ИССЛЕДОВАНИЕ ЗЕМЛИ ИЗ КОСМОСА, 2012, № 5, с. 53-63
ИСПОЛЬЗОВАНИЕ КОСМИЧЕСКОЙ ИНФОРМАЦИИ О ЗЕМЛЕ
ОЦЕНКА ВЗАИМОСВЯЗИ МЕЖДУ СОСТОЯНИЕМ РАСТИТЕЛЬНОСТИ СУБАРКТИКИ И КЛИМАТИЧЕСКИМИ ПАРАМЕТРАМИ © 2012 г. Н. Г. Платонов*, И. Н. Мордвинцев, И. В. Алпацкий
Федеральное государственное бюджетное учреждение науки Институт проблем экологии и эволюции им. А.Н. Северцова Российской академии наук, Москва *Е-таИ: platonov@sevin.ru Поступила в редакцию 23.01.2012 г.
Рассмотрены широкомасштабные связи между растительной фенологией и физической средой в умеренных широтах Северного полушария в течение периода 1982—2007 гг. с использованием линейных методов пространственной корреляции, анализа главных компонент и анализа канонических корреляций, примененных к данным нормализованного дифференциального вегетационного индекса, полученных по измерениям ЛУНЯЯ, концентрации морского льда (многоканальный радиометр 8ММЯ, ББМД) и температуры воздуха (атлас повторного анализа МСЕР/ЫСЛЯ). Показано, что обратная связь между июньской растительностью тундровых зон и сохранением льда в прибрежных акваториях Северного Ледовитого океана в летний период определяется широкомасштабными атмосферными процессами. Построенная модель с одним предиктором позволила реконструировать пространственное распределение вегетационного индекса на период, предшествующий спутниковым измерениям. В целом региональная изменчивость летней растительности может быть объяснена особенностями весенней атмосферной циркуляции.
Ключевые слова: спутниковый мониторинг, фенология растительности, нормализованный дифференциальный вегетационный индекс, концентрация морского льда, температура воздуха, тундровая зона, береговая зона арктических морей.
ВВЕДЕНИЕ
Нормализованный дифференциальный вегетационный индекс (NDVI — Normalized Difference Végétation Index), оцененный по данным спутникового дистанционного зондирования (ДЗ), является общепринятой метрикой, используемой для мониторинга хронологии вегетационного периода — сезона роста. Ранние даты начала прорастания растений весной затрагивают доступность и количество пищевых ресурсов в местообитаниях животного мира. В то же время от этого зависит состояние организма и способность животных к воспроизводству (Griffith et al., 2002). В северных широтах насыщенные влагой почвы промерзают зимой, поэтому вегетационный рост весной и в начале лета зависит преимущественно от температуры поверхностного слоя воздуха (Cao et al., 2004; Raynolds et al., 2008).
В данной работе мы исследуем в широком масштабе пространственную связь между майской температурой поверхности в северных широтах и вегетационной фенологией в июне за 26-летний период (1982—2007 гг.). Арктическая климатическая система образуется процессами, происходящими как в океане, включая морской лед, так и над сушей. Поэтому связь между разнесенными
во времени ледовыми условиями и вегетационной фенологией также рассмотрена.
МАТЕРИАЛЫ И МЕТОДЫ
В качестве исходных данных для анализа использованы три базовых источника.
1. Полумесячные усредненные комбинированные значения NDVI в регулярной 8-км сетке, разработанные группой Картографические исследования, и глобальное инвентаризационное моделирование (Global Inventory Modeling and Mapping Studies, GIMMS) Национального управления США по аэронавтике и исследованию космического пространства (National Aeronautic and Space Administration, NASA) (Tucker et al., 2005). Версии 'd', 'p16' и '3v1' используются для 1982— 2000, 2001-2002 и 2003-2007 гг. соответственно.
2. Среднемесячные температуры воздуха по уровню 850 мб севернее 30°с.ш. из NCEP/NCAR Reanalysis Atlas (Атлас повторного анализа атмосферных параметров, являющегося объединенным продуктом Национального центра прогнозирования изменений окружающей среды США (National Center for Environmental Prediction, NSEP) и Национального центра атмосферных исследований США (National Center for Atmospheric
Рис. 1. Участки поверхности, участвующие в пространственной связи между концентрацией морского льда и NDVI.
Research, NCAR) Национального агентства США по изучению океана и атмосферы (National Ocean and Atmospheric Administration, NOAA)).
3. Среднемесячные концентрации морского льда для Северного полушария, разработанные Национальным информационным центром снега и льда США (National Snow and Ice Data Center, NSIDC).
Использованы следующие методы: анализ главных компонент (ГК); анализ канонических корреляций (АКК); анализ пространственных корреляций.
Для проведения анализа ГК и АКК исходная регулярная по широте и долготе сетка в 2.5° NCEP-данных преобразована в регулярную 175-км сетку в полярной равноплощадной проекции NSIDC EASE-Grid North (EPSG:3408) (Brodzik, Knowles, 2002). Выбор размера сетки (175 км) обусловлен стремлением уравновесить избыточность данных в северных широтах и разреженность данных в средних широтах, возникающих в результате перепроецирования. Восьмикилометровые данные NDVI в полярной стереографической проекции приводились к среднемесячным значениям в такой же полярной равноплощадной проекции EASE и с таким же размером сетки (175 км), что и атмосферные данные.
