CC BY
0УДК 528.88
DOI: 10.24412/cl-37200-2024-1105-1112
ДИСТАНЦИОННЫЕ РАДИОФИЗИЧЕСКИЕ ПРЕДВЕСТНИКИ ЗАСУХ В АГРАРНОМ РЕГИОНЕ РОССИИ (НА ПРИМЕРЕ АЛТАЙСКОГО КРАЯ)
REMOTE RADIOPHYSICAL HARBINGERS OF DROUGHTS IN THE AGRICULTURAL REGION OF RUSSIA (USING THE EXAMPLE OF THE ALTAI TERRITORY)
Романов А.Н., Трошкин Д.Н., Хвостов И.В., Рябинин И.В., Романов Д.А.
Romanov A.N., Troshkin D.N., Khvostov I.V., Ryabinin I.V., Romanov D.A.
Институт водных и экологических проблем СО РАН, Барнаул, Россия Institute for Water and Environmental Problems SB RAS, Barnaul, Russia
E-mail: romanov_alt@mail.ru
Аннотация. Засухи как опасные природные явления способствуют опустыниванию территории, ухудшению биологической продуктивности почв и снижению урожаев зерновых культур. Разработка методов дистанционного мониторинга засух является актуальной задачей. В данной работе на примере западной (степной) части Алтайского края, подверженной засухам, изучены закономерности и особенности многолетней сезонной динамики яркостных температур (Тя) подстилающей поверхности на тестовом участке. Для прогнозирования засух использовали ежедневные данные спутника SMOS (Soil Moisture Ocean Salinity), откалиброванные в единицах Тя. В лабораторных условиях исследованы зависимости диэлектрических и излучательных свойств образцов почв, отобранных с тестовых участков, от объемной влажности почвы (W). Диэлектрические параметры почв измеряли на лабораторной установке мостового типа, собранной на базе промышленного измерителя разности фаз и отношения амплитуд ФК2-18. Установлены эмпирические зависимости Тя от W. На основе спутниковых, полевых и лабораторных данных, разработан дистанционный микроволновый метод определения W. Для выявления территорий, подвергнувшихся засухе, предложен новый дистанционный микроволновый индекс засухи (ДМИЗ). Построены карты-схемы пространственного распределения W и ДМИЗ для территории Кулундинской равнины.
Ключевые слова: Алтайский край, дистанционный мониторинг засухи, дистанционный микроволновый индекс засухи.
Abstract. Droughts, as dangerous natural phenomena, contribute to desertification of the territory, deterioration of the biological productivity of soils and a decrease in grain yields. The development of methods for remote monitoring of droughts is an urgent task. In this work, using the example of the western (steppe) part of the Altai Territory, which is prone to droughts, the patterns and features of the long-term seasonal dynamics of radio brightness temperatures (Tb) of the underlying surface in the test area are studied. To forecast droughts, we used daily data from the SMOS (Soil Moisture Ocean Salinity) satellite, calibrated in Ti units. The dependences of the dielectric and emissive characteristics of soil samples taken from test plots on the volumetric soil moisture (W) were studied under laboratory conditions. The dielectric parameters of soils were measured on a laboratory bridge-type installation, assembled on the basis of an FK2-18 industrial phase difference and amplitude ratio meter. Empirical dependences of Tb on W have been established. Based on satellite, field and laboratory data, a remote microwave method for determining W has been developed. To identify areas subject to drought, a new remote microwave drought index (RMDI) has been proposed. Scheme maps of the spatial distribution of W and RMDI were constructed for the territory of the Kulunda Plain.
Key words: Altai Territory, remote monitoring of drought, remote microwave drought indices.
Введение. Засухи, относящиеся к опасным природным явлениям, происходящие с разной периодичностью и интенсивностью в разных регионах Земного шара, представляют угрозу жизнедеятельности населения, способствуют опустыниванию территории, деградации почв, ведут к снижению урожаев, удорожанию продукции растениеводства. Для своевременного выявления гидрологических и климатических изменений и получения достоверной, высокоточной, оперативной информации о состоянии окружающей среды, необходимой для принятия обоснованных руководящих решений для уменьшения социально-экономических рисков, является важной научной проблемой разработка методов дистанционного мониторинга засух.
