Информационные ресурсы для оценки экологического потенциала геосистем (на примере территории Енисейского севера)

DOI: 10.35595/2414-9179-2023-1-29-20-33

Посмотреть или загрузить статью (Rus)

Об авторах

А.А. Высоцкая

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, Москва, Россия, 119991,
E-mail: an.vys@yandex.ru

А.А. Медведков

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, Москва, Россия, 119991,

Институт географии РАН,
Старомонетный переулок, д. 29с4, Москва, Россия, 119017,

E-mail: a-medvedkov@bk.ru

Аннотация

Рассмотрен опыт использования открытых данных для создания тематических карт на территорию Енисейской Сибири по важнейшим компонентам экологической оценки ландшафтов. Оценка экологически значимых свойств ландшафтов, раскрывающих их средозащитную роль, является основой для обоснования охраны природы и этноэкосистем в условиях нарастающего антропогенного воздействия. В связи с этим обсуждаются возможности использования геопространственных данных для решения задач подобного типа в бореальной криолитозоне (на примере территории Енисейской Сибири). Для реализации этой цели, принимая во внимание доступность открытых данных, выбраны наиболее информативные показатели (сплошность и температура многолетней мерзлоты, чистая первичная продукция, поток скрытого тепла, однородность среды обитания растений и животных), характеризующие экологически значимые свойства ландшафта. Характеристики сплошности многолетней мерзлоты определяют не только инерционность состояния мерзлотных ландшафтов при внешних воздействиях, но и потенциал активности криогенных процессов, а температура мерзлых пород — характер отклика мерзлотных геосистем на климатические воздействия. Средозащитный потенциал ландшафтов оценивается с использованием совокупного учета показателей чистой первичной продукции и потока скрытого тепла. Биопродукционные характеристики позволяют сравнивать территории по степени их уязвимости к внешним воздействиям и способности к восстановлению. Рассчитанные значения потока скрытого тепла в значительной степени индицируют гомеостатическую функцию лесов. Однородность среды обитания растений и животных рассмотрена в качестве косвенного показателя разнообразия природно-ресурсных условий для традиционного природопользования. Картографирование геокриологических условий произведено с использованием векторных данных, представленных в информационной системе «Земельные ресурсы России». Для создания карт чистой первичной продукции и потоков скрытого тепла использовались обработанные данные спектрорадиометра MODIS. Картографирование однородности биогеоценотических условий произведено по результатам расчета статистических закономерностей в распределении улучшенного вегетационного индекса (EVI) из базы данных «Global Habitat Heterogeneity». Рассмотрены результаты сопоставления однородности биогеоценотических условий с геоморфологическими особенностями исследуемого региона. Показана противоречивость выводов, полученных исключительно на основе анализа геопространственных данных без привлечения результатов полевых исследований. Обсуждаются сложности использования геопространственных данных для ландшафтно-экологического анализа территорий с ярусным строением рельефа (Среднесибирское плоскогорье, Енисейский кряж и др.).

Ключ. слова

экологические функции лесных ландшафтов, чистая первичная продукция, поток скрытого тепла, однородность местообитаний растений и животных, картографирование ландшафтов

