1. На главную
  2. Электронные версии
  3. Исследование Земли из Космоса
  4. № 4, 2022

Исследование Земли из Космоса, 2022, № 4, стр. 12-24

Оценка гидрологических изменений водно-болотных угодий Российской Арктики, Субарктики и северной тайги по данным микроволнового дистанционного зондирования

А. Н. Романов a, *, И. В. Хвостов a, В. В. Тихонов a, b, Е. А. Шарков b

a Институт водных и экологических проблем СО РАН
Барнаул, Россия

b Институт космических исследований РАН
Москва, Россия

* E-mail: romanov_alt@mail.ru

Поступила в редакцию 19.06.2022

Полный текст (PDF)

Аннотация

На основе ежедневных данных спутникового микроволнового зондирования изучены специфические особенности микроволнового излучения болот и заболоченных территорий Западной Сибири. Методика исследований включала в себя анализ динамики радиояркостных температур подстилающей поверхности на тестовых участках, полевые измерения физических параметров подстилающей поверхности, и лабораторные измерения диэлектрических характеристик природных сред (водa, почва, растительность). Вариации сезонной динамики радиояркостной температуры в основном обусловлены разной скоростью сезонного промерзания верхнего заболоченного слоя подстилающей поверхности. Проанализированы многолетние тренды сезонной и годовой динамики радиояркостной температуры подстилающей поверхности и оценены гидрологические изменения в Арктике и Субарктике. Полученные результаты открывают новые возможности в использовании пассивных спутниковых данных микроволнового диапазона для изучения происходящих в природе сезонных динамических процессов и прогнозирования опасных гидрологических явлений.

Ключевые слова: гидрологические изменения, водно-болотные угодья, Арктика, Субарктика, дистанционное микроволновое зондирование

ВВЕДЕНИЕ

Во всем мире болота и водно-болотные угодья оказывают значительное влияние на круговорот воды, секвестирование углерода и динамику климата. Среди различных типов ландшафтов болота являются наиболее уязвимыми. Чувствительность к текущим изменениям температуры и режима осадков, включая способность удерживать или выделять большие количества метана, имеет решающее значение для понимания их роли в глобальных климатических процессах.

Являясь одной из крупнейших в мире заболоченных территорий, Западно-Сибирская низменность характеризуется наличием многочисленных отдельных болот и систем болот, расположенных в трех природных зонах (тундровой, таежной и лесостепной). По разным оценкам, они занимают площадь (0.8–1.0) × 106 км2. Богатые запасы нефти, газа и торфа делают эту территорию ведущей в России по добыче топливно-энергетических ресурсов. В последние десятилетия на территории Западно-Сибирской низменности произошли гидрологические изменения разной интенсивности в результате изменения климата, с разнонаправленными процессами заболачивания или усыхания заболоченных земель, а также аридизации. Особо следует отметить, что гидрологические изменения, способствующие возникновению опасных природных явлений, наблюдаются в арктической и субарктической зоне Западной Сибири. Они могут быть связаны с комплексным влиянием природных и антропогенных факторов, таких как сокращение площади многолетних льдов, интенсивное таяние ледников, уменьшение количества и общей площади термокарстовых озер, более раннее таяние и позднее промерзание тундры (Karlsson et al., 2015), а также сезонное перераспределение атмосферных осадков (Bring et al., 2013). Происходящие изменения активизируют процессы деградации вечной мерзлоты и тундровой растительности (Koven et al., 2013), интенсивно прогревают поверхность тундры в зонах дефляции, увеличивают скорость испарения, выбрасывают в атмосферу дополнительные количества водяного пара и метана, таким образом, усугубляя парниковый эффект (Bergamaschi et al., 2013).

Запуск искусственных спутников, оснащенных микроволновыми радиометрами, позволил получать ежесуточные данные независимо от метеорологических условий для изучения сезонной динамики гидрологических изменений в мире, расчета многолетних трендов этих изменений и прогнозирования вероятности природных рисков и возникновения стихийных бедствий (Poursanidis, Chrysoulakis, 2017). Дистанционный микроволновый мониторинг гидрологических изменений возможен при тщательном изучении закономерностей и особенностей сезонной динамики радиояркостных температур подстилающей поверхности и при обоснованном выборе объективных радиофизических критериев. Эти данные используются для дистанционного определения влажности почвы (McCulloch et al., 2012), температуры и солености воды (Santi et al., 2016), а также концентрации и скорости таяния морского льда (Tikhonov et al., 2015).

Для дистанционного мониторинга водно-болотных угодий широко используются спутниковые данные радаров с синтезированной апертурой (SAR), установленных на спутниках RADARSAT-1, RADARSAT-2 и других (Mirmazloumi et al., 2021). Способность микроволнового излучения проникать сквозь растительный слой позволяет обнаруживать подтопленные участки. Для оценки их параметров используются разновременные данные RADARSAT-2 и InSAR для классификации болот и оценки годовых и сезонных изменений, происходящих с ними. В ближайшие годы европейская спутниковая система Sentinel SAR и канадская спутниковая система RADARSAT Constellation Mission (RCM) обеспечат оперативное повторное обследование территории и стандартизацию режимов сбора данных, что позволит расширить оперативное использование данных SAR для дистанционного мониторинга водно-болотных угодий и обнаружения участков с открытой водой (Brisco et al., 2017).

Тем не менее, все еще существуют проблемы с применением SAR для картирования водно-болотных угодий в плане выбора надлежащих характеристик (угла падения, частоты и поляризации). Последние тенденции направлены на применение разновременных, многочастотных и многоракурсных SAR-изображений, отличающихся большей точностью классификации по сравнению с одноканальными конфигурациями. Расширяется использование платформ облачных вычислений (Google Earth Engine, NASA Earth Exchange, веб-сервисы Amazon), предназначенных для мониторинга водно-болотных угодий в глобальном масштабе. Такие платформы могут упростить анализ и управление огромными данными наблюдений за поверхностью Земли в национальном и региональном масштабах (Adeli et al., 2020; Olthof, Rainville, 2020).

В работе (Choudhury, 1991) рассмотрены физические принципы пассивного микроволнового дистанционного зондирования гидрологических параметров с использованием наземных, бортовых и космических микроволновых радиометров, работающих на разных частотах. Радиометрические данные могут быть использованы для оценки влажности почвы и биомассы растительности, а также для расчета площади водного зеркала при сезонном затоплении болот. Оценка гидрологических параметров на основе микроволновых данных подразумевает использование моделей, в которых коэффициент излучения связан с одной или несколькими физическими характеристиками подстилающей поверхности. Неоднозначность зависимости между излучательной способностью подстилающей поверхности и конкретным гидрологическим параметром приводит к неопределенности в оценке последней. Несмотря на это ограничение, ежедневные пассивные микроволновые наблюдения ценны для региональной и глобальной гидрологии.

Еще одна сложная проблема удаленного мониторинга водно-болотных угодий связана с экранирующим эффектом древесной растительности, что снижает точность радиометрических измерений при выявлении участков затопленных лесов и водно-болотных угодий с густой растительностью (Jensen et al., 2019).

В работе (Schroeder et al., 2015) описана методика глобального картографирования поверхностных вод с разрешением 25 км по ежедневным спутниковым данным активно-пассивного микроволнового дистанционного зондирования. Полученный продукт, известный как SWAMPS (Болота), демонстрирует зависимость коэффициента излучения подстилающей поверхности от участков открытой воды и водно-болотных угодий, включая экранирующую растительность. Для лесов или развитого растительного покрова точность обнаружения таких участков значительно ухудшается. Сезонные вариации площади водно-болотных угодий и их межгодовая изменчивость в северных широтах изучались на частотах 19 и 37 ГГц с помощью пассивного микроволнового радиометра SSM/I (Special Sensor Microwave/Imager). По спутниковым данным, площадь водно-болотных угодий в Северной Америке (48–68° с.ш.) была максимальной в июле–сентябре, а в Северной Евразии – с июня по сентябрь. Представленный в работе (Mialon, 2005) микроволновый метод спутникового картографирования водно-болотных угодий позволил изучить многолетнюю сезонную динамику в зависимости от продолжительности снежного периода и водности снежного покрова.

В данном исследовании проведен сравнительный анализ сезонных и многолетних изменений водно-болотных угодий Российской Арктики и Субарктики на основе ежесуточных данных SMOS (Soil Moisture and Ocean Salinity). В качестве основных объектов исследования были выбраны полигоны (болота и заболоченные участки), расположенные на территории Западной Сибири в различных природных зонах (тундра, лесотундра, тайга).

МАТЕРИАЛЫ И МЕТОДЫ

Территория исследования. Исследования проводились на севере Западной Сибири (60° N–73° N). В качестве полигонов выбраны участки поверхности, включающие болота северной тайги, а также болота и заболоченные территории Арктики и Субарктики.