Для проведения анализа пространственных корреляций между NDVI и концентрацией морского льда выбрана полярная стереографическая
проекция NSIDC Sea Ice Polar Stereographic North (EPSG:3411) с размером сетки в 25 км. Данные NDVI преобразовались из полумесячных в среднемесячные (временное осреднение) и из 8-км сетки в 25-км сетку (пространственное осреднение). Данные концентрации льда преобразовывались из среднесуточных в среднемесячные. Пространственное преобразование для данных концентрации не проводилось по причине распространения данных в полярной стереографической проекции с размером сетки 25 км.
АНАЛИЗ ПРОСТРАНСТВЕННЫХ КОРРЕЛЯЦИЙ
Для оценки характера связи между наземным и прибрежной концентрацией морского льда мы рассмотрели пространственные корреляции г со смещением во времени между этими двумя параметрами. На верхней панели рис. 1 изображены участки поверхности, участвующие в пространственной связи между среднемесячными значениями и концентрацией морского льда при условии, что оценка морского параметра (концентрация льда) по времени предшествует как минимум на один месяц оценке сухопутного параметра (МПУ1). На нижней панели рис. 1 представлена обратная во временном масштабе связь: оценен как минимум на один месяц раньше концентрации морского льда.
Сама связь в количественной мере выражается коэффициентом корреляции и графически представляет собой отрезок, соединяющий две точки (два пиксела), одна из которых находится на суше, а другая соответствует участку морского льда. Сами отрезки не показаны на рис. 1, но для каждого пиксела интенсивность связи выражена в количестве отрезков, один из концов которых находится в данном пикселе, и представлена качественно в градациях серого: чем темнее область, тем сильнее связь.
Для того чтобы избежать проявления слабых связей и случайных зависимостей при отображении, использовались только те корреляции г (линии), которые удовлетворяли описанным далее по тексту условиям. И для концентрации льда, и для МПУ1 использовался период 1982—2007 гг. (26 наблюдений). Для каждого пиксела по маске океана отсеивались те ячейки растра, для которых среднеквадратическое отклонение по концентрации морского льда не превышало 8%. Для суши происходило изъятие пиксела, если среднеквад-ратическое отклонение значения МПУ1 не превышало 0.035. Далее отбирались только те линии, для которых абсолютное значение корреляции превышало 0.50. Статистическая значимость |г| = 0.50 при п = 26 составляет более 99%. Во избежание пространственной случайности связи мы отсекли линии, длина которых составила более 2000 км. И, наконец, мы оставили лишь те линии, для которых выполнялось следующее условие: г(50.0 -43) > 15.0.
Темные области над морской поверхностью в подавляющем большинстве связаны с ближайшими темными областями над поверхностью суши, т.е. проявляется региональная связь. Отрицательные значения коэффициента корреляции между среднемесячным ледовым покровом в мае и среднемесячным МПУ1 в июне (т.е. морской параметр опережает во времени сухопутный) наиболее распространены в регионах около низкоширотной внешней границы арктического пакового льда. Ледовитость в летний и осенний периоды гораздо сильнее коррелирует со значением N0^, оцененного за предшествующий период (т.е. сухопутный параметр опережает во времени морской). Такая зависимость наиболее явно проявляется для восточной Евразии и северной Аляски.
АНАЛИЗ ГЛАВНЫХ КОМПОНЕНТ
В последние десятилетия метеорологи затрачивают значительные усилия на извлечение важных закономерностей из измерений атмосферных параметров. Метод ГК используется как для выделения пространственных мод, несущих наибольшую информативность, так и для сокращения размерности данных.
Для проведения анализа ГК выбран метод сингулярного разложения, позволяющий получить связанные друг с другом в порядке убывания вариации временных рядов и пространственные структуры или моды (эмпирические ортогональные функции, ЭОФ). При разложении использовалась корреляционная матрица переменных и наблюдений. Первая ГК объясняет более трети общей вариации (34.5%). Вторая ГК объясняет 10.4% общей вариации, а первыми двумя компонентами объясняется 45% общей вариации. На третью ГК приходится 6.8% вариации, и суммарно первые три ГК объясняют более чем половину (52%) общей вариации. Четыре первых ГК объясняют 57% общей вариации, на четвертую компоненту приходится 4.9% вариации.
Вращение ЭОФ в данной работе рассматривалось, но не применялось.
На рис. 2 представлены первые четыре ЭОФ. Первая ЭОФ описывает единую пространственную структуру полушария. Последующие ЭОФ отражают региональные шаблоны неоднородности NDVI, пересекающие Европу, Скандинавию и Северную Америку.
На рис. 3 представлен результат линейного многомерного шкалирования для преобразования многомерного (к = 1304) множества данных в двухмерное (к = 2) с помощью метода принципиальных компонент.
В качестве альтернатив рассмотрены нелинейны
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.