УДК 630*561.24:528.854

DOI: 10.24412/cl-36359-2021-685-690

СВЯЗЬ ВЕГЕТАЦИОННОГО ИНДЕКСА СТЕПНЫХ СООБЩЕСТВ И РАДИАЛЬНОГО ПРИРОСТА СОСНЫ ЛЕНТОЧНЫХ БОРОВ ЮГА ЗАПАДНОЙ СИБИРИ

RELATIONSHIP BETWEEN THE VEGETATION INDEX OF STEPPE AND RADIAL GROWTH OF PINE IN BELT PINE FORESTS OF THE SOUTH OF WESTERN SIBERIA

Н.В. Рыгалова¹, Т.Г. Плуталова², Я.В. Мартынова¹

N.V. Rygalova¹, T.G. Plutalova², Ja.V. Martynova¹

¹Алтайский государственный университет, Барнаул, Россия

²Институт водных и экологических проблем СО РАН, Барнаул, Россия

¹Altay State University, Barnaul, Russia

²Institute for Water and Environmental Problems SB RAS, Barnaul, Russia

E-mail: ¹natalia.ml@mail.ru, ²plutalova.tg@gmail.com

Аннотация. В статье изучена динамика продуктивности травяных (на основе спектральных откликов и расчета NDVI) и лесных (на основе индексов радиального прироста сосны экстразональных боров) за период 2000-2018 гг.: по большинству полигонов выявлен общий положительный тренд. Корреляционный анализ показал значимость температуры июня и осадков июля. Выявлена корреляционная зависимость годичного прироста сосны и значений NDVI сухостепной растительности.

Ключевые слова: NDVI, ширина радиального прироста, сухая степь, ленточные боры.

Abstract. The article studied the dynamics of productivity of grasses (based on spectral responses and NDVI calculation) and forests (based on indices of radial growth of pine extrazonal pine forests) for the period 2000-2018: for most polygons a general positive trend was revealed. Correlation analysis showed the significance of June temperature and July precipitation. Correlation dependence of annual pine growth and NDVI values of dry-steppe vegetation was revealed.

Keywords: NDVI, radial growth width, dry steppe, pine belt forests.

Объектом представленного исследования являются сухостепные ландшафты приграничных районов Алтайского края России и Павлодарской области Казахстана, где лимитирующим фактором является дефицит влаги. Рассматриваемая территория включена в зону опустыненных земель [6, 9] и по данным российских и международных метеорологических служб отмечается увеличение среднемноголетней температуры более чем 1,5°С [3, 16, 20], что находит отражение в усилении процессов аридизации. При этом на фоне единой тенденции возникают некоторые флуктуации климата, на которые растительные сообщества быстро реагируют изменением продуктивности.

Зональным типом растительности исследуемой территории являются типчаково-ковыльные степи на каштановых почвах. Также здесь представлены азональные ландшафты – экстразональные ленточные сосновые боры на дерново-слабоподзолистых почвах, сформировавшихся в пределах ложбин древнего стока [2]. Островной характер ленточных боров (расположение вне зонального ареала сосны обыкновенной (Pinus sylvestris L.) [10] обуславливает чувствительность радиального прироста деревьев к климатическим колебаниям [11].

Особенности роста древесных растений (формирование годичных колец на протяжении всей жизни дерева) позволяют проводить анализ многолетней динамики радиального прироста, который является показателем продуктивности [5]. Для оценки продуктивности степных сообществ в настоящее время используются не только данные наземных обследований, но и данные дистанционного зондирования Земли (ДЗЗ) [4, 13, 15, 19, 23]. Информация спутниковых наблюдений низкого и среднего пространственного разрешений регулярно обновляются и могут быть использованы как для анализа текущего состояния подстилающей поверхности, так и выявления изменений на протяжении нескольких десятилетий [26]. Основой исследований состояния и продуктивности степных сообществ являются методы, основанные расчете и оценки вегетационных индексов, являющихся комбинациями спектральных каналов в видимом и ближнем инфракрасном диапазонах спектра. В данной работе для анализа используется наиболее распространенный вегетационный индекс NDVI [25]:

, где  

NIR – отражение в ближней инфракрасной области спектра,

RED – отражение в красной области спектра.