Алгоритм расчета. Радиояркостная температура подстилающей поверхности на горизонтальной (${{T}_{{BH}}}$) и вертикальной (${{T}_{{BV}}}$) поляризации может быть рассчитаны по формуле, имеющей для плоской слабошероховатой подстилающей поверхности (Ulaby et al., 1981) следующий вид:

${{T}_{{BHV}}} = {{\chi }_{{HV}}}T{}_{{ef}},$
где ${{\chi }_{{HV}}}$ и $T{}_{{ef}}$ – коэффициент излучения и эффективная температура излучающего слоя подстилающей поверхности толщиной (скин-слой) L:
$L = {\lambda \mathord{\left/ {\vphantom {\lambda {(4\pi \sqrt {\left| \varepsilon \right|} {\text{tg}}\delta )}}} \right. \kern-0em} {(4\pi \sqrt {\left| \varepsilon \right|} {\text{tg}}\delta )}},$
где $\lambda $ – длина волны, $\left| \varepsilon \right| = \varepsilon {\kern 1pt} '\sqrt {1 + {\text{t}}{{{\text{g}}}^{2}}\delta } ,$ tg δ = ε"/ε' – тангенс угла потерь; ε' и ε" – действительная и мнимая части комплексоной диэлектрической проницаемости (КДП) ε излучающей среды (воды или почвы).

Значение ${{\chi }_{{HV}}}$ рассчитывется из следующих выражений:

$\begin{gathered} {{\chi }_{H}} = 1 - {{\left| {\frac{{\cos \theta - \sqrt {\varepsilon - {{{\sin }}^{2}}\theta } }}{{\cos \theta + \sqrt {\varepsilon - {{{\sin }}^{2}}\theta } }}} \right|}^{2}}, \\ {{\chi }_{V}} = 1 - {{\left| {\frac{{\varepsilon \cos \theta - \sqrt {\varepsilon - {{{\sin }}^{2}}\theta } }}{{\varepsilon \cos \theta + \sqrt {\varepsilon - {{{\sin }}^{2}}\theta } }}} \right|}^{2}}. \\ \end{gathered} $
$T{}_{{ef}}$ рассчитывается как:
${{Т}_{{ef}}} = {{Т}_{0}} + \int\limits_0^\infty {\frac{{dT}}{{dz}}} \exp \left[ { - \int\limits_0^\infty {\gamma (z{\kern 1pt} ')dz{\kern 1pt} '} } \right]dz,$
где T0 – температура поверхности; dT/dZ – локальный градиент температуры, определяемый в результате полевых подспутниковых измеренияй на тестовых участках; $\gamma (z)$ – линейный коэффициент поглощения при угле падения $\theta ,$ вычисляемый по формуле (Sharkov, 2003):

$\gamma (z) = \frac{{4\pi }}{\lambda }\sqrt {\frac{{\varepsilon {\kern 1pt} ' - {{{\sin }}^{2}}\theta }}{2}\left[ {\sqrt {1 + {{{\left( {\frac{{\varepsilon {\kern 1pt} ''}}{{\varepsilon {\kern 1pt} ' - {{{\sin }}^{2}}\theta }}} \right)}}^{2}}} - 1} \right]} .$

Радиояркостная температура подстилающей поверхности, включающей в себя участки с разными радиоизлучательными характеристиками, может быть рассчитана на основе принципа суперпозиции по формуле:

${{T}_{{BHV}}} = \sum\limits_{j = 1}^n {T_{{BHV}}^{j}{{S}_{j}}} ,$
где $T_{{BHV}}^{j},{{S}_{j}}$ – радиояркостная температура отдельного участка, а также его площадь (определенная, как доля от общей площади поверхности, формирующей регистрируемое радиометром излучение). Радиояркостная температура отдельного i-того участка может быть рассчитана по формуле:

Данные SMOS. Для анализа гидрологических изменений использовались данные продукта L1C SMOS. Радиояркостная температура на горизонтальной и вертикальной поляризациии измеряется в диапазоне углов зондирования 0–60° микроволновым радиометром MIRAS (Microwave Imaging Radiometer using Aperture Synthesis) (Kerr et al., 2010). MIRAS принимает восходящее излучение на частоте 1.41 ГГц. Максимальный пространственный охват достигается при угле визирования θ ∼ 42.5°, при этом поперечное пространственное разрешение составляет 35 км, продольное – 65 км (Gutierrez et al., 2014). Данные L1C поставляются привязанными географически к дискретной геодезической сетке DGG ISEA 4H9, линейный размер ячейки которой составляет 16 км, а площадь – около 195 км2 (Sahr et al., 2003). Таким образом, значение радиояркостной температуры для любой ячейки продукта L1C формируется участком подстилающей поверхности площадью 1760 км2 (по уровню 3 дБ). Сама же ячейка площадью 195 км2 расположена в центре этого участка (Sahr et al., 2003). Для достижения максимальной достоверности, из анализа были исключены следующие измерения:

1) значения, обремененные влиянием радиочастотных помех (по флагу качества RFI1);

2) значения, полученные за пределами региона Alias Free, свободного от перекрывающихся реплик изображений (по флагу качества AF);

3) данные с погрешностью определения ${{T}_{{BH}}}$ и ${{T}_{{BV}}}$ более 5 К;

4) данные с коэффициентом поляризации (TBH/TBV) вне диапазона от 0.01 до 0.99.

Пространственное распределение ${{T}_{{BH}}}$ и ${{T}_{{BV}}}$ сравнивалось со спутниковыми снимками MODIS (Moderate Resolution Imaging Spectroradiometer), полученными для той же территории (https://worldview.earthdata.nasa.gov).

Данные полевых и лабораторных измерений. В наземном эксперименте были отобраны пробы верхних мерзлых слоев участков болот и тундры, затем проведены лабораторные измерения диэлектрических параметров грунтов и растительности с дальнейшим установлением эмпирических зависимостей радиояркостной температуры и коэффициента излучения от объемной влажности W и температуры T: ${{T}_{{BH}}}(W),$ ${{\chi }_{H}}(W)$ и, ${{T}_{{BH}}}(T),$ ${{\chi }_{H}}(T).$

Измерения диэлектрических свойств образцов проводились при температурах от 265 К до 295 К на частоте 1.41 ГГц на лабораторной установке мостового типа с использованием прибора для измерения разности фаз и амплитуд ФК2-18. Блок-схема установки представлена на рис. 1. Лабораторная установка мостового типа состояла из следующих основных элементов: Г – высокочастотный генератор сигналов Г4–78 (1.16–1.78 ГГц); ДМС – делитель мощности согласованный; ЛПД – линия переменной длины; А1, А2 и А3 – согласующие коаксиальные аттенюаторы; И – измерительный блок ФК2-18; К – коаксиальный контейнер для проб, выполненный в виде сегмента коаксиальной линии.

Рис. 1.

Блок-схема лабораторной установки мостового типа на основе измерителя фаз ФК2-18.

Установка имела следующие технические характеристики: диапазон однозначных измерений фазы ±180°; диапазон измерения затуханий от 0 до 60 дБ; погрешность измерений ослабления 0.2 дБ; погрешность измерения фазы 0.2°. Измерялись модуль и фаза комплексного коэффициента пропускания с последующим пересчетом в действительную и мнимую части КДП или коэффициента излучения. По результатам диэлектрических измерений рассчитывались значения скин-слоя L и излучательная способность на горизонтальной поляризации при угле падения 42.5°. Значения скин-слоя для воды не превышали 0.1 см, тогда как для почвы (при увеличении объемной влажности в пределах 0.06–0.26 см3/см3) они уменьшались с 19 см до 7 см.

РЕЗУЛЬТАТЫ

Основные закономерности. Сезонная динамика радиояркостной температуры TB(JD) (JD – юлианский день, отсчитываемый с 01.01.2012) подстилающей поверхности водно-болотных угодий сильно различается в зависимости от их географического положения и природно-климатических зон. Излучательные характеристики подстилающей поверхности зависят от:

– почвенной влажности, засоленности и температуры (для почвенного покрова);

– температуры и солености воды (для водной поверхности);

– биомассы и фенологии растительности (для растительного покрова);

– температуры, биомассы, фенологии и соотношения живой (например, мох) и мертвой (торф) растительности (для болотной растительности).

При отрицательных температурах на поверхности почвы появляется сезонно-мерзлый слой, а на поверхности воды – ледяной покров. В этом случае коэффициент излучения водно-болотных угодий находится в пределах соотношения толщины мерзлого слоя и скин-слоя в зависимости от длины волны излучения и диэлектрических характеристик различных слоев.

Водно-болотные угодья тайги Сезонная динамика болот Западной Сибири, расположенных в умеренной зоне, зависит не только от типа подстилающей поверхности (болота, растительный покров, торфяники), но и от интенсивности сезонного промерзания болотной толщи, скорости образования и нарастания льда на поверхности. Карта-схема исследуемой территории представлена на рис. 2, а.

Рис. 2.

Карта-схема исследуемой территории с геодезическими ячейками сетки ISEA и областью, формирующей регистрируемое радиометром MIRAS излучение (а). Многолетняя динамика радиояркостной температуры участка в северной тайге – ячейка 4 023 350 (б).

На рис. 2, б представлена многолетняя сезонная динамика TB(JD) для заболоченного тестового участка северной тайги в Ханты-Мансийском автономном округе (ячейка DGG ID 4023350). Значения TB(JD) зависят от вида надводной и подводной болотной растительности, ее биомассы и фенологических процессов, связанных с ростом и увяданием растительного покрова, в том числе сезонных процессов усыхания/обводнения территории.

