CC BY
50
УДК 911.52 + 911.5/.9 + 574.4
С. В. Солодянкина, А. К. Черкашин
Институт географии им. В. Б. Сочавы СО РАН ул. Улан-Баторская, 1, Иркутск, 664033, Россия
E-mail: sveta@irigs.irk.ru; cherk@mail.icc.ru
ЭКОНОМИЧЕСКАЯ ГИС-ОЦЕНКА РАСТИТЕЛЬНОГО ПОТЕНЦИАЛА НЕЙТРАЛИЗАЦИИ АНТРОПОГЕННЫХ ВЫБРОСОВ УГЛЕКИСЛОГО ГАЗА В ЛАНДШАФТАХ ЮГА ВОСТОЧНОЙ СИБИРИ
На основе ландшафтной ГИС Прибайкалья, рассчитанного потенциального запаса углерода в растительном покрове и карты современного землепользования определена денежная оценка потерь функционирования геосистем с точки зрения стока углерода. Разработан алгоритм автоматизированного картографирования пространственного распределения геосистемных функций и предложен способ расчета стоимости функционирования геосистем в денежном выражении.
Ключевые слова: стоимость геосистемных функций, ландшафтная ГИС, потери запаса углерода.
Процессы, происходящие в мире, ставят перед наукой новые проблемы, для решения которых на разных масштабных уровнях необходимо применять весь арсенал географического знания, существующие и новые методы геоэкологических и социально-экономических исследований с применением современных информационных технологий. К числу таких проблем относится накопление парниковых газов, прежде всего углекислого газа С02, в атмосфере. Киотский протокол об изменении климата, действовавший в период 2008-2012 гг., являлся первым примером глобального природоохранного сотрудничества в этом направлении, в котором Россия принимала участие. Российская Федерация разделяет подход, в соответствии с которым исходный уровень поглощения (выбросов) для страны устанавливается не в форме фиксированных ограничений (согласно Киотскому протоколу), а соответствует научно обоснованной величине естественного поглощения углерода в лесных экосистемах ее территории 1. Задача подобного глобального регулирования остается актуальной.
В последние два десятилетия сформировалось направление экономической науки - зеленая экономика, в рамках которого считается, что экономика является зависимой от природной среды, в пределах которой она существует. Природные факторы и условия производства могут быть экономически оценены, а потеря и загрязнение природного капитала исключают его из мировой, региональной и локальной экономических систем. Рост капитализации природных ресурсов и услуг - важная задача при формировании экономики нового типа, нацеленной на устойчивое развитие в условиях дополнительности природных, экономических и социальных тенденций.
Реализация зеленой экономики предполагает проведение научных исследований и контроль работы предприятий, накопление полученных сведений в базах данных, их математи-
1 Информация по исходному уровню для управления лесным хозяйством Российской Федерации. 2011. URL: http://unfccc.int/files/meetings/ad_hoc_working_groups/kp/application/pdf/awgkp_russia_2011_rus.pdf
Солодянкина С. В., Черкашин А. К. Экономическая ГИС-оценка растительного потенциала нейтрализации антропогенных выбросов углекислого газа в ландшафтах юга Восточной Сибири // Вестн. Новосиб. гос. ун-та. Серия: Информационные технологии. 2014. Т. 12, вып. 2. С. 99-109.
ISSN 1818-7900. Вестник НГУ. Серия: Информационные технологии. 2014. Том 12, выпуск 2 © С. В. Солодянкина, А. К. Черкашин, 2014
ческую обработку и картографическую визуализацию средствами геоинформационных систем. Глобальное значение имеет природно-географический показатель стока углерода в экосистемах, оцениваемый характеристикой чистой экологической продукции (КЕР), т. е. ежегодной фиксации (или утраты) углерода в дополнение к существующему запасу углерода на территории.
При инвентаризации составляющих биобаланса лесов чаще привлекаются суммарные по территории показатели запасов с разбивкой по характеристикам лесного фонда (породный состав, классы возраста и бонитета и т. д.) [1; 2]. При дробном геоинформационном картографировании запасов применяются базы повыдельных данных лесоустройства, отражающие текущее состояние лесов [3; 4]. Для оценки с помощью ГИС потенциала запасов биомассы и ее пространственно-временной изменчивости используются ландшафтные карты и цифровые карты рельефа [5; 6].