Широкомасштабные исследования по уменьшению негативного воздействия засух на природные экосистемы ведутся в России и за рубежом [1-7]. К настоящему времени разработаны и апробированы в разных регионах мира более 170 индексов засухи [8], но ни один из них не
гарантирует точного прогноза масштабов, продолжительности и интенсивности засух. Многократно апробированные в разных регионах мира, индексы засухи дают сбои в условиях изменяющегося климата и возрастающего антропогенного воздействия на экосистемы. Достоверное, высокоточное прогнозирование засух остается нерешенной научной проблемой. Существует необходимость в разработке более совершенных индексов засух [9], работающих в условиях непредсказуемости климатических изменений. По мере изменения климата или сезонного сдвига ранее определенные индексы засухи становятся бесполезными [10].
В последние 10-15 лет получили развитие методы дистанционного зондирования, основанные на использовании данных, получаемых со спутников, оснащенных радиометрическими системами AMSR-E (Advanced Microwave Scanning Radiometer), SSM/I (Special Sensor Microwave Imager) SSMIS (Special Sensor Microwave Imager Sounder), MODIS (Moderate Resolution Imaging Spectroradiometer) и др. В [11] предложен инновационный индекс засухи, основанный на использовании данных радиояркостной температуры, измеренных со спутника SMOS (Soil Moisture Ocean Salinity) с помощью прибора MIRAS (Microwave Imaging Radiometer using Aperture Synthesis). В [12] предложен интегрированный индекс засухи, применимый в разных климатических регионах, основанный на использовании данных MODIS, состояния растительности, состояния почвенной влаги (AMSR-E). В [13] описаны методы дистанционного микроволнового зондирования в оптическом, ИК и микроволновом диапазонах, чувствительные к изменению влажности почвы.
В 2012 году на значительной части Северной Евразии наблюдалась сильнейшая с 1960 годов почвенная засуха, охватившая 16 регионов России, а также сопредельные государства (Казахстан, Киргизия, северо-западные провинции Китая). В Алтайском крае в результате засухи пострадало более 3 млн. гектар сельскохозяйственных посевов, был введен режим Чрезвычайной ситуации. В последующие 10 лет случаи засушливых периодов повторялись в 2013, 2014, 2018, 2020, 2022 годах.
В данной работе приведены результаты комплексных исследований по разработке дистанционных микроволновых предвестников засух (на примере Алтайского края). Предложен дистанционный микроволновый индекс почвенной засухи, основанный на интерпретации ежедневных спутниковых данных в микроволновом диапазоне и диэлектрических характеристик конкретных почв.
Методика эксперимента. В качестве основного объекта исследования была выбрана засушливая Кулундинская равнина, расположенная на юге Западной Сибири и включающая степные территории Алтайского края, Новосибирской области (РФ), Павлодарской области (Республика Казахстан). Карта-схема исследуемой территории с тестовым участком (пиксель SMOS) приведена на рисунке 1.
—t-,-1-1-1—
70.0" Е 80.0° Е 81.0° Е 82.0° Е 83.0° Е
Рисунок 1. Карта исследуемой территории с тестовым участком (пиксель SMOS).
Исследовали закономерности многолетней сезонной динамики радиояркостных температур (Тя) для изучения закономерностей изменения объемной влажности почвы определяемой по формуле:
Ж[см3/см3] = %/У = (Мш/Ш) х (р/рп),
где Ууу, V, М^, М, рм = 1 см3/см3 , р - объемы, массы и плотности воды в почве и влажной почвы.
Для определения Тя использовали данные спутника SMOS на частоте 1,41 ГГц, горизонтальной поляризации под углом зондирования 42,5°, привязанные к дискретной геодезической сетке DGG КЕА 4Н9 с линейным размером ячейки 16 км. Пространственное распределение термодинамической температуры (Т) подстилающей поверхности оценивали по ежедневным данным радиометров MODIS/Terra (продукт MOD11A1) и MODIS/Aqua (продукт MYD11A1), полученным из открытой базы LP DAAC (https://lpdaac.usgs.gov) с разрешением 1 км и заявленной погрешностью ±1 К.
На тестовых участках измеряли температуру почвы с погрешностью ±0,5 К в поверхностном слое 0-20 см. Эти данные использовали для калибровки и валидации данных MODIS, расчета температуры эффективно-излучающего слоя. Термостатно-весовым способом определяли Ж образцов почвы. По результатам наземных измерений определяли градиенты Т и Ж почвы. Диэлектрические и радиоизлучательные характеристики почв измеряли на лабораторной установке мостового типа, собранной на базе промышленного измерителя разности фаз и отношения амплитуд ФК2-18.