На рис. 3 представлены фотографии поверхности (а) и мерзлого верхнего слоя (б) болота зимой. На рис. 3, в представлена зависимость ${{T}_{{BH}}}(T),$ полученная в результате лабораторных измерений диэлектрических характеристик образцов почвы, отобранных с поверхности болота. Из графика видно, что таяние льда и появление в образце жидкой воды при температуре 273 К резко меняют зависимость, так как диэлектрические характеристики льда и воды сильно различаются. Зависимость ${{T}_{{BH}}}(T),$ полученная из диэлектрических измерений верхнего мерзлого слоя, состоящего из болотной растительности, имеет вид:

${{T}_{{BH}}} = \left\{ \begin{gathered} 25093.4742 + 188.34915T - 0.35024{{T}^{2}},\, \hfill \\ \sigma = {\text{1}}{\text{.15,}}\,\,\,\,{\text{265}} \leqslant T \leqslant {\text{273,}} \hfill \\ 722041.375 - 5235.82155T + 9.49369{{T}^{2}}, \hfill \\ \sigma = 2.{\text{51,}}\,\,\,\,{\text{273}} \leqslant T \leqslant 275, \hfill \\ \end{gathered} \right.$
где σ – среднеквадратическая ошибка.

Рис. 3.

Фотография поверхности болота зимой (а), разрез его верхнего мерзлого слоя (б), и установленная по диэлектрическим измерениям зависимость ${{T}_{{BH}}}(T)$ для этого верхнего слоя (в).

Водно-болотные угодья Арктики и Субарктики. Сезонная динамика ${{T}_{{BH}}}(T)$ водно-болотных угодий, расположенных в арктической и субарктической зонах, исследована на примере тестовых участков в Ямало-Ненецком автономном округе. На рис. 4а представлена схематическая карта, на которой обозначены ячейки геодезической сетки DGG ISEA 4H9, расположенные в границах выбранных тестовых участков. На рис. 4, б–в изображены пространственные распределения радиояркостной температуры поверхности по данным SMOS (продукт L1C) за январь и май. Низкие (менее 175 К) значения радиояркостной температуры соответствуют открытой воде или заболоченным участкам. Анализ спутниковых данных показал, что значительные территории полуостровов Ямал и Гыданский (Ямало-Ненецкий автономный округ) были сильно затоплены весной из-за интенсивного снеготаяния. На рис. 5, а–е представлены зависимости ${{T}_{{BH}}}(JD)$ для тестовых участков, отмеченных на рис. 4, а.

Рис. 4.

Карта-схема Ямало-Ненецкого автономного округа с тестовыми ячейками (а) и значения радиояркостной температуры по данным SMOS в январе (б) и в мае (в).

Рис. 5.

Многолетние зависимости радиояркостной температуры ${{T}_{{BH}}}(JD)$ для обозначенных на рисунке 4а тестовых участков: 4 044 878 (а), 4 047 465 (б), 4 053 598 (в), 4 054 127 (г), 4 056 186 (д) и 4 058 238 (е).

На рис. 6, а–в представлены фотографии тундры, тундровой растительности и почв под тундровой растительностью.

Рис. 6.

Фотографии типичного пейзажа тундры весной (май), растительности тундры, и разреза почвы, находящейся под растительностью.

На рис. 7, а–б представлены зависимости коэффициента излучения почвы тундры (Гыданский п-ов) от температуры и объемной влажности. Обратная зависимость W(χ), аппроксимируемая квадратичным полиномом и пригодная для интерпретации спутниковых данных, имеет вид:

$W = 1.41 - 2.45\chi + 1.044{{\chi }^{2}},\,\,\,\,\sigma = 0.{\text{037}}{\text{.}}$
Рис. 7.

Зависимости коэффициента излучения почвы от температуры (а) и от объемной влажности (б) для образца почвы с полуострова Гыданский.

ОБСУЖДЕНИЕ

На примере болота Мухрино (Ханты-Мансийский автономный округ), в сезонной динамике радиояркостной температуры можно выделить следующие пять периодов, характерных для болот и водно-болотных угодий северной тайги (рис. 8):

Рис. 8.

Динамика радиояркостной температуры участка подстилающей поверхности, содержащего водно-болотные угодья.

1) 1–2 “Зимнее плато” – период, длящийся примерно с начала ноября по конец марта, в течение которого значения ТВН = 255 К постоянные (в пределах доверительных интервалов) или имеют слабо выраженный положительный тренд.