Термин «геоинформационная оценка» постепенно входит в арсенал географической информатики [7; 8]. Под ним буквально понимается применение ГИС для оценки территорий и создания оценочных карт, что является развитием оценочного картографирования [9] на новой технологической основе. При решении задач оценивания используются экспертные и аналитические методы. Это направление реализуется в рамках синтетического картографирования с целью получения новых интегрально-функциональных характеристик пространственных явлений, включая характеристики экономической значимости и полезности. Переход к синтетическим показателям требует более высокого теоретического и методического уровня развития географии, умения интегрировать данные и знания из разных источников на основе специальных моделей. Математические модели широко используются в процедурах оценки недвижимости [10], когда по частным показателям рассчитывается итоговая стоимость объектов (кардиналистский подход). Ординалистский подход допускает возможность сопоставления и сравнения различных объектов с точки зрения их предпочтительности для конкретного потребителя. Сравнительный метод при оценивании подразумевает подбор аналогов объекта оценки и последующее моделирование стоимости объекта на основе известных цен аналогов [11].
При оценочном ГИС-картографировании одновременно характеризуются состояние и географическое положение объекта, как, например, при выделении лесотаксовых зон - участков с разной попенной (корневой) платой за единицу (1 м3) древесины на корню. В простейшем случае ГИС визуализирует данные экспертной оценки, но в основном используются алгоритмы преобразования разнообразных пространственных данных, что делает необходимым создание моделей описания существующих связей и динамики в геосистемах. Это предъявляет новые требования к результатам географических исследований со стороны задач геоинформационного картографирования, моделирования и оценивания. Прежде всего, это касается учета в моделях местных факторов и условий, что обеспечивает автоматизированную обработку информации и картографирование.
Расчет синтетических показателей при ГИС-картографировании ориентирован на оценку характеристик современных и возможных состояний территориальных объектов, например, комплексную стоимостную оценку природных ресурсов и последствий их производственного использования. Наиболее ярко эти подходы реализуются при ландшафтном планировании с помощью ландшафтных ГИС, базы данных которых привлекаются для построения аналитических и синтетических карт современного состояния компонентов природы и хозяйства, значения и чувствительности участков ландшафтов [12]. Такие оценочные карты создаются через SQL-запросы, в которых учитываются географические характеристики, ландшафтно-типологическая принадлежность участков местности и научное содержание (логическая модель) оцениваемого параметра. Подобная ГИС-оценка становится новым этапом оценочного картографирования, самостоятельным и очень важным направлением в геоинформатике.
В последние десятилетия стали актуальными работы по оценке экосистемных услуг -преимуществ, что прямо или косвенно получают люди от функционирования экосистем. В статье [13] на трех масштабных уровнях проводится экономическая оценка и ГИС-картографирование экосистемных услуг для разных категорий земель. С помощью имитационных моделей с применением ГИС оценивается воздействие разных факторов на величину экосистемных услуг, связанных с аккумуляцией осадков [14]. По расчетам каждый гектар
леса удерживает 84,8 м3 воды, что соответствует полезности в 43 доллара США. Особо важным становится совместное использование сложных алгоритмов преобразования пространственной информации с помощью ГИС, например, специальных функций ранжирования местоположений и методов математического программирования для решения оптимизационной задачи мелиорации водно-болотных угодий [15].
Модели и методы
ГИС-оценка потенциала нейтрализации антропогенных выбросов углекислого газа осуществляется на примере геосистем Восточной Сибири. Функция нейтрализации производственных выбросов выполняется геосистемами территории и заключается, в частности, в атмосферном рассеивании и поглощении парниковых газов растительностью, почвами ландшафтов и водами различных акваторий. В подобных расчетах главным образом принимается во внимание чистая экологическая продукция (NEP) лесных экосистем, т. е. ежегодная фиксация углерода на территории. Показатели NEP и потерь углерода сильно варьируют от места к месту и зависят от ландшафтных особенностей территории, численности населения и уровня развития хозяйства. Для расчета потенциала нейтрализации антропогенных выбросов углекислого газа геосистемами необходимо иметь представление о текущем значении NEP местных экосистем, существовавших потерях и дополнительном (дифференциальном) эффекте новых технологий ресурсопользования. Требуются достоверные географические данные о первичном состоянии экосистем и условиях их функционирования, а также математические модели и методы расчета хозяйственных действий для получения максимального эффекта.
