Ландшафтные инварианты – параметры порядка динамической сиcтемы

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье рассматриваются методологические обоснования проблемы выделения инвариантов нелинейных динамических систем в ландшафтоведении. Понятие инвариантности в контексте существования устойчивых во времени пространственных структур в ландшафте было предложено В.Б. Сочавой (1961). С накоплением многолетних рядов наблюдений состояний ландшафта посредством мультиспектральной съемки, выделение таких инвариантов стало осуществимо на практике. На примере анализа мультиспектральных измерений отражения солнечной радиации для южно-таежного ландшафта (Центрально-Лесной государственный природный биосферный заповедник) со спутников серии Landsat c 1987 по 2022 г. показано, что инварианты, последовательно выделяемые методом главных компонент как параметры порядка, в первую очередь определяют общую надземную биомассу растительности, содержание воды в растительности и почвах и интенсивность фотосинтеза, т.е. биопродукционного процесса. Предложенная схема анализа временных рядов дистанционной информации позволяет оценивать ландшафтный покров в момент съемки относительно инварианта как предельного стационарного состояния ландшафта и выявлять основные управляющие параметры, определяющие изменения условий среды и саморазвитие системы. Для выявления физического смысла полученных инвариантов был проанализирован вклад растительности и рельефа в формирование его структуры. Показано, что рельеф слабо влияет на параметры порядка, а наибольший вклад в формирование инвариантной структуры вносят характеристики растительного покрова. Так как инварианты позволяют выделить наиболее стационарные состояния, то очевидны возможности их применения для решения прикладных задач в сельском и лесном хозяйстве, а также в оценке различных экосистемных услуг.

Об авторах

А. С. Байбар

Институт географии РАН; Институт проблем экологии и эволюции им. А.Н. Северцова РАН; Национальный исследовательский университет “Высшая школа экономики”

Автор, ответственный за переписку.
Email: baybaranastasia@yandex.ru
Россия, Москва; Россия, Москва; Россия, Москва

М. Ю. Пузаченко

Институт географии РАН

Email: baybaranastasia@yandex.ru
Россия, Москва

Р. Б. Сандлерский

Институт проблем экологии и эволюции им. А.Н. Северцова РАН; Национальный исследовательский университет “Высшая школа экономики”

Email: baybaranastasia@yandex.ru
Россия, Москва; Россия, Москва

А. Н. Кренке

Национальный исследовательский университет “Высшая школа экономики”

