CC BY
53
УДК 581.54
АНАЛИЗ ВРЕМЕННЫХ РЯДОВ ВЕГЕТАЦИОННЫХ ИНДЕКСОВ ДЛЯ ОСНОВНЫХ ЛЕСООБРАЗУЮЩИХ ПОРОД РЕСПУБЛИКИ ТАТАРСТАН
© 2016
Шахтина Анжелика Викторовна, магистрант 1 курса, направление «Системная экология» Мухарамова Светлана Саясовна, кандидат биологических наук, доцент кафедры «Моделирование экологических систем» Казанский (Приволжский) федеральный университет, Казань (Россия)
Аннотация. Длительность вегетационного сезона, во время которого проходят основные этапы роста и развития растений, является важной биоклиматической характеристикой, определяющей биопродуктивность наземных экосистем. В данной работе исследование сезонной динамики спектральных вегетационных индексов (ВИ) проводилось для растительности четырех участков леса, расположенных в Приказанском регионе Республики Татарстан (РТ). В качестве исходных данных о лесной растительности при выполнении работы использовались данные ле-сотаксационных описаний. Всего рассматривалось 4040 выделов, далее были отобраны выделы с однородным составом древостоя - 271 таких выделов. На основе данных космосъемки MODIS (продукты MOD13Q1, MYD13Q1) построены временные ряды вегетационных индексов NDVI и EVI с марта по ноябрь за 15 лет - с 2000 г. по 2014 г. Проведена статистическая обработка временных рядов, построены модели для обобщенного описания сезонной динамики вегетационных индексов. Полученные модели сезонного хода NDVI и EVI позволяют оценить сезонные аспекты в разные годы. Для определения дат начала и окончания вегетационного периода применялись различные методы: точки перегиба графиков временных рядов ВИ березы, даты равенства ВИ сосны и березы. Проведенные исследования не выявили значимых изменений сезонных аспектов (смещения дат начала и окончания вегетационного периода, увеличения длины вегетационного периода) за рассматриваемый период на изучаемой территории. Модели сезонной динамики вегетационных индексов могут быть использованы для установления классифицирующих правил при анализе лесного покрова по данным ДЗЗ.
Ключевые слова: данные дистанционного зондирования Земли, космические снимки, временные ряды, лесоо-бразующие породы, сезонная динамика, MODIS, вегетационный индекс, NDVI, EVI, вегетационный период, фенологические даты, построение моделей.
TIME SERIES ANALYSIS OF VEGETATION INDEXES FOR MAIN FOREST FORMING SPECIES OF THE REPUBLIC OF TATARSTAN
© 2016
Shakhtina Anzhelika Victorovna, master of a 1 course, direction of the «System ecology» Mukharamova Svetlana Sayasovna, candidate of biological sciences, associate professor of the chair
«Modelling of ecological systems» Kazan (Volga region) Federal University, Kazan (Russia)
Abstract. The duration of the growing season , when the main stages of growth and development of plants take place, is a significant bioclimatic characteristic, which determine the productivity of terrestrial ecosystems. At this work, research of the seasonal dynamics of spectral vegetation indices (VI) were carried out for the vegetation of the four forest sites, which is located in Prikazanim region of the Republic of Tatarstan (RT). Data of forest mensuration descriptions were used as a source of data about forest vegetation during for this work. A total of 4040 divisions were observed, then it was selected divisions with a homogeneous composition of the forest stand - 271 divisions.For the period of 15 years from 2000 till 2014 years from the March to November, time series of vegetation indexes NDVI and eVi was formed on the base of satellite data MODIS (MOD13Q1, MYD13Q1). It was made statistical data manipulation, for the summary definition of Vl's seasonal dynamics was constructed models of time series. Models of seasonal variation of NDVI and EVI enable to estimate seasonal aspects in different years. For the determination of starting and ending dates of the vegetation period was used different methods as flexible points of the Vl's graphs for the birch-tree, dates of equivalents for the birch-tree and pine- tree. The research didn't reveal significant changes in seasonal aspects (movement of start and end dates of the growing period, increasing length of vegetation period) for the period under review in the study area. The resulting models of the seasonal dynamics of vegetation indices can be used for the regulation of classification rules in the analysis of forest cover, based on remote sensing data.
Keywords: remote sensing data, satellite data, time series, forest forming species, seasonal dynamics, MODIS, vegetation indexes, NDVI, EVI, vegetation period, phonological date, model building.
Для наземных экосистем при их изучении все более актуальными становятся методы дистанционного зондирования Земли (ДЗЗ). С возникновением спутниковых систем, обеспечивающих ежедневные глобальные наблюдения, появилась возможность дистанционного изучения сезонных аспектов развития растительности, определения дат начала и окончания вегетационного сезона на основе анализа временных рядов спектральных вегетационных индексов. Длительность вегетационного сезона, во время которого проходят основные этапы роста и развития растений, является важной биоклиматической характеристикой, определяющей биопродуктивность наземных экосистем [1].
В данной работе исследование сезонной динамики спектральных вегетационных индексов (ВИ) проводилось для растительности четырех участков леса, расположенных в Приказанском регионе Республики Татарстан (РТ): Раифский участок Волжско-Камского государственного природного биосферного заповедника (ВКГПБЗ); Саралинский участок ВКГПБЗ; лесной массив городского лесопарка «Лебяжье» (территория в Карельский научный журнал. 2016. Т. 5. № 3(16)
западной части Казани); участок леса Высокогорского лесничества Пригородного лесхоза РТ.
В работе использовались данные наблюдений прибором MODIS со спутников Terra и Aqua, а именно продукты MOD13Q1 и MYD13Q1 - 16-ти дневные композиты с пространственным разрешением 250 м, содержащие значения нормированного разностного вегетационного индекса (NDVI) и улучшенного вегетационного индекса (EVI), а также информацию о качестве данных. Данные находятся в свободном доступе, в архиве Геологической службы США (https://lpdaac.usgs.gov/products/modis_ products_table).
Нами обрабатывались данные с марта по ноябрь за 15 лет - с 2000 г. по 2014 г. В качестве наземных данных о лесной растительности использовались лесотаксаци-онные описания четырех участков леса. Всего рассматривалось 2823(1 уч.) +571(II уч.) +488(III уч.) +158(IV уч.) = 4040 выделов. С помощью SQL-запросов из базы геоданных лесотаксационных выделов были отобраны выделы с однородным составом древостоя, а именно те, где определенная порода составляет не менее 90%.
Всего 271 таких выделов. На рис. 1 показаны фрагменты снимков MODIS с за 26 июня и 1 ноября 2008 г. и центроиды выделов с однородным составом древостоя (фрагмент).
Рисунок 1 - Фрагменты снимков MOD13Q1 за разные даты и центроиды выделов с однородным составом древостоя
В ходе работы для лесотаксационных выделов были получены значения ВИ (NDVI, EVI) со снимков MODIS. Для этого была написана программа на языке R, которая в цикле по годам и дням года, пространственно совмещает точки выборки и пиксели очередного снимка, и считывает со слоев снимка в этих пикселях значения NDVI, EVI и «pixel reliability». Всего было обработано 1377 слоев с 459 снимков MODIS. В результате получены временные ряды ВИ (NDVI, EVI) за периоды с марта по ноябрь для каждого года. Всего построено 8 130 временных рядов (= 271 выдел *15 лет * 2 индекса).
Временные ряды ВИ за каждый год были сгруппированы по выделам с фиксированной древесной породой и для каждого дня временного ряда каждого года были рассчитаны средние значения и медианы ВИ для основных лесообразующих пород: сосны, березы, липы и осины. С целью обобщенного описания сезонной динамики вегетационных индексов были построены модели временных рядов. Построение моделей проводилось с помощью сглаживающих сплайнов, включенных в метод обобщенных аддитивных моделей (gam, Generalized Additive Models)[2].
На рис.2. показан ход временных рядов ВИ за 2014 г. для выделов с 90% присутствием березы, а также отображена динамика среднего, медианы и модельного приближения.
Для сравнения сезонной динамики ВИ различных пород строились графики (в одних осях) временных рядов средних значений, медиан и модельных приближений для сосны, березы, липы и осины в разные годы. На рис. 3 показаны графики для модельных приближений по данным 2014 г.
im i£0 253
гсо im 230
Рисунок 2 - Временные ряды ВИ березы за 2014 г.
сезонной динамики ВИ хвойных (в нашем случае сосны) и лиственных пород, а также отчетливо показывают различные сезонные аспекты: начало сезона вегетации, «зеленая волна», период максимальной «зелености», «коричневая волна», окончание вегетационного периода. Сравнение временных рядов NDVI и EVI выявляет большую чувствительность EVI к породному составу.
Построенные модели сезонного хода NDVI и EVI в 2000-2014 гг. позволяют оценить сезонные аспекты в разные годы. Нами были определены даты максимального значения вегетации для рассматриваемых древесных пород в разные годы. График изменения даты максимума «зелености» березы приведен на рис. 4. В среднем (за 12 лет) дата максимальной вегетации березы, оцененная по двум ВИ, приходится на первую декаду июня.
Дечь максимума вегетации березы
2004 ZOOS 200В 2010 2012 2014 год
Рисунок 4 - День максимума ВИ березы в разные годы
Для оценки условной даты начала вегетационного периода было применено два способа [3]. В первом случае дата начала определялась по весенней дате равенства ВИ сосны и березы. Во втором, по точке перегиба (переход от вогнутости к выпуклости) графика временного ряда березы. В результате, условная дата начала вегетационного периода, оцениваемая по дате перегиба хода временных рядов ВИ и по дате равенства NDVI сосны и березы, приходится на первые числа мая. Однако, интересно, что дата равенства EVI сосны и березы наблюдается в среднем на неделю раньше (рис.5.)
Рисунок 3 - Модели сезонной динамики NDVI и EVI по данным 2014 г.
Временные ряды наглядно демонстрируют отличие
Рисунок 5 - Оценки дня условного начала периода вегетации в разные годы
Для оценки фенологических дат, связанных с окончанием вегетационного периода, по двум ВИ в разные годы были определены осенние даты равенства ВИ сосны и березы, и две точки перегиба (переход от выпуклости к вогнутости) графиков временных рядов ВИ березы. Первая точка перегиба от выпуклости к вогнутости позволяет оценить условную дату начала «коричневой волны», а вторая, условную дату опадения листьев березы - конец вегетационного периода. По полученным результатам можно сказать, что в среднем (за 12 лет) условная дата окончания вегетационного периода, оцениваемая по дате второго перегиба и по дате равенства NDVI сосны и березы, приходится на вторую декаду сентября. Дата равенства EVI сосны и березы приходится в среднем на неделю позже.
Проводилась оценка длины периода вегетации и суммарной продуктивности. Длина вегетационного периода (количество дней) в разные годы определялась по разно-
сти дат окончания и начала вегетации. В качестве оценки продуктивности использовалась сумма ВИ по дням соответствующего вегетационного периода.
Проведенные исследования не выявили значимых изменений сезонных аспектов (смещения дат начала и окончания вегетационного периода, увеличения длины вегетационного периода) за рассматриваемый период на изучаемой территории. Оценки этих величин на основе анализа данных ДЗЗ MODIS не показывают достоверных межгодовых трендов, связанных с глобальным потеплением и изменением климата.
Полученные модели сезонной динамики вегетационных индексов могут быть использованы для установления классифицирующих правил при анализе лесного покрова по данных ДЗЗ. Для определения преобладающей древесной породы в пикселе снимка можно использовать пороговые значения вегетационных индексов NDVI и EVI, определяемые по модели соответствующего ВИ с учетом сезонной даты космоснимка.
Все этапы проведенных исследований реализованы средствами языка статистического программирования R [4].
II, 2008, с.313-321.
15. Медведева М.А., Елсаков В.В., Савин И.Ю., Барталев С.А. О связи фенологического развития растительности таежной зоны с величиной NDVI, определенной по спутниковым данным. Труды Институт космических исследований РАН, 2009, с.319-329.
16. Douglas E., Stith T. Gow, Burrows, Shabanov, Myneni, Knyazikhin. Monitoring spring canopy phenology of a deciduous broadleaf forest using MODIS // Remote Sensing of Environment, 2006, Р.88-95.
17. Zhang, X., Friedl, M. A., Schaaf, C. B., Strahler, A. H., Hodges, J. C. F., Gao, F.,et al. (2003). Monitoring vegetation phenology using MODIS. Remote Sensing of Environment, 84, 471-475.
18. Сайт. [Электронный ресурс]. - Режим доступа: http://gis-lab.info/qa/vi.html, свободный. - Проверено 12.06.2016.
19. Сайт. Интернет-семинар. Тема 2. Особенности использования снимков ASTER, MODIS, MISR со спутника Terra. [Электронный ресурс]. - Режим доступа: http://www.geogr.msu.ru/science/aero/acenter/int_sem4/ modis_appl.htm, свободный, - Проверено 12.06.2016.
СПИСОК ЛИТЕРАТУРЫ:
1. Гордеев А.В. и др. Биоклиматический потенциал России: теория и практика // М.: Т-во научных изданий КМК. 2006. 512 с.
2. 2011 for generalized additive model method; 2004 for strictly additive GCV based model method and basics of gamm; 2006 for overview; 2003 for thin plate regression splines; 2000 is the original method, now superceded.
3. Wood, S.N. (2011) Fast stable restricted maximum likelihood and marginal likelihood estimation of semiparametric generalized linear models. Journal of the Royal Statistical Society (B) 73(1):3-36
4. Wood, S.N. (2004) Stable and efficient multiple smoothing parameter estimation for generalized additive models.Journal of the American Statistical Association. 99:673-686.
5. Wood, S.N. (2006) Generalized Additive Models: An Introduction with R. Chapman and Hall/CRC.
6. Wood, S.N. (2003) Thin-plate regression splines. Journal of the Royal Statistical Society (B) 65(1):95-114.
7. Wood, S.N. (2000) Modelling and smoothing parameter estimation with multiple quadratic penalties. Journal of the Royal Statistical Society (B) 62(2):413-428.
8. Reed B., Brown J. Issues in characterizing phenology from satellite observations // Use of earth observation data for phonological monitoring. 2003. EUR 20675 EN. P. 23 - 26.
9. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. R Core Team (2015). Режим доступа: URL https:// www.R-project.org/.
10. Лабутина И.А., Балдина Е.А. Использование данных дистанционного зондирования для мониторинга экосистем ООПТ. Методическое пособие. 2011, 88 с.
11. Myneni R.B., Keeling C.D., Tucker C.J., Asrar G., Nemani R.R. Increase plant growth in the northern high latitudes from 1981-1991 // Nature. 1997. № 386. С. 698-702.
12. Bogaert J., Zhou L., Tucker C.J., Myneni R.B., Ceulemans R. Evidence for a persistent and extensive greening trend in Eurasia inferred from satellite vegetation index data // J. Geophys. 2002. Res 107(D11). 10.1029/2001JD001075.
13. Gobron N., Pinty B., Verstaete M., Taberner M.B. An optimized FAPAR Algorithm Theoretical Basis Document // Italy: European Communities, 2002. С. 20.
14. Медведева М.А., Барталев С.А., Лупян Е.А., Матвеев А.М., Толпин В.А., Пойда А.А. Возможности оценки момента наступления вегетационного сезона на основе спутниковых и метеорологических данных // Современные проблемы дистанционного зондирования Земли из космоса. Сборник научных статей. Вып.5, Том
