Взаимосвязь сезонного изменения светового загрязнения и вегетационного индекса на примере города Санкт-Петербурга

DOI: 10.35595/2414-9179-2024-2-30-482-497

Посмотреть или загрузить статью (Rus)

Об авторах

М.Б. Каган

Санкт-Петербургский Государственный Университет, Институт наук о Земле,
Университетская наб., д. 7-9, Санкт-Петербург, Россия, 199034,
E-mail: kagan.mikko@gmail.com

Н.А. Позднякова

Санкт-Петербургский Государственный Университет, Институт наук о Земле,
Университетская наб., д. 7-9, Санкт-Петербург, Россия, 199034,
E-mail: n.pozdnyakova@spbu.ru

Т.А. Андреева

Санкт-Петербургский Государственный Университет, Институт наук о Земле,
Университетская наб., д. 7-9, Санкт-Петербург, Россия, 199034,
E-mail: t.andreeva@spbu.ru

Д.С. Тасенко

Северо-Кавказский Федеральный Университет, Высшая Школа Географии и Геоинформатики,
ул. Пушкина, д. 1, Ставрополь, Россия, 355017,
E-mail: dimitri.tasenko@yandex.ru

Е.А. Скрипчинская

Северо-Кавказский Федеральный Университет, Высшая Школа Географии и Геоинформатики,
ул. Пушкина, д. 1, Ставрополь, Россия, 355017,
E-mail: gerdtea@yandex.ru

А.И. Ракова

Санкт-Петербургский Государственный Университет, Институт наук о Земле,
Университетская наб., д. 7-9, Санкт-Петербург, Россия, 199034,
E-mail: rakova.arina@gmail.com

Аннотация

Сокращение зеленых насаждений и увеличение светового загрязнения на урбанизированных территориях будет приумножаться с ростом городов. Мировое сообщество обеспокоено проблемой влияния избыточного искусственного освещения на здоровье людей и представителей городской флоры и фауны, однако методы минимизации этого влияния до сих пор не определены. Современные данные дистанционного зондирования позволяют проводить исследования для различных показателей, которые ранее были малоизученными (сами исследования были трудозатратными). В работе представлены результаты исследования коэффициента корреляции Пирсона двух показателей: вегетационного индекса и светового загрязнения по сезонам года для г. Санкт-Петербурга. В исследовании использованы данные спутников Landsat-8 и NOAA. По результатам анализа материалов построены схемы, графики и таблицы взаимосвязи данных. По итогам исследования выявлена вероятность взаимосвязи между вегетационным индексом и световым загрязнением в период отсутствия устойчивого снежного покрова на территории города. Линейная зависимость обратная, что говорит о том, что увеличение одной переменной приведет к снижению другой и наоборот. Для подтверждения достоверности исследования были выбраны семь зеленых зон в разных частях города: Таврический сад, парки Сосновка и Московский парк Победы, заказники Новоорловский, Юнтоловский и Южное побережье Невской губы, Смоленское кладбище. Территории являются посещаемыми, озелененными и по-разному освещенными. В период активного роста фитоценозов наблюдается увеличение биомассы растений, в связи с этим уменьшается световое загрязнение. При завершении вегетационного периода происходит увеличение светового загрязнения, что подтверждается проведенным исследованием.

Ключ. слова

дистанционное зондирование Земли, вегетационный индекс, световое загрязнение, сезонность, коэффициент корреляции Пирсона

Список литературы

  1. Воличенко О.В., Цурик Т.О. «Умный ландшафт» городского парка. Academia. Архитектура и Строительство, 2023. № 4. С. 118–126. DOI: 10.22337/2077-9038-2023-4-118-126.
  2. Голубец Д.И., Ермолаева Я.К., Карнаухов Д.Ю., Зилов Е.А. Применение дистанционного зондирования Земли в исследовании светового загрязнения водных экосистем на примере поселка Листвянка. Биоразнообразие, состояние и динамика природных и антропогенных экосистем России: Материалы Всероссийской научно-практической конференции, 2021. С. 120–124.
  3. Жуковская М.И., Северина И.Ю., Новикова Е.С. Световое антропогенное загрязнение: действие на насекомых. Биосфера, 2022. Т. 14. № 2. С. 126–136.
  4. Каган М.Б., Тасенко Д.С. Оценка динамики светового загрязнения городов-курортов Кавказских минеральных вод (2012–2022 гг.) с применением данных дистанционного зондирования. ГИС-технологии в науках о Земле: Материалы Республиканского научно-практического семинара студентов и молодых ученых, 2023. С. 170–177. Электронный ресурс: https://elib.bsu.by/handle/123456789/308736 (дата обращения 28.08.2024).
  5. Кортов Е.Е. Загрязнение окружающей среды и его определение с помощью данных дистанционного зондирования. Проблемы природопользования и экологическая ситуация в европейской России и на сопредельных территориях: Материалы VIII Международной научной конференции, 2019. С. 350–357.
  6. Скрипчинская Е.А., Романенко К.И. Динамика светового загрязнения Ставропольского края (2012–2020 гг.). УЭПС: Управление, Экономика, Политика, Социология, 2021. № 3. С. 98–105. DOI: 10.24412/2412-2025-2021-3-98-105.
  7. Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. C. 560.
  8. Aubrecht C., Leon J. Evaluating Multi-Sensor Nighttime Earth Observation Data for Identification of Mixed vs. Residential Use in Urban Areas. Remote Sensing, 2016. V. 8. DOI: 10.3390/rs8020114.
  9. Górniak-Zimroz J., Romańczukiewicz K., Magdalena Sitarska M., Aleksandra Szrek A. Light-pollution-monitoring method for selected environmental and social elements. Remote Sensing, 2024. P. 1–22. DOI: 10.3390/rs16050774.
  10. Guha S., Govil H. Land surface temperature and normalized difference vegetation index relationship: a seasonal study on a tropical city. Springer Nature, 2020. P. 1–14. DOI: 10.1007/s42452-020-03458-8.
  11. Hirt M.R., Evans D.M., Miller C.R., Ryser R. Light pollution in complex ecological systems. The Royal Society Publishing, 2023. V. 378. Iss. 1892. DOI: 10.1098/rstb.2022.0351.
  12. Malik M.S., Shukla J.P., Mishra S.N. Relationship of LST, NDBI and NDVI using Landsat-8 data in Kandaihimmat watershed, Hoshangabad, India. Indian Journal of Geo-Marine Sciences, 2019. V. 48. Iss. 1. P. 25–31.
  13. McGowan T. Light pollution. Encyclopedia of Color Science and Technology, 2016. P. 837–842. DOI: 10.1007/978-1-4419-8071-7_133.
  14. Nurbandi W., Yusuf F.R., Prasetya R., Afrizal M.D. Using Visible Infrared Imaging Radiometer Suite (VIIRS) Imagery to identify and analyze light pollution. IOP Conference Series: Earth and Environmental Science, 2016. V. 47. P. 1–11. DOI: 10.1088/1755-1315/47/1/012040.
  15. Schroer S., Hölker F. Light pollution reduction: methods to reduce the environmental impact of artificial light at night. Handbook of Advanced Lighting Technology, 2017. P. 991–1010. DOI: 10.1007/978-3-319-00176-0_43.

Для цитирования: Каган М.Б., Позднякова Н.А., Андреева Т.А., Тасенко Д.С., Скрипчинская Е.А., Ракова А.И. Взаимосвязь сезонного изменения светового загрязнения и вегетационного индекса на примере города Санкт-Петербурга. ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2024. Т. 30. Ч. 2. С. 482–497 DOI: 10.35595/2414-9179-2024-2-30-482-497

For citation: Kagan M.B., Pozdnyakova N.A., Andreeva T.A., Tasenko D.S., Skripchinskaya E.A., Rakova A.I. The relationship between seasonal changes in light pollution and the vegetation index on the example of the city of St. Petersburg. InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2024. V. 30. Part 2. P. 482–497. DOI: 10.35595/2414-9179-2024-2-30-482-497 (in Russian)