Оценка опустынивания земель методами ДЗЗ

В данной статье рассмотрены ключевые методы оценки опустынивания. Прогнозирование опустынивания играет ключевую роль в борьбе с глобальным экологическим кризисом, помогая определять уязвимые регионы, оперативно решать проблемы, и принимать меры для сохранения плодородных земель и биологического разнообразия.

В современном мире проблема опустынивания становится все более актуальной. Изменение климата, непоследовательное использование земельных ресурсов и другие факторы приводят к деградации почв и потере плодородия. Однако, благодаря прогрессу в области дистанционного зондирования Земли (ДЗЗ), появляются новые методы для оценки и мониторинга опустынивания.

ДЗЗ – это метод изучения Земли с помощью специальных сенсоров, находящихся на спутниках, самолетах и беспилотных летательных аппаратов (БПЛА). Используя дистанционное зондирование, ученые смогли разработать инструменты и алгоритмы для определения уровня опустынивания и его прогнозирования. Это позволяет принимать эффективные меры по сохранению и восстановлению почвенных ресурсов.

Статья посвящена рассмотрению различных методов оценки опустынивания земель с использованием ДЗЗ. Мы рассмотрим принципы дистанционного зондирования и его роль в анализе и мониторинге опустынивания.

Понимание масштабов опустынивания и эффективность применения методов ДЗЗ являются важными шагами в сохранении природы и устойчивого развития. Благодаря дистанционному зондированию и применению передовых технологий, мы можем эффективно бороться с угрозой опустынивания и разрабатывать меры для восстановления и устойчивого использования земельных ресурсов.

Рис. 1. Спутниковые изображения пыльной бури на юге Европейской России 22 августа 2022 г.: а — MODIS Aqua, б — Sentinel-2B; красный контур — местоположение фрагмента спутникового изображения Sentinel-2

Дистанционное зондирование конкретных климатических и биогеографических параметров является эффективным средством оценки состояния масштабного опустынивания засушливых земель, подвергшихся негативному антропогенному воздействию.

Деградация земель становится одной из самых глобальных катастрофических проблем в контексте современного изменения климата и неконтролируемой антропогенной деятельности. Тем не менее, среди ученых нет четкого консенсуса относительно того, как бороться с опустыниванием и деградацией земель, а основные факторы, вызывающие эти явления, продолжают обсуждаться. В этой статье мы рассматриваем опустынивание как сокращение или полную потерю продуктивности земель, вызванную некоторым сочетанием эрозии почвы, деградации свойств почвы и долгосрочной утраты естественной растительности. За последнее столетие примерно 70% засушливых земель (т. е. полузасушливых, засушливых и сверхзасушливых земель) проявили признаки опустынивания, и среди все категорий землепользования — пахотные земли подвергаются наибольшему риску, при этом около 70% площади подверглись деградации.

Чрезвычайно масштабный характер деградации земель и опустынивания означает, что в последние десятилетия методы дистанционного зондирования широко применялись в качестве инструментов для оценки пространственных и временных тенденций. Разнообразный диапазон переменных и индексов, извлеченных из различных датчиков, таких как AVHRR (усовершенствованный радиометр с очень высоким разрешением), AVHRR-GIMMS (глобальная система мониторинга и моделирования инвентарных данных), MODIS (спектрорадиометр с визуализацией среднего разрешения, например ASTER, MISR, CERES, MOPITT), NOAA (национальное управление океанических и атмосферных исследований США) AVHRR или LANDSAT, среди прочего, использовались для оценки деградации земель и опустынивания. На основе этих источников были созданы большие базы данных, относящиеся к множеству свойств растительности и климата, включая нормализованный разностный индекс растительности (NDVI), изменения земного покрова, индекс площади листьев (LAI), температура поверхности земли (LST), междисциплинарные индексы, включающие альбедо и эвапотранспирацию (ET), эффективность использования воды (WUE), чистую первичную продукцию (NPP), расширенный вегетационный индекс (EVI), а также количество осадков и наборы данных о растительности.