Согласно киотской модели, рыночный механизм регулирования выбросов регламентировался балансовым уравнением:
E + T + S = АА + R, (1)
где Е - объем выбросов парниковых газов (углеродных единиц УЕ, тонн С02-эквивалента); T -объем продаж УЕ; S - сбережение УЕ; R - дополнительные нетто-поглощение углерода в результате земле- и лесопользования; АА - квота страны на выбросы. В уравнении (1) все показатели имеют прямое отношение к экономике природопользования, которая интенсивно развивается. Важный природно-географический показатель стока углерода в экосистемах, оцениваемый характеристикой NEP, в этой формуле не предусмотрен, поскольку исходный уровень поглощения АА для страны устанавливается в виде формальных ограничений и не соответствует объему естественного поглощения углерода в экосистемах ее территории. Для России эта величина - NEP за вычетом ежегодных потерь углерода в результате хозяйственной деятельности (сплошных рубок, пожаров и проч.) - составляет 94,7 млн тонн С02 - экв. 2
В исследованиях и оценочных моделях обычно учитывают четыре основных пула депонирования углерода в лесных экосистемах: фитомасса древостоя (стволы, ветки, корни), мертвая древесина (сухостой, валеж), подстилка, почвенная органика (подвижный и стабильный гумус, мертвые корни). Массовые расчеты этих показателей основаны на данных текущих запасов наземной фитомассы и значениях конверсионных коэффициентов (предикторов) для разных фракций фитомассы. Для лесов такие вычисления проводятся по данным лесной таксации и лесоустройства, где за основу принимается стволовой запас древостоев. Соотношение фракций и значения предикторов зависят от зональной и региональной принадлежности участков и типа растительного покрова [1; 2].
Для учета потенциальной функциональности ландшафтов в процессах стока углерода проводилось исследование на примере анализа частотных распределений встречаемости ареалов геомов по высотному градиенту в ландшафтном окружении оз. Байкал (участок 464 на 558 км, 51°13'-56°01' с. ш., 103°51'-109°15' в. д.). Для расчетов использовались ГИС ландшафтной карты (Ландшафты юга Восточной Сибири), выполненной в масштабе 1 : 1 500 000 в 1977 г.), цифровая карта рельефа - производная от SRTM (Shuttle Radar Topography Mission) с разрешением по горизонтали 2 330 м. Средствами ГИС при совмеще-
2 См.: http://unfccc.int/files/meetings/ad_hoc_working_groups/kp/application/pdf/awgkp_russia_2011_rus.pdf
нии карт рассчитывалось распределение площади геомов по высоте с шагом 100 м, например, в интервале от 400 до 500 м. Верхнее значение градации высоты (500 м) принималось за ее количественную характеристику х. Варьирование высот местоположений на территории составляет от 0 (урез воды оз. Байкал) до 2246 м. Расчеты проводились по 19 градациям высоты (от 0 до 2000 м), где встречается более одного типа геома [6]. На территории исследования отмечено 29 геомов от высокогорных гольцово-альпинотипных и гольцово-тундровых геосистем до подгорных подтаежных сосново-лиственничных и лугово-степных равнинных геомов. По площади преобладают горнотаежные лиственничные и темнохвойные ограниченного развития и горнотаежные сосновые леса. Средствами ГИС рассчитывались распределения площадей Pi (x) геомов i по высоте x и максимальное (модальное) значение Pmi этих распределений.
Методика оценочных расчетов основывается на сравнительном методе, где используются соотношения функционального подобия связей характеристик разных компонентов геосистем в виде степенных (аллометрических) зависимостей. Такие уравнения широко используются для определения запасов разных фракций фитомассы по таксационным признакам деревьев - диаметру и высоте ствола [16]. В работе M. K. Hazarika и K. Honda [17] задача оценки эрозии почв и ее экономических последствий для сельскохозяйственного производства решается с применением методов дистанционного зондирования и ГИС на основе степенного уравнения темпов ежегодной эрозии почвы E = E30 (S/S30 )0,9, где S - местный уклон
рельефа, S30, E30 - уклон и темпы эрозии для склона 30°, характеристики которого выбраны за эталон и рассчитываются по индексу NDVI.
