Прогноз экологического состояния земель субъектов Российской Федерации в целях устойчивого развития

Аннотация

По результатам исследования за опорный период с 2001 по 2020 гг. впервые построена электронная растровая карта экологического состояния земель субъектов Российской Федерации. Оценка проведена на основе характеристик первичной продукции фотосинтеза, выведенных из материалов дистанционного зондирования Земли из космоса в форме показателей «продуктивности», трансформации земель и динамики содержания органического вещества в почве. Частные оценки обобщены в виде интегрального индикатора достижения целей устойчивого развития — индикатора деградации земель ЦУР 15.3.1. Установлено, что к концу 2020 г. в Российской Федерации деградировали 2,2 млн км2 земель, что составляет 13% площади страны. 45% территории заняты стабильными, не изменившимися в течение 19 лет, землями. 41% территории относится к землям, улучшившимся за опорный период. Установлена статистически достоверная нелинейная закономерная связь индикатора экологического состояния земель в форме показателя доли недеградированных земель с учетом доли не установленных земель, определяемых в рамках процедуры оценки индикатора деградации земель ЦУР 15.3.1, с величиной удельных выбросов загрязняющих веществ в атмосферный воздух от стационарных источников, расположенных на территории субъекта. Установлена пороговая величина удельных выбросов от стационарных источников на уровне субъекта РФ, составившая 1610 кг·км-2. Вероятность превышения пороговой величины удельных выбросов составляет 37%. Риск роста деградации земель с ростом объемов выбросов характерен для 36% территориальных единиц РФ.