Рис. 2. Карты Ирана, показывающие средние пространственные вариации ( а ) NDVI, нормализованного разностного вегетационного индекса; ( б ) NPP, чистая первичная продукция; ( в ) LAI, индекс поверхности листа; ( г ) LST, температура поверхности земли; д ) P – осадки за период 2001–2015 гг. Участки без растительности из-за чрезмерной засушливости исключены из анализа и показаны пустыми (например, пустыня Лут, Дашт-и-Кавир, некоторые дюны и другие поверхности пустыни).

Мультиспектральное изображение является важным инструментом для изучения опустынивания и изменений в землепользовании. Оно основано на использовании данных, полученных от спутников, которые наблюдают Землю в различных спектральных полосах, таких как видимый свет, инфракрасное излучение и радиочастоты. Каждая спектральная полоса предоставляет информацию о различных аспектах окружающей среды, таких как содержание хлорофилла, влажность почвы и состояние растительности.

Анализ мультиспектрального изображения позволяет исследователям определить области с недостаточной или отсутствующей растительностью и выявить признаки опустынивания. Это помогает в мониторинге изменений в зеленом покрове и оценке состояния экосистем.

Выявление изменений в землепользовании является существенным аспектом изучения опустынивания. Этот метод основан на сравнении спутниковых изображений, полученных в разные временные периоды. Аналитики проводят сравнение различных характеристик земли, таких как текстура, цвет, форма и другие параметры.

При анализе изменений в растительности, почвенном покрове и распределении водных ресурсов можно выявить области с недостаточной или ухудшающейся растительностью. Увеличение площади обнаженной почвы и сокращение зеленого покрова могут свидетельствовать о процессе опустынивания. Такой подход помогает исследователям и руководителям принимать информированные решения по управлению землепользованием и борьбе с опустыниванием.

Лидар — это метод активного дистанционного зондирования, использующий лазерное излучение для измерения расстояния между объектами и лазерным сканирующим прибором. В контексте опустынивания лидар предоставляет информацию о трехмерной структуре поверхности Земли, плотности растительности и вертикальном профиле объектов.

Лидарные данные позволяют создавать точные цифровые модели рельефа, выявлять изменения в высоте поверхности, идентифицировать растительность различной высоты и выявлять области с недостаточной или затрудненной растительностью. Эта дополнительная информация о структуре и плотности растительности помогает более точно определить области, подверженные опустыниванию, и разработать соответствующие меры по сохранению и восстановлению экосистем.

Например, в Марокко было проведено исследование, в котором использовали лидар. Эта страна славится своими пустынными регионами, в частности – Сахарой. Исследователи использовали лазерные дальномеры для сканирования поверхности Земли.  Были сделаны лидарные съемки различных пустынных районов в Марокко, полученные данные были проанализированы для изучения распространения опустынивания.

Анализ лидарных данных позволил получить высокоточную информацию о высоте и структуре растительности, плотности растительного покрова и изменениях в ландшафте из-за опустынивания. Так же были вычислены ключевые показатели, такие как площади пустынного покрова, уровень деградации и изменения в структуре растительности.

Рис. 3 Данные, полученные с помощь. LIDAR

Результаты исследования показали усиление процессов опустынивания в ряде районов Марокко. Используя данные лидара, исследователи смогли выявить точные границы распространения пустынных зон и изменение их площади со временем. Это помогло лучше понять масштабы проблемы опустынивания и определить приоритетные меры по борьбе с ней.

Эти результаты имеют важное практическое значение для разработки стратегий устойчивого использования земель и ресурсов в пустынных регионах Марокко. Они могут быть использованы при планировании посадки деревьев и растений, внедрении техник сохранения влаги, создании противоэрозионных мер и других действий, направленных на предотвращение опустынивания и восстановление пустынных экосистем.

Геоинформационные системы (ГИС) играют важную роль в изучении опустынивания, поскольку они позволяют хранить, анализировать и визуализировать пространственные данные. В контексте изучения опустынивания ГИС позволяют интегрировать данные, полученные с помощью ДЗЗ и других источников, такие как данные о земельном покрове, климатические данные и гидрологическая информация.

