ndvi1

«Оценка деградации земель в субъектах РФ посредством анализа динамики вегетационных индексов» (на примере Саратовской области РФ)

Выполнил: Ермияев Яков Факультет почвоведения МГУ им.М.В.Ломоносова, Лаборатория экономики деградации земель

Научный руководитель: Макаров Олег Анатольевич

Доктор биологических наук, профессор кафедры земельных ресурсов и оценки почв ф-та почвоведения, заведующий Лабораторией Экономики деградации земель.

Москва, 2016

Ермияев Я.Р.2

Цель и ключевые вопросы

• Может ли вегетационный индекс считаться индикатором деградации/улучшения земель?

• Выявляется ли корреляция изменения вегетационного индекса с климатическими факторами и рельефом?

• Выявляется ли корреляция изменения вегетационного индекса с социальными, демографическими и экономическими факторами?

Введение

• Цель: выявить наличие корреляционных взаимосвязей между изменениями вегетационного индекса, и природно-климатическими и социально-экономическими факторами.

Ключевые вопросы:


Содержание

• Ключевые термины и определения

• Международный опыт

• Шаблон исследования

• Источники данных

• Выявление влияния климатического и рельефного

фактора

• Выявление влияния социальных, экономических и

демографических факторов

• Заключение

Введение


Термины и определения

Термины и определения

Деградация земель определяется как долгосрочное ухудшение в функционировании и продуктивности экосистемы и измеряется в терминах первичной нетто-производительности. Дистанционно измеряемый Нормализованный Дифференцированный Вегетационный Индекс (NDVI) используется для приблизительной оценки; его отклонения от нормы могут служить индикатором деградации или улучшения земель (land degradation or and improvement), если учтены другие факторы (климат, почва, рельеф и землепользование).

Источник: (Глобальная оценка деградации и улучшения земель (Global Assessment of Land Degradation and Improvement) ФАО

NDVI (Normalized Difference Vegetation Index) – нормализованный разностный индекс растительности, впервые был описан Rouse B.J. в 1973 г. – простой количественный показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). Один из самых распространенных и используемых индексов для решения задач, использующих количественные оценки растительного покрова.

Источник: NASA информационный бюллетень


Международный опыт

Источник: K.J. Wesselsa,(2012) Международный опыт

Географическое распределение исследований деградации земель, ландшафтов и сообществ с использованием вегетационного индекса


Подход 1

• Внутригодовое усреднение и сравнение двух разнесенных между собой лет с учетом флуктуационных колебаний.

• Требования: не менее 12-ти снимков в год, сравнение достаточно разнесенных во времени периодов (не менее 3-х

лет), значения изменившиеся в пределах предполагаемых

колебаний считаются постоянными (до 15% значения индекса)

• Минусы: высокая зависимость результатов от процента территории с изменившимся землепользованием. Частое

использование комплекса индексов.

Подходы

Источник: Limits to detectability of land degradation by trend analysis of vegetation index data, K.J. Wesselsa, F. van den Bergh, R.J. Scholes (2012)


Подход 2

• Межгодовое усреднение и сравнение двух разнесенных между собой периодов (три вида усреднения 3-х летнее, 5-ти

летнее и 10-ти летнее).

• Требования: сравнение достаточно разнесенных во времени снимков (не менее 10-ти лет)

• Минусы: Невозможность детектирования краткосрочных изменений, трудности при сопоставлении с социоэкономическими данными

Подходы

Источник: Limits to detectability of land degradation by trend analysis of vegetation index data, K.J. Wesselsa, F. van den Bergh, R.J. Scholes (2012)


AVHRR NDVI MODIS DATA 2015

Источники данных


EVI data


LAI data

Источник: The Copernicus European Earth monitoring program (formerly known as GMES, Global Monitoring for Environment and Security)

Источник: A. Huete, K. Didan, T. Miura, E. P. Rodriguez, X. Gao, L. G. Ferreira. Overview of the radiometric and biophysical performance of the MODIS vegetation indices

EVI (enhanced vegetation index) - Оптимизированный вегетационный индекс, с повышенной чувствительностью и оптимизацией на сторонние источники погрешности (напр.атмосферные).

LAI (leaf area index) - безразмерный индекс, характеризующий плотность растительного покрова. Определяется как суммарная площадь листовых пластинок на единицу площади поверхности.

LAI = leaf area/ground area [m2/m2]

Ермияев Я.Р.10Источники данных

Корреляционная матрица (коэффицент корреляции Пирсона)

NDVI EVI LAI

NDVI 1 0,681** 0,512**

EVI 0,681** 1 0,701**

LAI 0,512** 0,701** 1

Часто применяется комбинирование индексов для различных типов использования или природно-климатических зон.


