CC BY
21
ВЕСТНИК МОСКОВСКОГО УНИВЕРСИТЕТА. СЕРИЯ 17. ПОЧВОВЕДЕНИЕ. 2023. Т. 78. № 2 LOMONOSOV SOIL SCIENCE JOURNAL. 2023. Vol. 78. No. 2
УДК 574.4:504.054 + 631.4
DOI: 10.55959/MSU0137-0944-17-2023-78-2-63-74
ПРОГНОЗ ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ЗЕМЕЛЬ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ В ЦЕЛЯХ УСТОЙЧИВОГО РАЗВИТИЯ
М. В. Евдокимова
МГУ имени М.В. Ломоносова, факультет почвоведения, 119991, Россия, Москва, Ленинские горы, д. 1, стр. 12 e-mail: soil.resources@mail.ru
По результатам исследования за опорный период с 2001 по 2020 гг. впервые построена электронная растровая карта экологического состояния земель субъектов Российской Федерации. Оценка проведена на основе характеристик первичной продукции фотосинтеза, выведенных из материалов дистанционного зондирования Земли из космоса в форме показателей «продуктивности», трансформации земель и динамики содержания органического вещества в почве. Частные оценки обобщены в виде интегрального индикатора достижения целей устойчивого развития — индикатора деградации земель ЦУР 15.3.1. Установлено, что к концу 2020 г. в Российской Федерации деградировали 2,2 млн км2 земель, что составляет 13% площади страны. 45% территории заняты стабильными, не изменившимися в течение 19 лет, землями. 41% территории относится к землям, улучшившимся за опорный период. Установлена статистически достоверная нелинейная закономерная связь индикатора экологического состояния земель в форме показателя доли недеградированных земель с учетом доли не установленных земель, определяемых в рамках процедуры оценки индикатора деградации земель ЦУР 15.3.1, с величиной удельных выбросов загрязняющих веществ в атмосферный воздух от стационарных источников, расположенных на территории субъекта. Установлена пороговая величина удельных выбросов от стационарных источников на уровне субъекта РФ, составившая 1610 кг-км-2. Вероятность превышения пороговой величины удельных выбросов составляет 37%. Риск роста деградации земель с ростом объемов выбросов характерен для 36% территориальных единиц РФ.
Ключевые слова: деградация земель, математическое моделирование, анализ данных дистанционного зондирования Земли, вегетационный индекс, оценка рисков.
Введение
Глобальная деградация земель — главный вызов человечества, препятствующий обеспечению продовольственной безопасности и устойчивому развитию стран. В связи с этим ООН [Резолюция..., 2015] выдвинута инициатива «нейтрализации деградации земель», залогом успеха которой является выявление текущего состояния земель как основы для мероприятий по устранению деградации в рамках единого подхода с использованием материалов дистанционного зондирования Земли. В связи с отсутствием непрерывно обновляемой пространственно-распределенной оценки состояния земель Российской Федерации задача ее получения применительно ко всей территории представляется актуальной и отвечает запросам государства [Национальный набор показателей ЦУР, 2022; Постановление Правительства РФ № 477, 2013; Постановление Правительства РФ № 149, 2019; Указ Президента РФ № 204, 2018] в части проведения наблюдений за состоянием окружающей среды, выявления тенденций в его изменении с учетом действующих природных и антропогенных факторов, а также прогнозирования экологических последствий
загрязнения компонентов окружающей среды. Успешное решение этой проблемы, определяемое возможностью обобщения на единой основе разномасштабных исследований состояния и оценки качества земель по материалам космического мониторинга, создаст предпосылки для управленческих решений по обеспечению устойчивого развития РФ [Указ Президента РФ № 204, 2018].
Работы по анализу состояния земельных ресурсов получили широкое распространение в связи с возрастающими масштабами и темпами деградации, обусловленной различными природными и антропогенными факторами [Sims et al., 2019]. Методами исследования, адекватными масштабу проявления деградации, являются лишь методы дистанционного зондирования Земли из космоса [Gonzalez-Roglich et al., 2019], в частности основанные на вегетационных индексах, получаемых в результате обработки материалов мультиспектраль-ной съемки земной поверхности с искусственных спутников Земли. Наиболее используемым является нормализованный вегетационный индекс NDVI (Normalized difference vegetation index), рассчитываемый как частное от деления разности коэффициентов отражения земной поверхностью, покрытой
растительностью, в инфракрасном диапазоне электромагнитного излучения и в красном оптическом диапазоне на их сумму [Tucker, 1979; Wessels et al., 2012]. Анализ внутригодовой динамики NDVI позволяет вскрыть фенологические фазы растительного покрова и оценить фитомассу [Nouri et al., 2014], то есть суммарную массу всех растительных организмов, какой-либо их группы или отдельных растений в любом природном сообществе [Биологический энциклопедический словарь, 1986]. Это свойство NDVI нашло применение и при анализе закономерностей межгодовой динамики наземных экосистем. Все известные приложения NDVI к анализу динамики наземной растительности основаны на эмпирических моделях. В работе [Глазунов и др., 2019] в рамках законов сохранения механики, макроскопической химической и биохимической кинетики с использованием теории подобия и анализа размерности получена математическая модель, представляющая собой систему уравнений в частных производных, аналитическое решение которой соответствует экспериментальным данным по динамике NDVI (при условии постоянства почвенных условий) и экспериментальным данным по зависимости NDVI от концентрации стрессора в почвах (при условии постоянства времени от начала сезона роста). Тем самым получено теоретическое обоснование правомерности использования NDVI в качестве количественного показателя наземной фитомассы.