Анализ данных с использованием ГИС включает составление карт растительности, определение динамики изменений в землепользовании, расчет показателей опустынивания и моделирование будущих сценариев развития. Это позволяет исследователям и управленцам принимать информированные решения и разрабатывать стратегии по предотвращению опустынивания и улучшению землепользования.

Индексы растительности, извлеченные из данных дистанционного зондирования, оказались особенно полезными для мониторинга изменений растительного покрова с течением времени. Недавние исследования показали высокую эффективность вегетационных индексов, таких как NDVI, NPP, LAI и EVI, для оценки пространственных и временных изменений в различных масштабах. Эти переменные обычно коррелируют с другими климатическими параметрами, такими как осадки, температура или испарение, которые полезны для оценки и прогнозирования потенциальной деградации земель в будущем. Тенденции временных рядов климатических и растительных индексов и отношения между ними исследовались многими авторами. Например, изображения с датчика Миссии по измерению осадков в тропиках (TRMM) использовались для изучения соответствия трендов растительности дождевым осадкам, в то время как другие изучали взаимосвязь между изменениями в землепользовании и температурой поверхности земли (LST). Оценка взаимосвязей между динамикой растительности и климатическими параметрами является проверенным мощным и эффективным средством определения того, представляют ли неизбежные изменения климата и неограниченная деятельность человека угрозу продовольственной безопасности и устойчивым обществам в быстро развивающихся регионах мира.

Для количественной оценки изменений растительного покрова на поверхности земли используют данные NDVI, например MODIS-TERRA; эти данные обычно используются для больших пространственных масштабов. Рассчитывались средние значения NDVI для каждого сезона: весна, лето, зима, осень; пиксели с NDVI> 0 обозначают участки с растительностью, пиксели с NDVI <0 показывают участки без растительности. Такие пиксели обычно исключают из дальнейшего анализа, чтобы уменьшить влияние голой земли, снежного покрова и воды.

Общее количество углекислого газа, производимого растениями, обычно называют NPP и определяют как разницу между количеством кислорода и дыханием, которую также называют чистой продукцией экосистемы. NPP ранее использовался для изучения опустынивания, связанного с изменением климата.

LAI указывает уровень активности растительности с точки зрения растительного покрова (%) и количество слоев листьев на единицу площади. Для получения этих параметров используют ежемесячные данные LAI полученные со спутников. LAI обладает большим потенциалом для моделирования глобальных экосистем.

LST является индексом, подходящим для изучения обмена энергией, связанного с процессами на поверхности земли в различных масштабах. Для оценки температуры поверхности земли на этих изображениях был применен алгоритм разделения окна для оптимизации столба водяного пара и температуры нижних слоев воздуха в атмосфере. Кроме того, пиксели, загрязненные облаками, исключают, чтобы гарантировать, что оцениваются только условия ясного неба, поскольку наше внимание сосредоточено на радиационном морозе.

Осадки (индекс P)

Индекс P показывает ежемесячные данные об осадках.

Рис. 4. Изменение размеров и границ пустыни Сахара в зависимости от климата и индексов растительности (NDVI). ( а ) Климатические зоны Северной Африки в среднем за 1950–2015 гг. Изменения южной границы пустыни Сахара на основе климатического индекса (LST) ( b ) наблюдений и ( c ) моделирования в течение 1950–2015 гг. и ( d ) моделирования в течение 2015–2050 гг. Наблюдаемые и смоделированные ( e ) временные ряды и ( f ) тенденция распространения пустыни, определяемая индексами климата и растительности. Столбики погрешностей в (f) указывают на одно стандартное отклонение из-за основанного на LAI критерия отсутствия растительности в диапазоне 0,08–0,12 м ² /м ².

Оптимальный подход к использованию данных дистанционного зондирования для мониторинга опустынивания заключается в комбинировании различных видов космической информации.

Цифровые тематические карты, полученные в результате классификации многозональных спутниковых изображений, содержат информацию о ландшафтных единицах, характеризующих процесс опустынивания.

Сопоставление информации высокого и среднего пространственного разрешения показало, что данные среднего разрешения позволяют выделять основные типы природных образований на исследуемой территории и могут быть использованы для мониторинга процессов опустынивания в региональном масштабе.

Рис. 5 Комбинированный метод мониторинга

Пространственные закономерности опустынивания земель

Для определения пространственных закономерностей потенциала опустынивания используются пять индексов, описанных ранее. Хотя каждый индекс может описывать аспект опустынивания, полезнее интегрировать несколько индексов сразу. Используя метод логической классификации и метод переклассификации, каждый из пяти индексов разделяют на пять классов, указывающих на очень низкий, низкий, умеренный, высокий и очень высокий потенциал опустынивания. Например, если логический подход объединяет самые низкие 20% пикселей среди NDVI, NPP, LAI и P с самыми высокими 20% значений LST, область может быть классифицирована как имеющая очень высокий (максимальный) потенциал опустынивания (таблица 1).

Класс №	NDVI (%)	АЭС (%)	LAI (%)	LST (%)	П (%)	Класс опустынивания
1	80–100	80–100	80–100	0–20	80–100	Очень низкий
2	60–80	60–80	60–80	20–40	60–80	Низкий
3	40–60	40–60	40–60	40–60	40–60	Умеренный
4	20–40	20–40	20–40	60–80	20–40	Высокий
5	0–20	0–20	0–20	80–100	0–20	Очень высоко

Таблица 1. Классы опустынивания земель, основанные на методе логической классификации для нормализованного разностного вегетационного индекса (NDVI), чистой первичной продукции (NPP), индекса листовой поверхности (LAI), температуры поверхности земли (LST) и осадков (P).

Благодаря спутниковым наблюдениям, которые в настоящее время обеспечивают получение данных в виде длительных временных рядов соответствующих параметров с относительно высоким пространственным разрешением (таким образом устраняется риск неправильной интерпретации естественных межгодовых колебаний), появляется новая возможность для изучения данных в много десятилетнем региональном масштабе, а также как изучение данных с повышенной степенью детализации для изучения временных и пространственных закономерностей в данных.

Применение

В 2020 г. на юге европейской части России из-за засухи и неконтролируемого роста поголовья овец и коз начались процессы опустынивания пастбищ, что привело к росту площади подвижных песков и других земель, лишённых растительного покрова.

Поэтому возникла необходимость мониторинга растительного покрова в определении закономерностей процессов опустынивания. Методы спутникового мониторинга фактически не имеют реальной альтернативы при оценке его динамики на больших территориях

В качестве источника данных выбраны спутниковые изображения с космических аппаратов Landsat-8, -9 и Sentinel-2 за период 2019–2022 гг. (рис. 4), когда площадь опустынивания резко увеличилась по сравнению с периодом до 2019 г. Данные Landsat имеют пространственное разрешение от 15 до 30 м, данные Sentinel имеют пространственное разрешение от 10 метров для синего, зеленого, красного и ближнего инфракрасного каналов и до 60 метров у прибрежного (coastal) и коротковолнового инфракрасного каналов (SWIR), что позволяет точнее определять границы очагов подвижных песков по сравнению с использованием изображений, получаемых спутниковыми системами MODIS (англ. Moderate Resolution Imaging Spectroradiometer) и VIIRS (англ. Visible Infrared Imaging Radiometer Suite). Спутниковые изображения Landsat второго уровня обработки, прошедшие радиометрическую калибровку и коррекцию атмосферных искажений, использовались для расчёта нормализованного разностного вегетационного индекса NDVI (англ. Normalized Difference Vegetation Index). Далее выполнялась совместная классификация изображений, включающих значения NDVI и коэффициента спектральной яркости в красном диапазоне длин волн. Подобный подход ранее уже показал достаточную точность выделения открытых песков.

Рис. 6. Спутниковые изображения массивов подвижных песков на пастбищах Калмыкии: а — 23.06.2019г; б — 09.06.2020г; в — 30.07.2021г; г — 31.05.2022г

Предварительно по спутниковым изображениям Sentinel-2 и данным сервиса Google Earth были картографированы соровые понижения и солончаки, лишённые растительного покрова в силу естественных причин, с целью их исключения из категории опустыненных земель. Также не оценивалась территория вдоль побережья Каспийского моря, так как растительность здесь отсутствует вследствие падения уровня воды в последнее десятилетие и соответствующего обнажения морского дна. Были исключены и пахотные земли. На каждый год использовалось пять спутниковых изображений (тайлы 169028, 169029, 170027, 170028, 170029). Даты снимков выбирались близкие к максимуму вегетации в мае и первой половине июня. Поскольку даты спутниковой съёмки в пределах года могли различаться, то сначала выполнялась классификация каждого изображения по отдельности, а затем составлялся результирующий растр на всю территорию исследований. Полевая верификация в ходе экспедиций в мае 2021 г. и в июне 2022 г. показала достаточную точность результатов обработки данных дистанционного зондирования Земли (ДЗЗ). Площадь опустынивания в 2022 г. показана на рис. 6.

Рис. 7. Площади открытых песков и дефлированных земель на 2022 г.: I — границы регионов; II — границы районов; III — особо охраняемые природные территории; IV — соры и солончаки; V — водоёмы; VI — участки без растительного покрова

В июне 2019 г. в регионе исследований отмечено 232,6 тыс. га опустыненных пастбищных земель.

Рис. 8. Изменение площадей опустынивания (по отношению к предыдущему году): I — переходящая площадь опустынивания, II — уменьшение, III — прирост; а — Астраханская обл., б — Республика Дагестан, в — Республика Калмыкия, г — Ставропольский край

Сравнение данных, полученные из космоса с ежегодным количеством осадков и поголовьем скота позволяют определить участки, на которых в первую очередь требуются мероприятия по фитомелиорации. Проведение фитомелиоративных работ по закреплению подвижных песков может существенно сократить площади открытых песков.

Рис. 9. Динамика сумм осадков (а) за ноябрь — май (чёрный цвет) и май — сентябрь (серый) по данным метеостанций «Яшкуль» (I) и «Южно-Сухокумск» (II). Динамика поголовья скота, приведённого к условным головам овец (б), в исследуемых районах Калмыкии (I), Ставропольского края (II) и Астраханской обл. (III)

Проведённые исследования показали стабилизацию процессов опустынивания в Северо-Западном Прикаспии в 2022 г. по сравнению с 2020–2021 гг. Тем не менее на юге Калмыкии, севере Дагестана и северо-востоке Ставропольского края ситуация остаётся опасной, что подтверждается пыльными бурями в августе 2022 г. Необходимо продолжение мониторинга состояния пастбищ в регионе и своевременное реагирование на рост угрозы необратимого опустынивания путём регулирования пастбищных нагрузок и фитомелиорации.

Это исследование подчеркивают важность масштаба в оценках опустынивания и, в частности, ценность данных с высоким разрешением. Ежегодно никаких существенных изменений не наблюдается ни в одном из пяти индексов, но существенные изменения (некоторые положительные, некоторые отрицательные) становятся очевидными на сезонной основе. В пространственном отношении также существует много местных и региональных различий, которые теряются, когда данные рассматриваются только в самом крупном национальном масштабе.

Пространственные и временные тренды, определенные с помощью трех индексов растительности и двух климатических индексов, обеспечивают экономически эффективную основу для прогнозирования и управления будущими экологическими трендами в развивающихся регионах, подверженных риску опустынивания.

Программа MEDALUS (Mediterranean Desertification And Land Use) представляет собой методологический подход для оценки опустынивания земель, который был разработан Глобальной программой ООН по окружающей среде (ЮНПЕ) и ЮНЕСКО. Целью этой программы является изучение процессов расчленения и деградации почвы, а также разработка стратегий и методов для предотвращения и контроля подобных процессов и обеспечения устойчивого землепользования.