Среднемноголетние атмосферные осадки (по данным метеостанций)



Среднемноголетняя температура Июля (радарная съемка местности)



Среднемноголетняя температура Января (по данным метеостанций)



Рельеф территории (по данным радарной съемки)



Шаблон исследования

Влияние климата и рельефа

Рельеф

Климатические данные

Единица - пиксель (250х250м)

NDVI 2007NDVI 2015

Diff NDVI

Регрессионный и корреляционный анализ

Ермияев Я.Р.16Влияние климата и рельефа

NDVI Diff 2015-2007


Корреляционная матрица (коэффицент корреляции Пирсона)

Изменение индекса

Температура Января

Температура Июля

Атмосферные осадки

Высота над уровнем моря

Изменение индекса 1 ,267** -,092** ,131** -,008**

Температура Января ,267** 1 ,178** ,185** -,052**

Температура Июля -,092** ,178** 1 -,788** -,745**

Атмосферные осадки ,131** ,185** -,788** 1 ,509**

Высота над уровнем моря -,008** -,052** -,745** ,509** 1



Регрессионная модель


Model Summary

Model R R Square Adjusted R Square

№1 ,359a 0,129 0,129a. Predictors: (Constant), alt (высота над урвонем моря), Tmin_jan (Температура Января), Perc (Атмосферные осадки), Tmax_ju (Температура Июля)

ModelUnstandardized

Coefficients Standardized Coefficients t Sig.

B std.error Beta

1

(Constant) 5304,518 4,222 1256,500 0,000Tmin_jan 7,183 0,004 0,400 1841,492 0,000Tmax_ju -15,746 0,012 -0,572 -1273,848 0,000

Perc -1,276 0,002 -0,247 -704,973 0,000alt -0,566 0,001 -0,287 -1042,977 0,000

a. Dependent Variable: Изменение индекса


Плотность населения (по данным интенсивности ночного света, Google)


Коэффициент корреляции с изменением индекса 0,301**


Сопоставление с социоэкономическими данными

Влияние неклиматического фактора


Шаблон исследования


Единица - муниципальный район

NDVI 2007NDVI 2015

Регрессионный и корреляционный анализ

Доля площади со значимо изменившимся значением индекса в мун. районе

Diff NDVI

Данные ФСГС


Данные сельхоз предприятий, фермерских хозяйств, хозяйств

населения

Доля сельского населения

Половозрастная структура

Продукция растеневодства

Продукция животноводства

Площади посевов и урожайность

Зарплата в сельском хозяйстве

Зарплаты в разных секторах

Среднесписочная численность работников

Экономические данные (параметры труда)

Демографические данные

Данные Территориальных Органов Федеральной Службы Государственной Статистики

Использование сельхоз техники

Доходы и расходы бюджетов Инфраструктура


Коэффициенты рождаемости и смертности

Ермияев Я.Р.23Влияние неклиматического фактора

NDVI2007год

Общаяплощадь:100200кв.км

Общаяплощадьдеградированных(2007-2015года:11118кв.км(~11%)

NDVI2015год

Degradationhotspots



Корреляционный анализ

Параметры с наибольшим коэффициентом корреляции:

Доля мужчин трудоспособного возраста в сельском населении -,361*

Соотношение средней зарплаты в сх к средней зарплате в мун.районе -,404**

Коэффициент смертности сельского населения ,351*

Продукция животноводства на 1 сельского жителя ,339*

Среднее количество тракторов на 1 хозяйство ,320*


Демографические данные (регрессионная модель)Model R R Square Adjusted R Square1 0,672 0,451 0,105

Данные сельхоз предприятий, фермерских хозяйств, хозяйств населения (регрессионная модель)

Model R R Square Adjusted R Square2 0,820 0,673 0,362

Экономические данные (параметры труда) (регрессионная модель)Model R R Square Adjusted R Square4 0,822 0,676 0,531

Регрессионный анализ


Демографические данные (регрессионная модель)Model R R Square Adjusted R Square6 0,672 0,451 0,105

Данные сельхоз предприятий, фермерских хозяйств, хозяйств населения (регрессионная модель)

Model R R Square Adjusted R Square2 0,820 0,673 0,412

Экономические данные (параметры труда) (регрессионная модель)Model R R Square Adjusted R Square4 0,822 0,676 0,531

Регрессионный анализ

Климат и рельеф (регрессионная модель)

Model R R Square Adjusted R Square

1 0,359a 0,129 0,129


Заключение

Заключение

• Накоплен международный опыт в оценке деградации земель, ландшафтов и сообществ с использованием вегетационных индексов на всех континентах.

• Среди природно-климатических факторов наибольшая корреляционная взаимосвязь изменения индекса выявлена с среднемноголетней температурой января и объемом среднегодовых атмосферных осадков.

• Социально-экономические факторы демонстрируют значимую корреляцию с изменением вегетационного индекса.

Appendix

Ермияев Яков Факультет почвоведения МГУ им.М.В.Ломоносова,

Лаборатория экономики деградации земель [email protected]


MODIS LUCC data 2014



MODIS LUCC data 2007



MODIS LUCC data 2014-2007



Дискретная шкала NDVI

NIR - отражение в ближней инфракрасной области спектра RED - отражение в красной области спектра

масштабированный NDVI = 10000(NDVI)


Среднее изменение NDVI и рельеф


Среднее изменение NDVI и осадки


Среднее изменение NDVI и температура лета


Среднее изменение NDVI и температура зимы