Выявление многими работами, в частности, применительно к Буркина Фасо [Zoungrana et al., 2018], к Монголии [Eckert et al., 2015], к Внутренней Монголии КНР [Cui et al., 2012], к саваннам Мадагаскара [Jacquin et al., 2010], к зоне Сахеля [Fensholt, Rasmussen, 2011], к Египту [Abdel-Kader, 2019] и к северо-востоку Бразилии [Mariano et al., 2018] линейного тренда в межсезонной динамике NDVI позволило оценивать продуктивность земель в зависимости от его направления, указывающего на возрастание фитомассы с течением времени, что трактуется как свидетельство улучшения продуктивности земель, либо на ее убывание с течением времени, что трактуется как свидетельство деградации продуктивности, либо на ее постоянство, что трактуется как свидетельство устойчивости функционирования экосистемы.
В некоторых исследованиях выявлены существенные отклонения реальной межсезонной динамики NDVI от линейной. Так, исследованиями в Патагонии [Easdale et al., 2019] во многих местах выявлена смена линейного убывания NDVI криволинейным возрастанием, что указывает на необходимость учета возможности этого эффекта при интерпретации экспериментальных данных по межсезонной динамике NDVI.
Причинами смены тенденции к убыванию на тенденцию к возрастанию продуктивности земель
могут быть антропогенные воздействия либо климатические изменения [Li et al., 2016; Pan et al., 2018]. В связи с этим были обоснованы способы учета влияния межгодовых изменений метеорологических величин на межгодовую динамику NDVI [Fensholt et al., 2012; Abel, 2019] и сформированы источники метеоданных [Meyer, Riechert, 2019]. В работе [Burrell et al., 2018] проведено сравнительное исследование эффективности применения при оценке деградации земель на основе анализа трендов вегетационного индекса новых источников метеорологической информации.
Возможность оценки деградации земель как следствия проявления водной и ветровой эрозии почв, уменьшения плодородия, засоления, загрязнения и переуплотнения почв на основе анализа трендов межгодовых изменений NDVI в качестве первого приближения с обязательным контролем вклада фактора количества атмосферных осадков и эффективности их использования подтверждена в ходе глобального исследования [Bai et al., 2008]. Однако эти выводы были сделаны на основе анализа снимков сравнительно низкого разрешения (8 км). В работе [De Jong, 2011] в результате сравнения нескольких подходов к обработке первичных данных измерения NDVI подтвердили адекватность линейной аппроксимации межгодового тренда действительной ситуации, но обратили внимание на трудности интерпретации этих результатов в терминах деградации, особенно во влажных тропиках и в пустынях.
Обзор литературных источников свидетельствует о том, что проблема деградации земель является одной из самых острых проблем современности; она привлекает внимание научной общественности, ООН и правительств, что привело к стимулированию исследований в этой области открытием доступа к базам данных дистанционного зондирования Земли высокого разрешения, а также к инструментам обработки больших массивов информации, в том числе — доступа к облачным технологиям Trends.Earth [Trends.Earth, 2018]. Как следствие наблюдается активный количественный и качественный рост исследований в этой области. Применительно к территории РФ проблема анализа деградации земель на основе данных дистанционного зондирования Земли высокого разрешения в масштабе всей страны находится на стадии обсуждения и верификации алгоритмов. В работе [Андреева, Куст, 2020] провели оценку состояния земель большинства субъектов РФ, за исключением Республики Саха (Якутии) и Красноярского края, на основе концепции нейтрального баланса деградации за период с 2001 по 2015 гг., при этом отметили трудности применения методики Trends. Earth [Trends.Earth, 2018] к разнообразным социально-экономическим и физико-географическим условиям страны.
Цель исследования: дать пространственно-распределенную оценку экологического состояния земель субъектов Российской Федерации на основе детальной космической съемки в качестве эталона для дальнейшего мониторинга земель и контроля эффективности национальных мероприятий по устойчивому землепользованию.
В задачи исследования входило:
1. Выявление закономерностей пространственной изменчивости индикатора деградации земель субъектов РФ.
2. Сопряженный анализ факторов и трендов деградации земель в субъектах РФ, выявленных в рамках модели Trends.Earth.
3. Оценка риска деградации земель на уровне административных единиц РФ.
Материалы и методы
В качестве целевого показателя деградирован-ности земель использовали индикатор деградации земель ЦУР 15.3.1 [Андреева, Куст, 2020; Trends. Earth, 2018], который представляет собой отношение площади деградированных земель к их общей площади, исключая земли под водой, для каждого пикселя на снимках территории. Этот показатель вычислили для каждого субъекта РФ. Один пиксель на снимке соответствует квадрату на местности со стороной 250 м. Общая площадь территории, охваченной съемкой, составила 16,4 млн км2.
Индикатор деградации земель ЦУР 15.3.1, выражаемый в долях площади, вычисляется (рис. 1) путем обобщения трех независимых показателей, которые выступают в качестве его составляющих (субиндикаторов):
1. Показателя продуктивности земель (Productivity).
2. Показателя оценки последствий от смены типа покрова земной поверхности (Land cover).
3. Показателя оценки изменения запасов углерода органического вещества почвы (Soil organic carbon).
Показатель продуктивности земель (Productivity) тесно связан с чистой первичной продукцией фотосинтеза, измеряемой в кг/га/год [Trends.Earth, 2018]. В качестве его замены использовали нормализованный вегетационный индекс (NDVI), рассчитанный по материалам спутниковых данных MODIS. По снимкам с 2001 по 2020 гг. для каждого года и каждого пикселя вычисляли среднюю за вегетационный сезон величину NDVI, которую и использовали в качестве замены показателя чистой первичной продукции фотосинтеза. Полученные таким образом значения NDVI послужили основой для расчетов трех вспомогательных величин:
1. Показателя скорости изменения первичной продукции фотосинтеза со временем (Trajectory), который вычисляли методом линейной регрессии усредненных за вегетационный период величин NDVI по времени для всего опорного периода с 2001 по 2020 гг. Полученные результаты оценивали следующим образом: если угловой коэффициент теоретической прямой (тест тренда Манна-Кендалла) значимо превышал ноль, делался вывод об улучшении состояния земель, если он равнялся нулю, то констатировали отсутствие изменений в состоянии земель, а если он оказывался значимо меньше нуля, приходили к заключению о деградации земель по этому показателю.
2. Показателя текущего состояния производительной способности земель (Perfomance), представляющего собой меру отклонения местного (для данного пикселя) значения NDVI от среднего за период с 2001 по 2020 гг. по ареалам пикселей, относящихся к участкам с одинаковым типом растительного покрова в одном и том же биоклиматическом регионе или с одинаковым типом покрова земной поверхности.
3. Показателя эффективности производительной способности земель (State), который позволяет обнаруживать недавние изменения первичной продуктивности по сравнению с базовым периодом. Алгоритм расчетов основан на анализе гисто-
Индикатор деградации земель (SDG 15.3.1. Land degradation indicator) измеряется долей потенциально деградированных земель от общей площади
Рис. 1. Схема вычисления индикатора деградации земель
грамм распределения значений NDVI для базового (с 2001 по 2017 гг.) и целевого периода (с 2018 по 2020 гг.).
По этим трем показателям вычисляли значения показателя производительной способности земель (Productivity).
Источниками информации послужили базы геопривязанных данных по типам растительного покрова (Land cover classes — ESA CCI) с разрешением 300 м, почвенным таксономическим единицам (Soil Grids — USDA) с разрешением 250 м. Пространственное разрешение растровых карт вегетационного индекса NDVI, подготовленных по материалам спутника MODIS (сенсор MOD13Q1-coll6), составило 250 м.
Обобщение частных оценок (на основе трех субиндикаторов — Productivity, Land cover и Soil organic carbon) для нахождения значения целевого индикатора деградации земель проводили на основе критериальной таблицы (рис. 2).
Индикатором экологического состояния земель стал показатель доли недеградированных земель,
который был получен для каждого региона страны вычитанием из единицы доли деградированных земель и доли земель, не определенных дистанционными методами [Евдокимова, 2022].
Экологическое состояние земель региона зависит от интенсивности антропогенного воздействия на них, которое в самом первом приближении согласно перечню национальных индикаторов ЦУР (цель № 11 «Обеспечение открытости, безопасности, жизнестойкости и экологической устойчивости городов и населенных пунктов») [Национальный набор показателей ЦУР, 2022] может быть количественно охарактеризовано значениями плотности населения в субъектах Российской Федерации и величинами удельных выбросов загрязняющих веществ в атмосферный воздух от стационарных источников, расположенных на территории субъекта (среднее значение показателя за период с 2010 по 2013 гг.), которые были рассчитаны на основе открытых статистических данных Росстата по численности населения по состоянию на 01.01.2021 г. и среднегодовым объемам выбросов от стационарных
Обобщенный показатель продуктивности Оценка последствий смены типа покрова земной поверхности Оценка изменения запасов органического углерода почвы
Улучшение Улучшение Улучшение
Улучшение Улучшение Стабильность
Улучшение Улучшение Деградация
Улучшение Улучшение
Улучшение Стабильность
Улучшение Деградация
Улучшение Деградация Улучшение
Улучшение Деградация Стабильность
Улучшение Деградация Деградация
Стабильность Улучшение Улучшение
Стабильность Улучшение Стабильность
Стабильность Улучшение Деградация
Стабильность Стабильность Улучшение
Стабильность Стабильность Стабильность
Стабильность Стабильность Деградация
Стабильность Деградация Улучшение
Стабильность Деградация Стабильность
Стабильность Деградация Деградация
Деградация Улучшение Улучшение
Деградация Улучшение Стабильность
Деградация Улучшение Деградация
Деградация Улучшение
Деградация Стабильность
Деградация Деградация
Деградация Деградация Улучшение
Деградация Деградация Стабильность
Деградация Деградация Деградация
Индикатор деградации земель
Улучшение Улучшение Деградация Улучшение Улучшение Деградация Деградация Деградация Деградация Улучшение Улучшение Деградация Улучшение
Стабильность
Деградация Деградация Деградация Деградация Деградация Деградация Деградация Деградация Деградация Деградация Деградация Деградация Деградация
Рис. 2. Критериальная таблица для перехода от сочетания индивидуальных оценок (на основе субиндикаторов) к обобщающей оценке — индикатору деградации земель [Trends.Earth, 2018]
источников (табл.). Учитывались все загрязняющие вещества, поступающие в атмосферный воздух как после прохождения пылегазоочистных установок в результате неполного улавливания и очистки на организованных источниках загрязнения, так и без очистки от организованных и неорганизованных источников загрязнения.
С ростом антропогенного воздействия индикатор экологического состояния земель сначала растет, достигая некой пороговой величины, а затем закономерно убывает. Пороговую величину воздействия вычисляли на основе математической модели, уравнение решения которой имеет вид [Глазунов и др., 2019]:
7 = А х хВехр(- К), (1)
где х — величина, характеризующая интенсивность воздействия на экосистемы, у — мера отклика экосистем в форме показателя экологического состояния земель, зависимая переменная (км2-км-2), А — коэффициент масштаба, В — коэффициент, характеризующий убывание зависимой переменной с увеличением независимой переменной, К — коэффициент, характеризующий возрастание зависимой переменной с увеличением независимой переменной. Согласно модели и рост и убывание меры экологического состояния земель происходят одновременно. Решение модели имеет указанную форму при условии фиксированного времени. В данном случае зафиксирован промежуток с 2001 по 2020 гг.
Наличие пространственно-распределенных данных об объемах выбросов от стационарных источников загрязнения на территории субъектов РФ позволило выявить закон распределения вероятности для данных величин и вычислить эмпирическую обеспеченность для этого распределения, а затем
после предварительного вычисления пороговой величины удельных выбросов оценить риск деградации земель.
Оценка риска деградации земель как разновидность оценки экологических рисков — это процедура, в ходе реализации которой оценивается вероятность того, что в результате экспонирования воздействию одного или нескольких факторов, в нашем случае воздействию выбросов загрязняющих веществ в атмосферный воздух, у экосистем на землях субъектов РФ возникают или могут возникнуть неблагоприятные последствия [Яковлев, Евдокимова, 2022]. Последствия считаются нежелательными, если они сопровождаются изменением функциональных характеристик компонентов экосистем — показателей «продуктивности», трансформации земель, динамики содержания органического вещества в почве и обобщающего их индикатора деградации земель.
Вычислительную часть работы осуществляли на ПЭВМ с использованием офисного пакета Microsoft Office 365, специального алгоритма, созданного на языке Python 3, и географической информационной системы QGIS 3.22. Основная часть работы выполнена с использованием плагина Trends.Earth, который обеспечивает интерфейс доступа к облачным вычислениям на серверах Google Earth Engine, по методикам, изложенным в руководстве пользователя [Trends.Earth, 2018].
Результаты
Основным результатом исследования является карта экологического состояния земель субъектов Российской Федерации (рис. 3), построенная на основе характеристик первичной продукции фотосинтеза, выведенных из материалов дистанционно-
Рис. 3. Карта экологического состояния земель по индикатору деградации ЦУР 15.3.1
Таблица
Экологическое состояние земель субъектов РФ
Регион Площадь, км2 Доля земель Население, чел. Выбросы, тыс. тонн
улучшившихся стабильных деградированных нет данных
Республика Адыгея 7 751 0,31 0,55 0,14 0,01 468 340 6
Республика Алтай 92 339 0,48 0,44 0,06 0,01 221 559 8
Республика Башкортостан 142 045 0,20 0,64 0,15 0,00 4 001 678 411
Республика Бурятия 330 206 0,39 0,45 0,17 0,00 982 629 99
Республика Дагестан 49 649 0,18 0,50 0,31 0,00 3 153 857 17
Республика Ингушетия 3 252 0,25 0,57 0,19 0,00 524058 0,4
Кабардино-Балкарская Республика 12 499 0,19 0,38 0,37 0,06 870 487 3
Республика Калмыкия 72 300 0,16 0,64 0,20 0,00 267756 4
Карачаево-Черкесская Республика 14 448 0,22 0,40 0,36 0,02 464219 22
Республика Карелия 139 315 0,60 0,30 0,09 0,01 603 067 107
Республика Коми 413 385 0,63 0,31 0,06 0,00 803 477 701
Республика Крым 24 303 0,12 0,55 0,33 0,01 1 896 393 нет данных
Республика Марий Эл 22 692 0,38 0,49 0,13 0,00 671 455 31
Республика Мордовия 25 883 0,15 0,29 0,55 0,00 770 673 39
Республика Саха (Якутия) 2 963 969 0,45 0,43 0,12 0,01 992115 161
Республика Северная Осетия — Алания 7 947 0,30 0,50 0,17 0,03 688124 5
Республика Татарстан 64 125 0,23 0,52 0,24 0,00 3 886 395 282
Республика Тыва 167 855 0,43 0,50 0,08 0,00 332 609 20
Удмуртская Республика 41 742 0,37 0,49 0,14 0,00 1 484 460 137
Республика Хакасия 58 990 0,32 0,62 0,06 0,00 528 338 92
Чеченская Республика 16 089 0,22 0,49 0,28 0,00 1 516 387 21
Чувашская Республика — Чувашия 18 030 0,29 0,37 0,34 0,00 1 198 429 30
Алтайский край 168 065 0,35 0,56 0,09 0,00 2 268 179 207
Забайкальский край (Чита) 430 462 0,41 0,46 0,13 0,00 1 043 467 131
Камчатский край 456 805 0,48 0,35 0,17 0,00 312 704 34
Краснодарский край 72 565 0,20 0,62 0,18 0,01 5 687 378 180
Красноярский край 2 246 653 0,30 0,60 0,09 0,02 2 849 169 2 522
Пермский край 157 853 0,34 0,49 0,16 0,00 2 556 852 353
Приморский край 161 171 0,52 0,31 0,17 0,00 1 863011 212
Ставропольский край 66 062 0,06 0,44 0,50 0,00 2 780 204 69
Хабаровский край 776 484 0,48 0,32 0,20 0,00 1 298 978 115
Амурская область 356 565 0,41 0,44 0,15 0,00 772 525 126
Архангельская область 393 146 0,49 0,32 0,08 0,11 1 114 322 173
Астраханская область 44 228 0,13 0,60 0,26 0,01 989 430 130
Белгородская область 27 583 0,09 0,67 0,24 0,00 1 531917 129
Брянская область 35 155 0,32 0,57 0,11 0,00 1 168 771 37
Владимирская область 29 321 0,38 0,48 0,14 0,00 1 323 659 34
Волгоградская область 109 098 0,07 0,69 0,23 0,00 2 449 781 181
Вологодская область 139907 0,34 0,54 0,12 0,00 1 139 499 479
Воронежская область 52 049 0,03 0,61 0,36 0,00 2 287 678 76
Ивановская область 22 714 0,45 0,43 0,11 0,00 976 918 33
Иркутская область 751 087 0,33 0,51 0,16 0,00 2 357 134 656
Регион Площадь, км2 Доля земель Население, чел. Выбросы, тыс. тонн
улучшившихся стабильных деградированных нет данных
Калининградская область 12 705 0,29 0,51 0,20 0,00 1 027 678 25
Калужская область 29 344 0,34 0,57 0,09 0,00 1 012 844 13
Кемеровская область — Кузбасс 94 653 0,38 0,56 0,06 0,00 2 604 272 1 379
Кировская область 119 706 0,42 0,43 0,15 0,00 1 234 780 101
Костромская область 59 528 0,36 0,50 0,14 0,00 620 776 52
Курганская область 69 165 0,26 0,62 0,12 0,01 805 510 49
Курская область 29 963 0,13 0,67 0,20 0,00 1 083 584 40
Ленинградская область 71 352 0,30 0,54 0,15 0,00 1 911 586 229
Липецкая область 24 200 0,04 0,55 0,40 0,00 1 113 680 350
Магаданская область 460 567 0,65 0,23 0,12 0,00 137 767 27
Московская область 43 460 0,26 0,57 0,17 0,00 7 768 878 196
Мурманская область 132 438 0,73 0,20 0,07 0,01 724 452 270
Нижегородская область 73 921 0,29 0,44 0,27 0,00 3 144 254 142
Новгородская область 53 396 0,26 0,64 0,09 0,00 586 129 45
Новосибирская область 172 080 0,17 0,70 0,12 0,00 2 780 292 221
Омская область 139 249 0,30 0,58 0,12 0,00 1 879 548 230
Оренбургская область 124 575 0,05 0,44 0,51 0,00 1 924 578 636
Орловская область 24 722 0,12 0,67 0,21 0,00 714 094 20
Пензенская область 43 225 0,14 0,33 0,53 0,00 1 274 062 27
Псковская область 52 699 0,35 0,58 0,06 0,00 613 356 26
Ростовская область 99 396 0,06 0,67 0,26 0,00 4 153 763 181
Рязанская область 39 241 0,18 0,42 0,40 0,00 1 085 152 121
Самарская область 51 519 0,07 0,52 0,41 0,00 3 131 720 284
Саратовская область 99 668 0,05 0,55 0,40 0,00 2 360 959 108
Сахалинская область 82 288 0,38 0,40 0,22 0,00 484 177 89
Свердловская область 192 052 0,29 0,55 0,15 0,00 4 264 340 1 121
Смоленская область 49 936 0,30 0,63 0,07 0,00 909 856 50
Тамбовская область 34 355 0,06 0,54 0,40 0,00 980 984 50
Тверская область 82 847 0,33 0,57 0,10 0,00 1 230 190 63
Томская область 310 161 0,34 0,53 0,12 0,00 1 068 304 338
Тульская область 25 435 0,18 0,55 0,26 0,00 1 432 570 185
Тюменская область 154 842 0,36 0,55 0,08 0,00 3 806 505 134
Ульяновская область 35 072 0,23 0,46 0,31 0,00 1 203 969 38
Челябинская область 85 476 0,15 0,60 0,24 0,00 3 418 606 697
Ярославская область 32 377 0,41 0,50 0,09 0,00 1 227 383 80
Москва 2 831 0,26 0,54 0,19 0,00 12 635 466 65
Санкт-Петербург 1 898 0,18 0,53 0,28 0,01 5 377 503 67
Севастополь 688 0,33 0,47 0,19 0,01 522 057 нет данных
Еврейская АО 35 161 0,43 0,37 0,20 0,00 153 831 24
Ненецкий АО 165 319 0,62 0,35 0,02 0,01 44 540 145
Ханты-Мансийский АО — Югра 500 428 0,51 0,38 0,09 0,01 1 702 240 2 194
Чукотский АО 696 318 0,75 0,22 0,03 0,00 50 040 21
Ямало-Ненецкий АО 630 005 0,53 0,38 0,06 0,02 552 117 858
Российская Федерация 16 424 045 0,41 0,45 0,13 0,01 145 557 576 190 85
го зондирования Земли из космоса, в форме показателей «продуктивности», трансформации земель и динамики содержания органического вещества в почве и обобщающего их индикатора деградации земель, а также таблица долей всех категорий состояния земель, определяемых в рамках процедуры оценки целевого индикатора по субъектам РФ к концу периода с 2001 по 2020 гг. (таблица).
Установлена статистически достоверная нелинейная закономерная связь индикатора экологического состояния земель РФ (в форме показателя доли недеградированных земель с учетом доли не установленных земель, определяемых в рамках процедуры оценки Тге^з.ЕагШ) со значениями плотности населения в субъектах РФ (рис. 4), имеющая вид:
7 = 1,2 х х-0'08 х ехр(--Х-),
а также с величиной удельных выбросов загрязняющих веществ в атмосферный воздух от стационарных источников (рис. 5), расположенных на территории субъекта (среднее значение показателя за период с 2010 по 2013 гг.), имеющая вид:
7 = 2,8 х х-0Д3 х ехр(- 2Х0).
Обсуждение
На карте экологического состояния земель субъектов РФ (рис. 3) обращают на себя внимание крупные ареалы деградированных земель, приуроченные к южным границам Европейской части РФ, территориальные единицы которой характеризуются интенсивной эксплуатацией земель с высокой плотностью населения, развитыми аграрным сектором экономики, нефтеперерабатывающей и химической отраслями промышленности. В Став-
ропольском крае к концу опорного периода с 2001 по 2020 гг. деградировала половина земель в составе земельного фонда, площадь которых составила более 30 тыс. км2. В Кабардино-Балкарской и Карачаево-Черкесской Республиках около 40% территории подвержены деградации.
Значительное сосредоточение деградированных земель выявлено в Приволжском федеральном округе (рис. 3). Абсолютными лидерами по России являются Республика Мордовия, Пензенская и Оренбургская области, в каждой из которых более половины территории занято деградированными землями. Общая для данных субъектов площадь ухудшившихся земель составила более 100 тыс. км2. Около 40% территории земель Самарской и Саратовской областей, общей площадью 60 тыс. км2, де-градированы по индикатору ЦУР 15.3.1. Более трети территорий Крымского полуострова и Дагестана (рис. 3) относятся к категории деградированных. За ними по количеству ухудшившихся земель в долях от общей площади следуют Астраханская и Волгоградская области, а также Республика Калмыкия, при этом в данных регионах деградировали более 40 тыс. км2. Причины деградации специалисты связывают с проявлениями опустынивания земель [Андреева, Куст, 2020], а также в ряде административных единиц с воздействием топливной и нефтеперерабатывающей отраслей промышленности [Ла-паева и др., 2018].
Для 40% территории Тамбовской, Липецкой, Рязанской и Воронежской областей, входящих в состав Центрального федерального округа (рис. 3), также характерно проявление деградации земель, причем ареалы деградированных земель распространены равномерно. Суммарная площадь деградированных
Рис. 4. Зависимость доли недеградированных земель в составе земельного фонда РФ с учетом доли земель, не определенных дистанционными методами, от плотности населения: точки — экспериментальные данные, линия — расчет по модели (1)
ч:
0,0 -1-1-1-1
0 10000 20000 30000 40000
Удельные выбросы, кг-км-2
Рис. 5. Зависимость доли недеградированных земель в составе земельного фонда РФ с учетом доли земель, не определенных дистанционными методами, от величины удельных выбросов: точки — экспериментальные данные, линия — расчет по модели (1)
земель для вышеперечисленных областей составила более 40 тыс. км2. Среди причин деградации земель центрального региона специалисты рассматривают рост площади застройки [Андреева, Куст, 2020], временное и постоянное переувлажнение и подтопление почв и земель [Разумова и др., 2016], проявление водной и ветровой эрозии почв, загрязнение промышленными выбросами, зарастание кустарником и мелколесьем, переуплотнение почв и др. [Национальный доклад..., 2019].
Огромные площади, около 350 тыс. км2, деградированных земель выявлены в Республике Саха, причем ареалы ухудшившихся территорий тяготеют к арктическим берегам Якутии. Специальными исследованиями было показано, что деструктивные береговые процессы, связанные с изменением мерзлотно-климатических условий в регионе, являются основным фактором развития арктических прибрежно-шельфовых экосистем [Григорьев и др., 2006]. В то же время еще одним мощным фактором деградации земель является промышленность Якутии, ориентированная на добычу и обогащение сырья. Тем не менее в составе обширной территории республики доля деградированных земель не превышает 12%. При этом 88% ее площади заняты землями из категории улучшившихся и стабильных в равной пропорции.
В Красноярском крае около 200 тыс. кв. км земель деградировали за опорный 19-летний период. Ухудшение земель вероятнее всего является следствием развития водной эрозии и дефляции почв сельскохозяйственных угодий [Шпедт, Трубников, 2020], нарушения почвенного покрова в результате добычи полезных ископаемых открытым способом, а также интенсивной эксплуатация земель промышленности, энергетики, транспорта и населенных пунктов [Государственный доклад ..., 2022]. В соседней Иркутской области по сходным причинам деградировали 120 тыс. кв. км, то есть 16% территории.
Всего к категории деградированных по индикатору деградации ЦУР 15.3.1 на конец 2020 г. относятся 2,2 млн км2 земель, что составляет 13% территории РФ. В то же время 45% территории заняты землями из категории стабильных, не изменившихся в течение 19 лет, и примерно 41% территории относится к землям улучшившимся (таблица). При этом доля деградированных земель в составе земельного фонда субъектов РФ увеличилась на 1% по сравнению с результатами, полученными за опорный период с 2000 по 2015 гг. в работе [Национальный доклад., 2019].
Аппроксимация экспериментальных данных теоретической функцией [Глазунов и др., 2019] (рис. 4, 5) позволила определить коэффициенты модели, а затем и пороговое значение фактора деградации земель, которое соответствует точке максимума кривой.
Пороговая плотность населения (рис. 4) составила 10,0 чел.-км-2, при том что значения плотности населения в целом по стране колеблются в диапазоне от 0,1 в северных субъектах РФ до 4,5 тыс. чел.-км-2 в г. Москве. Согласно данным Росста-та [Национальный набор показателей ЦУР, 2022] средняя плотность населения в РФ на 01.01.2020 г. составляет 8,6 чел.-км-2.
Расчетная пороговая величина удельных выбросов в атмосферный воздух от стационарных источников (рис. 5) составила 1610 кг-км-2. При этом среднее значение показателя по всем субъектам РФ находится на уровне 2600 кг-км-2.
1,0
0,8
£ 0,6
t«*
1 10 100 1000 10000 100000 Удельные выбросы, кгкм-2
Рис. 6. Оценка рисков деградации земель для всей территории РФ
Имея пороговое значение ведущего фактора воздействия, оценили риски превышения пороговой величины выбросов [Яковлев, Евдокимова, 2022]. Вероятность превышения пороговой величины удельных выбросов, которая для территории РФ равна 1610 кг-км-2, составляет 37% (рис. 6). При этом риск роста деградации земель с ростом объемов выбросов характерен для 36% территориальных единиц.
Заключение
По результатам исследования за опорный период с 2001 по 2020 гг. впервые построена электронная карта экологического состояния земель территории субъектов РФ на основе характеристик первичной продукции фотосинтеза, выведенных из материалов дистанционного зондирования Земли из космоса в форме показателей «продуктивности», трансформации земель и динамики содержания органического вещества в почве и обобщающего их индикатора деградации земель ЦУР 15.3.1. В качестве конечного продукта, полученного анализом данных дистанционного зондирования за длительный промежуток времени (с 2001 по 2020 гг.), получена результирующая таблица площадей земель: улучшающихся, стабильных, ухудшающихся с течением времени и не установленного качества. По результатам обобщения этого материала установлено, что в составе земельного фонда Российской Феде-
0,4
s 0,2
0,0
рации, общей площадью 16,4 млн км2, к категории деградированных на конец 2020 г. относятся 2,2 млн км2, что составляет 13% территории. В то же время 45% территории заняты землями из категории стабильных, не изменившихся в течение последних 19 лет. Примерно 41% территории относится к землям улучшившимся.
Установлена статистически достоверная нелинейная закономерная связь индикатора экологического состояния земель (в форме показателя доли недеградированных земель) со значениями плотности населения в субъектах РФ, а также с величиной удельных выбросов загрязняющих веществ в атмосферный воздух от стационарных источников, расположенных на территории субъекта.
