Создание методов прогнозирования динамики наземных экосистем в условиях климатических изменений на основе ассимиляции в модели результатов обработки данных дистанционного зондирования

Исследования и разработки в рамках данного раздела темы в 2018 году проводились в направлении создания методологии для статистической модели фенологических изменений растительного покрова северных широт России (>60о с.ш.). В отличие от большинства существующих работ основанных на анализе радиометрических параметров (вегетационных индексов), в данной работе используются биофизические параметр LAI, что позволит интерпретировать тренды как реальные изменения растительного покрова и минимизировать влияние мешающих факторов (геометрии излучения, наблюдения, влияния почвы и атмосферы, и пр.).

Произведен предварительный статистический анализ временных рядов 250м MODIS LAI продукта- март 2000- ноябрь 2018. Попиксельно использовалась линейная модель регрессии для пиковых сезонных значений LAI. Рассчитывалось среднее значение max_LAI- как средняя величина вдоль регрессионной линии за период наблюдений. Также рассчитывалось относительное изменение, delta_LAI, изменение за период наблюдений вдоль линии регрессии нормализованное на среднее значение max_LAI (в процентах). Карты обоих переменных показаны на рис. 1. для широтного пояса 60о -70о с.ш. необходимо отметить что карты delta_LAI показывает сложную пространственную структуру - с преобладанием отрицательных трендов на западе (в особенности Карелия) и положительных на востоке (в особенности Якутия).

Рис. 1. Карты среднего значения максимума LAI (max_LAI, верхний ряд) и изменений максимального значения (delta_LAI, нижний ряд) за период временных рядов 250m MODIS наблюдений, март 2000- ноябрь 2018 гг. Значения max_LAI и delta_LAI получены путем линейной регрессии. Данные покрывают территорию России для широтной полосы 60о -70о с.ш. и соответствуют MODIS тайлам h19v02, h20v02, h21v02, h22v02.

 
 
Рис. 2. Последовательность карт delta_LAI отображающая сезонную динамику за период временных рядов данных. В отличие от Рисунка 2.5.1  delta_LAI рассчитана не для максимума за сезон а каждой даты 7-дневных композитов (для дней 106-295).

Статистика по трендам посчитанным по пиковым значениям сезонной кривой LAI информативна, но недостаточна для понимания трансформации всей сезонной кривой под воздействием климата или прочих факторов (например, пожаров, антропогенных факторов). Поэтому был проведен регрессионный анализ для каждой даты 7-дневных композитов для тестового тайла h19v02 (Рис. 2) Сравнение карт показывает доминирующий сценарий для данного региона - весна приходит раньше, летом растительность менее развита и осень также наступает раньше.