У статті розглядаються дистанційні методи опису внутрісезонной динаміки вологості грунтово-рослинного покриву. Польова вологість грунтово-рослинного покриву описується інтегральним показником, який враховує вміст вологи верхнього горизонту ґрунтів (5-10 см), трав'яний фітомаси і листя деревно-чагарникової рослинності. Польова інтегральна вологість демонструє достовірну зв'язок з нормалізованим різницевим вологісним індексом (NDWI) З коефіцієнтом детермінації R, що досягає значень 0.91 для окремих класів урочищ. Найбільш значимими факторами, що визначають втрату вологи за літній період, є обсяг фотосинтетичний активній фітомаси, потенційне надходження сонячної радіації за досліджуваний період і запас вологи в грунті і рослинності на початку вегетації. Ці фактори описують 67% різниці NDWI в період з травня по серпень 2016 року в лісових ділянках і 89% в степах. Отримані результати можуть бути використані для пошуку пожежонебезпечних ділянок в степах і лісах, а також для моніторингу виноградників.

Анотація наукової статті з наук про Землю і суміжних екологічних наук, автор наукової роботи - Т. І. Харитонова, Н. В. Сурков


Область наук:
  • Науки про Землю та суміжні екологічні науки
  • Рік видавництва: 2020
    Журнал: арідні екосистеми
    Наукова стаття на тему 'ЛАНДШАФТНИЙ ПІДХІД ДО МОДЕЛЮВАННЯ ДИНАМІКИ ВОЛОГОСТІ грунтово-рослинного ПОКРОВА дистанційних методів'

    Текст наукової роботи на тему «ЛАНДШАФТНИЙ ПІДХІД ДО МОДЕЛЮВАННЯ ДИНАМІКИ ВОЛОГОСТІ грунтово-рослинного ПОКРОВА дистанційних методів»

    ?Арідний екосистеми, 2020 року, том 26, № 1 (82), с. 13-20

    ====== СИСТЕМНЕ ВИВЧЕННЯ аридних територій ======

    УДК 911.52; 911.2

    ЛАНДШАФТНИЙ ПІДХІД ДО МОДЕЛЮВАННЯ ДИНАМІКИ ВОЛОГОСТІ грунтово-рослинного ПОКРОВА дистанційних методів

    © 2020 р Т.І. Харитонова, Н.В. Сурков

    Московський державний університет ім. М.В. Ломоносова, географічний факультет Росія, 119991, г. Москва, Ленінські гори, ГСП-1. E-mail: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.

    Надійшла до редакції 10.05.2019. Після доопрацювання 29.08.2019. Прийнята до публікації 30.09.2019

    У статті розглядаються дистанційні методи опису внутрісезонной динаміки вологості грунтово-рослинного покриву. Польова вологість грунтово-рослинного покриву описується інтегральним показником, який враховує вміст вологи верхнього горизонту ґрунтів (5-10 см), трав'яний фітомаси і листя деревно-чагарникової рослинності. Польова інтегральна вологість демонструє достовірну зв'язок з нормалізованим різницевим вологісним індексом (NDWI) з коефіцієнтом детермінації R2, що досягає значень 0.91 для окремих класів урочищ. Найбільш значимими факторами, що визначають втрату вологи за літній період, є обсяг фотосинтетичний активній фітомаси, потенційне надходження сонячної радіації за досліджуваний період і запас вологи в грунті і рослинності на початку вегетації. Ці фактори описують 67% різниці NDWI в період з травня по серпень 2016 року в лісових ділянках і 89% в степах. Отримані результати можуть бути використані для пошуку пожежонебезпечних ділянок в степах і лісах, а також для моніторингу виноградників.

    Ключові слова: Карадазький заповідник, вологість грунтово-рослинного покриву, NDWI, семиаридние ландшафти Криму. DOI: 10.24411 / 1993-3916-2020-10079

    Моніторинг вологості грунтово-рослинного покриву важливий в першу чергу для прогнозу біологічної продукції екосистем, розрахунку поливних норм в сільському господарстві, забезпечення своєчасних протипожежних заходів. Розроблено три підходи до дистанційного визначення вологості: на основі відображення земною поверхнею сонячного випромінювання у видимому і інфрачервоному діапазонах довжин хвиль (0.4-2.5 мкм), на основі відображення і власного випромінювання земної поверхні в тепловому (10-13 мкм) і в мікрохвильовому (2.7 мм - 30 см) діапазонах.

    Розпізнавання даних мікрохвильової зйомки засноване на тісному зв'язку діелектричної постійної грунту з її вологістю: зі збільшенням вологості зростає діелектрична постійна і збільшується потік мікрохвильового випромінювання (Dobson, Ulaby, 1985). Одночасно мікрохвильовий сигнал залежить від рельєфу, шорсткості поверхні і властивостей рослинного покриву. Так як вологість ґрунту вивчається головним чином в динаміці, то характеристики рельєфу і шорсткість поверхні приймаються незмінними за досліджуваний період. При всіх вищесказаних допущених моделі вологості ґрунтів, створені за даними активних і пасивних мікрохвильових приймачів, показують відносно високу точність з R2 від 0.49 до 0.67 (Escorihuela, Quintana-Segui, 2016). Більш високу достовірність (R2 до 0.85) показують моделі, побудовані для рівних поверхонь з більш-менш однорідної рослинністю, тобто для сільськогосподарських полів (Wigneron et al., 1995).

    Головною перевагою систем дистанційного зондування, які працюють в мікрохвильовому діапазоні, є широкосмугова зйомка, що дозволяє отримувати дані про стан земної поверхні щодня або навіть двічі на добу (AMSR-E, AMSR2). Істотним їх недоліком є ​​невеликий масштаб: у приймачів AMSR просторовий масштаб становить 5.4-56 км в залежності від довжини хвилі; у приймача SMAP дозвіл підвищено до 1-3 км при зниженні частоти зйомки до 2-3 днів.

    Інтерпретація даних теплової зйомки заснована на залежності різниці температури повітря

    і земної поверхні від інтенсивності випаровування (Seneviratne et al., 2010). Підвищення різниці температур сигналізує про уповільнення випаровування і, відповідно, про нестачу води в грунті. Дана методика дає досить точний результат для розрахунку поливних норм на полях з більш-менш схожими посівами (Ghulam et al., 2008). При дослідженні більш складного ландшафтного покриву неоднорідність рослинності створює помилки моделювання. Температура поверхні грунту і листя розраховується на основі даних теплової супутникової зйомки, температура повітря повинна бути отримана інструментально, що створює додаткову складність даного підходу.

    Найбільш поширеним методом, запропонованим M.S. Moran з співавторами (1994), є статистичне моделювання дефіциту грунтової вологи в факторному просторі яркостной температури земної поверхні і вегетаційного індексу NDVI. Суть методу полягає в тому, що кожен фітоценоз має нижню і верхню межі яркостной температури, що відповідають станам повного насичення вологою грунту та її повного осушення. Температура оголеною грунту змінюється в більш широких діапазонах. Всі поєднання температури та NDVI формують в просторі ознак фігуру трапецоіда. Форма трапецоіда має регіональну специфіку та для точного визначення вимагає великого обсягу польового матеріалу, зібраного в різних ландшафтних умовах і кліматичних станах (Carlson, 2007). При гарній калібрування моделі достовірність визначення дефіциту вологості висока - R2 = 0.6-0.9 (Sadeghi et al. 2017), а супутникова зйомка, вироблена одночасно в оптичному і тепловому діапазоні, дозволяє досить оперативно отримувати інформацію про стан земної поверхні.

    Дослідження вологості земної поверхні за даними оптичної зйомки засноване на зміні відбивної здатності листа в ближньому і середньому інфрачервоних діапазонах (БИК 700-1300 нм, СрІК 1300-3000 нм), яка визначається зміною клітинної структурою листа при зневодненні (Peuelas et al., 1993) і безпосередньо залежить від фактичного вмісту води в листі (Gillon et al., 2004; Yebra et al., 2013). Метод оцінки вмісту вологи в рослинному покриві за дистанційними даними обгрунтований в роботах B.-C. Gao (1996) і P. Ceccato з співавторами (2002). Всі методи спираються на співвідношення відображення в ближньому і середньому інфрачервоному діапазонах, виражене в різних варіантах спектральних вологісних індексів з різними поправками.

    Перераховані вище методи мають однакові особливості. По-перше, всі вони базуються на аксіомі про тісній залежності вологості грунту і рослинності. Приймається, що відображення незадернованних грунту дає інформацію про вологість верхніх 5-10 см ґрунту, а рослинність - про вологість кореневого шару, при цьому всі методи прагнуть привести дані зйомки або до вологості грунту (застосовується при інтерпретації мікрохвильового і теплового випромінювання), і тоді рослинність є перешкодою (Швецов та ін., 2013), або до вологості фітомаси (в разі інтерпретації оптичних каналів), і в цьому випадку великі помилки спостерігаються на територіях з розрідженій рослинністю. По-друге, всі моделі калібровані нема на абсолютні значення вмісту вологи в грунті і рослинності, а на її відхилення від мінімального або максимального вмісту, найчастіше на дефіцит вологості. По-третє, процес втрати вологи йде по-різному в різних природних умовах, і частіше за все моделі калибруются для різних типів рослинного покриву (Ceccato et al., 2002), але вже зустрічаються роботи, де враховується ландшафтна неоднорідність, так W. Nijland з співавторами (2015) при дослідженні вологозапасів в лісовій кроні використовували едафічної матрицю Погребняка. По-четверте, всі моделі дають високі показники достовірності на відносно вирівняних територіях, їх застосування в гірських територіях або неможливо, як для мікрохвильової зйомки, або погано вивчено.

    Метою даного дослідження було побудова статистичної моделі, що дозволяє оцінити сезонну динаміку вологості грунтово-рослинного покриву ландшафтів східного краю Кримських гір за даними оптичної зйомки Landsat-8. Проблема поділу вкладу грунтової вологи, вологи трав'яного, чагарникового і деревного ярусу в інтегральне відображення була вирішена введенням показника, що враховує пайову участь кожного ярусу в загальному сигналі. Прогресуюче висушування території в літній період (Трансформація ..., 2009), дозволило нам оцінити динаміку вологості грунтово-рослинного покриву в ставленні до найбільш зволоженим умов, які спостерігалися в середині травня. Моделювання проведено для класів урочищ, що відображають різноманітність рослинності, експозиції і морфометрії рельєфу.

    матеріали та методи

    На території Карадазького заповідника і заказника Ечкидаг було закладено 38 точок ландшафтних описів і відбору проб (рис. 1). Відбиралися проби деревної листя (при наявності), укіс трав'яної рослинності з площі 50х50 см, при значному проектному покритті окремо відбиралися проби осаду, сухий маси злаків або мохового покриву. Проби ґрунту відбиралися методом конверта з глибини 5-10 см. Відбір проб з верхніх 5 см не проводився, тому що в них сильніше виражені внутрісуточних коливання вологості і за ними «губиться» її динаміка на довших часових відрізках (Горбунов та ін., 2015). Визначення вологості зразків проводилося ваговим методом і розраховувалося як відношення втрати маси при висушуванні до маси вологого зразка.

    Морфометричний аналіз рельєфу проводився на основі цифрової моделі рельєфу з просторовим дозволом 30 м, побудованої методом ординарного крігінга по горизонталях, оцифрованих з топографічної основи масштабу 1: 50000. Потенційне перерозподіл вологи по рельєфу оцінювалося по вологісного індексу SAGA Wetness Index, розрахованому як логарифм відношення питомої площі водозбору до похилу даного осередку растра (Bohner, Selige, 2006). Потенційна сонячна радіація обчислена в програмі SAGA на основі морфометрії рельєфу, висоти сонця і тривалості світлового дня (Сисуєв, 2003).

    Дійсна вологість грунтово-рослинного покриву визначена як гіпотетична товщина шару води в листі рослини або тонкому приповерхневому шарі субстрату, яка оцінюється за допомогою нормалізованого разностного вологісного індексу NDWI c формулою NDWI = (NIR-SWIR) / (NIR + SWIR), де NIR - відображення в ближньому діапазоні, SWIR - відображення в середньому інфрачервоному діапазоні довжин хвиль (Maki et al., 2004). В роботі використані безхмарні знімки Landsat-8 за 14 травня, 15 червня, і 27 серпня 2016 р З тих же знімкам був розрахований нормалізований різницевий вегетаційний індекс NDVI.

    Так як значення яскравості пікселя формується за рахунок відображення від всієї поверхні в його межах, то їй може виявитися частково крона дерева або куща, ярус трав'яної рослинності або гола грунт. У даній роботі вологість грунтово-рослинного покриву описується інтегральним показником, який комбінує значення вологості грунту, трав'яний фітомаси і листя дерев. Таким чином, ми отримуємо польовий шар води в видимому для супутникової зйомки

    Справ до 61

    C? | I, 67

    Мал. 1. Територія дослідження і точки відбору проб.

    грунтово-рослинному покриві. Він розраховується, як:

    У а * Вліст + Ь * утягнути + с * Впочв, де В - інтегральна вологість, утягнути. - вологість трав'яний фітомаси, Впочв - вологість верхнього шару грунту, Вліст - вологість деревної листя, а - зімкнути крон дерев, Ь - проективне покриття трав'яного ярусу в частках від одиниці в разі, коли (а + Ь)< 1; приймається рівним (1-а) в разі, коли є часткове перекриття ярусів, з - частка оголеною грунту, обчислюється як 1- (а + Ь); приймається рівним нулю при (а + Ь)>1. Сума коефіцієнтів а, Ь і с дорівнює 1, а враховуються вони в порядку ярусности.

    Аналіз динаміки вологості проводився з урахуванням ландшафтних умов території. Для побудови карти класів урочищ застосована керована класифікація багатозональних знімків Ьап<18а1>8, до яких був застосований метод вилучення трьох головних компонент. Усередині кожного класу ландшафтного покриву проведено розподіл по рельєфу. Рельєф описаний за допомогою двох параметрів: крутизни та експозиції схилу. У цій роботі виділені три класи крутизни (поверхні з нахилом до 10 °, 10-25 ° і понад 25 °) і два класи експозиції (холодні і теплі, кордоном між якими обрані азимути 125 ° і 305 °). Всього отримано 17 класів природних комплексів, з яких 14 охарактеризовані мережею спостережень (рис. 2).

    Мал. 2. Класи урочищ.

    Результати та їх обговорення

    Ландшафтна структура території. Територія дослідження відрізняється високим ландшафтним розмаїттям, обумовленим розходженням абсолютних висот, геологічної основи і експозиції схилів. Верхні поверхи гір зайняті скальнодубовимі лісами з грабинник, ясенем і кизилом на бурих лісових ґрунтах і пушістодубовимі лісами з фісташкою, ясенем і ялівцем на коричневих грунтах. На виходах щільних вапняків і вулканічних порід вище 200 м формуються петрофітні степи з розрідженим і низьким травостоєм, що чергуються з оголеним грунтом. На делювіально-колювіальні шлейфах і нижніх частинах схилів, складених неоген-четвертинними пухкими породами, поширені фісташково-дубові

    рідколісся з держидерева. На південних схилах і плоских морських терасах їх змінюють степу: від сухих егілопсово-типчаково до більш вологих ковильно-різнотравних. На окремих ділянках терасованих схилів знаходяться посадки сосни. На північ від сел. Курортне розташовані виноградники. Всього на лісові ПТК доводиться 21.2% площі, на редколесной - 31.9%, степові займають 29.1%, на оголення скельних і пухких порід доводиться 12.5%, а Селітебні землі і виноградники займають 2.6 і 2.7% площі відповідно.

    Польова вологість грунтово-рослинного покриву. Ландшафтне різноманіття визначило високу варіативність вологості грунту і рослинності. Найбільша вологість грунту (34%) зафіксована в днищах балок, вкритих редколесьями з ясена і держи-дерева і дубово-ясеневими лісами з розвинутим трав'яним і моховим покровом, і на похилих північних схилах, складених пухкими породами. Точки з найбільш сухим ґрунтом (13%) приурочені до крутих південним і південно-західних схилах з розрідженими пушістодубовимі лісами або з петрофітні степами. Також сухі грунти характерні для середніх частин схилів або колювіальні шлейфів з кам'янистими ґрунтами, здатними швидко проводити вологу вниз з верхніх горизонтів. Для природних комплексів, що піддаються випасу худоби або неорганізованої рекреації, характерні менші значення вологості грунту (до 10-12%), ніж для їх аналогів в заповідній зоні.

    Запас вологи в листі деревно-чагарникового ярусу залежить, в першу чергу, від породного складу. Менше вологи міститься в листі дуба пухнастого (44-47%), але при густому підліску з грабинника, що характерно переважно для затінених схилів північної експозиції, середня вологість листя таких лісів досягає 68-71%. Максимальна вологість трав'яний фітомаси зафіксована під густим пологом пущістодубових лісів і соснових лісопосадок (7580%). Високим запасом вологи володіють і спільноти лугових степів (67-73%). Найменша вологість трав'яного ярусу зафіксована в степових ПТК терас і колювіальні шлейфів і в лісових ПТК плоских розширених днищ балок (43-51%).

    Максимальні значення інтегральної вологості грунтово-рослинного покриву (63-69%) зафіксовані в точках, приурочених до заліснених або закустареннимі днищ балок або до «холодним» пологим схилами під закустареннимі остепнені луками. Природні комплекси, піддані антропогенному впливу, здатні утримувати менше вологи в порівнянні з заповідними аналогами (47-52% і 58-63% відповідно). Мінімальні значення інтегральної вологості (18-27%) визначені на крутих, майже осипних південних схилах зі слаборозвиненою рослинністю. Низька інтегральна вологість редколесной і степових ПТК південних схилів і рівних поверхонь терас посилюється невеликим проективним покриттям травостою (15-40%) або низькою зімкнути крон, що не перевищує 0.3. Важливою обставиною є велика частка злаків (наприклад, егілопс) з висохлими надземними частинами в рослинному покриві. На редколесной точках з мінімальною інтегральної вологістю переважає чагарникова рослинність (держи-дерево, груша лохолистная, у яких трохи листя) або дуб пухнастий.

    Валідація значень нормалізованого разностного вологісного індексу (NDWI). Інтегральний показник вологості грунтово-рослинного покриву описується значеннями NDWI, розрахованими на 15 червня 2016 року, з коефіцієнтом детермінації R2 = 0.72. Залежність порушується за рахунок проб, відібраних в степових урочищах гребенів і крутих північних схилів, де, очевидно, відбувається перекручування дистанційної інформації за рахунок рельєфу і світлотіні (на малюнку 3 ці точки відмічені знаком «Х»). Якщо ж розглянути цей зв'язок окремо для різних типів ландшафтного покриву, то точність опису збільшиться до R2 = 0.90-0.91. Помітно різниться залежність польової вологості і вологісного індексу NDWI на південних схилах, зайнятих степовій і кустарниково-степовою рослинністю, де NDWI виявляється більш чутливим до зміни польовий вологості (на малюнку 3 показані квадратними значками), і на інших точках - лісів і степів плоских вершинних поверхонь і пологих північних схилів, де NDWI зростає повільніше (на малюнку 3 показані круглими значками).

    Висока вірогідність опису інтегральної вологості грунтово-рослинного покриву за допомогою вологісного індексу NDWI, розрахованого на період відбору проб, дозволяє перейти від динаміки вагового змісту польовий вологи до просторової картині динаміки значень NDWI.

    Сезонна динаміка вологості. Швидкість втрати вологи грунтово-рослинним покривом виражається через різницю індексів NDWI (NDWI-Dif), розрахованих для умов максимального насичення ґрунту і рослинності вологою і на цікаву для дату. В роботі розглянуто

    18

    ЛАНДШАФТНИЙ підхід до моделювання динаміки вологості ...

    зміна вологості грунтово-рослинного покриву з 14 травня по 27 серпня 2016 г. Для побудови точної статистичної моделі були перевірені багато чинників, найбільшу зв'язок з різницею індексів NDWI-Dif показали: вегетаційний індекс КБУ1 на 27 серпня 2016 г. (відносний показник кількості фотосинтетичний активній фітомаси), кількість потенційної прийдешньої сонячної радіації (ППСП, визначає інтенсивність випаровування) і вологісний індекс NDWI за 14 травня 2016 року (характеризує запас вологи, накопичений в грунтово-рослинному покриві на початок посушливого періоду). Вони включені до статистичної модель, що описує сезонну різницю NDWI. Цікаво, що морфометричні характеристики рельєфу не показали зв'язок зі швидкістю втрати вологи. Вплив рельєфу позначається побічно через показник ППСП, а також «включається» в днищах ерозійних форм.

    про CN СО Про

    § Про

    0.40 0.35 030 0.25 0.20 0.15 0.10

    I 0.05

    сс

    т

    ^ 0.00

    -0.05

    -0.10 0.25

    15

    ? 16

    31 ® ПЗ •

    a

    34? 35 ?

    П5 32. ^ 33 * 17 22 V- •

    13 29 © ^ * 3< 19

    8 * 20 * ^ ред? 3?

    ^^ ®

    0.30 0.35 0.40 0.45 0.50 0.55 Інтегральна вологість В, вагових%

    0.60

    0.65

    Лінійний тренд для точок? Ий \ Л / 1 = -0.293 + 0.818 * У Р12 = 0.911 р = 0.00000

    Лінійний тренд для точок | ИО \ Л / 1 = -0.335 + 1.07ГВ И2 = 0.909 р = 0.00002

    Мал. 3. Зв'язок інтегральної польовий вологості (В) і нормалізованого разностного водного індексу (NDWI).

    Найпотужнішим фактором, що визначає величину сезонної втрати вологи, є кількість фотосинтетичний активній фітомаси, описане за допомогою NDVI. Коефіцієнт детермінації для зв'язку NDVI за 27 серпня ц NDWI-Dif становить Я2 = 0.63. ПТК з великою часткою оголених грунтів і інтенсивним розвитком схилових процесів мають низьку здатність до збереження вологи, низьким NDVI як на початку літа, так і восени, але значною різницею NDWI, що досягається, очевидно, за рахунок осушення грунту. Сухостепова і степові ПТК на початку літа мають більш високий NDVI, але до серпня сильно висушуються як грунт, так і трав'яна рослинність (знижується NDVI, а слідом за ним і NDWI), тому NDWI-Dif в них також велика. У рідколісся NDVI вище, як і здатність їх до збереження вологи в рослинному покриві, а зниження NDVI за сезон менше, тому і загальна втрата вологи також знижена. Нарешті, ліси мають максимальними значеннями і мінімальною різницею NDVI за посушливий період, і запаси вологи в їх листі і трав'яному покриві відчувають мінімальне падіння. Варто зауважити, що сукупності точок досить сильно перекриваються: так, наприклад, ясеневі ліси з високим держи-деревом мають приблизно таке ж значення NDWI-Dif, як дубові рідколісся з зімкнути крон близько 0.3 і часткою оголеною грунту близько 0.2. Причиною цього в першому випадку служить сильне висихання листя ясена і держидерева і часткове її опадання, у другому - швидке висушування оголеною грунту.

    Для просторових розрахунків був використаний модуль Multiple Regression Analysis в програмі SAGA, який приймає на вхід растрові дані змінних (факторів) і моделює кожен піксель залежною змінною. Кожен тип ландшафтного покриву проаналізовано окремо, а території населених пунктів виключені. Результати цього аналізу представлені в таблиці. Найкраща точність моделі зафіксована для виноградників (R2 = 0.94), типових степів (R2 = 0.83) і рідколісся (R2 = 0.89), трохи менше прийнятні результати моделювання - у сухих і петрофітних степів з крутими склонамі- «бедленд» (R2 = 0.76) . Найменш чітко модель працює в лісових ПТК.

    Провідна роль рослинного покриву проявляється і при переході від точок польового дослідження до пікселів дистанційних зображень. NDVI описує від 39% (в лісах) до 75% (в типових степах) варіювання сезонної різниці NDWI. У сухих степах з малої фитомассой рослинності вирішальну роль грає кількість прийдешньої сонячної радіації, що нагріває грунт і сприяє випаровуванню з неї вологи. У типових степах зростає роль рослинності. Трав'яний покрив, навіть суцільний, сильно втрачає вологу за посушливий період (Морозова, Вронський, 1989), тому збільшення фітомаси в степових ПТК веде до зростання в них NDWI-Dif. Це пояснює, чому більшість природних пожеж на сході Кримських гір -степние, і може бути використано для розпізнання пожежонебезпечних ділянок. У рідколісся ще зростає роль рослинного покриву, але змінюється знак його впливу: чим більше активної фітомаси, тим менше NDWI-dif. Значущою величиною виявляється вихідний запас вологи. У лісах, найкраще утримують вологу, основними факторами стають фитомасса рослинності (NDVI) та кількість прийдешньої сонячної радіації.

    Таблиця. Результати множинного регресійного аналізу інтенсивності втрати вологи грунтово-рослинним покривом для різних типів ландшафтного покриву.

    Тип ландшафтного покриву R2 Стандартна помилка Регресійний коефіцієнт для факторів

    NDVI за 27.08 ППСР NDWI за 14.05

    Степу сухі і петрофітні, бедленди 0.76 0.054 0.114 0.212 0.002

    Степу типові 0.83 0.029 0.547 0.075 0.102

    Рідколісся 0.89 0.028 -0.660 0.302 0.757

    Ліси 0.67 0.033 -0.370 0.337 0.057

    Виноградники 0.94 0.005 -0.811 0.174 1.596

    висновки

    1. Моделювання вологості грунтово-рослинного покриву на підставі нормалізованого разностного водного індексу NDWI показує більш високу вірогідність при обліку ландшафтної структури території. Дослідження виявило високу значимість вкладу не тільки рослинних формацій, але експозиції і крутизни схилів. При ландшафтному підході точність моделювання для окремих типів урочищ досягає R2 = 0.90-0.91.

    2. Перерозподіл вологи по рельєфу не відіграє суттєвої ролі в формуванні умов зволоження в семіарідних низкогорьях Кримських гір. Атмосферні опади або швидко випаровуються, або швидко виносяться ерозійної мережею, не затримуючись ні на увігнутих, ні на пологих схилах. Виняток становлять днища великих ерозійних форм, складені пухкими відкладеннями, здатними утримувати вологу.

    3. Рослинність є фактором, який стабілізує динаміку вологості грунтово-рослинного покриву. Найбільш стабільними є лісові ПТК. Максимальна втрата вологи за вегетаційний період спостерігається в степових ландшафтах.

    4. При прогнозах динаміки вологості грунтово-рослинного покриву в статистичну регресійну модель включаються: вегетаційний індекс, кількість потенційної приходить

    сонячної радіації і вихідний (весняний) Вологозапаси. Найкраще прогнозом піддаються ПТК

    виноградників, рідколісся, гірше - лісів.

    5. Обмеженням застосування даного методу є круті північні схили, на яких

    спотворюється дистанційна інформація.

    СПИСОК ЛІТЕРАТУРИ

    Горбунов Р.В., Зуєв А.В., Смирнов В.О. 2015. воднобалансових дослідження на території Карадазького ландшафтно-екологічного стаціонару // 100 років Карадагской наукової станції ім. Т.І. В'яземського. Сімферополь: Н. Орiанда. С. 734-747.

    Морозова А.Л., Вронський А.А. 1989. Природа Карадага. Київ: Наукова думка. 286 з.

    Сисуєв В.В. 2003. Фізико-математичні основи ландшафтознавства. М .: Географічний факультет МГУ. 175 з.

    Трансформація ландшафтно-екологічних процесів в Криму в ХХ столітті - початку XXI століття. 2010. Сімферополь: ДОЛЯ. 304 з.

    Швецов Є.Г., Ружичка З., Миронов В.Л. 2013. Дослідження застосовності даних супутника SMOS для оцінки рівня пожежної небезпеки на території Красноярського краю // Вісник СібГАУ. № 2 (48). С. 110-115.

