Modeling dependence of normalized difference vegetation index on atmospheric and water indicators in Kirkuk
- Authors: Tyrsin A.N.1,2, Hasan H.A.1
- Affiliations:
- Ural Federal University
- Science and Engineering Center "Reliability and Resource of Large Systems and Machines", Ural Branch of the Russian Academy of Sciences
- Issue: No 2 (2023)
- Pages: 33-42
- Section: ARTICLES
- URL: https://ered.pstu.ru/index.php/amcs/article/view/3835
- DOI: https://doi.org/10.15593/2499-9873/2023.2.03
- Cite item
Abstract
Climatic conditions and vegetation cover are among the most important environmental factors on which the existence of life on our planet depends. Climate change and military actions have led to progressive land degradation in the Republic of Iraq. As a result, the area of arable land is reduced, soil fertility is reduced, salinization and desertification of soils occur, and the displacement of herbaceous plants by shrubs. To solve the urgent problem of stopping land degradation, it is necessary to study the causes of this and find appropriate solutions by predicting the state of vegetation cover and create a comprehensive monitoring system for quantifying vegetation degradation. The issues of analysis of the relationship between vegetation cover and climatic conditions in the province of Kirkuk of the Republic of Iraq are considered. The Normalized difference vegetation index was used to assess the condition and distribution of the vegetation cover. The popularity of using this index is explained by the fact that it usually correlates with many indicators of the state of the ecosystem, including temperature, precipitation, humidity, evaporation and mineral or organic saturation of the soil, productivity and biomass of vegetation, etc. The purpose of the article is to study the relationship between the normalized difference vegetation index and atmospheric and water indicators of the local level in the province of Kirkuk in the Republic of Iraq for 12 years from 2010 to 2021, as well as to search for a mathematical model that can be used to predict vegetation cover for the coming years. through some climatic indicators that affect vegetation cover. A regression dependence of the normalized difference vegetation index on climatic conditions was built, its quality indicators were studied. It is shown that the resulting mathematical model can be used to predict the normalized difference vegetation index. The results of forecasting by the model for the next 2022 turned out to be satisfactory.
Full Text
Климатические условия и растительный покров относятся к важнейшим факторам среды, от которых зависит существование жизни на нашей планете. Поэтому изучение изменений климата и их влияния на количество и качество растительного покрова, безусловно, является актуальной научной проблемой. Сельское хозяйство, наряду с нефтью, является одной из важнейших составляющих экономического благополучия Республики Ирак. Однако изменение климата и военные действия привели к прогрессирующей деградации земель, в результате которой сокращается площадь пашни, снижается плодородие почвы, происходит засоление и опустынивание почв, вытеснение травянистых растений кустарниками [1; 2]. Состояние растительного покрова фактически является индикатором благополучия сельскохозяйственных земель. Поэтому для решения актуальной проблемы прекращения деградации земель необходимо изучить причины этого и найти соответствующие решения путем прогнозирования состояния растительного покрова и создать всеобъемлющую систему мониторинга для количественной оценки деградации растительности. Этот мониторинг должен опираться на объективную информацию о территориально-временной изменчивости состояния растительного покрова.Одним из наиболее распространенных показателей продуктивности наземной растительности является нормализованный вегетационный индекс (Normalized difference vegetation index – NDVI) [3; 4]где ρnir – значения спектральной яркости пикселя в ближнем инфракрасном диапазоне;ρred – в красном диапазоне электромагнитного спектра, по данным, получаемым с различных спутников.