На уровне субъекта РФ установлены пороговые величины плотности населения и удельных выбросов в атмосферный воздух от стационарных источников, составившие 10 чел.-км-2 и 1610 кг-км-2 соответственно.
Для территории РФ вероятность превышения пороговой величины удельных выбросов в атмосферный воздух от стационарных источников составляет 37%. Риск роста деградации земель с ростом объемов выбросов характерен для 36% территориальных единиц РФ.
Таким образом, создана основа для оценки будущего состояния земель субъектов Российской Федерации по данным космического мониторинга в виде базы данных начальных значений индикатора деградации земель ЦУР 15.3.1 за базовый период с 2001 по 2020 гг.
Информация о финансировании работы
Исследование выполнено при поддержке Междисциплинарной научно-образовательной школы Московского государственного университета имени М.В. Ломоносова «Будущее планеты и глобальные изменения окружающей среды».
Благодарность
Автор выражает глубокую благодарность докт. биол. наук, проф. Г.П. Глазунову и канд. физ.-мат. наук., вед. науч. сотр. В.М. Гендугову за создание теоретической модели, ставшей основой для оценки экологического и социально-экономического состояния земель РФ.
КОНФЛИКТ ИНТЕРЕСОВ
Авторы заявляют об отсутствии конфликта интересов.
СПИСОК ЛИТЕРАТУРЫ
1. Андреева О.В., Куст Г.С. Оценка состояния земель в России на основе концепции нейтрального баланса их деградации // Известия РАН. Сер. географическая. 2020. Т. 84, № 5. https://doi.org/: 10.31857/ S2587556620050052
2. Биологический энциклопедический словарь / Под ред. М.С. Гилярова. М., 1986.
3. Глазунов Т.П., Гендугов В.М., Евдокимова М.В. и др. Макроскопическая кинетика временной и пространственной изменчивости вегетационного индекса NDVI на территории заповедника «Ямская степь» в условиях загрязнения почвы тяжелыми металлами // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16, № 2. https://doi.org/: 10.21046/2070-7401-2019-16-2-111-127
4. Государственный доклад «О состоянии и охране окружающей среды в Красноярском крае в 2021 году». [Электронный ресурс]. 2022. URL: http://www.mpr. krskstate.ru
5. Григорьев М.Н., Разумов С.О., Куницкий В.В. и др. Динамика берегов восточных арктических морей России: основные факторы, закономерности и тенденции // Криосфера Земли. 2006. Т. 10, № 4.
6. Евдокимова М.В. Экологическая оценка состояния земель Европейской части России по материалам дистанционного зондирования Земли // Использование и охрана природных ресурсов в России. 2022. № 2.
7. Лапаева И.В., Андрианов В.А., Чевилева Д.Е. и др. Геоэкологические и геохимические особенности Вол-го-Уральских песков при техногенных нагрузках // Геология, география и глобальная энергия. 2018. № 2 (69).
8. Национальный доклад «Глобальный климат и почвенный покров России: опустынивание и деградация земель, институциональные, инфраструктурные, технологические меры адаптации (сельское и лесное хозяйство)» / Под ред. Р.С.-Х. Эдельгериева. Т. 2. М., 2019.
9. Национальный набор показателей ЦУР. [Электронный ресурс]. 2022. URL: https://rosstat.gov.ru/sdg/na-tional (дата обращения 28.11.2022)
10. Постановление Правительства Российской Федерации от 6 июня 2013 г. № 477 «Об осуществлении государственного мониторинга состояния и загрязнения окружающей среды» (в редакции постановлений Правительства Российской Федерации от 10.07.2014 № 639, от 03.08.2020 № 1168).
11. Постановление Правительства РФ № 149 «О разработке, установлении и пересмотре нормативов качества окружающей среды для химических и физических показателей состояния окружающей среды, а также об утверждении нормативных документов в области охраны окружающей среды, устанавливающих технологические показатели наилучших доступных технологий» от 13.02.2019.
12. Разумова Н.В., Разумов В.В., Молчанов Э.Н. Переувлажнение и подтопление почв и земель в центральном регионе России // Бюллетень Почвенного ин-та имени В.В. Докучаева. 2016. № 82.
13. Резолюция, принятая Генеральной Ассамблеей ООН 25.09.2015 г. A/RES/70/1 «Преобразование нашего мира: Повестка дня в области устойчивого развития на период до 2030 г.». [Электронный ресурс]. 2015. URL: https://www.unfpa.org/sites/default/files/resource-pdfZResolution_A_RES_70_1_RU.pdf (дата обращения: 01.04.2020 г.)
14. Указ Президента Российской Федерации от 7 мая 2018 года № 204 «О национальных целях и стратегических
задачах развития Российской Федерации на период до 2024 года».
15. Шпедт А.А., Трубников Ю.Н. Оценка производительной способности и изменение свойств черноземов Красноярского края // Агрохимия. 2020. № 10.
16. Яковлев А.С., ЕвдокимоваМ.В. Подходы к нормированию загрязнения почв в России и зарубежных странах // Почвоведение. 2022. № 5.
17. Abdel-Kader F.H. Assessment and monitoring of land degradation in the northwest coast region, Egypt using Earth observations data // The Egyptian Journal of Remote Sensing and Space Science. 2019. Vol. 22(2).
18. Abel C., Horion S., Tagesson T. et al. Towards improved remote sensing based monitoring of dryland ecosystem functioning using sequential linear regression slopes (SeRGS) // Remote Sensing of Environment. 2019. Vol. 224.
19. Bai Z.G., Dent D.L., Olsson L. et al. Proxy global assessment of land degradation // Soil Use and Management. 2008. Vol. 24(3).
20. Burrell A.L., Evans J.P., Liu Y. The impact of dataset selection on land degradation assessment // ISPRS Journal of Photogrammetry and Remote Sensing. 2018. Vol. 146.
21. Cui Y.P., Liu J.Y., Hu Y.F. et al. An Analysis of Temporal Evolution of NDVI in Various Vegetation-Climate Regions in Inner Mongolia, China // Procedia Environmental Sciences. 2012. Vol. 13.