В наших расчетах основываемся на соотношении подобия (со смещением Ах) функциональных связей F(х)/Fmi = Pi(х + Дх)/Pmi [5; 6], с помощью которого решаются разные задачи экстраполяции Fi (х) = FmiPi (х + Дх)/Pmi. Для этого требуется знать модальные величины оцениваемых переменных Fmi, например, плотность запаса сухой фитомассы по каждому геому (т/га). Для растительности геомов по литературным данным определялась характерная суммарная фитомасса Fmi, которая сравнивалась с модальными значениями частотных распределений Pmi. Имеется разброс значений фитомассы, особенно по высокогорным ландшафтам. Ее меньшие значения линейно возрастают с увеличением Pmi. Приняв эту тенденцию за основную и закономерно полагая, что при Pmi = 0 будет Fmi = 0, ищем зависимость Fmi(Pmi) в виде пропорциональной связи Fmi = kPmi. Сначала определяем коэффициент k для геомов со значениями Pmi > 30%: k = 2,9 ± 0,8. Затем рассчитываем остальные величины k и отбираем те, что достоверно (p > 0,99) попадают в указанный доверительный интервал [2,1; 3,7]. C учетом этих данных k = 2,98 ± 0,26. Следовательно, можем принять Fi (х) = kPt (х) и рассчитать высотное распределение фитомассы по распределениям площадей геомов по формуле Fi (х) = 2,98P (х). С учетом коэффициента 0,45 перевода фитомассы в массу углерода f (х) = 0,45F (х) содержание углерода в расчете на га будет f(х) = 0,45 • 2,98F(х) = 1,34P(х). Для степных геосистем со сходными значениями Pmi между фитомассой степей и лесов имеется зависимость Fmi (степи) = (0,05 ± 0,02)Fmi (леса) . Тогда содержание углерода в степи в зависимости от местоположения рассчитывается по формуле f (х)ст = 0,05 • 1,34 Pi (х) = 0,067P (х).
Результаты
В основу вычисления пространственного распределения стока СО2 положены количественная оценка по приведенным формулам и ГИС-картографирование углерода фитомассы экосистем разных ландшафтов [5]. Рассчитывался средний прирост фитомассы, равный примерно 1 % запаса в возрасте лесов 100 лет. Точнее связь прироста V и запаса W аппроксимируется уравнением V = 0,0076 W + 0,111, с коэффициентом корреляции 0,83. Для определения стока СО2 значения стока углерода умножаются на 3,67. В зависимости величины стока СО2
от высоты основного распространения геосистем (геомов) наблюдается максимум на уровне 400-600 м (рис. 1). Минимальные значения полезности соответствуют подгорным степным и горно-тундровым сообществам. Из этой закономерности выпадают подгорные котловинные лиственничные, подгорные подтаежные сосновые и равнинные подтаежные лиственничные и сосновые леса.
2.5
Ч
о
Pi 1.5 О
О ^
О I-
о
♦ ♦
♦ ♦
♦
: ♦
♦ ♦
0.5
200
400 600 800 1000
Высота местоположения, м
1200
1400
3
2
0
0
Рис. 1. Зависимости величины стока СО2 от высоты основного распространения геосистем (геомов)
над уровнем оз. Байкал
Экономическая оценка плотности стока СО2 определялась из расчета 10 евро за 1 тонну. На рис. 2 представлена карта распределения углеродной стоимости геосистемных функций в Прибайкалье, построенная на основе ГИС-ландшафтной карты территории. Большая ее часть (67 %) относится к участкам высокой стоимости - более 15-25 евро в год на га.
Проводился анализ потерь экосистемных услуг по стоку и накоплению СО2 в результате организации разных типов хозяйственного использования. С этой целью выполнялось ГИС-картографирование современного землепользования территории Верхнего Приангарья (Иркутская область). Достоверного влияния величины запасов углерода на размещение хозяйства не прослеживается, т. е. хозяйственная нагрузка на экосистемы этой территории распределяется равномерно и зависит скорее от ее географического положения, чем от свойств геосистем.
Для сбора данных о современном землепользовании использованы космические снимки спутника Landsat 4-5 TM в видимом спектральном диапазоне с пространственным разрешением 30 метров. Критериями отбора снимков являлись: облачность не более 20 %, время съемки. Всего использовалось 25 сцен снимков Landsat.
Выделение площадей земель с тем или иным видом хозяйственной деятельности проводилось путем оцифровки изображения с помощью визуального дешифрирования снимков, а также с использованием дополнительной информации для более точного определения объектов: Публичная кадастровая карта Росреестра РФ 3, данных OpenStreetMap 4, геопортал Google Earth и данные официальных сайтов административных районов. Выполнено картографирование территорий 19 административных районов Иркутской области общей площадью 162 тыс. км2. Масштаб работы 1 : 200 000, поэтому объекты, размеры которых меньше 800 м на местности, не выявлялись.
