Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 4. С. 317-332
Анализ долгосрочных тенденций осадков в Южном Приаралье
С.Б. Калабаев
1, 2 , Ф.Я. Артыкова
1 , Б.Е. Аденбаев
1 1 Национальный университет Узбекистана им. Мирзо Улугбека, Ташкент, Узбекистан
2 Научно-исследовательский гидрометеорологический институт, Ташкент, Узбекистан
Одобрена к печати: 02.06.2025
DOI: 10.21046/2070-7401-2025-22-4-317-332
Глобальное изменение климата и высыхание Аральского моря оказывают существенное влияние на динамику и пространственное распределение атмосферных осадков в Южном Приаралье, что приводит к дестабилизации экосистемы региона. В исследовании анализируются пространственно-временные тенденции и изменчивость годовых, сезонных и месячных осадков в регионе Южного Приаралья на основе материалов наблюдений метеостанций и спутниковых данных сеточного продукта. Данные о количестве ежемесячных осадков за 1981–2023 гг. получены из фондовых материалов Агентства гидрометеорологической службы Узбекистана (Узгидромет) и совместно с сеточными продуктами суточных осадков применены для установления временных изменений и пространственного распределения в регионе Южного Приаралья. Анализ результатов измерений атмосферных осадков на метеостанциях показал, что в регионе Южного Приаралья наблюдается ежегодная тенденция к уменьшению количества осадков с 1981 по 2023 г., в среднем на 7 мм в десятилетие. Сеточные данные об осадках были получены из наборов данных CHIRPS (англ. Climate Hazards Group InfraRed Precipitation with Station) и PERSIANN-CDR (англ. Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks — Climate Data Record). Объединив аналитический потенциал обширных данных GEE (англ. Google Earth Engine), сравнены пространственные закономерности и временные тенденции в наблюдаемых и моделируемых осадках и выявлено, что продукты дистанционного зондирования можно надёжно использовать в недоступных районах, где метеостанции отсутствуют. Основные выводы данного исследования заключаются в том, что смоделированные с помощью CHIRPS осадки указывают на уменьшение годовых и сезонных осадков на 1,73 и 1,0 мм в период с 1981 по 2023 г., тогда как наземные наблюдения свидетельствуют об уменьшении на 8,8 и 2,5 мм.
Ключевые слова: осадки, регион Южного Приаралья, дистанционное зондирование, CHIRPS, PERSIANN-CDR, Google Earth Engine
Полный текстСписок литературы:
- Калабаев С. Б., Султашова О. Г. Изменения температуры воздуха Южного Приаралья // Вестн. Каракалпакского гос. ун-та им. Бердаха. 2019. № 2(43). С. 17–19.
- Калабаев С. Б., Юлдошбаева М. Р. Қуйи Амударё сув объектларининг гидрографик тавсифи // Изв. геогр. об-ва Узбекистана. 2019. Т. 56. С. 235–239.
- Banerjee A., Chen R., Meadows M. et al. An analysis of long-term rainfall trends and variability in the Uttarakhand Himalaya using Google Earth Engine // Remote Sensing. 2020. V. 12. No. 4. Article 709. https://doi.org/10.3390/rs12040709.
- Beck H. E., Vergopolan N., Pan M. et al. Global-scale evaluation of 22 precipitation datasets using gauge observations and hydrological modelling // Hydrology and Earth System Sciences. 2017. V. 21. No. 12. P. 6201–6217. http://dx.doi.org/10.5194/hess-21-6201-2017.
- Drápela K., Drápelová I. Application of Mann-Kendall test and the Sen’s slope estimates for trend detection in deposition data from Bílý Kříž (Beskydy Mts, the Czech Republic) 1997–2010 // Beskydy. 2011. V. 4. P. 133–146.
- Gorelick N., Hancher M., Dixon M. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. V. 202. P. 18–27. http://dx.doi.org/10.1016/j.rse.2017.06.031.
- Guo H., Chen S., Bao A. et al. Inter-comparison of high-resolution satellite precipitation products over Central Asia // Remote Sensing. 2015. V. 7. No. 6. P. 7181–7211. https://doi.org/10.3390/rs70607181.
- Hamed K. H., Rao A. R. A modified Mann-Kendall trend test for autocorrelated data // J. Hydrology. 1998. V. 204. P. 182–196. http://dx.doi.org/10.1016/S0022-1694(97)00125-X.
- López-Carr D., Pricope N. G., Aukema J. E. et al. A spatial analysis of population dynamics and climate change in Africa: Potential vulnerability hot spots emerge where precipitation declines and demographic pressures coincide // Population and Environment. 2014. V. 35. P. 323–339. http://dx.doi.org/10.1007/s11111-014-0209-0.
- Maan H. B. Non-parametric tests against trend // Econometrica. 1945. V. 13. No. 3. P. 245–259. http://dx.doi.org/10.2307/1907187.
- Prakash S. Performance assessment of CHIRPS, MSWEP, SM2RAIN-CCI, and TMPA precipitation products across India // J. Hydrology. 2019. V. 571. P. 50–59. http://dx.doi.org/10.1016/j.jhydrol.2019.01.036.
- Sen P. K. Estimates of the regression coefficient based on Kendall’s tau // J. American Statistical Association. 1968. V. 63. Iss. 324. P. 1379–1389. https://doi.org/10.1080/01621459.1968.10480934.
- Sharifi E., Steinacker R., Saghafian B. Assessment of GPM-IMERG and other precipitation products against gauge data under different topographic and climatic conditions in Iran: Preliminary results // Remote Sensing. 2016. V. 8. No. 2. Article 135. http://dx.doi.org/10.3390/rs8020135.
- Sidhu N., Pebesma E., Câmara G. Using Google Earth Engine to detect land cover change: Singapore as a use case // European J. Remote Sensing. 2018. V. 51. Iss. 1. P. 486–500. http://dx.doi.org/10.1080/22797254.2018.1451782.
- Ullah W., Wang G., Ali G. et al. Comparing multiple precipitation products against in situ observations over different climate regions of Pakistan // Remote Sensing. 2018. V. 11. No. 6. Article 628. http://dx.doi.org/10.3390/rs11060628.
- Vos K., Splinter K. D., Harley M. D. et al. CoastSat: A Google Earth Engine-enabled Python toolkit to extract shorelines from publicly available satellite imagery // Environment Modelling and Software. 2019. V. 122. Article 104528. http://dx.doi.org/10.1016/j.envsoft.2019.104528.
- Wang Z., Zhong R., Lai C., Chen J. Evaluation of the GPM IMERG satellite-based precipitation products and the hydrological utility // Atmospheric Research. 2017. V. 196. P. 151–163. http://dx.doi.org/10.1016/j.atmosres.2017.06.020.
- Yang X., Yong B., Hong Y. et al. Error analysis of multi-satellite precipitation estimates with an independent rain gauge observation network over a medium-sized humid basin // Hydrological Science J. 2016. V. 61. Iss. 10. P. 1813–1830. http://dx.doi.org/10.1080/02626667.2015.1040020.
- Zeleňáková M., Vido J., Portela M. M. et al. Precipitation trend over Slovakia in the period 1981–2013 // Water. 2017. V. 9. No. 12. Article 922. http://dx.doi.org/10.3390/w9120922.