Основным ландшафтом являлись степь и сельскохозяйственные поля. Площади водных объектов не превышали 5%, населенных пунктов - менее 1%. Площадь лесных массивов, искусственных древесных насаждений незначительна. Почвы по гранулометрическому составу легко- и среднесуглинистые. Плотность почвы в поверхностном слое 0-5 см изменялась от р= 1,1 до р=1,3 г/см3. Температура почвы в слое 0-5 см изменялась в зависимости от времени суток от 18 до 60°С, на глубине 30-70 см - от 20 до 25°С. Ж в слое почвы слое 0-5 см изменялась от 0,05 до 0,35 см3/см3.
Результаты исследований. Многолетние сезонные вариации Тя подстилающей поверхности несут объективную информацию о происходящих гидрологических и климатических изменениях, фенологических сдвигах. Для примера на рисунке 2 приведена многолетняя сезонная динамика Тя (1) и Т (2) подстилающей поверхности тестового участка. Зависимости Т(Б) и Тя(О) имеют вид
Т = 287,5 - 5,1 х 10-4 х Б, о = 0,01 ТЯ = 230,8 + 10,1 х 10-4 х Б, о = 0,01, где Б - юлианский день, отсчитываемый от 01.01.2012 г.
Рисунок 2. Динамика радиояркостной (1) и термодинамической (2) температур подстилающей поверхности в пикселе 4010460 дискретной геодезической сетки DGG КЕА 4Н9.
Из приведенных соотношений следует, что за 10 лет Т уменьшилась на 1,86 К, а Тя возросла на 3,68 К. Подобное возрастание Тя может быть связано с уменьшение суммарной увлажненности территории.
Важной физической характеристикой почв является объемная влажность, соответствующая максимальному содержанию в почве связанной воды [см3/см3], определяющая доступность почвенной влаги для растений (И^ близко к влажности устойчивого завядания, ниже которой растение засыхает и погибает от недостатка влаги). В лабораторных условиях определяли гранулометрический состав почвенных образцов, измеряли диэлектрические параметры, на основе которых рассчитывали коэффициенты излучения Хг, соответствующие .
Для калибровки спутниковых данных, установления экспериментальных и теоретических зависимостей х( Ж) измеряли диэлектрические характеристики образцов, отобранных с тестовых участков. По результатам этих измерений была рассчитана зависимость коэффициента излучения х от Ж (рисунок 3), аппроксимированная прямыми линиями с точкой излома с точкой излома 0,13.
= ( 0,98594 - 1,09117 -Ш, 0 <Ш < 0,13, Х = (1,02285 - 1,3898 - Ш, 0.13 <Ш< 0,40.
Также была рассчитана обратная зависимость Ж(х)(рисунок 2), имеющая вид
;0,89733 - 0,90707 - х, 0,55 < х< 0,84, ст = 0,009, ,12707 - 1,16936 - х, 0,84 < х < 0,96, ст = 0,002 .
= (0,* (1,1
(1)
(2)
Из анализа экспериментальных данных следует, что для разных почв коэффициенты излучения сухих почв Хо и максимально увлажненных почв Хмах имеют близкие значения, находящиеся в пределах погрешности измерений, а коэффициенты излучения ) для почв, содержащих только связанную воду, заметно отличаются: х(Щ =0,13)=0,84, =0,32)=0,62. Величина Хг, может быть определена по результатам синхронных дистанционных измерений % и полевых измерений Ж, либо по результатам диэлектрических измерений комплексной диэлектрической проницаемости почвы при разных значениях Ж Полевые измерения Ж довольно трудоемкие, а для диэлектрических измерений требуется дорогостоящее специализированное оборудование и программное обеспечение. При этом также возникает необходимость решения электродинамической задачи прохождения электромагнитной волны через дисперсную среду.
Объемная влажность,
Рисунок 3. Зависимость коэффициента излучения почвы (х) от объемной влажности (Ж).
На рисунке 4 приведена сезонная динамика Тя (1), Т (2), Ж (3) в 2012 году для тестового участка. Значение Ж рассчитывали на основе спутниковых измерений Тя (SMOS) и Т (MODIS) по формуле (2).
БББББББББББББББББББББББББББББББББББББББББББББББББ
ООООООООООООООООООООООООООООООООООООООООО^^^^^-т-т-т-
Дата
Рисунок 4. Сезонная динамика Т (1), Тя (2), W (3).