3 http://maps.rosreestr.ru/Portal/
4 gis-lab. info/projects/osm-export.html
Рис. 2. Пространственное варьирование ориентировочной стоимости геосистемных функций по нейтрализации парниковых газов на территории Прибайкалья
Карта современного природопользования с пространственным распределением площадей, занятых разными видами хозяйственной деятельности с полной или частичной утратой ландшафтной функции стока углерода, сравнивалась с картой потенциального запаса углерода (см. рис. 2), В таблице приведено распределение площадей по видам землепользования и по значениям запаса восстановленных (коренных) состояний вмещающих хозяйственную деятельность геосистем. По этим данным рассчитывались значения потерянного запаса - утраченной выгоды с точки зрения фиксации углерода. В результате проведенных расчетов денежная оценка потерь функционирования геосистем на исследуемой территории Прианга-рья (площадью 162 213 км2) определена в размере 18,8 миллионов тонн запаса углерода.
Потенциальный запас углерода и его суммарные потери в результате хозяйственной деятельности на территории Верхнего Приангарья
Потенциальный запас углерода (т / га) Площади участков хозяйственной деятельности Потери
с данным потенциальным запасом углерода (га) запаса
поселения промышленность сельское хозяйство вырубки углерода (т)
2 627 0 0 3 762 8 779
5 0 0 0 7 524 37 624
6 0 0 0 6 270 37 624
7 0 0 627 0 4 390
9 627 0 0 0 5 644
10 0 0 1 254 1 254 25 082
11 0 0 3 762 627 48 285
12 2 508 0 69 603 8 778 970 688
13 0 0 1 254 4 389 73 366
14 0 0 11 287 0 158 019
15 627 0 13 795 0 216 336
16 5 016 0 11 914 4 389 341 120
17 0 0 0 1 254 21 320
18 627 0 71 484 25 082 1 749 497
19 0 0 627 5 016 107 228
20 0 0 2 508 3 762 125 410
21 0 0 4 389 0 92 177
22 0 0 2 508 0 55 180
23 0 0 17 557 13 168 706 698
24 0 0 13 168 6 897 481 584
25 0 0 4 389 6 270 266 500
27 0 0 627 0 16 932
29 0 0 0 10 033 290 957
30 0 0 627 3 135 112 872
31 2 508 0 71 484 10 660 2 624 243
32 0 0 1 254 18 184 622 042
33 0 0 0 1 254 41 385
38 627 0 15 676 0 619 537
40 627 0 13 795 0 576 896
44 0 0 0 1 881 82 773
46 17 557 627 127 293 3 135 6836 212
50 0 0 0 10 033 501 650
51 0 0 0 7 524 383 760
69 0 0 7 524 0 519 204
Всего по территории 31 351 627 468 406 164 281 18 761 014
Обсуждение результатов и выводы
Для геоинформационной оценки полезности функционирования ландшафтов обычно используются базы данных ГИС, позволяющие создавать и применять математические модели. В частности, в ГИС-процедурах вычисления объемов стока углерода реализуется несколько расчетных факторных схем для «углеродной бухгалтерии». Например, изучается влияние разрастания городов на сток углерода в городских лесах на основе ГИС-анализа данных дистанционного зондирования и лесной таксации. Найдена зависимость эффекта воздействия от показателя удаленности территорий от городского центра и возраста лесов [18]. Широко распространены подходы расчета содержания почвенного углерода с помощью уравнений регрессии от почвенных факторов, фиксируемых в базе данных ГИС [19]. Для вычисления изменений содержания С02 используются многофакторные имитационные модели [20]. В большинстве исследований конечным результатом анализа становятся экономическая ГИС-оценка и картографирование запасов и стоков углерода в экосистемах [21].