Список литературы

  1. Астахов В.И. Четвертичная гляциотектоника Урало-Сибирского Севера. Геология и геофизика, 2019. Т. 60. № 12. С. 1692–1708. DOI: 10.15372/GiG2019136.
  2. Атлас снежно-ледовых ресурсов мира: в 2 т. Т. 1. М.: Институт географии РАН, 1997. 392 с.
  3. Владимиров И.Н. Природная сущность и социальная значимость экологического потенциала геосистем. География и природные ресурсы, 2019. № 5. С. 12–18. DOI: 10.21782/GIPR0206-1619-2019-5(12-18).
  4. Втюрин Б.И. Подземные льды СССР. М.: Наука, 1975. 214 с.
  5. Горшков С.П., Карраш Х., Парамонов А.В. Геоморфологическая индикация мерзлотных и немерзлотных ландшафтов средней тайги Центральной Сибири. Геоморфология, 1998. № 4. С. 55–61.
  6. Исаченко А.Г. Экологическая география России. СПб: СпбГУ, 2001. 327 с.
  7. Корейша М.М., Соколов Б.Л. Подземные льды и наледи. Материалы гляциологических исследований. Программа и методические основы составления атласа снежно-ледовых ресурсов мира, 1992. Вып. 74. С. 158–163.
  8. Медведков А.А. Картографирование криогенных ландшафтов на основе анализа тепловых снимков. ИнтерКарто. ИнтерГИС, 2016 (a). Т. 22. Ч. 1. С. 380–384. DOI: 10.24057/2414-9179-2016-1-22-380-384.
  9. Медведков А.А. Среднетаежные геосистемы Приенисейской Сибири в условиях меняющегося климата. М.: МАКС Пресс, 2016 (б). 144 с.
  10. Медведков А.А. Картографирование геолого-геоморфологической основы ландшафтов для управления экологическими рисками в условиях ярусного строения рельефа южной криолитозоны. ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M.: Географический факультет МГУ, 2022. Т. 28. Ч. 1. С. 78–90. DOI: 10.35595/2414-9179-2022-1-28-78-90.
  11. Равкин Ю.С., Цыбулин С.М., Ананин А.А., Железнова Т.К., Вартапетов Л.Г., Юдкин В.А., Жуков В.С., Преображенская Е.С., Стишов М.С., Торопов К.В., Равкин Е.С., Богомолова И.Н., Чеснокова С.В., Лялина М.И. Эколого-географическая организация и структура летнего населения птиц Северной Евразии. Общая биология, 2022. Т. 83. № 4. С. 302–320. DOI: 10.31857/S0044459622040066.
  12. Haralick R.M., Shanmugam K., Dinstein I.H. Textural features for image classification. IEEE Transactions on Systems, Man and Cybernetics, 1973. V. 3. P. 610–621.
  13. Medvedkov A.A., Vysotskaya A.A., Olchev A.A. Detection of geocryological conditions in boreal landscapes of the southern cryolithozone using thermal infrared remote sensing data: А case study of the northern part of the Yenisei Ridge. Remote Sensing, 2023. V. 15. No. 2. Art. 291. DOI: 10.3390/rs15020291.
  14. Running S., Mu Q., Zhao M., Moreno A. MODIS/Terra net evapotranspiration gap-filled yearly L4 global 500m SIN Grid V0 61. NASA EOSDIS Land Processes DAAC, 2021. DOI: 10.5067/MODIS/MOD16A3GF.061.
  15. Running S., Zhao M. MODIS/Terra net primary production gap-filled yearly L4 Global 500m SIN Grid V0 61. NASA EOSDIS Land Processes DAAC, 2021. DOI: 10.5067/MODIS/MOD17A3HGF.061.
  16. Strien van M.J., Grêt-Regamey A. Unsupervised deep learning of landscape typologies from remote sensing images and other continuous spatial data. Environmental Modelling & Software, 2022. V. 155. Art. 105462. DOI: 10.1016/j.envsoft.2022.105462.
  17. Tuanmu M.-N., Jetz W. A global, remote sensing-based characterization of terrestrial habitat heterogeneity for biodiversity and ecosystem modeling. Global Ecology and Biogeography, 2015. V. 24. P. 1329–1339. DOI: 10.1111/geb.12365.

Для цитирования: Высоцкая А.А., Медведков А.А. Информационные ресурсы для оценки экологического потенциала геосистем (на примере территории Енисейского севера). ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2023. Т. 29. Ч. 1. С. 20–33 DOI: 10.35595/2414-9179-2023-1-29-20-33

For citation: Vysotskaya A.A., Medvedkov A.A. Information resources for assessing the environmental potential of geosystems (on the example of the territory of the Yenisei North). InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2023. V. 29. Part 1. P. 20–33. DOI: 10.35595/2414-9179-2023-1-29-20-33 (in Russian)