Программа MEDALUS предлагает комплексный подход, который объединяет различные типы данных и методы анализа для получения всесторонней оценки опустынивания земель. Она использует данные о почвенных свойствах, климатической информации, геолого-геоморфологических характеристиках, растительности и использовании земли. Сбор этих данных осуществляется с помощью полевых измерений, исследований и использования доступных источников данных.

Собранные данные затем интегрируются с помощью географических информационных систем (ГИС), что позволяет объединить их в пространственной форме и проводить анализ на основе пространственных взаимосвязей. ГИС-инструменты и пространственное моделирование позволяют проводить анализ данных и выявлять уязвимые районы, степень риска деградации почвы и предсказывать изменения в использовании земли.

Рис 10. Пространственное распределение показателей качества почвы, растительности, климата и управления, полученных в исследовании опустынивания земель Китая с помощью Medalus. (а) Карта индекса качества почвы; (б) – карта индекса качества растительности; (c) карта индекса качества климата; (г) карта показателей качества управления.

Результаты анализа представляются в виде картографических продуктов, которые отображают уровень опустынивания и деградации земель на исследуемой территории. Карты позволяют определить области с повышенной уязвимостью, что помогает разрабатывать эффективные стратегии и меры для улучшения устойчивости землепользования и предотвращения дальнейшего расширения опустынивания. Эти стратегии могут включать меры по сохранению почвы, управлению водными ресурсами, зонированию использования земли и другими подходами, способствующими устойчивому развитию.

В целом, программа MEDALUS предоставляет систематическую и научно обоснованную оценку опустынивания земель, что является важным инструментом для планирования и принятия решений в области устойчивого землепользования. Результаты программы MEDALUS могут быть использованы не только исследователями и академическими сообществами, но и правительственными органами и международными организациями для разработки политик, стратегий и мероприятий по борьбе с опустыниванием и содействию устойчивому развитию в засушливых регионах.

Оценка опустынивания с использованием методов дистанционного зондирования Земли (ДЗЗ) является мощным инструментом для изучения и мониторинга процессов изменения пустынного покрова. В данной статье мы рассмотрели некоторые из основных методов и требований к съемке для проведения анализа опустынивания.

С помощью спутниковых и аэрокосмических снимков можно получить информацию о состоянии растительности и деградации земельных участков в пустынных регионах. Калибровка и предварительная обработка снимков обеспечивают точность и согласованность данных, что позволяет проводить надежные сравнительные анализы.

Использование индексов вегетации, включая такие показатели, как NDVI, позволяет выявлять изменения в покрове растительности и определять уровень опустынивания. Классификация растительности позволяет получить детализированную информацию о типах покрытия и изменениях в их распределении.

Важно отметить, что анализ опустынивания с использованием ДЗЗ должен учитывать не только изменения в растительной покрове, но и климатические, географические и антропогенные факторы, которые могут влиять на процессы деградации пустынных земель. Поэтому результаты анализа следует подтверждать дополнительными исследованиями на местности.

Благодаря своей способности охватывать большие территории и обеспечивать многолетние временные серии наблюдений, ДЗЗ предоставляет ценную информацию для планирования и принятия мер по предотвращению и контролю опустынивания. Это позволяет разработать устойчивые стратегии использования земель и ресурсов в пустынных регионах и смягчить воздействие глобального изменения климата на эти экосистемы.

В целом, использование методов ДЗЗ для оценки опустынивания является важным инструментом для сохранения и восстановления пустынных экосистем и стратегического планирования устойчивого использования земель. Он предоставляет непрерывные, объективные и доступные данные, которые помогают принимать информированные решения в борьбе с опустыниванием и содействуют достижению долгосрочной экологической устойчивости нашей планеты.

Российский национальный комитет содействия Программе ООН по окружающей среде (НП "Юнепком") - тематика опустынивание По ссылке