2) 2–3 “Весеннее таяние” – быстрое (10–30 дней) уменьшение значений TB(JD) до 220 К, вызванное, вероятно, покрытием водой значительной части подстилающей поверхности в результате таяния сезонного снежного покрова. Как правило, минимальные значения наблюдаются в течение не более чем 2–5 дней, т.е. отрицательная динамика быстро сменяется положительной, рост происходит чуть медленнее и не во всех случаях монотонно.

3) 3–4 “Летний период 1: – в разные годы наблюдается разная динамика TB(JD), вид которой зависит от вегетационных циклов болотной растительности. В точке 4 достигается максимальное значение ТВН, что может соответствовать максимальному высыханию заболоченной территории или максимальному развитию болотной растительности и экранированию ею излучения водной поверхности.

4) 4–5 “Летний период 2” – связан с постепенным увяданием надводной растительности.

5) 5–1 “Осенне-зимнее промерзание” болотной толщи. Вид сезонной динамики TB(JD) зависит от особенностей промерзания болотной толщи как многослойной системы, состоящей из слоев живой растительности, отмершей растительности и почвы. Кроме этого, TB(JD) зависит от диэлектрических характеристик болотной растительности разного типа (живой и отмершей) при различных сочетаниях температуры и влажности.

В качестве дистанционных радиофизических критериев, характеризующих современные гидрологические изменения водно-болотных угодий, можно использовать продолжительности периодов:

1) болотная толща;

2) образование сезонно-мерзлого слоя (до толщины скин-слоя);

3) установившийся сезонно-мерзлый слой толщиной больше величины скин-слоя.

Анализ многолетних трендов продолжительности последнего периода позволит выявить вектор региональных климатических изменений.

Сезонная динамика ${{T}_{{BH}}}(JD)$ на тестовых участках б, в, г и д (рис. 5) аналогична, в отличие от участка, расположенного значительно южнее (5а). Таким образом, водно-болотные угодья Арктики и Субарктики в разных широтах неодинаковы. Это может быть связано с различной продолжительностью холодных и теплых периодов в зависимости от географических широт, а также с различной скоростью промерзания и оттаивания верхнего слоя подстилающей поверхности (переувлажненной почвы и открытой воды). В отличие от более южных территорий, районы, расположенные за Полярным кругом, характеризуются наличием вечной мерзлоты. Анализ ${{T}_{{BH}}}(JD)$ для исследуемых участков позволил достоверно определить продолжительность холодных периодов для разных лет с точностью до суток. Продолжительность холодных периодов для изучаемых полигонов определяли по многолетней сезонной динамике ${{T}_{{BH}}}(JD)$ (см. рис. 9).

Рис. 9.

Межгодовые тренды продолжительности холодного периода для обозначенных на рис. 4а тестовых ячеек.

На рис. 9 заметны значительные годовые колебания длительности холодного периода.

Для тундры, как многослойной системы с сезонно-талым верхним слоем, были выделены характерные периоды в сезонной динамике ${{T}_{{BH}}}(JD)$ подстилающей поверхности, связанные с сезонным промерзанием верхнего слоя:

1) “зимняя” тундра, без сезонно-талого слоя (холодный период);

2) сезонное оттаивание верхнего слоя многолетнемерзлой почвы;

3) “летняя” тундра, с сезонно-талым слоем почвы (теплый период);

4) промерзание верхнего сезонно-талого слоя до вечной мерзлоты.

Продолжительность холодного периода в зависимости от физических характеристик подстилающей поверхности и метеорологических условий может служить дистанционным радиофизическим критерием. Многолетние тренды продолжительности холодного периода могут быть использованы для оценки гидрологических и региональных климатических изменений.

Для дистанционной оценки пространственного распределения влажности почвы Гыданского полуострова использованы данные спутникового зондирования, результаты наземных и лабораторных измерений. На рис. 10 представлена схематическая карта влагосодержания на Гыданском полуострове по результатам спутниковых, натурных и лабораторных измерений. Заболоченные и обводненные участки тундры расположены в непосредственной близости от прибрежной зоны эстуариев рек Обь и Таз.

Рис. 10.

Карта-схема объемной влажности верхнего слоя почвы на Гыданском полуострове по результатам спутниковых, натурных и лабораторных измерений.

ЗАКЛЮЧЕНИЕ

Полученные данные указывают на некоторые специфические особенности сезонной динамики яркостных температур водно-болотных угодий, которые существенно отличаются от таковых для акваторий морей, пресноводных озер и сезонно-мерзлых почв степной зоны (Тихонов и др., 2021; Tikhonov et al., 2018; Boyarskii et al., 2019). Такие различия связаны со спецификой промерзания болотной толщи, представляющей собой сложную многоярусную многокомпонентную систему, состоящую из живой и отмершей болотной растительности, находящихся в условиях переувлажнения. На основе анализа данных SMOS, наряду с наземными и лабораторными измерениями, выявлены сезонные и многолетние колебания коэффициента излучения водно-болотных угодий, обусловленные гидрологическими и климатическими изменениями.

