10584-009-9546-x.
  53. Zhang Z., Zhang H., Xu Е. Enhancing the digital mapping accuracy of farmland soil organic carbon in arid areas using agricultural land use history // J. Cleaner Production. 2022. V. 334. P. 1–11. DOI: 10.1016/j.jclepro.2021.130232.
  54. Zhou T., Geng Y., Ji C. et al. Prediction of soil organic carbon and the C:N ratio on a national scale using machine learning and satellite data: A comparison between Sentinel-2, Sentinel-3 and Landsat-8 images // Science of The Total Environment. 2021. V. 755. P. 1–16. DOI: 10.1016/j.scitotenv.2020.142661.