Из графиков видно, что значительную часть теплого сезона Ж<0,13 см3/см3. Эта величина сопоставима с максимальной объемной долей, связанной воды (Wt) в почве, недоступной растениям. Низкие значения Ж связаны с незначительными снеговыми запасами, накопленными в зимний сезон 2011/2012 годов и недостаточным количеством дождевых осадков. С начала года выпало около 60 мм осадков, причем, за две недели, предшествовавшие введению режима чрезвычайной ситуации (26.07.2012), осадков не было. Увлажненная в результате дождевых осадков почва промачивается на глубину 3-5 см и успевает высохнуть в течение 2-3 суток до предельно низких значений Ж. Скорости высыхания АЖ/АБ изменялись от 0,01 до 0,09 см3/см3 в сутки. Соответствующие им скорости возрастания dTя/dD изменялись от 3,5 до 17 К/сутки. Установлено, что возрастание Тя на 3,5 К соответствует уменьшению Ж на 0,01 см3/ см3.
На основе спутниковых измерений Тя и зависимости Ж (х) построены карты-схемы пространственного распределения Ж, приведенные на рисунке 5.
На основе комплексного анализа дистанционных, полевых, лабораторных данных было показано, что в качестве радиофизического предвестника засухи может быть использована скорость изменения радиояркостной температуры (dTя/dD), характеризующая скорость уменьшения объемной влажности почвы.
На примере засухи 2012 года, сильнейшей в Алтайском крае с 1960 годов, показано, что суточные изменения dTя/dD достигали 17 К/сутки. Это соответствовало изменению Ж на 0,009 сш3/ош3 в сутки, что при Жt = 0,13 сш3/ош3, означает высыхание почвы, например, с W = 0,40 (полевая влагоемкость), ниже Жг, недоступной растениям, в течение 3 суток.
Карты-схемы пространственного распределения Ж(Тя/Т), построенные с использованием дистанционных измерений Тя в микроволновом диапазоне, Т в инфракрасном диапазоне и лабораторных зависимостей W(х) позволяют выявить территории интенсивной засухи, а также оценить масштабы засухи.
Многолетняя динамика Тя(ГО) и Т(ГО) для отдельных участков позволяет выявить тренды изменений Тя и Т и на их основе прогнозировать сценарии климатических изменений.
Почвенная засуха (ПЗ) наступает при Ш < Жг. В этом случае в почве присутствует только связанная вода, недоступная для растений. Величина х(Жг) может выступать радиофизической характеристикой ПЗ. Значения х соответствуют следующим режимам почвенного увлажнения: 1) Х(Ж0 < х < Х(Ж = 0) - недостаток воды в почве - засуха; 2) х(Жмах) < X < х(Жг) - количество воды, достаточное для растений; 3) х(Жмах) ~ X - избыток воды - переувлажнение. Условия ПЗ реализуются при х(Жг) < х достигая максимума при х = х^ = 0).
Рисунок 5. Карты-схемы местности (а), пространственного распределения Тя (b), T (c), W (d).
Для оценки степени увлажненности почвы (включая засуху и переувлажнение) введем Дистанционный микроволновый индекс засухи (ДМИЗ) как отношение длин интервалов в разных диапазонах влажности
Хг -X
ДМИЗ =
Xo-Xt Xt-X
VXt-Xw
Xt ^X^Xo,
, Xw^X^Xt.
Сезонные вариации ДМИЗ, определенные в вегетационный период 2012 года на основе дистанционного определения W приведены на рисунке 6.
Экспериментальные исследования показали, что почвы всех обследованных тестовых участков имеют разный гранулометрический состав (от песков до глин), разные значения %t и Wt, и, соответственно, разные зависимости x(W), используемые для дистанционного определения влажности по данным спутникового микроволнового зондирования (продукт SMOS L1C). В настоящее время в рамках проекта построены зависимости x(W) для 12 тестовых участков.
На рисунке 7 приведена карта-схема пространственного распределения ДМИЗ на день объявления режима ЧС в Алтайском крае. Видно, что значительная часть территории, включающей Алтайский край, южную часть Новосибирской области и восточную часть Павлодарской области (Республика Казахстан) находится в условиях недостатка почвенной влаги.
Обсуждение. Разработанный подход к дистанционному микроволновому мониторингу почвенной засухи сталкивается с пока нерешенной проблемой объективной интерпретации спутниковых данных, вызванной различием почв по гранулометрическому составу. В случае пространственно-неоднородной подстилающей поверхности точность дистанционного определения влажностных характеристик почвы в значительной мере ограничивается попаданием в диаграмму направленности принимающей антенны, формирующей пиксель спутникового радиометра, разных типов подстилающей поверхности с разной излучательной
способностью (водоем, лес, почва, солончак), размеры которых меньше его разрешающей способности.
Рисунок 6. Сезонная динамика радиояркостной (1) и термодинамической (2), температуры, ДМИЗ для Ж= 0,15 (3), Ж = 0,32 (4).