Предлагаемый методологический подход к дистанционному региональному мониторингу водно-болотных угодий может быть использован для решения актуальных задач, стоящих в настоящее время перед мировым научным сообществом:

1) прогноз изменений геохимического цикла углерода, происходящих под действием природных (климатических) и антропогенных факторов;

2) оценка региональных запасов пресной воды;

3) изучение процессов влагообмена между атмосферой и подстилающей поверхностью;

4) оценка влияния процессов высыхания/обводнения болот и процессов замерзания/оттаивания (в условиях умеренного, арктического и субарктического климата) на испарение с открытых водных пространств, а также эвапорацию и транспирацию влаги болотной растительностью;

5) оценка аридизации территорий на основе изучения сезонной и многолетней динамики площадей, занятых водно-болотными угодьями по всему миру;

6) оценка площадей затопленных лесов.

Для расширения возможностей дистанционного мониторинга водно-болотных угодий с использованием спутниковых микроволновых методов необходимо всесторонне изучить влияние травяно-древесного растительного покрова на излучательную способность водно-болотных угодий.

Для дистанционного мониторинга торфяников и оценки запасов торфа (ценного ископаемого топлива) необходимо изучение особенностей взаимодействия многослойной системы, состоящей из неизотермических слоев живой и отмершей болотной растительности. Точность метода позволяет повысить дистанционный мониторинг водно-болотных угодий за счет интеграции спутниковых данных в оптическом, инфракрасном и микроволновом диапазонах; использование радиолокационных и радиометрических систем наблюдения; наземные измерения физических параметров подстилающей поверхности на полигонах для оценки пространственных и временных характеристик водно-болотных угодий.

Список литературы

  1. Тихонов В.В., Хвостов И.В., Романов А.Н., Алексеева Т.А., Синицкий А.И., Тихонова М.В., Шарков Е.А., Комарова Н.Ю. Межгодовые вариации собственного микроволнового излучения Обской губы в период ледостава и их связь с гидрологическими и климатическими изменениями региона // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 6. С. 185–199. .https://doi.org/10.21046/2070-7401-2021-18-6-185-199

  2. Adeli S., Salehi B., Mahdianpari M., Quackenbush L.J., Brisco B., Tamiminia H., Shaw S. Wetland Monitoring Using SAR Data: A Meta-Analysis and Comprehensive Review // Remote Sens. 2020. V. 12. P. 2190. https://doi.org/10.3390/rs12142190

  3. Bergamaschi P., Houweling S., Segers A. et al. Atmospheric CH4 in the first decade of the 21st century: inverse modeling analysis using SCIAMACHY satellite retrievals and NOAA surface measurements // J. Geophys. Res. Atmos. 2013. V. 118. P. 7350–7369.

  4. Boyarskii D.A., Romanov A.N., Khvostov I.V., Tikhonov V.V., Sharkov E.A. On Evaluating the Depth of Soil Freezing Based on SMOS Satellite Data // Izvestiya, Atmospheric and Oceanic Physics. 2019. V. 55. № 9. P. 996–1004. https://doi.org/10.1134/S0001433819090147

  5. Brisco B., Ahern F., Murnaghan K., White L., Canisus F., Lancaster P. Seasonal Change in Wetland Coherence as an Aid to Wetland Monitoring // Remote sensing. 2017. V. 9. Is. 2. Article Number 158. https://doi.org/10.3390/rs9020158

  6. Bring A., Destouni G. Hydro-climatic changes and their monitoring in the Arctic: Observation-model comparisons and prioritization options for monitoring development // J. Hydrology. 2013. V. 492. P. 273–280.

  7. Choudhury B.J. Passive microwave remote-sensing contribution to hydrological variables // Surveys in geophysics. 1991. V. 12. Is. 1–3. P. 63–84. https://doi.org/10.1007/BF01903412

  8. Gutierrez A., Castro R., Vieira P. SMOS L1 Processor L1c Data Processing Model. SO-DS-DME-L1OP-0009. No. 2.14. 2014. 80 p. available at: https://earth.esa.int/documents/10174/1854456/SMOS_L1c-Data-Processing-Models.