Преимуществом предлагаемого в работе подхода является решение поставленной задачи на основе ГИС, созданной по ландшафтной карте, поскольку в процессе картографирования геосистем уже учитывается комплекс факторов, определяющих тип геосистем, что фиксируется в легенде карты и в базе данных. Площади геосистем, характеризующих определенный комплекс факторов, с помощью ГИС распределяются по параметру изменчивости, в данном случае - высоте местоположения, от которой зависят значения остальных факторов. Полученные распределения используются как базовые кривые, путем трансформации которых восстанавливаются кривые экономической полезности экологических услуг, например, по нейтрализации антропогенных выбросов. Дополнительные факторы, включая время (возраст), учитываются в виде поправок к основному параметру изменчивости. Геоинформационное картографирование на ландшафтной основе с использованием описанного алгоритма преобразования дает возможность создавать оценочные карты с учетом пространственной неоднородности географической среды. В итоге на основе ландшафтной ГИС выполнена экономическая оценка растительного потенциала нейтрализации выбросов углекислого газа. С помощью алгоритма автоматизированного картографирования для ключевого участка исследования определены потери функционирования геосистем с точки зрения снижения стока углерода в результате хозяйственной деятельности.
Список литературы
1. Исаев А. С., Коровин Г. Н., Уткин А. И., Пряжников А. А., Замолодчиков Д. Г. Оценка запасов и годичного депонирования углерода в фитомассе лесных экосистем России // Лесоведение. 1993. № 5. C. 3-10.
2. Ваганов Е. А., Ведрова Э. Ф., Верховец С. В., Ефремов С. И., Ефремова Т. Т., Круг-лов В. Б., Онучин А. А., Сухинин А. И., Шибистова О. Б. Леса и болота Сибири в глобальном цикле углерода // Сибирский экологический журнал. 2005. № 4. С. 631-649.
3. Трейфельд Р. Ф., Филиппов Ю. Ф. Геоинформационные системы в российском лесоустройстве // Лесное хозяйство. 1998. № 2. С. 43-45.
4. Креснов В. Г., Рубенок Л. М. Создание совмещенной лесотаксационной и картографической базы данных при лесоустройстве // Лесное хозяйство. 1998. № 6. С. 41-42.
5. Черкашин А. К., Солодянкина С. В. Геоинформационное моделирование и картографирование углеродного запаса бореальных лесов Прибайкалья // Интеркарто/ИнтерГИС-16. Устойчивое развитие территории: теория ГИС и практический опыт. Ростов н/Д: Изд-во ЮНЦ РАН, 2010. С. 388-395.
6. Солодянкина С. В., Черкашин А. К. Геоинформационный анализ и моделирование геосистемных функций накопления углеродного запаса горно-таежными лесами Прибайкалья в изменяющейся природной среде // Вестн. Новосиб. гос. ун-та. Серия: Информационные технологии. 2011. Т. 9, вып. 1. С. 44-56.
7. Латышева А. В. Геоинформационная оценка потенциала социально-экономического развития прибрежных районов Байкальской природной территории: Автореф. дис. ... канд. геогр. наук. Иркутск: 2006. 23 с.;
8. Смиренникова Е. В. Туристический потенциал Архангельской области: геоинформационная оценка: Автореф. дис. ... канд. геогр. наук. М., 2011. 23 с.
9. Звонкова Т. В., Исаченко А. Г., Минц А. А., Преображенский В. С. Теоретические основы и методы оценочного картографирования природных условий и ресурсов // Оценочные карты природы, населения, хозяйства. М.: Изд-во МГУ, 1973. С. 5-10.
10. Сивец С. А., Левыкина И. А. Эконометрическое моделирование в оценке недвижимости. Запорожье: Полиграф, 2003. 220 с.
11. Грибовский С. В., Баринов Н. П., Анисимова И. Н. О повышении достоверности оценки рыночной стоимости методом сравнительного анализа // Вопросы оценки. 2002. № 1. С. 2-10.
12. Экологически ориентированное планирование землепользования в Байкальском регионе. Район дельты р. Селенги / А. К. Черкашин, Л. М. Корытный, Т. И. Коновалова и др. Иркутск: Ин-т географии СО РАН, 2002. 149 с.
13. Troy A., Wilson M. A. Mapping Ecosystem Services: Practical Challenges and Opportunities in Linking GIS and Value Transfer // Ecological Economics. 2006. Vol. 60. P. 435-449.
14. Mashayekhi Z., Panahi M., Karami M., Khalighi S., Malekian A. Economic Valuation of Water Storage Function of Forest Ecosystems (Case Study: Zagros Forests, Iran) // Journal of Forestry Research. 2010. Vol. 21, № 3. P. 293-300.
15. Roise J. P., Gainey K. W., Shearl T. H. An Approach to Optimal Wetland Mitigation Using Mathematical Programming and Geographic Information System Based Wetland Function Estimation // Wetlands Ecology and Management. 2004. Vol. 12. P. 321-331.