В своей работе полагаем: 1) индексы NDVI являются показателем продуктивности сухостепных сообществ и определяются погодно-климатическими условиями года, 2) согласованное изменение продуктивности степной растительности (индексы NDVI) и древесной растительности экстразональных боров (индексы радиального прироста), произрастающих на территории исследования, климатически обусловлено. Выявление наличия достоверной связи между NDVI степной растительности и радиальным приростом сосны позволит говорить о реконструкции временных вариаций продуктивности степных сообществ за последние несколько столетий.

Сопряженный анализ дендрохронологических данных и вегетационных индексов растительности рассматривается в небольшом количестве работ. Обобщение литературных источников и описание выполненных исследований представлено в одной из глав коллективной монографии [1], кроме того, можно отметить следующие работы [8, 17, 21, 28]. В целом, тематически выделяется два направления: 1), исследование связи радиального прироста деревьев и вегетационных индексов (чаще всего NDVI) для пространственно-временного анализа изменчивости продуктивности лесных сообществ и 2), изучение связи древесно-кольцевых хронологий (индексированных рядов ширины годичного прироста деревьев) и рядов NDVI степной растительности. Последняя тематика представлена в меньшей степени.

Оценка состояния травянистой растительности проводилась на основе продукта MOD13Q1 (2000) (16-дневный композит с пространственным разрешением 250 м), полученного с помощью спектрорадиометра TERRA/MODIS за июнь 2000-2018 гг. [22, 27]. Обработка данных проводилась с помощью QGIS 3.16.3.

В степной зональной области были выбраны 2 тестовых полигона в границах пахотных угодий западнее и юго-западнее с. Марковка Ключевского района и ООПТ (памятник природы краевого значение «Древнее русло р. Ащегуль») на территории Михайловского района Алтайского края (таблица 1). На каждом полигоне было определено 5 точек.

В качестве дендрохронологического материала использована обобщенная древесно-кольцевая хронология (ДКХ) Волчиха продолжительностью 251 год (1768-2018 гг.), построенная по сосне ленточных боров в Волчихинском районе Алтайского края. Образцы были собраны, обработаны по стандартной методике [14], измерение проводилось на LINTAB в программе TSAP [24], обработка данных проводилась в программном пакете DPL. В качестве аппроксимирующих кривых выбраны негативные экспоненты (и для отдельных индивидуальных хронологий применен кубический сплайн 2/3), в работе использована остаточная (выбеленная – с удаленным автокорреляционным шумом) обобщенная хронология. Коэффициент чувствительности ДКХ за анализируемый период (2000-2018 гг.) составил 0,32, что превышает пороговый уровень [18] и подтверждает возможность использования ряда в дендроклиматическом анализе.

В работе были использованы месячные данные значений температуры воздуха и атмосферных осадков ГМС Славгород (2000-2018 гг.), которые находятся в открытом доступе [12], а также расчетные значения гидротермического коэффициента Г.Т. Селянинова.

Таблица 1. Характеристика объектов исследования (ландшафтное описание по [7])

Линейные тренды изменений значений NDVI для участков, занятых пашней, за период 2000-2018 гг. в целом показывают тенденцию к его уменьшению (рисунок 1). Общий тренд изменений вегетационного индекса для растительности ООПТ – слабо положительный. Подобную тенденцию демонстрирует ДКХ Волчиха на данном временном отрезке. Динамика значений ГТК за период 2000-2018 гг. имеет отрицательный тренд, прежде всего, из-за более высоких значений в начале рассмотренного отрезка, при этом, начиная с 2003 года, тренд становится положительным. Это можно назвать современной флуктуацией динамики увлажнения территории, т.к. с 50-х гг. ХХ в. фиксируется однозначный тренд на его понижение. Таким образом, можно сделать предположение, что образование биомассы в природно-антропогенных комплексах (агроценозах) испытывает влияние дополнительных лимитирующих факторов, кроме фактора увлажнения.

Корреляционный анализ рядов продуктивности растительности показал отклик на изменение ГТК: для пашни ряды четырех точек из пяти показали значимый[1] коэффициент корреляции 0,50-0,66; для ООПТ ряды всех точек обнаружили значимые связи (r=0,58-0,75); для ДКХ Волчиха коэффициент корреляции с гидротермическим коэффициентом составил 0,55. При этом также отмечены отрицательные значимые связи с температурой июня для ДКХ (-0,77) и четырех рядов NDVI ООПТ (от -0,61 до -0,67) и положительные значимые связи с осадками июля для всех изученных полигонов: для ДКХ (коэффициент корреляции 0,46), для четырех точек ООПТ (0,60-0,70) и трех точек пашни (0,48-0,49). Следовательно, справедливо говорить о наличии климатического отклика степных зональных и экстразональных сообществ и общем лимитирующем климатическом факторе формирования биомассы травянистой и лесной растительности в условиях сухой степи.

Наличие схожей климатообусловленной динамики продуктивности степной и лесной растительности позволяет провести их количественное сопоставление. Корреляционный анализ индексов радиального прироста сосны и рядов NDVI, обобщенных отдельно для пашни и ООПТ, не обнаружил значимых связей, что указывает на высокую локальную дифференциацию продуктивности степной растительности. При этом расчет коэффициентов корреляции рядов вегетационных индексов растительности по отдельным точкам полигонов (пашни и ООПТ) с ДКХ показал некоторые статистически значимые результаты для двух точек пашни (коэффициенты равны 0,48 и 0,60) и для трех точек ООПТ (0,46-0,52).

Установление связи между значениями индексов биомассы травяного покрова и ширины годичных колец экстразонального реликтового бора позволяет говорить о возможности реконструкции значений вегетационных индексов степной растительности до XVIII в. Несмотря на то, что выявленные корреляция ДКХ несколько выше с рядами NDVI пашни, более правомерно проводить реконструкцию динамики продуктивности наземной биомассы для территории ООПТ, т.к. данные пахотные угодья испытывали значительную антропогенную трансформацию на протяжении второй половины ХХ в. Одновременно можно говорить о прогнозе значений NVDI для агроландшафтных комплексов на основе установленных индикационных связей с приростом деревьев.

Отклонения NDVI от среднего многолетнего значения также позволяют ранжировать каждый год в ряду наблюдений по степени благоприятности погодных условий, а также провести районирование степной зоны Алтайского края по состоянию растительности и ее продуктивности.

Вместе с тем, чтобы говорить о прослеживании процессов усиления аридизации на исследуемой территории по космическим снимкам необходимы дополнительные исследования. В дальнейшем планируется увеличение как контрольных точек и полигонов, так и продолжительности рядов NDVI, а также использование более сложных индексов, учитывающих отношения между отражающей способностью различных природных объектов и растительностью в других диапазонах помимо красного и инфракрасного, например, SAVI, EVI.

Работа выполнена в рамках проекта 0306-2021-0001 «Исследование разнообразия и структурно-функциональной организации водных экосистем для сохранения и рационального использования водных и биологических ресурсов Западной Сибири».

Список литературы

1. Бушуева И.С. Методические аспекты дешифрирования засух по ДЗЗ / Засухи Восточно-европейской равнины по гидрометеорологическим и дендрохронологическим данным / под ред. Соломиной О.Н. и др. М.; СПб.: Нестор-История, 2017. С. 237-246.

2. Грибанов Л.Н. Ленточные бора Алтайского края и Казахстана. М.: Наука, 1954. 112 с.

3. Доклад об особенностях климата на территории Российской Федерации за 2019 год  М., 2020. 97 с. [Электронный ресурс]. Режим доступа: http://www.meteorf.ru/press/news/20626/

4. Золотокрылин А.Н., Титкова Т.Б., Уланова С.С., Федорова Н.Л. Наземные и спутниковые исследования продуктивности пастбищ республики Калмыкии с различной степенью деградации растительных сообществ // Аридные экосистемы. 2013. Т.19. № 4 (57). С. 31-39.

5. Комин Г.Е. Дендрохронологическая оценка динамики продуктивности лесов Северо-Западного Кавказа // Журнал Сибирского федерального университет. Сер. Биология. 2012. № 5 (1). С. 4-12.

6. Конвенция Организации Объединенных Наций по борьбе с опустыниванием в тех странах, которые испытывают серьезную засуху и/или опустынивание, особенно в Африке. 1994 [Электронный ресурс]. Режим доступа: https://www.unccd.int/convention/about-convention

7. Ландшафтная карта Алтайского края. Масштаб 1:500000. Науч. рук. Ю.И. Винокуров. ИВЭП СО РАН, 2016.

8. Малышева (Рыгалова) Н.В., Рыгалов Е.В., Плуталова Т.Г. Изучение ленточных боров Алтайского края методами дендрохронологии и дистанционного зондирования // Известия Алтайского государственного университета. 2013. № 3/1. С. 134-137

9. Опустынивание засушливых земель России: новые аспекты анализа, первые результаты, проблемы / А.В. Дроздов, А.Н. Золотокрылин, А.Ф. Мандыч и др. М.: «Товарищество научных изданий КМК», 2009. 298 с.

10. Правдин Л.Ф. Сосна обыкновенная. Изменчивость, внутривидовая систематика и селекция. М.: Наука, 1964. 191 с.

11. Рыгалова Н.В. Быков Н.И. Пространственно-временная изменчивость климатического сигнала древесно-кольцевых хронологий ленточных и Приобских боров // Журнал Сибирского федерального университет. Сер. биол. 2015. Т. 8. № 4. С. 394–409.

12. Специализированные массивы / Всероссийский научно-исследовательский институт гидрометеорологической информации – Мировой центр данных (ВНИИГМИ-МЦД). [Электронный ресурс]/. Режим доступа: http://meteo.ru/data

13. Спивак Л.Ф., Батырбаева М.Ж., Витковская И.С. и др. Пространственно-временные особенности изменения состояния степной растительности Казахстана по данным спутниковой съемки // Экосистемы: экология и динамика. 2017. Т. 1. № 3. С. 116-145.

14. Шиятов С.Г., Ваганов Е.А., Кирдянов А.В. и др. Методы дендрохронологии. Ч. I. Красноярск: Изд-во КрасГУ, 2000. 80 с.

15. Bartalev S., Belward A.S., Erchov D., Isaev A.S. A new land cover map of Northern Eurasia // International Journal of Remote Sensing. 2003. Vol. 24. P. 1977-1982.

16. Climate Change and Land / IPCC Special Report on Climate Change, Desertification, Land Degradation, Sustainable Land Management, Food Security, and Greenhouse gas fluxes in Terrestrial Ecosystems // WMO, UNEP. 2019. 1542 p.

17. Coulthard B.L., Touchan R., Anchukaitis K.J., Meko D.M., Sivrikaya F. Tree growth and vegetation activity at the ecosystem-scale in the eastern Mediterranean // Environmental Research Letters. 2017. № 12. 084008

18. Ferguson C.W. A 7104-year annual tree-ring chronology for Bristlecone pine, Pinusaristata, from the White Mountains, California // Tree-Ring Bull. 1969. Vol. 29. № 3-4. P. 3-29

19. Gu Y., Wylie B.K., Bliss N.B. Mapping grassland productivity with 250-m eMODIS NDVI and SSURGO database over the Greater Platte River Basin, USA // Ecological Indicators. 2013. Vol. 24. P. 31-36.

20. IPCC, 2018: Global Warming of 1.5°C / Eds. Masson-Delmotte et al. (eds.). [Электронныйресурс] Режим доступа: https://www.ipcc.ch/site/assets/uploads/sites/2/ 2019/06/SR15_Full_ Report_Low_Res.pdf

21. Liu R., Song Y., Liu Y. et al. Changes in the Tree-Ring Width-Derived Cumulative Normalized Difference Vegetation Index over Northeast China during 1825 to 2013 CE // Forests. 2021. № 12. 241.

22. MODIS Vegetation Index Products (NDVI and EVI) [Электронныйресурс]. Режим доступа: https://modis.gsfc.nasa.gov/data/dataprod/mod13.php(дата обращения: 02.02.2021)

23. Peters A.J., Walter-Shea A.E., Ji L. et al. Drought monitoring with NDVI-based standardized vegetation index // Photogrammetric engineering and remote sensing. 2002. 68. P. 71-75.

24. Rinn F. TSAP V3.5. Computer program for tree-ring analysis and presentation. Heidelberg: Frank Rinn Distribution, 1996. 264 p.

25. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring vegetation systems in the Great Plains with ERTS / In 3rd ERTS Symposium, NASA SP-351 I. 1973. P. 309-317.

26. Spivak L., Vitkovskaya I., Batyrbayeva M., Terekhov A.The experience of land cover change detection by satellite data // Frontier of Earth Science. 2012. Vol. 6 (2). P. 140-146.

27. USGS Global Visualization Viewer [Электронныйресурс]. Режим доступа: http://glovis.usgs.gov/

28. Vicente-Serrano S.M., Camarero J.J., Olano J.M. et al. Diverse relationships between forest growth and the Normalized Difference Vegetation Index at a global scale // Remote Sensing of Environment. 2016. 187. P. 14-29.