ЛЕСОВЕДЕНИЕ, 2014, № 5, с. 83-90
ОРИГИНАЛЬНЫЕ СТАТЬИ
УДК 574.9/581.52
ИЗМЕНЕНИЕ NDVI ЛЕСНЫХ ЭКОСИСТЕМ СЕВЕРНОГО КАВКАЗА КАК ФУНКЦИЯ РЕЛЬЕФА И КЛИМАТА
© 2014 г. П. А. Шарый1, Л. С. Шарая2
1 Институт физико-химических и биологических проблем почвоведения РАН, 142290 г.Пущино Московской области, ул. Институтская, д. 2 E-mail: p_shary@mail.ru 2 Институт экологии Волжского бассейна РАН, 445003 г. Тольятти Самарской области,
ул. Комзина, д. 10 Поступила в редакцию 13.09.2013 г.
Для анализа связей вегетационного индекса NDVI горных лесов с климатом и рельефом в бассейне р. Кубань сформирована матрица средней многолетней температуры июля (ТИЮЛ) c шагом 500 м. Детальность карты, полученной на основе этой матрицы, обоснована тесной связью (R2 = 0.978) температуры от метеостанций с рельефом. Показано, что средняя многолетняя температура июля значимо определяется не только высотой над уровнем моря, но освещенностью склонов и характеристиками долин. Для NDVI горных лесов в этом бассейне выявлена тесная нелинейная связь с ТИЮЛ. Выборки сосновых лесов вблизи ледников обнаруживают тесные нелинейные связи летнего NDVI с рельефом и удаленностью от ледников. Для широколиственных, мелколиственных и сосновых типов леса в бассейне выявлены экологические оптимумы ТИЮЛ, для темнохвойных лесов такой оптимум не установлен. В прогнозируемых оценках NDVI широколиственных лесов по климатическому сценарию E GISS к 2050 г. среднее значение NDVI может уменьшиться, поскольку температурный оптимум лесов передвинется в область высокогорного рельефа, который характеризуется менее благоприятными условиями для развития лесной растительности.
Геоморфометрия; действие климата и рельефа на NDVI лесов; экологические оптимумы; нелинейность связей; Северный Кавказ.
ВВЕДЕНИЕ
Лесная растительность следует переменным окружающей среды, таким как рельеф и климат, причем особенно ярко эта связь проявляется в горах, где климат сам тесно связан с рельефом. Связь температуры воздуха с рельефом не сводится к одной лишь зависимости ее от высоты над уровнем моря, географических широты и долготы местности, которые использовались для интерполяции данных метеостанций при формировании матрицы глобальной модели климата высокого (30") разрешения WoldClim [16]. Не менее важными для растительности являются экспозиция и крутизна склонов, а также особая роль горных хребтов и долин. Поэтому в нашей работе стояла задача осуществить интерполяцию данных метеостанций с надлежащим учетом этих переменных.
Вегетационный индекс NDVI (Normalized difference vegetation index, см. определение и
свойства NDVI в [17]) связан с содержанием хлорофилла в растительности, а потому нередко используется для оценки функциональной активности лесов. Поскольку растительность в горах меняется с высотой и на разных склонах и формах рельефа, представляет интерес вопрос, когда эта связь линейна по характеристикам рельефа, а когда существенна нелинейность. В геоморфо-метрии - науке о количественном анализе земной поверхности [10, 20] - введен расширенный набор 18 базовых морфометрических величин (МВ) [23], который позволяет статистически сравнивать NDVI с целым спектром числовых характеристик рельефа методами множественной регрессии, в том числе используя нелинейные выражения для независимых переменных. В ряде работ показано, что некоторые свойства лесных экосистем лучше описываются ранее не использовавшимися МВ, а также при учете нелинейных связей [6-9, 11].
Интерференция во влиянии на горные массивы лесов таких факторов среды, как климат и рельеф,
практически не изучалась численными методами. Между тем, этот вопрос оказывается важным в связи с прогнозом преобразований лесов в условиях меняющегося климата. Например, при прогнозе изменения лесов Швейцарских Альп их моделируют как монотонно поднимающиеся вверх при потеплении на ~500 м [18], без учета того, что рельеф в новой высотной области, благоприятной по температурным условиям, может иметь резкие градиенты, затрудняющие его освоение. В работе поставлена задача проведения одновременного учета климата и рельефа, выявления, существенно ли изменяются при этом прогнозные оценки преобразования горных лесов.
Для проведения расчетов и построения карт использовалась разработанная П.А. Шарым программа "Аналитическая ГИС Эко" [23].
МЕТОДИКА
Источником данных о рельефе были матрицы БЯТМ30 [21] высокого разрешения 30", которые преобразовывались для горного Кавказа в матрицу разрешения 500 м в проекции Каврайского для Европейской России. Источником данных о климате явились усредненные за 40 лет показания 67 метеостанций; для осадков дополнительно привлекались данные 34 гидропостов.
Для анализа рельефа использовалась расширенная система базовых МВ, описание которых дано в [23]. Наряду с ними рассматривались еще несколько составных или преобразованных МВ, описанных в [11]. Например, экспозиция склонов A0 для статистического сравнения требует преобразования, поскольку эта МВ циклическая и для нее 0° и 360° есть одно и то же - северные склоны; использовались значения синуса и косинуса A0 (северная и восточная компоненты экспозиции, соответственно [12]). Кроме того, тестировались квадратичные и кубические члены высоты Z и крутизны GA. Эти члены центрировались [19] для уменьшения эффектов линейной зависимости между анализируемыми пространственными факторами (предикторами), то есть значения Z2 заменялись на ^ - ZСp)2, Z3 - на ^ - ZСp)3 и т.д. Так как распределение остатков регрессионной модели должно быть нормальным, применялись нелинейные преобразования некоторых МВ, описанные в [11]; преобразованные МВ помечены верхним индексом "П".
Для анализа нелинейностей использовались 4 выборки по 200 точек для сосновых и темно-хвойных типов леса, как они определены в электронной карте лесов России [2]; редкостой (с сомкнутостью крон < 40%) не учитывался; также
исключались из рассмотрения все участки местности с высотой меньше 500 м. С.А. Барталевым с соавт. были рассчитаны скорректированные на границы облаков и т.п. значения лета
2001 г. с разрешением в плане 250 м [3], а также матрицы типов леса [3, 13]. Их данные преобразованы нами к разрешению 500 м. Как известно (например, [15]), распределение отклоняет-
ся от нормального, поэтому для задачи о нелиней-ностях вместо использовалась переменная
(КВУ1/КВУ1СР)5, распределение которой ближе к нормальному (КБУ1СР есть среднее по выборке). Для решения задачи о нелинейностях связей в качестве факторов среды использовались рельеф, климат, широта, долгота и наименьшее расстояние от точки наблюдения до ближайшей границы ледников, расположение которых оценивалось по топографическим картам.
Значимость линейной зависимости между предикторами (мультиколлинеарности) оценивалась по максимальному значению так называемых "факторов вспухания дисперсии" [19]. Если этот максимум был меньше 5.15, то мультиколлинеар-ность считалась незначимой, иначе данная комбинация предикторов или независимых переменных исключалась из рассмотрения [11], это связано с тем, что "независимые" переменные уже не могут считаться независимыми, и это может привести к неверному результату, выражающемуся чаще более высоким коэффициентом детерминации. Нормальность распределения зависимой или анализируемой переменной (отклика) оценивалась по графикам нормальной вероятности [19]. Этим же методом проверялась нормальность распределения остатков (ошибок) модели. Если распределение остатков значимо отклонялось от нормального, то производилось соответствующее нелинейное преобразование отклика. В целом эти регрессионные модели относятся к наиболее популярным сегодня, так называемым генерализованным линейным моделям (в действительности, нелинейным, см. [11]).
Отбор предикторов проводился перебором всех комбинаций для фиксированного числа предикторов (4 или 3); отбиралась комбинация предикторов с наибольшим значением коэффициента детерминации Я2 и, в отличие от приближенных подходов пошаговой регрессии, этот метод считается более корректным [19].
РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ
Формирование климатических матриц на основе связей данных метеостанций и гидропостов с рельефом
Связь средней многолетней температуры июля ТИЮЛ горного Кавказа с рельефом описывалась уравнением регрессии:
ТИЮЛ = - 0.05927 • г-4769 + 0.000006962 •
• (X + У)/21/2+639 + 0.04256 ' • ^(35°, 225°)+2 93 +
+ 0.2771 • ккП+253 + 26.00,
Я2 = 0.978 (Degr = 0.7%), Р < 10-6, (1)
где Z есть высота, (X + У)/21/2 - расстояние на северо-восток (X и У - долгота и широта в метрах, соответственно), F(35°, 225°) - относительная освещенность склонов с юго-запада, кк - горизонтальная кривизна (со знаком "+" описывает отроги, со знаком "-" - долины). Уравнение можно прочитать таким образом: если наблюдатель будет продвигаться вдоль изолинии высоты Z, наиболее высокие температуры он отметит на хорошо освещенных с юго-запада склонах (+F(35°, 225°)), расположенных на отрогах (+кк), которые находятся в крайних положениях на северо-востоке Северного макросклона Кавказа (+(Х + У)/21/2). Нижние индексы (¿-статистики Стьюдента) описывают значимость каждого предиктора в модели, и чем больше модуль ¿-статистики, тем выше значимость предиктора. Согласно им, Z имеет наибольшую значимость, но значимы также и остальные предикторы. Юго-западный азимут 225° получен путем перебора всех значений азимута х (через 5°) в освещенности F(35, х). Наибольший нагрев юго-западных склонов вызван запаздыванием прогрева нижних слоев почвы. Поскольку F зависит как от экспозиции, так и от крутизны склонов, а также учитывает тени [23], эта МВ может служить одной из надежных характеристик рельефа для описания терморежима склонов (см. подробнее [12]); связь Я2 со склонением Солнца над горизонтом (взятым равным 35°) очень слабая [11].
Согласно (1), при подъеме на 1 км ТИЮЛ падает на ~6°С. Найденный Я2 показывает, что 98% пространственной изменчивости ТИЮЛ объясняется рельефом F и кк) и географической переменной (Х+У)/21/2. Верификация (проверка) модели проводилась по методике кросс-валидации Ал-лена [19], описание параметра Degr и критерия Deg
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.