16. Уткин А. И., Замолодчиков Д. Г., Гульбе Т. А., Гульбе Я. И. Аллометрические уравнения для фитомассы по данным деревьев сосны, ели, березы и осины в европейской части России // Лесоведение. 1996. № 6. С. 36-46.
17. HazarikaM. K., Honda K. Estimation of Soil Erosion Using Remote Sensing and GIS, its Valuation and Economic Implication on Agricultural Production // Sustaining the Global Farm. 2001. P.1090-1093.
18. Ren Y., Yan J., Wei X., Wang Y., Yang Y., Hua L., Xiong Y., Niu X., SongX. Effects of Rapid Urban Sprawl on Urban Forest Carbon Stocks: Integrating Remotely Sensed, GIS and Forest Inventory Data // Journal of Environmental Management. 2012. № 113. P. 447-455.
19. KhalilM. I., Kiely G., O'Brien P., Müller C. Organic Carbon Stocks in Agricultural Soils in Ireland Using Combined Empirical and GIS Approaches // Geoderma. 2013. № 193-194. P. 222-235.
20. Watanabe M., Ortega E. Dynamic Emergy Accounting of Water and Carbon Ecosystem services: А Model to Simulate the Impacts of Land-Use Change // Ecological Modelling. 2014. № 271. P.113-131.
21. Deng S., Shi Y., Jin Y., Wang L. A GIS-Based Approach for Quantifying and Mapping Carbon Sink and Stock Values of Forest Ecosystem: A Case Study // Energy Procedia. 2011. № 5. P.1535-1545.
Материал поступил в редколлегию 14.09.2012
S. V. Solodyankina, A. K. Cherkashin
ECONOMIC GIS-ESTIMATION OF VEGETATION CAPACITY FOR NEUTRALISATION OF ANTROPOGENIC EMISSIONS OF CARBON DIOXIDE IN SOUTH OF EASTERN SIBERIA
Monetary valuation of loss of carbon stock ecosystem service is defined on the base of near Baikal landscapes GIS, the calculation of potential carbon stock in vegetation and the map of current land use. Decision procedure of geoinformation mapping of ecosystem services spatial distribution is worked out. The approach for monetary valuation of ecosystem service of carbon stock is proposed.
Keywords: value of geosystem functions, landscape GIS, loss of carbon stock.
References
1. Isaev A. S., Korovin G. N., Utkin A. I., Pryazhnikov A. A., Zamolodchikov D. G. Ocenka zapasov i godichnogo deponirovaniya ugleroda v fitomasse lesnyh jekosistem Rossii [Estimation of reserves and annual storage of carbon in phytomass of forest ecosystems of Russia]. Lesovedenie, 1993, no. 5, p. 3-10. (In Russ.)
2. Vaganov E. A., Vedrova A. F., Verkhovets S. V., Efremov S. E., Efremova T. T., Kruglov V. B., Onuchin A. A., Sukhinin A. I., Shibistova O. B. Lesa i bolota Sibiri v global'nom cikle ugleroda [Forests and swamps of Siberia in the global carbon cycle]. Siberian ecological journal, 2005, no. 4, p. 631-649. (In Russ.)
3. Traveled R. F., Filippov Yu. F. Geoinformacionnye sistemy v rossijskom lesoustrojstve [Geoinformation systems in the Russian forest inventory]. Forestry, 1998, no. 2, p. 43-45. (In Russ.)
108
C. B. ConoflAHKMHa, A. K. HepKawHH
4. Kresnov B. G., Rubenok L. M. Sozdanie sovmeshhennoj lesotaksacionnoj i kartograficheskoj bazy dannyh pri lesoustrojstve [Creation of the combined forests and maps database in forest management]. Forestry, 1998, no. 6, p. 41-42. (In Russ.)
5. Cherkashin A. K., Solodyankina S. V. Geoinformacionnoe modelirovanie i kartografirovanie uglerodnogo zapasa boreal'nyh lesov Pribajkal'ya [Geoinformation modeling and mapping of carbon stock boreal forests of Baikal area]. InterCarto/Intergis-16. Sustainable development: theory GIS and practical experience, Rostov-na-Donu, Publisher of Southern Research Center RAS, 2010, p. 388-395. (In Russ.)
