Оцінка індексу листкової поверхні
Бігун Олексій
студент 2-го курсу магістратури НУБІП
факультету ІТ, група КЕЕМ 1402
ОЦІНЮВАННЯ ІНДЕКСУ ЛИСТКОВОЇ ПОВЕРХНІ
Моделювання масштабних екосистем використовується для імітації спектрів екологічних відповідей на зміни клімату та хімічного складу атмосфери, в тому числі зміни в розподіл наземних рослинних угруповань по всьому світу у відповідь на зміни клімату. Індекс LAIє параметр стану у всіх моделях, що описують обмін потоків енергії, маси (наприклад, вода і CO2), і імпульс між поверхнею і планетарного кордону шарів.
На сьогодні кліматичні та екологічні зміни, що відбуваються в земних системах, є надзвичайно важливими і являють собою значні виклики для всього людства [8, 9]. Такі зміни дуже тісно пов’язані з глобальним вуглецевим циклом [3]. Тому оцінка та аналіз сучасного стану, динаміки та просторового поширення стоків та джерел вуглецю є надзвичайно важливим завданням. Лісовий покрив є одним з найважливіших наземних стоків вуглецю і відіграє значну роль в зменшенні його концентрації в атмосфері. Кліматичні зміни значною мірою можуть впливати на продуктивність лісів, їхній видовий склад, частоту та інтенсивність порушень, які впливають на інтенсивність поглинання вуглецю лісовим покривом (рис. 1). Такі зміни (перш за все температури та кількості опадів) впливають на земний покрив через зміни в енергетичному та водному балансах та зміни в біогеохімічних циклах (вуглецевий, азотний та ін.). Тому вивчення сучасного стану та динаміки параметрів лісового покриву на регіональному рівні може бути досить корисним для покращення нашого розуміння і уточнення регіональних та глобального циклів вуглецю.
На сьогодні методи, направлені на вивчення стану земного покриву, можуть бути поділені на три групи. Перша група — наземні вимірювання. Ці методи забезпечують хорошу точність даних, проте характеризуються точковими вимірюваннями. Для покриття значної території потрібно мати добре розвинену мережу вимірювальних станцій. Зазвичай дані методи є досить корисними для досліджень на локальному рівні, проте вони не дозволяють робити глобальні оцінки. Друга група методів — дистанційне зондування, що забезпечують дані з меншою точністю і потребують валідації, проте вони можуть покривати значні території. Вони можуть бути корисними для досліджень на регіональному та глобальному рівнях. Методи дистанційного зондування забезпечують постійний і систематичний моніторинг параметрів рослинного покриву та екосистем і відіграє все більшу роль в оцінці продуктивності рослинного покриву (рис. 2) [4, 16, 19, 20]. Третя група методів — моделювання. На сьогодні ми маємо велику кількість розроблених різноманітних моделей, що описують продук- тивність рослинного покриву та інших параметрів земного покриву. Це, наприклад, процесні [21], динамічні [17] та інші [2] глобальні моделі чистої первинної продуктивності. Звичайно, всі моделі є певними наближеннями, що впливає на кінцеві результати, проте ці методи можуть бути досить корисними у випадку, коли певних даних немає. Найкраще, коли всі методи вимірювань та оцінки використовуються одночасно і доповнюють один одного. Як приклад такого об’єднання в останнє деся- тиліття широкого розповсюдження набуло моделювання біологічної продуктивності на основі даних ДЗЗ [15, 21, 25, 26]. Продукт MODIS, що містить дані оцінки первинної продуктивності наземної рослинності (MOD17) є широко використовуваною і найбільш відомою моделлю, розробленою на базі даних ДЗЗ [7, 19, 26]. Даний продукт є першим регулярним глобальним набором даних, що забезпечує неперервний моніторинг первинної продуктивності рослинного покриву на вкритих рослинністю територіях. Алгоритм MOD17 забезпечує оперативний розрахунок валової (GPP) та чистої (NPP) первинної продуктивності на глобальному рівні на основі даних, отриманих з сенсора MODIS, встановленого на супутниковій платформі EOS. Даний продукт складається з двох субпродуктів: MOD17A2, що вміщує дані 8-денної композиції GPP і чистого фотозинтезу (PsnNet) та MOD17A3, що вміщує річні оцінки GPP та NPP. Ці дані є у вільному доступі і можуть бути отримані через Numerical Terradynamic Simulation Group (NTSG) (http://www.ntsg.umt.edu) чи через EROS Data Center Distributed Active Archive Center (EDC DAAC). Дане дослідження сфокусоване на: 1) збирання, оцінювання та аналізування даних різних параметрів рослинного покриву, продуктивності українських лісів та кліматичних чинників; 2) пошук та оцінка залежностей між цими параметрами, 3) аналіз динаміки та трендів для українських лісів. Результати цих досліджень є важливими для покращення нашого розуміння, як кліматичні чинники та інші умови навколишнього середовища можуть впливати на продуктивність лісового покриву та ролі лісів як вуглецевого стоку. Вони також можуть бути корисними для прогнозування реакції лісів на різні сценарії кліматичних змін в майбутньому.
ЛІТЕРАТУРА
1. НаціональнийатласУкраїни.—Kартографія,2008.—440с.
2. CramerW.,KicklighterD.W.,BondeauA.,etal.Compar-ingglobalmodelsofterrestrialnetprimaryproductivity (NPP):overviewandkeyresults//GlobalChangeBiology.—1999.—5.—P.1—15.
3. EarthsystemschangeoverEasternEurope/Ed.by
P.Y.Groisman,V.I.Lyalko. —Kyiv:Akademperiodyka,2012.—487p.
4. FieldC.B.,RandersonJ.T.,MalmstromC.M.Globalnet primaryproductioncombiningecologyandremote-sensing//RemoteSens.Environ.—1995.—51.— P.74—88.
5. GobronN.,VerstraeteM.ECVT10:FractionofAbsorbedPhotosyntheticallyActiveRadiation(FAPAR)/EssentialClimateVariables.Rome:GlobalTerrestrialObservingSystem;2008.
6. HeimannM.,ReichsteinM.Terrestrialecosystemcarbondynamicsandclimatefeedbacks//Nature.—2008.— 451.—P.289—292.
7. HeinschF.A.,ReevesM.,VotavaP.,et.al.User’sGuideGPPandNPP(MOD17A2/A3)ProductsNASAMODIS LandAlgorithm.Version2.0,December2,2003.—57p.
8. IPCC(2001).Climatechange2001:Thescientificbasis: Cambridge:UniversityPress,2001.—881 p.
9. IPCC(2007).Climatechange2007:Thephysicalscience basis:—Cambridge:UniversityPress,2007.—996p.