22. De Jong R., de Bruin S., de Wit A. et al. Analysis of monotonic greening and browning trends from global NDVI time-series // Remote Sensing of Environment. 2011. Vol. 115(2).
23. Easdale M.H., Fariña C., Hara S. et al. Trend-cycles of vegetation dynamics as a tool for land degradation assessment and monitoring // Ecological Indicators. 2019. 107: 105545.
24. Eckert S., Hüsler F., Liniger H. et al. Trend analysis of MODIS NDVI time series for detecting land degradation and regeneration in Mongolia // Journal of Arid Environments. 2015. Vol. 113.
25. Fensholt R., Langanke T., Rasmussen K. et al. Greenness in semi-arid areas across the globe 1981-2007 — an Earth Observing Satellite based analysis of trends and drivers // Remote Sensing of Environment. 2012. Vol. 121.
26. Fensholt R., Rasmussen K. Analysis of trends in the Sahe-lian 'rain-use efficiency' using GIMMS NDVI, RFE and GPCP rainfall data // Remote Sensing of Environment. 2011. Vol. 115(2).
27. Gonzalez-Roglich M, ZvoleffA., Noon M. et al. Synergizing global tools to monitor progress towards land degradation neutrality: Trends.Earth and the World Overview of
Conservation Approaches and Technologies sustainable land management database // Environmental Science & Policy. 2019. Vol. 93.
28. Jacquin, A., Sheeren D., Lacombe J.-P. et al. Vegetation cover degradation assessment in Madagascar savanna based on trend analysis of MODIS NDVI time series // International Journal of Applied Earth Observation and Geoinformation. 2010. Vol. 12.
29. Li Q., Zhang C., Shen Y. et al. Quantitative assessment of the relative roles of climate change and human activities in desertification processes on the Qinghai-Tibet Plateau based on net primary productivity // Catena. 2016. Vol. 147.
30. Mariano D.A., Santos C.A.C.D., WardlowB.D. et al. Use of remote sensing indicators to assess effects of drought and human-induced land degradation on ecosystem health in Northeastern Brazil // Remote Sensing of Environment. 2018. Vol. 213.
31. Meyer D., Riechert M. Open source QGIS toolkit for the Advanced Research WRF modelling system // Environmental Modelling & Software. 2019. Vol. 112.
32. Nouri H., Beecham S., Anderson S. et al. High Spatial Resolution WorldView-2 Imagery for Mapping NDVI and Its Relationship to Temporal Urban Landscape Evapotranspiration Factors // Remote Sensing. 2014. Vol. 6(1).
33. Pan N., Feng X., Fu B. et al. Increasing global vegetation browning hidden in overall vegetation greening: Insights from time-varying trends // Remote Sensing of Environment. 2018. Vol. 214.
34. Sims N.C., England J.R., Newnham G.J. et al. Developing good practice guidance for estimating land degradation in the context of the United Nations Sustainable Development Goals // Environmental Science & Policy. 2019. Vol. 92.
35. Trends.Earth. Conservation International. [Электронный ресурс]. 2018. URL: http://trends.earth/docs/en/ (дата обращения: 15.04.2021 г.)
36. Tucker C.J. Red and photographic infrared linear combinations for monitoring vegetation // Remote Sens Environ. 1979. Vol. 8, Iss. 2.
37. Wessels K.J. et al. Limits to detectability of land degradation by trend analysis of vegetation index data // Remote Sensing of Environment. 2012. Vol. 125.
38. Zoungrana B.J.B. et al. MODIS NDVI trends and fractional land cover change for improved assessments of vegetation degradation in Burkina Faso, West Africa // Journal of Arid Environments. 2018. Vol. 153.
Поступила в редакцию 01.12.2022 После доработки 10.01.2023 Принята к публикации 13.02.2023
ВЕСТНИК МОСКОВСКОГО УНИВЕРСИТЕТА. СЕРИЯ 17. ПОЧВОВЕДЕНИЕ. 2023. Т. 78. № 2 LOMONOSOV SOIL SCIENCE JOURNAL. 2023. Vol. 78. No. 2
FORECASTING THE ECOLOGICAL STATE OF LANDS IN REGIONS OF THE RUSSIAN FEDERATION FOR SUSTAINABLE DEVELOPMENT
M. V. Evdokimova
An electronic raster map of the ecological state of lands of Russian regions was prepared for the reference period from 2001 to 2020 based on the characteristics of the primary photosynthesis products derived from Earth remote sensing materials from space in the form of indicators of «productivity», land transformation and dynamics of organic matter content in the soil and their generalizing indicator of sustainable development goals — SDG 15.3.1. Land degradation indicator. The calculation shows that 2.2 million square kilometers, which constitutes 13% of the territory of Russian Federation, belong to the category of degraded by the end of 2020. 45% of the territory is occupied by land from the stable category, which has not changed over the past 19 years. 41% of the territory belongs to the lands that have improved during the reference period. A statistically reliable nonlinear regular relationship of the indicator of the ecological state of lands of Russian Federation was established in the form of an indicator of the share of non-degraded lands, considering the share of non-established lands with the amount of specific emissions of pollutants into the atmospheric air from stationary sources located on the territory of the subject. The threshold value of specific emissions from stationary sources at the level of the subject of Russian Federation was established, amounting to 1610 kg per sq. km. The probability of exceeding the threshold value of specific emissions is 37%. The risk of increasing land degradation with an increase in emissions is typical for 36% of territorial units of Russian Federation.
Key words: land degradation, mathematical modeling, analysis of Earth remote sensing data, vegetation index, risk assessment.
СВЕДЕНИЯ ОБ АВТОРАХ
Евдокимова Мария Витальевна, канд. биол. наук, доц. кафедры земельных ресурсов и оценки почв факультета почвоведения МГУ имени М.В. Ломоносова, e-mail: soil.resources@mail.ru