  9. Jensen K., McDonald K. Surface Water Microwave Product Series Version 3: A Near-Real Time and 25-Year Historical Global Inundated Area Fraction Time Series from Active and Passive Microwave Remote Sensing // IEEE Geoscience and remote sensing letters. 2019. V. 16. P. 1402–1406. https://doi.org/10.1109/LGRS.2019.2898779

  10. Karlsson J.M., Jaramillo F., Destouni G. Hydro-climatic and lake change patterns in Arctic permafrost and non-permafrost areas // J. Hydrology. 2015. V. 529. P. 134–145. https://doi.org/10.1016/j.jhydrol.2015.07.005

  11. Kerr Y. H., Waldteufel P., Wigneron J.P. et al. The SMOS Mission: New Tool for Monitoring Key Elements of the Global Water Cycle // Proceedings of IEEE 2010. V. 98. P. 666–687. https://doi.org/10.1109/JPROC.2010.2043032

  12. Koven C.D., Riley W.J., Stern A. Analysis of permafrost thermal dynamics and response to climate change in the CMIP5 Earth system models // J. Clim. 2013. V. 26. P. 1877–1900.

  13. McCulloch M.E., Spurgeon P., Chuprin A. Have mid-latitude ocean rain-lenses been seen by the SMOS satellite? // Ocean Modelling. 2012. V. 43–44. P. 108–111. https://doi.org/10.1016/j.ocemod.2011.12.005

  14. Mialon A. Wetland seasonal dynamics and interannual variability over northern high latitudes, derived from microwave satellite data // J. geophysical research. 2005. V. 110. P. 17 102. https://doi.org/10.1029/2004JD005697

  15. Microwave Remote Sensing-Active and Passive. By F.T. Ulaby. R.K. Moore and A.K. Fung. (Reading, Massachusetts: Addison-Wesley, 1981 and 1982). Volume I: Microwave Remote Sensing Fundamentals and Radiometry. P. 473.

  16. Mirmazloumi S.M., Moghimi A., Ranjgar B., Mohseni F., Ghorbanian A., Ahmadi S.A., Amani M., Brisco B. Status and Trends of Wetland Studies in Canada Using Remote Sensing Technology with a Focus on Wetland Classification: A Bibliographic Analysis // Remote Sens. 2021. V. 13. P. 4025. https://doi.org/10.3390/rs13204025

  17. Olthof I., Rainville T. Evaluating Simulated RADARSAT Constellation Mission (RCM) Compact Polarimetry for Open-Water and Flooded-Vegetation Wetland Mapping // Remote Sens. 2020. V. 12. P. 1476. https://doi.org/10.3390/rs12091476

  18. Poursanidis D., Chrysoulakis N. Remote Sensing, natural hazards and the contribution of ESA Sentinels Missions // Remote Sensing Applications: Society and Environment. 2017. V. 6. P. 25–38. https://doi.org/10.1016/j.rsase.2017.02.001

  19. Santi E., Paloscia S., Pettinato S., Fontanelli G. Application of artificial neural networks for the soil moisture retrieval from active and passive microwave spaceborne sensors // International J. Applied Earth Observation and Geoinformation. 2016. V. 48. P. 61–73. https://doi.org/10.1016/j.jag.2015.08.002

  20. Sahr K., White D., Kimerling A.J. Geodesic Discrete Global Grid Systems // Cartography and Geographic Information Science. 2003. V. 30. Is. 2. P. 121–134.

  21. Schroeder R., McDonald K.C., Chapman B.D., Jensen K., Podest E., Tessler Z.D., Bohn T.J., Zimmermann R. Development and Evaluation of a Multi-Year Fractional Surface Water Data Set Derived from Active/Passive Microwave Remote Sensing Data // Remote Sens. 2015. V. 7. P. 16 688–16 732. https://doi.org/10.3390/rs71215843

  22. Sharkov E.A. Passive Microwave Remote Sensing of the Earth: Physical Foundations, ser. Springer Praxis Books in Geophysical Sciences. Berlin. Germany: Springer-Verlag. 2003.

  23. Tikhonov V.V., Repina I.A., Raev M.D., Sharkov E.A., Ivanov V.V., Boyarskii D.A., Alexeeva T.A., Komarova N.Y. A physical algorithm to measure sea ice concentration from passive microwave remote sensing data // Advances in Space Research. 2015. V. 56. P. 1578.

  24. Tikhonov V., Khvostov I., Romanov A., Sharkov E. Theoretical study of ice cover phenology at large freshwater lakes based on SMOS MIRAS data // The Cryosphere. 2018. V. 12. № 8. P. 2727–2740. https://doi.org/10.5194/tc-12-2727-2018

Дополнительные материалы отсутствуют.

Инструменты

следующая статья выпуска предыдущая статья выпуска содержание выпуска

Исследование Земли из Космоса

Архивы выпусков Информация о журнале Отправить рукопись в журнал