Рисунок 7. Карта-схема пространственного распределения ДМИЗ по состоянию на 26.07.2012 г.
При дистанционном зондировании почвенного покрова со спутника размер пикселя варьирует от нескольких километров до десятков километров, соответственно, вероятность попадания в пиксель разных типов подстилающей поверхности и почв, различающихся по гранулометрическому составу, высокая. При зондировании подстилающей поверхности с беспилотного летающего аппарата на высотах 50-250 м размер пикселя не превышает нескольких десятков метров, соответственно, погрешность за счет ландшафтной пестроты и различия гранулометрического состава почвы будет незначительная, но в этом случае площадь зондирования уменьшается с площади региона до площади одного поля.
Заключение. В результате проведенных исследований изучена многолетняя сезонная динамика радиояркостных температур подстилающей поверхности на тестовом участке Кулундинской равнины. Разработан и апробирован дистанционный метод определения объемной влажности почвы. Для выявления территорий, подвергнувшихся почвенной засухе, разработан дистанционный микроволновый индекс засухи.
Исследование поддержано грантомРНФ 22-17-20041. https://rscf.ru/project/22-17-20041.
Список литературы
1. Черенкова Е.А. Количественные оценки атмосферных засух в федеральных округах европейской территории России // Известия Российской академии наук. Серия географическая. 2013. № 6. С. 76-85.
2. Добровольский С.Г. Засухи мира и их эволюция во времени: сельскохозяйственный, метеорологический и гидрологический аспекты // Водные ресурсы. 2015. Т. 42. № 2. С. 119-132.
3. Золотокрылин А.Н., Черенкова Е.А., Титкова Т.Б. Аридизация засушливых земель европейской части России и связь с засухами // Известия Российской академии наук. Серия географическая. 2020. Т. 84. № 2. С. 207-217. DOI: 10.31857/S258755662002017X.
4. Рысалиева Л.С., Сальников В.Г. Исследование атмосферной засухи в Центральной Азии // Географический вестник. 2021. № 2 (57). С. 110-120. DOI: 10.17072/2079-7877-2021-2-110-120.
5. Спивак Л.Ф., Витковская И.С., Батырбаева М.Ж., Муратова Н.Р., Кауазов А.М. Космический мониторинг засух в Казахстане: анализ многолетних данных дистанционного зондирования // Земля из космоса: наиболее эффективные решения. 2012. № 14. С. 15-23.
6. Сулейменова Г.Т., Ахметова С.Т. Засухи на территории Северного и Западного Казахстана // Гидрометеорология и экология. 2015. № 2(77). С. 7-15.
7. Liu X., Zhu X., Pan Y., Bai J., Li S. Performance of different drought indices for agriculture drought in the North China Plain // Journal of arid land. 2018. V. 10. P. 507-516. DOI: 10.1007/s40333-018-0005-2.
8. Svoboda M., Fuchs B.A. Handbook of Drought Indicators and Indices. Geneva. GWP. 2016. 45 p. URL: https://www.droughtmanagement.info/literature/GWP_Handbook_of_Drought_ Indicators_and_Indices_2016.pdf (available 01/29/2024).
9. Yihdego Y., Vaheddoost B., Al-Weshah R.A. Drought indices and indicators revisited // Arabian Journal of Geosciences. 2019. V. 12. Article 69. DOI: 10.1007/s12517-019-4237-z.
10. Zargar A., Sadiq R., Naser B., Khan F.I. A review of drought indices // Environmental Reviews. 2011. V. 19. PP. 333-349. DOI: 10.1139/a11-013.
11. Gerhards M.F., Schlerf M., Kanishka M., Udelhoven T. Challenges and Future Perspectives of Multi-/Hyperspectral Thermal Infrared Remote Sensing for Crop Water-Stress Detection: A Review // Remote Sensing. 2019. Vol. 11. Is. 10. Article 1240. DOI: 10.3390/rs11101240.
12. Jiao W., Tian C., Chang Q., Novick K.A., Wang L. A new multi-sensor integrated index for drought monitoring // Agricultural and forest meteorology. 2019. V. 268. P. 74-85. DOI: 10.1016/j.agrformet.2019.01.008.
13. Zhang A.Z., Jia G.S., Wang H.S. Improving meteorological drought monitoring capability over tropical and subtropical water-limited ecosystems: evaluation and ensemble of the Microwave Integrated Drought Index // Environmental research letters. 2019. V. 14. Is. 4. Article 044025. DOI: 10.1088/1748-9326/ab005e.