6. Solodyankina S. V., Cherkashin A. K. Geoinformacionnyj analiz i modelirovanie geosistem-nyh funkcij nakopleniya uglerodnogo zapasa gorno-taezhnymi lesami Pribajkal'ya v izmenya-yushhejsya prirodnoj srede [Geoinformation analysis and modeling of geosystem's functions of accumulation of carbon stock in mountain forests of the Baikal region in a changing environment].
Bulletin of Novosibirsk State University. Series: Information technology, 2011, vol. 9, iss. 1, p. 4456. (In Russ.)
7. Latysheva A. V. GIS assessment of socio-economic development capacity of the coastal areas of Baikal natural territory: Author's abstract. Irkutsk: 2006, 23 p. (In Russ.)
8. Smirennikova E. V. Tourist potential of the Arkhangelsk region: geographic information assessment: Abstract of thesis. Moscow, 2011, 23 p. (In Russ.)
9. Zvonkova T. V., Isachenko A. G., Mintz A. A., Preobrazhenskiy V. S. Teoreticheskie osnovy i metody ocenochnogo kartografirovaniya prirodnyh uslovij i resursov [Theoretical bases and methods of valuation mapping of natural conditions and resources]. The valuation maps of nature, population, economy, Moscow, MSU Publishing house, 1973, p. 5-10. (In Russ.)
10. Siwiec S. A., Levykina I. A. Jekonometricheskoe modelirovanie v ocenke nedvizhimosti [Econometric modeling in valuation of realty]. Zaporozhye, Polygraph, 2003, 220 p. (In Russ.)
11. Gribovsky S. V., Barinov N. P., Anisimova I. N. O povyshenii dostovernosti ocenki rynochnoj stoimosti metodom sravnitel'nogo analiza [About increase of accuracy of valuation of the market value method of comparative analysis]. Problems of evaluation, 2002, no. 1, p. 2-10. (In Russ.)
12. Cherkashin A. K., Korytniy L. M., Konovalova T. I. and others. Ecologically oriented land use planning in the Baikal region. The Delta of river Selenga. Irkutsk, Institute of geography SB RAS, 2002, 149 p. (In Russ.)
13. Troy A., Wilson M. A. Mapping ecosystem services: practical challenges and opportunities in linking GIS and value transfer. Ecological economics, 2006, vol. 60, p. 435-449.
14. Mashayekhi Z., Panahi M., Karami M., Khalighi S., Malekian A. Economic valuation of water storage function of forest ecosystems (case study: Zagros Forests, Iran). Journal of Forestry Research, 2010, vol. 21, no. 3, p. 293-300.
15. Roise J. P., Gainey K. W., Shearl T. H. An approach to optimal wetland mitigation using mathematical programming and geographic information system based wetland function estimation. Wetlands Ecology and Management, 2004, vol. 12, p. 321-331.
16. Utkin A. I., Zamolodchikov D. G., Gul'be T. A., Gul'be Ya. I. Allometricheskie uravneniya dlya fitomassy po dannym derev'ev sosny, eli, berezy i osiny v evropejskoj chasti Rossii [Allomet-ric equations for phytomass according to data of the trees of pine, spruce, birch, and aspen in the European part of Russia]. Lesovedenie, 1996, no. 6, p. 36-46.
17. Hazarika M. K., Honda K. Estimation of soil erosion using remote sensing and GIS, its valuation and economic implication on agricultural production. Sustaining the Global Farm, 2001, p.1090-1093.
18. Ren Y., Yan J., Wei X., Wang Y., Yang Y., Hua L., Xiong Y., Niu X., Song X. Effects of rapid urban sprawl on urban forest carbon stocks: Integrating remotely sensed, GIS and forest inventory data. Journal of Environmental Management, 2012, no. 113. p. 447-455.
19. Khalil M. I., Kiely G., O'Brien P., Müller C. Organic carbon stocks in agricultural soils in Ireland using combined empirical and GIS approaches. Geoderma, 2013, no. 193-194. p. 222-235.
20. Watanabe M., Ortega E. Dynamic emergy accounting of water and carbon ecosystem services: a model to simulate the impacts of land-use change. Ecological Modelling, 2014, no. 271, p. 113-131.
21. Deng S., Shi Y., Jin Y., Wang L. A GIS-based approach for quantifying and mapping carbon sink and stock values of forest ecosystem: A case study. Energy Procedia, 2011, no. 5. p. 1535-1545.