Литература

1.Андреева О.В., Куст Г.С. Оценка состояния земель в России на основе концепции нейтрального баланса их деградации // Известия РАН. Сер. географическая. 2020. Т. 84, № 5. https://doi.org/: 10.31857/S2587556620050052
2.Биологический энциклопедический словарь / Под ред. М.С. Гилярова. М., 1986.
3.Глазунов Г.П., Гендугов В.М., Евдокимова М.В. и др. Макроскопическая кинетика временной и пространственной изменчивости вегетационного индекса NDVI на территории заповедника «Ямская степь» в условиях загрязнения почвы тяжелыми металлами // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16, № 2. https://doi.org/:  10.21046/2070-7401-2019-16-2-111-127
4.Государственный доклад «О состоянии и охране окружающей среды в Красноярском крае в 2021 году». [Электронный ресурс]. 2022. URL: http://www.mpr.krskstate.ru
5.Григорьев М.Н., Разумов С.О., Куницкий В.В. и др. Динамика берегов восточных арктических морей России: основные факторы, закономерности и тенденции // Криосфера Земли. 2006. Т. 10, № 4.
6.Евдокимова М.В. Экологическая оценка состояния земель Европейской части России по материалам дистанционного зондирования Земли // Использование и охрана природных ресурсов в России. 2022. № 2.
7.Лапаева И.В., Андрианов В.А., Чевилева Д.Е. и др. Геоэкологические и геохимические особенности Волго-Уральских песков при техногенных нагрузках // Геология, география и глобальная энергия. 2018. № 2 (69).
8.Национальный доклад «Глобальный климат и почвенный покров России: опустынивание и деградация земель, институциональные, инфраструктурные, технологические меры адаптации (сельское и лесное хозяйство)» / Под ред. Р.С.-Х. Эдельгериева. Т. 2. М., 2019.
9.Национальный набор показателей ЦУР [Электронный ресурс]. 2022. URL: https://rosstat.gov.ru/sdg/national (дата обращения 28.11.2022)
10.Постановление Правительства Российской Федерации от 6 июня 2013 г. № 477 «Об осуществлении государственного мониторинга состояния и загрязнения окружающей среды» (в редакции постановлений Правительства Российской Федерации от 10.07.2014 № 639, от 03.08.2020 № 1168).
11.Постановление Правительства РФ № 149 «О разработке, установлении и пересмотре нормативов качества окружающей среды для химических и физических показателей состояния окружающей среды, а также об утверждении нормативных документов в области охраны окружающей среды, устанавливающих технологические показатели наилучших доступных технологий» от 13.02.2019.
12.Разумова Н.В., Разумов В.В., Молчанов Э.Н. Переувлажнение и подтопление почв и земель в центральном регионе России // Бюллетень Почвенного ин-та имени В.В. Докучаева. 2016. № 82.
13.Резолюция, принятая Генеральной Ассамблеей ООН 25.09.2015 г. A/RES/70/1 «Преобразование нашего мира: Повестка дня в области устойчивого развития на период до 2030 г.» [Электронный ресурс]. 2015. URL: https://www.unfpa.org/sites/default/files/resource-pdf/Resolution_A_RES_70_1_RU.pdf (дата обращения: 01.04.2020 г.)
14.Указ Президента Российской Федерации от 7 мая 2018 года № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года».
15.Шпедт А.А., Трубников Ю.Н. Оценка производительной способности и изменение свойств черноземов Красноярского края // Агрохимия. 2020. № 10.
16.Яковлев А.С., Евдокимова М.В. Подходы к нормированию загрязнения почв в России и зарубежных странах // Почвоведение. 2022. № 5.
17.Abdel-Kader F.H. Assessment and monitoring of land degradation in the northwest coast region, Egypt using Earth observations data // The Egyptian Journal of Remote Sensing and Space Science. 2019. Vol. 22(2).
18.Abel C., Horion S., Tagesson T. et al. Towards improved remote sensing based monitoring of dryland ecosystem functioning using sequential linear regression slopes (SeRGS) // Remote Sensing of Environment. 2019. Vol. 224.
19.Bai Z.G., Dent D.L., Olsson L. et al. Proxy global assessment of land degradation // Soil Use and Management. 2008. Vol. 24(3).
20.Burrell A.L., Evans J.P., Liu Y. The impact of dataset selection on land degradation assessment // ISPRS Journal of Photogrammetry and Remote Sensing. 2018. Vol. 146.
21.Cui Y.P., Liu J.Y., Hu Y.F. et al. An Analysis of Temporal Evolution of NDVI in Various Vegetation-Climate Regions in Inner Mongolia, China // Procedia Environmental Sciences. 2012. Vol. 13.
22.De Jong R., de Bruin S., de Wit A. et al. Analysis of monotonic greening and browning trends from global NDVI time-series // Remote Sensing of Environment. 2011. Vol. 115(2).
23.Easdale M.H., Fariña C., Hara S. et al. Trend-cycles of vegetation dynamics as a tool for land degradation assessment and monitoring // Ecological Indicators. 2019. 107: 105545.
24.Eckert S., Hüsler F., Liniger H. et al. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia // Journal of Arid Environments. 2015. Vol. 113.
25.Fensholt R., Langanke T., Rasmussen K. et al. Greenness in semi-arid areas across the globe 1981–2007 — an Earth Observing Satellite based analysis of trends and drivers // Remote Sensing of Environment. 2012. Vol. 121.
26.Fensholt R., Rasmussen K. Analysis of trends in the Sahelian ‘rain-use efficiency’ using GIMMS NDVI, RFE and GPCP rainfall data // Remote Sensing of Environment. 2011. Vol. 115(2).
27.Gonzalez-Roglich M., Zvoleff A., Noon M. et al. Synergizing global tools to monitor progress towards land degradation neutrality: Trends.Earth and the World Overview of Conservation Approaches and Technologies sustainable land management database // Environmental Science & Policy. 2019. Vol. 93.
28.Jacquin, A., Sheeren D., Lacombe J.-P. et al. Vegetation cover degradation assessment in Madagascar savanna based on trend analysis of MODIS NDVI time series // International Journal of Applied Earth Observation and Geoinformation. 2010. Vol. 12.
29.Li Q., Zhang C., Shen Y. et al. Quantitative assessment of the relative roles of climate change and human activities in desertification processes on the Qinghai-Tibet Plateau based on net primary productivity // Catena. 2016. Vol. 147.
30.Mariano D.A., Santos C.A.C.D., Wardlow B.D. et al. Use of remote sensing indicators to assess effects of drought and human-induced land degradation on ecosystem health in Northeastern Brazil // Remote Sensing of Environment. 2018. Vol. 213.
31.Meyer D., Riechert M. Open source QGIS toolkit for the Advanced Research WRF modelling system // Environmental Modelling & Software. 2019. Vol. 112.
32.Nouri H., Beecham S., Anderson S. et al. High Spatial Resolution WorldView-2 Imagery for Mapping NDVI and Its Relationship to Temporal Urban Landscape Evapotranspiration Factors // Remote Sensing. 2014. Vol. 6(1).
33.Pan N., Feng X., Fu B. et al. Increasing global vegetation browning hidden in overall vegetation greening: Insights from time-varying trends // Remote Sensing of Environment. 2018. Vol. 214.
34.Sims N.C., England J.R., Newnham G.J. et al. Developing good practice guidance for estimating land degradation in the context of the United Nations Sustainable Development Goals // Environmental Science & Policy. 2019. Vol. 92.
35.Trends.Earth. Conservation International. [Электронный ресурс]. 2018. URL: http://trends.earth/docs/en/ (дата обращения: 15.04.2021 г.)
36.Tucker C.J. Red and photographic infrared linear combinations for monitoring vegetation // Remote Sens Environ. 1979. Vol. 8, Iss. 2.
37.Wessels K.J. et al. Limits to detectability of land degradation by trend analysis of vegetation index data // Remote Sensing of Environment. 2012. Vol. 125.
38.Zoungrana B.J.B. et al. MODIS NDVI trends and fractional land cover change for improved assessments of vegetation degradation in Burkina Faso, West Africa // Journal of Arid Environments. 2018. Vol. 153.