Email: baybaranastasia@yandex.ru
Россия, Москва

Список литературы

  1. Бевз В.Н. Инвариантный аспект пространственно-временной организации склоновых ландшафтов // Вестн. Воронеж. ун-та. Сер. география и геоэкология. 2002. № 1. С. 48–52.
  2. Большаков А.Г. Основы теории градостроительства и районной планировки. Иркутск: Изд-во Иркутск. гос. техн. ун-та, 2004. 216 с.
  3. Бородин О.И., Бугай А.С., Гихман И.И. Биографический словарь деятелей в области математики. Kиев: Рад. школа, 1979. 607 с.
  4. 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.
  5. 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.
  6. Крауклис А.А. Проблемы экспериментального ландшафтоведения. Новосибирск: Наука, 1979. 282 с.
  7. Кренке А.Н., Пузаченко Ю.Г., Пузаченко М.Ю. Пространственная организация регионального мезоклимата // Изв. РАН. Сер. геогр. 2019. № 3. С. 116–130.
  8. Макунина Г.С. Геофизические системы ландшафтов // География и природные ресурсы. 2011. № 4. С. 5–11.
  9. Мильков Ф.Н. Физическая география: учение о ландшафте и географическая зональность. Воронеж: Изд-во Воронеж. ун-та, 1986. 326 с.
  10. Петрищев В.П. и др. Особенности формирования ландшафтов Индерского солянокупольного района (Прикаспийская впадина) // География и природные ресурсы. 2011. № 2. С. 79–84.
  11. Преображенский В.С., Александрова Т.Д. Первичный анализ терминов динамики ландшафтов // Изв. ВГО. 1975. Т. 107. № 5. С. 397–404.
  12. Пузаченко Ю.Г. Инвариантность геосистем и их компонентов / Устойчивость геосистем. М.: Наука, 1983. С. 32–41.
  13. Пузаченко Ю.Г. Инварианты динамической геосистемы // Изв. РАН. Сер. геогр. 2010. № 5. С. 6–16.
  14. 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.
  15. Пузаченко Ю.Г., Онуфреня И.А., Алещенко Г.М. Спектральный анализ иерархической организации рельефа // Изв. РАН. Сер. геогр. 2002. № 4. С. 29–38.
  16. 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.
  17. 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).
  18. 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.
  19. Скулкин В.С. Эмпирическая мелкомасшиабная модель растительности СССР: Автореф. дис. … канд. геогр. наук. М.: Институт географии АН СССР, 1979. 24 с.
  20. Сочава В.Б. Вопросы классификации растительности, типологии физико-географических фаций и биогеоценозов // Вопросы классификации растительности. Свердловск: Уральский филиал АН СССР, 1961. С. 5–22.
  21. Сочава В.Б. Введение в учение о геосистемах. Новосибирск: Наука, 1978. 319 с.
  22. Хакен Г. Принципы работы голоногого мозга: Синергетический подход к активности мозга, поведению и когнитивной деятельности. М.: Изд-во Пер СЕ, 2001. 351 с.
  23. Хакен Г. Синергетика. М.: Изд-во МИР, 1980. 405 с.
  24. Черных Д.В. О границах ландшафта: неортодоксальный взгляд физико-географа // Международ. журн. исследований культуры. 2015. № 4 (21). С. 63–72.
  25. Самонастраивающиеся системы: справочник / ред. П.И. Чинаев. Киев: Наукова думка, 1969. 528 с.
  26. Allen T.F.H., Starr T.B. Hierarchy: perspectives for ecological complexity. Chicago: Chicago Univ. Press, 1982. 310 p.
  27. 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.
  28. 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.
  29. 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.
  30. 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.
  31. Forman R.T. Land mosaics: the ecology of landscapes and regions. Cambridge: Cambridge Univ. Press, 1995. 217 p.
  32. Forman R.T., Godron M. Landscape Ecology. N.Y.: John Wiley & Sons, Inc., 1986. 620 p.
  33. 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.
  34. 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.
  35. Holben B.N. Characteristics of maximum-value composite images from temporal AVHRR data // Int. J. Remote Sens. 1986. Vol. 7 (11). P. 1417–1434.
  36. 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.
  37. 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.
  38. 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.
  39. 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.
  40. 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.
  41. 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.
  42. 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.
  43. 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.
  44. 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.
  45. Riasati V.R., Zhou H. Reduced data projection slice image fusion using principal component analysis // Proc. SPIE. 2005. Vol. 5813. P. 1–15.
  46. 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.
  47. 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.
  48. 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.
  49. 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.
  50. 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.
  51. Turner M.G. Landscape ecology: the effect of pattern on process // Annual Rev. Ecol. Evol. Syst. 1989. Vol. 20 (1). P. 171–197.
  52. Turner M.G. Landscape ecology: what is the state of the science? // Annual Rev. Ecol. Evol. Syst. 2005. Vol. 36. P. 319–344.
  53. Turner M.G., Gardner R.H., O’Neill R.V. Landscape ecology in theory and practice. NY: Springer, 2001. 499 p.
  54. 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.
  55. 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.
  56. Wu J. Effects of changing scale on landscape pattern analysis: scaling relations // Landscape Ecology. 2004. Vol. 19 (2). P. 125–138.
  57. 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.

© А.С. Байбар, М.Ю. Пузаченко, Р.Б. Сандлерский, А.Н. Кренке, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах