Опыт применения дистанционного зондирования растительности при исследовании динамики экосистем российской Арктики



В статье рассматривается опыт применения технологий дистанционного зондирования в исследовании экосистем Арктики. Существенное внимание уделено видам реакции экосистем Арктики на изменение климата. Приведена теоретическая основа использования индекса NDVI, выделены существующие космические аппараты, предоставляющие необходимые данные. Установлено, что проблемы используемых моделей не позволяют однозначно предсказать будущие изменения.

Ключевые слова: дистанционное зондирование Земли, экосистемы Арктики, NDVI, продуктивность экосистемы, спектральные характеристики

The article considers the experience of using remote sensing technologies in the Arctic ecosystems study. Considerable attention is paid to the types of Arctic ecosystems response to the climate change. The theoretical basis for using the NDVI index is given, spacecraft providing the necessary data are identified. The problems of the models used are established not to allow one to unambiguously predict future changes.

Keywords: Earth remote sensing, Arctic ecosystems, NDVI, ecosystem productivity, spectral characteristics

Низкие температуры воздуха и почвы, вечная мерзлота, короткий вегетационный период и ограниченная продуктивность растительности характеризуют арктические экосистемы. Считается, что эти экосистемы особенно чувствительны к нарушению, которое представляет собой «изменение растительности или субстрата, вызванного каким-либо внешним фактором» [27, с. 4551–4570].

Изменение климата в Арктике за последние полвека обрело драматический характер: полярные пустыни и тундры подвержены серьезной трансформации из-за увеличенных темпов повышения температуры по сравнению со среднемировыми [4, с. 76–81; 8, c. 75–86; 16, c. 1045–1055; 28, с. 24–37], а также других факторов, таких как изменения водного режима и хозяйственной деятельности. Эти и производные явления, таких как изменения глубины вечной мерзлоты, влажности почвы, а также переноса воды и питательных веществ в арктических регионах могут изменить конкурентные преимущества различных видов и модифицировать состав экосистем и характеристики растительного покрова [20, c. 159–207] Воздействие на экосистемы и их функции могут иметь потенциальные последствия для местных жителей и мирового сообщества, что неоднократно констатировалось последним [22, c. 1429; 4, с. 76–81].

Реакция экосистем на потепление в Арктике обладает свойством проявляться как в негативном, так и в позитивном ключе в зависимости от изменений режима нарушения, распространённости растительности и продуктивности экосистем. Например, понижение альбедо лесной растительности по сравнению с таковым показателем тундры ведет к положительному изменению температуры [7; 10, с. 657–660; 19, с. 1130–1132]. С другой стороны, увеличенная продуктивность арктической растительности в связи с повышением температуры приводит к увеличению темпов фиксации углекислого газа в процессе фотосинтеза, что негативно влияет на дальнейшее повышение температуры [11, c. 1–29; 20, c. 159–207]. Засуха может изменить этот эффект обратной связи, обусловив как процессы потепления и увеличения продуктивности, так и установления баланса между валовым фотосинтезом и затратами на дыхание растений [9, с. 347–365; 13, c. 57–92]. Относительная важность этих конкурирующих обратных связей, а, следовательно, кумулятивный эффект динамики изменения арктической растительности в описанной климатической системе до сих пор малоизвестна.

Учитывая последствия изменений, скудость наблюдений в тундровых экосистемах [8, c. 75–86] по сравнению с другими регионами земного шара и резкий и быстрый характер некоторых из наблюдаемых изменений [6, c. 144], существует острая необходимость оценки типа и масштабов нынешних и будущих изменений в тундровых регионах.

Цель данной статьи — рассмотрение применимости методики дистанционного зондирования при исследовании динамики экосистем, а именно интенсивности фотосинтеза на территории российского сегмента Арктики, и поиск корреляции результатов независимых исследований по указанной тематике.

Метод дистанционного зондирования растительности.

Дистанционное зондирование может выявлять и отслеживать изменения в арктической растительности в различных пространственных и временных масштабах. Уникальные спектральные характеристики растительности, обусловленные её химическими и структурными особенностями, делают возможным биофизическое дистанционное зондирование: она поглощает, отражает и передает электромагнитное излучение совершенно иным образом, чем другие природные и антропогенные поверхности. Контраст между поглощением хлорофилла видимых длин волн и сильным отражением в ближней инфракрасной (NIR) области привел к разработке многочисленных индексов вегетации (VI), которые обеспечивают средство количественного измерения некоторых биофизических параметров [17, c. 44–68; 14].

Большинство SVI — спектральных вегетационных индексов — используют вышеуказанный контраст между красным и ближним инфракрасным отражением зеленых листьев и позволяют следить за такими параметрами, как зеленая биомасса и поглощенная фотосинтетически активная радиация. Методы обычно включают разность или отношение этих двух спектральных диапазонов. Наиболее распространенным индексом является нормализованный разностный индекс растительности (NDVI). Этот показатель получают путем деления разницы между коэффициентом отражения вблизи инфракрасного излучения (NIR) и коэффициентом отражения красного света (RED) на сумму этих двух коэффициентов [20, c. 125–132]:

NDVI также является наиболее широко используемым SVI в биофизических исследованиях дистанционного зондирования для районов арктической тундры и в значительной степени связан с растительными биофизическими свойствами на исследуемом участке. Акцент на NDVI отчасти является следствием того, что этот SVI является предпочтительным индексом в других экосистемах и потому что стандартные продукты сенсора AVHRR, обеспечивающие глобальный охват поверхности Земли, основаны на NDVI. Данный индекс, как правило, менее чувствителен к изменениям освещенности и фоновых условий почвы, чем простое соотношение между инфракрасным и красным отражением. Кроме того, относительно непрерывный покров и преобладание зеленых листьев среди арктической тундровой растительности могут объяснить его общее и успешное использование в прошлых исследованиях

Самые крупные комплексы архивных данных дистанционного зондирования связаны с многоспектральным сканером Landsat (с 1972 по настоящее время) и NOAA AVHRR (с 1982 года по настоящее время). Однако пространственные, спектральные и радиометрические характеристики точности этих систем далеки от оптимальных. Только недавно были проведены долговременные наблюдения с высоким пространственным разрешением.

В настоящее время получение данных для расчета NDVI возможно со спутниковых аппаратов, таких как AVHRR (усовершенствованный радиометр с очень высокой разрешающей способностью), MODIS (сканирующий спектрорадиометр среднего разрешения), а также различных датчиков Landsat, которые захватывают спектральную информацию в нескольких широких спектральных диапазонах. NDVI предоставляет возможности для мониторинга изменений объемов зелёной растительности и интенсивности фотосинтеза в широких пространственных и относительно длинных временных масштабах. Поэтому этот индекс часто используется для оценки изменений растительности в высокоширотных средах.

Алгоритмы обработки и использования пакетных спутниковых данных широко представлены в зарубежной литературе [18, c. 2333–2363]. Обычно исчерпывающие материалы предоставляются совместно с программным обеспечением для работы с теми или иными данными. Подробный доклад на русском языке сделан коллективом авторов Greenpeace [2, с. 40–71], где описаны методы визуального дешифрования, операции со спектральными каналами, оценки точности результатов и некоторые другие аспекты методики.

Анализ результатов независимых исследований.

В качестве сравнения использовались результаты исследований динамики «позеленения» Арктики А. А. Тишкова и А. Н. Кренке мл., 2015 и обзорный труд коллектива авторов под руководством Scott J. Goetz, 2010, касающийся последних изменений евразийской Арктики. Объект и предмет данных исследований совпадали, перекрёстные ссылки не были найдены, что позволяет считать исследования независимыми. Единственное, что использовалось в обеих работах — спутниковые данные со спутниковых аппаратов MODIS, AVHRR и Landsat.

Ключевое различие, влияющее на дальнейшее сопоставление, заключается в том, что в то время как Тишков большое внимание уделяет причинам трансформации экосистем Арктики, в частности, вводит собственную классификацию, то Goetz ставит акцент на моделировании будущих событий вплоть до 2500 года, рассматривая различные сценарии. Объединяя эти две парадигмы — причины изменений и их дальнейшее развитие — можно говорить о существовании единого лейтмотива — расширении границы ареалов зелёных растений, в частности, продвижении границы леса на север. Оба авторы едины во мнении о высокой эффективности применения NDVI к экосистемам Арктики и возможности оценки трендов изменений экосистем по такому интегральному показателю, как продуктивность: Goetz пишет о больших возможностях экстраполяции полученных данных и высказывает предположение об увеличении исследуемых факторов с развитием технологий.

Интересным различием результатов исследований является осторожность оценок Тишкова относительно будущей трансформации экосистем российской Арктики. Он указывает на равенство прироста площадей «продуктивного» и «малопродуктивного» ландшафтного покрова, тем самым говоря о неизменности общей продуктивности экосистем Арктики в период 2000–2013 гг. Гипотез о будущем состоянии Арктики автор не выдвигает. В то же время, Goetz с большой долей уверенности утверждает, что существующая динамика сукцессии экосистем Арктики будет сохраняться; по его мнению, северная граница леса будет неостановимо продвигаться с повышением биоразнообразия растительных сообществ, хотя и пишет о некоторых трудностях трактовки полученных результатов с неоднородной поверхности (грунта и лесного покрова).

Рис. 1. Изменение в структуре растительного покрова Северной Евразии относительного современного состояния в связи с будущем потеплением на 2^оC по 4 сценариям: (a) 10-процентильный «холодный», (b) равновесный средний, (c) средний, and (d) 90-процентильный «тёплый». Для полной информации — [12].

Заключение.

Спутниковые снимки и информация, полученная в результате этих наблюдений, стали абсолютно необходимой для мониторинга отдаленных районов Арктики, особенно с учетом обширного географического охвата и сравнительно небольшого числа полевых измерений в этой обширной области, хотя данный метод обладает различной эффективность в зависимости от выбранных объектов исследования. Текущая запись спутниковых данных, особенно из AVHRR и Landsat, в настоящее время имеет достаточную продолжительность (30 лет) для проведения значимого анализа межгодовой изменчивости и тенденций в продуктивности растительных сообществ.

Использование NDVI в качестве визуализации различных процессов в экосистемах находит широкое распространение среди исследователей благодаря широкому спектру приложения получаемых результатов и возможности внесения дополнительных уточняющих величин в расчеты при специфических условиях анализа (например, разреженная растительность, рыхлые грунты, etc.).

Распределение распространения растительности, миграции деревьев и реакции тундровой растительности на потепление климата в настоящее время способны фиксировать логические переходы и изменение производительности, соответствующее ожиданиям в условиях потепления климата, однако необходимы существенные уточнения используемых моделей.

Литература:

1. Зеленина Л. И., Федькушова С. И. Прогнозирование и последствия изменения климата Арктического региона // Арктика и Север. 2012. № 5.
2. Комарова А. Ф., Журавлева И. В., Яблоков В. М. Открытые мультиспектральные данные и основные методы дистанционного зондирования в изучении растительного покрова // Принципы экологии. 2016. № 1(17). С. 40–71.
3. Тишков А. А., Кренке мл. А. Н. «Позеленение» Арктики в ХХI в. как эффект синергизма действия глобального потепления и хозяйственного освоения // Арктика: экология и экономика. 2015. № 4. C. 28–37.
4. Цатуров С. Ю., Клепиков А. В. Современное изменение климата Арктики: результаты нового оценочного доклада Арктического совета // Арктика: экология и экономика. 2012. № 8. С. 76–81.
5. Achard F., Eva H. D., Mollicone D., Beuchle R. (2008) The effect of climate anomalies and human ignition factor on wildfires in Russian boreal forests. Philos Trans R Soc Lond B.
6. ACIA (2004) Impacts of a warming Arctic. In: Hassol SJ (ed) Arctic climate impact assessment overview report. Cambridge University Press, Cambridge, p. 144.
7. Bala G., Caldeira K., Wickett M., Phillips T. J., Lobell D. B., Delire C., Mirin A. (2007) Combined climate and carbon-cycle effects of large-scale deforestation. Proc Natl Acad Sci USA.
8. Callaghan T. V., Johansson M., Key J. et al. Feedbacks and interactions: From the Arctic cryosphere to the climate system // Ambio. — 2011. — Vol. 40. — P. 75–86.
9. Chapin F. S. III, Bret-Harte M. S., Hobbie S. E., Zhong H. (1996) Plant functional types as predictors of transient responses of Arctic vegetation to global change. J Veg Sci 7:347–358.
10. Chapin F. S. III, Sturm M., Serreze M. C., McFadden J. P., Key J. R., Lloyd A. H., McGuire A. D., Rupp T. S., Lynch A. H., Schimel J. P., Beringer J., Chapman W. L., Epstein H. E., Euskirchen E. S., Hinzman L. D., Jia G., Ping C. L., Tape K. D., Thompson C. D. C., Walker D. A., Welker J. M. (2005). Role of land-surface changes in Arctic summer warming. Science 310:657–660.
11. Field C. B., Lobell D. B., Peters H. A., Chiariello N. R. (2007) Feedbacks of terrestrial ecosystems to climate change. Ann Rev Environ Resour 32:1–29.
12. Goetz S. J., Mack M. C., Gurney K. R., Randerson J. T., Houghton R. A. (2007) Ecosystem responses to recent climate change and fire disturbance at northern high latitudes: observations and model results contrasting Northern Eurasia and North America. Environ Res Lett 2(4).
13. Goetz S. J., Prince S. D. (1999) Modeling terrestrial carbon exchange and storage: evidence and implications of functional convergence in light use efficiency. Adv Ecol Res 28:57–92.
14. Jensen J. R. 2007. Remote sensing of the environment: An earth resource perspective. Upper Saddle River, NJ: Prentice Hall.
15. Kasischke E. S., Stocks B. J. (eds) (2000) Fire, climate change and carbon cycling in the boreal forest. Springer, New York.
16. Kaufman Y. J., Herring D. D., Ranson K. J., Collatz G. J. Earth Observing System AMI mission to Earth // IEEE Trans. Geosci. Remote Sens. 1998. Vol. 36, № 4: 1045–1055.
17. Laidler G. J., and Treitz P. 2003. Biophysical remote sensing of Arctic environments. Progress in Physical Geography 27: 44–68.
18. Petrou Z. I., Manakos I., Stathaki T. Remote sensing for biodiversity monitoring: a review of methods for biodiversity indicator extraction and assessment of progress towards international targets // Biodiversity and Conservation. 2015. Vol. 24. № 10. P. 2333–2363.
19. Randerson J. T., Liu H., Flanner M. G., Chambers S. D., Jin Y., Hess P. G., Pfister G., Mack M. C., Treseder K. K., Welp L. R., Chapin F. S., Harden J. W., Goulden M. L., Lyons E., Neff J. C., Schuur E. A. G., Zender C. S. (2006) The impact of boreal forest fire on climate warming. Science 314(5802):1130–1132.
20. Sandlersky R., Puzachenko Y. G. 42. Dynamic of landscape energetic characteristics based on remote sensing data // The Problems of Landscape Ecol. — 2011. — Vol. 333: 125–132.
21. Serreze M. C., Walsh J. E., Chapin F. S., Osterkamp T., Dyurgerov M., Romanovsky V., Oechel W. C., J. Morison W. C., Zhang T., Barry R. G. (2000) Observational evidence of recent change in the Northern high-latitude environment. Clim Change 46(1–2):159–207.
22. Smith L. C., Sheng Y., MacDonald G. M., Hinzman L. D. Disappearing Arctic Lakes // Science. 2005. Vol. 308(5727). P. 1429.
23. Schuur E. A. G., Vogel J. G., Crummer K. G., Lee H., Sickman J. O., Osterkamp T. E. (2009) The effect of permafrost thaw on old carbon release and net carbon exchange from tundra. Nature 459(7246):556–559.
24. Soja A. J., Tchebakova N. M., French N. H. F., Flannigan M. D., Shugart H. H., Stocks B. J., Sukhinin A. I., Parfenova E. I., Chapin F. S. III, Stackhouse P. W. Jr. (2007) Climate-induced boreal forest change: preditions versus current observations. Glob Planet Change 56:274–296.
25. Stow D. A.; Hope A.; McGuire D.; Verbyla D.; Gamon J.; Huemmrich F.; Houston S.; Racine C.; Sturm M.; Tape K.; et al. Remote sensing of vegetation and land-cover change in arctic tundra ecosystems. Remote Sens. Environ. 2004, 89, 281–308.
26. Tucker C. J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens. Environ. 1979, 8, 127–150.
27. Walker D., Gould W. A., Maier H. A., and Raynolds M. K. 2002. The circumpolar Arctic vegetation map: AVHRR derived base maps, environmental controls, and integrated mapping procedures. International Journal of Remote Sensing 23(21):4551–4570.
28. Рязанова Н. Е., Соломатов А. С., Сазонов А. А., Никольский Н. В., Колодкин П. А., Кукушкин В. М., Куликов М. Е. Натурные гидрометеорологические исследования в экспедиционных условиях в Арктической зоне / Комплексная научно-образовательная экспедиция «Арктический плавучий университет — 2016»: [материалы экспедиции]: [16+] / ФГАОУ ВО «Сев. (Аркт.) федер. ун-т им. М. В. Ломоносова», ФГБУ «Сев. упр. по гидрометеорологии и мониторингу окр. среды», Всерос. обществ. орг. Ар- ханг. центр всерос. обществ. орг. «Рус. геогр. о-во»; [сост. и отв. ред.: канд. ист. наук К. С. Зайков, канд. геогр. наук Д. Ю. Поликин]. — Архангельск: КИРА, 2016. — 175 с.: табл., рис. с. 24–37.