    Bohner J., Selige T. 2006. Spatial prediction of soil attributes using terrain analysis and climate regionalization // Gottinger Geographische Abhandlungen. Vol. 115. Р. 13-27.

    Carlson T. 2007. An Overview of the "Triangle Method" for Estimating Surface Evapotranspiration and Soil Moisture from Satellite Imagery // Sensors. Vol. 7. P. 1612-1629.

    Ceccato P., Gobron N., Flasse S., Pinty B., Tarantola S. 2002. Designing a spectral index to estimate vegetation water content from remote sensing data: Part 1. Theoretical approach // Remote Sensing of Environment. Vol. 82. Р. 188-197.

    Dobson M.C., Ulaby F.T. 1985. Active microwave soil moisture research // IEEE Transactions on Geoscience and Remote Sensing. Vol. GE-24. No. 1. P. 23-36.

    Escorihuela M.J., Quintana-Segui P. 2016. Comparison of remote sensing and simulated soil moisture datasets in Mediterranean landscapes // Remote Sensing of Environment. Vol. 180. P. 99-114.

    Gao B.-C. 1996. NDWI - A normalized difference water index for remote sensing of vegetation liquid water from space // Remote Sensing of Environment. Vol. 58 (3). P. 257-266.

    Ghulam A., Li Z.-L., Qin Q., Yimit H., Wange J. 2008. Estimating crop water stress with ETM + NIR and SWIR data // Agricultural and Forest Meteorology. Vol. 148. P. 1679-1695.

    Gillon D., Dauriac F., Deshayes M., Valette J.C., Moro C. 2004. Estimation of foliage moisture content using near infrared reflectance spectroscopy // Agricultural and Forest Meteorology. Vol. 124. P. 51-62.

    Maki M., Ishiahrab M., Tamura M. 2004. Estimation of leaf water status to monitor the risk of forest fires by using remotely sensed data // Remote Sensing of Environment. Vol. 90. Р. 441-450.

    Moran M.S., Clarke T.R., Inoue Y., Vidal A. 1994. Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index // Remote Sensing of Environment. Vol. 49. P. 246-263.

    Nijland W., Coops NC, Macdonald SE, Nielsen SE, Bater CW, White B., Ogilvie J., Stadt J. 2015. Remote sensing proxies of productivity and moisture predict forest stand type and recovery rate following experimental harvest // Forest Ecology and Management. Vol. 357. P. 239-247.

    Peuelas J., Filella I., Biel C., Serrano L., Sav R. 1993. The reflectance at the 950-970 nm region as an indicator of plant water status // International Journal of Remote Sensing. Vol. 14 (10). P. 1887-1905.

    Sadeghi M., Babaeian E., Tuller M., Jones S.B. 2017. The optical trapezoid model: A novel approach to remote sensing of soil moisture applied to Sentinel-2 and Landsat-8 observations // Remote Sensing of Environment. Vol. 198. P. 52-68.

    Seneviratne S.I., Corti T., Davin E.L., Hirschi M., Jaeger E.B., Lehner I., Orlowsky B., Teuling A.J. 2010. Investigating soil moisture-climate interactions in a changing climate: A review // Earth-Science Reviews. Vol. 99 (3-4). P. 125-161.

    Yebra M., Dennison P.E., Chuvieco E., Riano D., Zylstra P., Hunt Jr. E.R., Danson F.M., Qi Y., Jurdao S .. 2013. A global review of remote sensing of live fuel moisture content for fire danger assessment: Moving towards operational products // Remote Sensing of Environment. Vol. 136. P. 455-468.

    Wigneron J.-P., Chanzy A., Calvet J.-C., Bruguier N. 1995. A Simple Algorithm to Retrieve Soil Moisture and Vegetation Biomass Using Passive Microwave Measurements over Crop Fields // Remote Sensing of Environment. Vol. 51. No. 3. P. 331-341.


    Ключові слова: Карадазький заповідник / вологість грунтово-рослинного покриву / NDWI / семиаридние ландшафти Криму.

    Завантажити оригінал статті:

    Завантажити