Популярность использования индекса NDVI объясняется тем, что он обычно коррелирует со многими показателями состояния экосистемы, включая температуру, объем выпавших осадков, влажность, испаряемость и минеральную или органическую насыщенность почвы, продуктивность и биомассу растительности и др. Однако не существует универсальной зависимости между показателями состояния экосистемы и значениями NDVI [5]. Индекс NDVI определяется конкретными климатическими и экологическими характеристиками и является количественной оценкой фотосинтетически активной биомассы и плотности растительности на заданном участке исследуемой территории.Считывая волны инфракрасного света, отраженные от растений, NDVI может сигнализировать о стрессах для здоровья растений, таких как надвигающаяся засуха, за много недель до того, как проблемы станут видны невооруженным глазом. Специалисты сельскохозяйственной отрасли могут воспользоваться такими заблаговременными предупреждениями. Значения NDVI позволяют четко отделять и анализировать растительные объекты от прочих природных объектов, а также могут выявлять положительные признаки урожая, предупреждая участников рынка, логистические компании и других лиц о необходимости подготовиться к большому урожаю [6; 7].Цель этого исследования – изучение взаимосвязи между NDVI и атмосферными и водными показателями местного уровня в провинции Киркук в Республике Ирак в течение 12 лет – с 2010 по 2021 г., а также поиск математической модели, с помощью которой можно прогнозировать растительный покров на ближайшие годы через некоторые климатические показатели, влияющие на растительный покров. Это позволит избежать бедствий, связанных с засухой, опустыниванием и пыльными бурями, которые душат Ирак и соседние страны из-за неспособности разработать надлежащие решения по борьбе с опустыниванием. Взаимосвязь будем моделировать в форме многомерной линейной регрессионной зависимости [8].About the authors
A. N. Tyrsin
Ural Federal University; Science and Engineering Center "Reliability and Resource of Large Systems and Machines", Ural Branch of the Russian Academy of Sciences
H. A.M Hasan
Ural Federal University
References
- Bai Z.G., Dent D.L., Olsson L., Schaepman M.E. Proxy global assessment of land degradation // Soil Use and Management. - 2008. - Vol. 24, no. 3. - P. 223-234.
- Мониторинг состояния растительного покрова территории Центрального Ирака с использованием спутниковых данных LANDSAT-8 / О.С. Токарева, О.А. Пасько, С.М. Маджид, П. Кабраль // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2020. - Т. 331, № 6. - С. 19-31.
- Черепанов А.С. Вегетационные индексы: справочные материалы // Геоматика. - 2011. - № 2. - С. 98-102.
- Monitoring vegetation systems in the Great Plains with ERTS /j.W. Rouse, R.H. Haas, J.A. Scheel, D.W. Deering // 3rd Earth Resource Technology Satellite (ERTS) Symposium. Proc. Conf. USA, Washington. - 1973. - Vol. 1. - P. 309-317.
- An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data / C.J. Tucker, J.E. Pinzon, M.E. Brown, D.A. Slayback, E.W. Pak, R. Mahoney, E.V. Vermote, N. El Saleous // International Journal of Remote Sensing. - 2005. - Vol. 26, № 20. - P. 4485-4498.
- Лиджиева Н.Ц., Уланова С.С., Федорова Н.Л. Опыт применения индекса вегетации (NDVI) для определения биологической продуктивности фитоценозов аридной зоны на примере региона Черные земли // Известия Саратовского университета. - 2012. - Т. 12. Серия: Химия. Биология. Экология. - Вып. 2. - С. 94-96.
- Crippen R.E. Calculating the vegetation index faster // Remote Sensing of Environment. - 1990. - Vol. 34. - Р. 71-73.
- Martin P. Linear Regression: An Introduction to Statistical Models. - London: SAGE Publications Ltd. 2022. - 200 p. - (Series: The SAGE Quantitative Research Kit).
- Iraq Country Water Resource Assistance Strategy. Addressing Major Threats to People’s Livelihoods. Report No. 36297-IQ [Электронный ресурс]. - 2006. - 97 p. - URL: https://openknowledge.Worldbank.org/server/api/core/bitstreams/5e7578fd-c02e-56d1-b355-d49854240f5f/content (дата обращения 11.05.2023).
- Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. - М.: Экзамен, 2003. - 510 с.
- Тырсин А.Н. Алгоритмы спуска по узловым прямым в задаче оценивания регрессионных уравнений методом наименьших модулей // Заводская лаборатория. Диагностика материалов. - 2021. - Т. 87, № 5. - С. 68-75.
Statistics
Views
Abstract - 109
PDF (Russian) - 119
Refbacks
- There are currently no refbacks.