Оценка динамики продукционных процессов в ландшафтах подзоны южной тайги Восточно-европейской равнины с использованием данных дистанционного зондирования*

Аннотация

Работа посвящена оценке влияния биотических, абиотических и антропогенных факторов на динамику продукционных процессов различных экосистем, расположенных в одной природно-климатической подзоне — южной тайге Восточно-Европейской равнины.

Исследование проводили на четырех ключевых участках во Владимирской обл., расположенных в разных ландшафтных провинциях с аналогичными климатическими условиями, различающихся особенностями почвенно-растительного покрова, антропогенной нагрузкой и структурой землепользования. Расчет показателей продуктивности в углеродных единицах основан на данных MODIS GPP/NPP. Запасы органического углерода в почве определены по данным продовольственной организации ООН (ФАО) на основе модуля «Trends.Earth» ГИС пакета QGIS.

Общим для четырех экосистем является ход изменения показателей продуктивности растительности по годам на фоне ее абсолютных значений. Благоприятные условия для накопления углерода в почве складываются на территориях с высокой продуктивностью и большим количеством зарастающих угодий. Результаты дисперсионного анализа ANOVA демонстрируют то, что факторы времени и пространственного положения ключевых участков не влияют на содержание органического углерода почвы и валовую биологическую продуктивность. Значимым фактором является структура землепользования. Показано, что недостаточная продуктивность одних экосистем компенсируется ростом продуктивности соседних; следовательно, сохранение внутриландшафтного разнообразия — необходимое условие стабильности их функционирования.

*Исследование выполнено при финансовой поддержке РФФИ проект № 19"05"00363 А и гранта РНФ № 18"17"00178.

Литература

1. Козодеров В.В., Дмитриев Е.В. Аэрокосмическое зондирование почвенно-растительного покрова: модели, алгоритмическое и программное обеспечение, наземная валидация // Исслед. Земли из космоса. 2010 № 1
2. Трифонова Т.А., Мищенко Н.В. Оценка почвенно-продукционного потенциала речных бассейнов с использованием данных дистанционного зондирования // Геогр. и природ. ресурсы. 2016 № 3 https://doi.org/10.21782/GiPR0206-1619-2016-3(17-25)
3. Трифонова Т.А., Мищенко Н.В., Петросян Ж.Д. Анализ динамики почвенно-продукционного потенциала экосистем речных бассейнов по данным дистанционного зондирования // Почвоведение. 2020 № 2 https://doi.org/10.31857/S0032180X20020136
   
4. Bin S., Zengyuan L., Wentao G. et al. Identification and assessment of the factors driving vegetation degradation, regeneration in drylands using synthetic high spatio-temporal remote sensing Data — a case study in Zhenglanqi, Inner Mongolia, China // Ecol. Indicat. 2019 Vol. 107 https://doi.org/10.1016/j.ecolind.2019.105614
5. Chaoxu X., Gaozhong N., Xiaoke P. et al. Research on the Application of Phone Location Data in the Rapid Delimitation of the Meizoseismal Area // Bull. Seismol. Soc. Amer. 2019 Vol. 109, № 6 https://doi.org/10.1785/0120190010
6. Dedeoglu M., Basayigit L., Yuksel M., Kaya F. As sessment of the vegetation indices on Sentinel 2A images for predicting the soil productivity potential in Bursa, Tur key // Environ. Monitor. Assess. 2020.Vol. 192, Is. 1 https://doi.org/10.1007/s10661-019-7989-8
7. Hengl T., Mendes J.J., Heuvelink G.B.M. et al. SoilGrids250m: Global gridded soil information based on machine learning // PLoS ONE. Vol. 12, N 2 https://doi.org/10.1371/journal.pone.0169748
8. Menichetti L., Leifeld J., Kirova L. et al. Consequences of planned afforestation versus natural forest regrowth after disturbance for soil C stocks in Eastern European mountains // Geoderma. 2017 Vol. 297 https://doi.org/10.1016/j.geoderma.2017.02.028
9. Noormets A., Epron D., Domec J.C. et al. Effects of forest management on productivity and carbon sequestra tion: A review and hypothesis // Forest Ecol. Manag. 2015 Vol. 355 https://doi.org/10.1016/j.foreco.2015.05.019
10. Pellis G., Chiti T., Rey A. et al. The ecosystem carbon sink implications of mountain forest expansion into abandoned grazing land: The role of subsoil and climatic factors // Sci. Total Environ. 2019 Vol. 672 https://doi.org/10.1016/j.scitotenv.2019.03.329
11. Prince S.D. Challenges for remote sensing of the Sustainable Development Goal SDG 15.3.1 productivity indicator // Remote Sens. Environ. 2019 Vol. 234 https:// doi.org/10.1016/j.rse.2019.111428
12. Qader S.H., Atkinson P.M., Dash J. Spatiotemporal variation in the terrestrial vegetation phenology of Iraq and its relation with elevation // Int. J. Appl. Earth Obs. 2015 Vol. 41 https://doi.org/10.1016/j.jag.2015.04.021
13. Quijano L., Van Oost K., Nadeu E. et al. Modelling the effect of land management changes on soil organic carbon stocks in a Mediterranean cultivated field // Land degrad. develop. 2017 Vol. 28, Iss. 2 https://doi.org/10.1002/ldr.2637
14. Robinson N.P., Allred B.W., Smith W.K. et al. Terrestrial primary production for the conterminous United States derived from Landsat 30 m and MODIS 250 m // Remote Sens. Ecol. Conserv. 2018 Vol. 4, Iss. 3 https://doi.org/10.1002/rse2.74
15. Robinson N.P., Allred B.W., Smith W.K. et al. Terrestrial primary production for the conterminous United States derived from Landsat 30 m and MODIS 250 m // Remote Sens. Ecol. Conserv. 2018 Vol. 4, Iss. 3 https://doi.org/10.1002/rse2.74
16. Trends.Earth. Conservation International. URL: http://trends.earth.2018 (дата обращения: 10.05.2020).
17. Wang M.M., He G.J., Ishwaran N. et al. Monitoring vegetation dynamics in East Rennell Island World Heritage Site using multi sensor and multi temporal remote sensing data // Internat. Journal digital Earth. 2020 Vol. 3  https://doi.org/10.1080/17538947.2018.1523955
18. Xiaofang S., Tianxiang Y., Zemeng F. Scenarios of changes in the spatial pattern of land use in China // Proc. Environ. Sci. 2012 Vol. 13  https://doi.org/10.1016/j.proenv.2012.01.050
19. Xuejian L., Huaqiang D., Fangjie M. et al. Assi milating spatiotemporal MODIS LAI data with a particle filter algorithm for improving carbon cycle simulations for bamboo forest ecosystems // Sci. Total Environ. 2019 Vol. 649  https://doi.org/10.1016/j.scitotenv.2019.133803
20. Yagasaki Y., Shirato Y. Assessment on the rates and potentials of soil organic carbon sequestration in agricultural lands in Japan using a process based model and spatially explicit land use change inventories in dash. Part 2: Future potential // Biogeosciences. 2014 Vol. 11, N 16  https://doi.org/10.5194/bg-11-4429-2014