Моделирование зависимости нормализованного вегетационного индекса от атмосферных и водных показателей в Киркуке

  • Авторы: Тырсин А.Н.1,2, Хасан Х.А.1
  • Учреждения:
    1. Уральский федеральный университет имени первого Президента России Б.Н. Ельцина
    2. Научно-инженерный центр «Надежность и ресурс больших систем и машин» Уральского отделения РАН
  • Выпуск: № 2 (2023)
  • Страницы: 33-42
  • Раздел: Статьи
  • URL: https://ered.pstu.ru/index.php/amcs/article/view/3835
  • DOI: https://doi.org/10.15593/2499-9873/2023.2.03
  • Цитировать

Аннотация


Климатические условия и растительный покров относятся к важнейшим факторам среды, от которых зависит существование жизни на нашей планете. Изменение климата и военные действия привели к прогрессирующей деградации земель в Республике Ирак. В результате этого сокращается площадь пашни, снижается плодородие почвы, происходит засоление и опустынивание почв, вытеснение травянистых растений кустарниками. 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. Рассмотрены вопросы анализа взаимосвязи между растительным покровом и климатическими условиями в провинции Киркук Республики Ирак. Для оценки состояния и распределения растительного покрова использован нормализованный вегетационный индекс. Популярность использования этого индекса 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. Изучена взаимосвязь между нормализованным вегетационным индексом и атмосферными и водными показателями местного уровня в провинции Киркук в Республике Ирак в течение 12 лет - с 2010 по 2021 г., а также осуществлен поиск математической модели, с помощью которой можно прогнозировать растительный покров на ближайшие годы. через некоторые климатические показатели, влияющие на растительный покров. Построена регрессионная зависимость нормализованного вегетационного индекса от климатических условий, исследованы ее показатели качества. Показано, что полученная математическая модель может использоваться для прогнозирования нормализованного вегетационного индекса. Результаты прогнозирования по модели для 2022 г. оказались удовлетворительными.

Полный текст

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].

Об авторах

А. Н. Тырсин

Уральский федеральный университет имени первого Президента России Б.Н. Ельцина; Научно-инженерный центр «Надежность и ресурс больших систем и машин» Уральского отделения РАН

Х. А.М Хасан

Уральский федеральный университет имени первого Президента России Б.Н. Ельцина

Список литературы

  1. 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.
  2. 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.
  3. Черепанов А.С. Вегетационные индексы: справочные материалы // Геоматика. - 2011. - № 2. - С. 98-102.
  4. 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.
  5. 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.
  6. 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.
  7. Crippen R.E. Calculating the vegetation index faster // Remote Sensing of Environment. - 1990. - Vol. 34. - Р. 71-73.
  8. Martin P. Linear Regression: An Introduction to Statistical Models. - London: SAGE Publications Ltd. 2022. - 200 p. - (Series: The SAGE Quantitative Research Kit).
  9. 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).
  10. Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. - М.: Экзамен, 2003. - 510 с.
  11. 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.

Статистика

Просмотры

Аннотация - 105

PDF (Russian) - 119

Ссылки

  • Ссылки не определены.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах