Landscape Invariants–Order Parmeters of a Dynamic System

A. S. Baibar; Байбар А. С.; M. Yu. Puzachenko; Пузаченко М. Ю.; R. B. Sandlersky; Сандлерский Р. Б.; A. N. Krenke; Кренке А. Н.

doi:10.31857/S2587556623030056

Landscape Invariants–Order Parmeters of a Dynamic System

Authors: Baibar A.S.¹^,2^,3, Puzachenko M.Y.¹, Sandlersky R.B.²^,3, Krenke A.N.³
Affiliations:
1. Institute of Geography, Russian Academy of Sciences
2. Severtsov Institute of Ecology and Evolution RAS
3. HSE University
Issue: Vol 87, No 3 (2023)
Pages: 370-390
Section: ПРИРОДНЫЕ ПРОЦЕССЫ И ДИНАМИКА ГЕОСИСТЕМ
URL: https://journals.rcsi.science/2587-5566/article/view/135590
DOI: https://doi.org/10.31857/S2587556623030056
EDN: https://elibrary.ru/QQWOKE
ID: 135590

Cite item

Full Text

Open Access
Restricted Access

Access granted
Restricted Access

Subscription Access

Abstract
About the authors
References
Supplementary files
Statistics

Abstract

The article considers theoretical and methodological substantiation of identifying invariants problem in nonlinear dynamic systems. Invariance in context of stable spatio-temporal structures in a landscape was proposed by V.B. Sochava in 1961. The accumulation of long-term series of landscape observations by means of multispectral imaging made it possible to identify invariants in practice. An analysis of Landsat multispectral measurements from 1987 to 2022 for the southern taiga landscape (Central Forest State Nature Biosphere Reserve) shows that invariants identified as order parameters primarily determine total aboveground vegetation biomass, the water content in vegetation and soils, and the intensity of photosynthesis, i.e. bioproduction process. The proposed scheme for analyzing time series of remote sensing data makes it possible to assess landscape cover at the time of survey with respect to invariants and to identify the main control parameters that determine changes in environmental conditions and self-development of geosystems. The assessment of vegetation and relief contribution to formation of invariants structure was made to reveal invariants physical meaning. The results showed that relief has little effect on order parameters, and vegetation cover make the greatest contribution to invariant structure formation. Since invariants make it possible to identify the most stationary states, they can be used to solve applied problems in agriculture and forestry, as well as in the assessment of various ecosystem services.

Keywords

multispectral remote sensing data, order parameters, invariant, synergetics, Landsat, Central Forest State Nature Biosphere Reserve, Principal Component Method, geobotanical descriptions, morphometric characteristics of relief, southern taiga landscape, south of the Valdai Upland

References

Бевз В.Н. Инвариантный аспект пространственно-временной организации склоновых ландшафтов // Вестн. Воронеж. ун-та. Сер. география и геоэкология. 2002. № 1. С. 48–52.
Большаков А.Г. Основы теории градостроительства и районной планировки. Иркутск: Изд-во Иркутск. гос. техн. ун-та, 2004. 216 с.
Бородин О.И., Бугай А.С., Гихман И.И. Биографический словарь деятелей в области математики. Kиев: Рад. школа, 1979. 607 с.
Васильев И.С. и др. Устойчивость криогенных ландшафтов на северном участке трассы железной дороги Якутии // Природные ресурсы Арктики и Субарктики. 2009. № 2. С. 4–8.
Коберниченко В.Г., Тренихин В.А. Методы синтеза изображений на основе данных дистанционного зондирования Земли различного разрешения // Успехи современной радиоэлектроники. 2007. № 4. С. 22–31.
Крауклис А.А. Проблемы экспериментального ландшафтоведения. Новосибирск: Наука, 1979. 282 с.
Кренке А.Н., Пузаченко Ю.Г., Пузаченко М.Ю. Пространственная организация регионального мезоклимата // Изв. РАН. Сер. геогр. 2019. № 3. С. 116–130.
Макунина Г.С. Геофизические системы ландшафтов // География и природные ресурсы. 2011. № 4. С. 5–11.
Мильков Ф.Н. Физическая география: учение о ландшафте и географическая зональность. Воронеж: Изд-во Воронеж. ун-та, 1986. 326 с.
Петрищев В.П. и др. Особенности формирования ландшафтов Индерского солянокупольного района (Прикаспийская впадина) // География и природные ресурсы. 2011. № 2. С. 79–84.
Преображенский В.С., Александрова Т.Д. Первичный анализ терминов динамики ландшафтов // Изв. ВГО. 1975. Т. 107. № 5. С. 397–404.
Пузаченко Ю.Г. Инвариантность геосистем и их компонентов / Устойчивость геосистем. М.: Наука, 1983. С. 32–41.
Пузаченко Ю.Г. Инварианты динамической геосистемы // Изв. РАН. Сер. геогр. 2010. № 5. С. 6–16.
Пузаченко Ю.Г., Байбар А.С., Варлагин А.В., Кренке А.Н., Сандлерский Р.Б. Тепловое поле южно-таежного ландшафта Русской равнины // Изв. РАН. Сер. геогр. 2019. № 2. С. 51–68.
Пузаченко Ю.Г., Онуфреня И.А., Алещенко Г.М. Спектральный анализ иерархической организации рельефа // Изв. РАН. Сер. геогр. 2002. № 4. С. 29–38.
Пузаченко Ю.Г., Скулкин В.П. Независимость внутри целого и в биотической части геосистемы / Системный подход в географии. Тез. докл. М., 1972. С. 22–23.
Сандлерский Р.Б. Выявление инварианта энергетического поля ландшафта на основе дистанционной спектрозональной информации. http://www.landscape.edu.ru/files/sand_lomonos_2007.pdf (дата обращения 25.03.2019).
Сандлерский Р.Б., Пузаченко Ю.Г. Энергетические характеристики геосистем Центрально-Лесного заповедника по данным дистанционного зондирования // Тр. Центрально-Лесного гос. природ. биосф. зап. 2007. № 5. С. 429–440.
Скулкин В.С. Эмпирическая мелкомасшиабная модель растительности СССР: Автореф. дис. … канд. геогр. наук. М.: Институт географии АН СССР, 1979. 24 с.
Сочава В.Б. Вопросы классификации растительности, типологии физико-географических фаций и биогеоценозов // Вопросы классификации растительности. Свердловск: Уральский филиал АН СССР, 1961. С. 5–22.
Сочава В.Б. Введение в учение о геосистемах. Новосибирск: Наука, 1978. 319 с.
Хакен Г. Принципы работы голоногого мозга: Синергетический подход к активности мозга, поведению и когнитивной деятельности. М.: Изд-во Пер СЕ, 2001. 351 с.
Хакен Г. Синергетика. М.: Изд-во МИР, 1980. 405 с.
Черных Д.В. О границах ландшафта: неортодоксальный взгляд физико-географа // Международ. журн. исследований культуры. 2015. № 4 (21). С. 63–72.
Самонастраивающиеся системы: справочник / ред. П.И. Чинаев. Киев: Наукова думка, 1969. 528 с.
Allen T.F.H., Starr T.B. Hierarchy: perspectives for ecological complexity. Chicago: Chicago Univ. Press, 1982. 310 p.
Campbell M.J., Congalton R.G. Landsat-based land cover change analysis in Northeastern Oregon’s timber resource dependent communities // American Society of Photogrammetry and Remote Sensing 2012 Annual Conference. 2012. P. 19–23.
Cao W., Li B., Zhang Y. A remote sensing image fusion method based on PCA transform and wavelet packet transform / Int. Conference on Neural Networks and Signal Processing. 2003. Vol. 2. P. 976–981.
Chang H., Yoon W.S. Improving the classification of Landsat data using standardized principal components analysis // KSCE J. Civil Engineering. 2003. № 7 (4). P. 469–474.
Choi M. A new intensity-hue-saturation fusion approach to image fusion with a tradeoff parameter // IEEE Trans. Geosci. Remote Sens. 2006. Vol. 44. P. 1672–1682.
Forman R.T. Land mosaics: the ecology of landscapes and regions. Cambridge: Cambridge Univ. Press, 1995. 217 p.
Forman R.T., Godron M. Landscape Ecology. N.Y.: John Wiley & Sons, Inc., 1986. 620 p.
Gobattoni F., Lauro G., Monaco R., Pelorosso R. Mathematical models in landscape ecology: stability analysis and numerical tests // Acta Applicandae Mathematicae. 2013. № 125 (1). P. 173–192.
Griffiths P., van der Linden S., Kuemmerle T., Hostert P. A pixel-based Landsat compositing algorithm for large area land cover mapping // IEEE J. Selected Topics in Applied Earth Observations and Remote Sens. 2013. Vol. 6 (5). P. 2088–2101.
Holben B.N. Characteristics of maximum-value composite images from temporal AVHRR data // Int. J. Remote Sens. 1986. Vol. 7 (11). P. 1417–1434.
Ingebritsen S.E., Lyon R.J.P. Principal components analysis of multitemporal image pairs // Int. J. Remote Sens.1985. Vol. 6 (5). P. 687–696.
Kwarteng P., Chavez A. Extracting spectral contrast in Landsat Thematic Mapper image data using selective principal component analysis // Photogramm. Eng. Remote Sens. 1989. Vol. 55 (1). P. 339–348.
Luo Y., Trishchenko A.P., Khlopenkov K.V. Developing clear-sky, cloud and cloud shadow mask for producing clear-sky composites at 250-meter spatial resolution for the seven MODIS land bands over Canada and North America // Remote Sens. of Environ. 2008. Vol. 112 (12). P. 4167–4185.
Metwalli M.R., Nasr A.H., Allah O.S.F., El-Rabaie S., Abd El-Samie F.E. Satellite image fusion based on principal component analysis and high-pass filtering // J. Opt. Soc. Am. A. 2010. Vol. 27. P. 1385–1394.
Naidu V.P.S., Raol J.R. Pixel-level image fusion using wavelets and principal component analysis // Def. Sci. J. 2008. Vol. 58. P. 338–352.
Nunez J., Otazu X., Fors O., Prades A., Pala V., Arbiol R. Multiresolution-based image fusion with additive wavelet decomposition // IEEE Trans. Geosci. Remote Sens. 1999. Vol. 37. P. 1204–1211.
O’Neill R.V., Deangelis D.L., Waide J.B., Allen T.F., Allen G.E. A hierarchical concept of ecosystems. Princeton: Princeton Univ. Press, 1986. № 23. 254 p.
O’Neill R.V., Milne B.T., Turner M.G., Gardner R.H. Resource utilization scales and landscape pattern // Landscape Ecol. 1988. Vol. 2 (1). P. 63–69.
Potapov P., Turubanova S., Hansen M.C. Regional-scale boreal forest cover and change mapping using Landsat data composites for European Russia // Remote Sens. of Environ. 2011. Vol. 115 (2). P. 548–561.
Riasati V.R., Zhou H. Reduced data projection slice image fusion using principal component analysis // Proc. SPIE. 2005. Vol. 5813. P. 1–15.
Roy D.P., Ju J., Kline K., Scaramuzza P.L., Kovalskyy V., Hansen M., Loveland T.R., Vermote E., Zhang C. Web-enabled Landsat Data (WELD): Landsat ETM+ composited mosaics of the conterminous United States // Remote Sens. of Environ. 2010. Vol. 114 (1). P. 35–49.
Sandlersky R., Krenke A. Solar energy transformation strategies by ecosystems of the boreal zone (thermodynamic analysis based on remote sensing data) // Entropy. 2020. Vol. 22. № 10. P. 1132–1140.
Shahdoosti H.R., Ghassemian H. Spatial PCA as a new method for image fusion // The 16th CSI International Symposium on Artificial Intelligence and Signal Processing (AISP 2012). 2012. P. 90–94.
Tu T.-M., Su S.-C., Shyu H.-C., Huang P.S. A new look at IHS-like image fusion methods // Information Fusion. 2001a. Vol. 2 (3). P. 177–186.
Tu T.-M., Su S.-C., Shyu H.-C., Huang P.S. Efficient intensity-hue-saturation-based image fusion with saturation compensation // Opt. Eng. 2001b. Vol. 40. P. 720–728.
Turner M.G. Landscape ecology: the effect of pattern on process // Annual Rev. Ecol. Evol. Syst. 1989. Vol. 20 (1). P. 171–197.
Turner M.G. Landscape ecology: what is the state of the science? // Annual Rev. Ecol. Evol. Syst. 2005. Vol. 36. P. 319–344.
Turner M.G., Gardner R.H., O’Neill R.V. Landscape ecology in theory and practice. NY: Springer, 2001. 499 p.
White J.C., Wulder M.A. The Landsat observation record of Canada: 1972–2012 // Canadian J. of Remote Sens. 2014. Vol. 39 (6). P. 455–467.
Wu J.G. Scale and scaling: a cross-disciplinary perspective. In: Key topics in landscape ecology / J.G. Wu, R. Hobbs (Eds). Cambridge: Cambridge Univ. Press, 2006. P. 115–142.
Wu J. Effects of changing scale on landscape pattern analysis: scaling relations // Landscape Ecology. 2004. Vol. 19 (2). P. 125–138.
Zhu Z., Woodcock C.E., Holden C., Yang Z. Generating synthetic Landsat images based on all available Landsat data: Predicting Landsat surface reflectance at any given time // Remote Sens. of Environ. 2015. Vol. 162. P. 67–83.