1. «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
2. 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:
3. Ермияев Я.Р.3
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
4. Ермияев Я.Р.4
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 DifferenceVegetation 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
5. Ермияев Я.Р.5
Международный опыт
Источник: K.J. Wesselsa,(2012)
Международный опыт
Географическое распределение исследований деградации земель,
ландшафтов и сообществ с использованием вегетационного индекса
6. Ермияев Я.Р.6
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)
7. Ермияев Я.Р.7
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)
9. Ермияев Я.Р.9
EVI data
Источники данных
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]
10. 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.
15. Ермияев Я.Р.15
Шаблон исследования
Влияние климата и рельефа
Рельеф
Климатические
данные
Единица - пиксель (250х250м)
NDVI 2007NDVI 2015
Diff NDVI
Регрессионный и корреляционный анализ
17. Ермияев Я.Р.17
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
Влияние климата и рельефа
18. Ермияев Я.Р.18
Регрессионная модель
Влияние климата и рельефа
Model Summary
Model R R Square
Adjusted R
Square
№1 ,359a 0,129 0,129
a. Predictors: (Constant), alt (высота над урвонем моря), Tmin_jan
(Температура Января), Perc (Атмосферные осадки), Tmax_ju
(Температура Июля)
Model
Unstandardized
Coefficients
Standardized
Coefficients t Sig.
B std.error Beta
1
(Constant) 5304,518 4,222 1256,500 0,000
Tmin_jan 7,183 0,004 0,400 1841,492 0,000
Tmax_ju -15,746 0,012 -0,572 -1273,848 0,000
Perc -1,276 0,002 -0,247 -704,973 0,000
alt -0,566 0,001 -0,287 -1042,977 0,000
a. Dependent Variable: Изменение индекса
19. Ермияев Я.Р.19
Плотность населения (по данным
интенсивности ночного света, Google)
Источники данных
Коэффициент корреляции с
изменением индекса 0,301**
21. Ермияев Я.Р.21
Шаблон исследования
Влияние климата и рельефа
Единица - муниципальный район
NDVI 2007NDVI 2015
Регрессионный и корреляционный анализ
Доля площади со значимо изменившимся
значением индекса в мун. районе
Diff NDVI
Данные ФСГС
22. Ермияев Я.Р.22
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
Сопоставление с
социоэкономическими данными
Коэффициенты
рождаемости и
смертности
23. Ермияев Я.Р.23Влияние неклиматического фактора
NDVI 2007 год
Общая площадь:
100 200 кв.км
Общая площадь
деградированных
(2007-2015 года:
11 118 кв.км (~11%)
NDVI 2015 год
Degradation hotspots
Сопоставление с
социоэкономическими данными
24. Ермияев Я.Р.24
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*
25. Ермияев Я.Р.25
Демографические данные (регрессионная модель)
Model R R Square Adjusted R Square
1 0,672 0,451 0,105
Данные сельхоз предприятий, фермерских хозяйств, хозяйств населения
(регрессионная модель)
Model R R Square Adjusted R Square
2 0,820 0,673 0,362
Экономические данные (параметры труда) (регрессионная модель)
Model R R Square Adjusted R Square
4 0,822 0,676 0,531
Регрессионный анализ
26. Ермияев Я.Р.26
Демографические данные (регрессионная модель)
Model R R Square Adjusted R Square
6 0,672 0,451 0,105
Данные сельхоз предприятий, фермерских хозяйств, хозяйств населения
(регрессионная модель)
Model R R Square Adjusted R Square
2 0,820 0,673 0,412
Экономические данные (параметры труда) (регрессионная модель)
Model R R Square Adjusted R Square
4 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
27. Ермияев Я.Р.27
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.
32. Ермияев Я.Р.32
Дискретная шкала NDVI
NIR - отражение в ближней инфракрасной области спектра
RED - отражение в красной области спектра
масштабированный NDVI = 10000(NDVI)