Содержание к диссертации
Введение
ГЛАВА 1. ОПИСАНИЕ, АНАЛИЗ И МОДЕЛИРОВАНИЕ СТРУКТУРЫ И ХОРОЛОГИИ ПРИРОДНЫХ СИСТЕМ
1.1 Общие методологические подходы изучения природных систем 12
1.2 Биотическая составляющая природных систем 21
1.3 Анализ пространственной структуры растительного покрова как компонента 27 природных систем
1.4 Моделирование пространственной структуры растительного покрова 47
ГЛАВА 2. ЛАНДШАФТНО-ЭКОЛОГИЧЕСКАЯ ХАРАКТЕРИСТИКА ТЕРРИТОРИИ ИССЛЕДОВАНИЯ. ИСХОДНЫЕ ДАННЫЕ И ИХ ФОРМАЛИЗАЦИЯ
2.1 Ландшафтно-экологическая характеристика территории регионального уровня исследований
2.2 Ландшафтно-экологическая характеристика территории локального уровня исследований
2.3 Данные о растительном покрове 73
2.4 Характеристики состояния окружающей среды 77
2.5 Представление пространственной информации в геоинформационных системах 85
2.6 Формализация и пространственная унификация данных по территории 91 исследования
ГЛАВА 3. ВЕРОЯТНОСТНАЯ МОДЕЛЬ ФЛОРИСТИЧЕСКОГО СОСТАВА РАСТИТЕЛЬНОГО ПОКРОВА
3.1 Построение вероятностной модели в рамках гипотезы индивидуальности 96
3.2 Оценка адекватности модели - Ю0
3.3 Применение вероятностной модели Ю6
ГЛАВА 4. ГРАДИЕНТНЫЙ АНАЛИЗ ВИДОВ ФЛОРЫ И ОРДИНАЦИЯ РАСТИТЕЛЬНОСТИ
4.1 Ординационные подходы к анализу состава и структуры растительного покрова Ю8
4.2 Методы непрямого градиентного анализа .109
4.3 Методы прямого градиентного анализа 113
4.4 Градиентный анализ видов флоры сосудистых растений на территории РТ 11"
4.5 Непараметрическая классификация и ординация растительности 137
4.6 Применение метода SOM для ординации растительности на территории РТ 144
ГЛАВА 5. ОТКЛИК ВИДОВ ФЛОРЫ НА ФАКТОРЫ СРЕДЫ И ЕГО МОДЕЛИРОВАНИЕ НА ИССЛЕДУЕМОЙ ТЕРРИТОРИИ
5.1 Логистическая регрессия 150
5.2 Нейронные сети прямого распространения 155
5.3 Факторный анализ экологических ниш 158
5.4 Непараметрическая модель на основе топографического отображения 173
5.5 Оценка адекватности и сравнение моделей 185
ГЛАВА 6. МОДЕЛИРОВАНИЕ ПРОСТРАНСТВЕННОГО РАСПРЕДЕЛЕНИЯ ВИДОВ ФЛОРЫ СОСУДИСТЫХ РАСТЕНИЙ
6.1 Пространственный прогноз распределения видов на основе моделей отклика на факторы среды
6.2 Стохастическая пространственная составляющая распределения видов, ее анализ и моделирование
6.3 Воспроизведение стохастической пространственной составляющей распределения видов флоры на изучаемой территории
6.4 Пространственный прогноз распределения видов с учетом стохастической составляющей
ВЫВОДЫ 237
ЛИТЕРАТУРА 238
- Общие методологические подходы изучения природных систем
- Характеристики состояния окружающей среды
- Построение вероятностной модели в рамках гипотезы индивидуальности
Введение к работе
Актуальность темы. Глобальная проблема сохранения биоразнообразия (в рамках видов, между видами и разнообразия экосистем) была осознана человечеством в прошлом веке, что привело к выработке международным сообществом Конвенции о Биологическом Разнообразии и разработке национальных стратегий изучения и охраны флоры и фауны отдельных территорий. Все возрастающее антропогенное давление на природу разрушает исторически сложившиеся ландшафтно-экологические закономерности, ведет к исчезновению видов, уничтожению и дигрессивному разрушению природных экосистем. Дальнейшее сокращение биоразнообразия может привести к дестабилизации биологических сообществ, утрате способности биоты поддерживать важнейшие функции биосферы и ее целостность. В результате необратимого перехода биосферы в новое состояние условия жизни на планете могут оказаться непригодными для человека.
Все вышесказанное относится и к сосудистым растениям, которые играют важнейшую экологическую роль в биосфере с точки зрения существования и устойчивости наземных экосистем на всех уровнях, от топологического до глобального, что делает, несомненно, актуальной задачу изучения, оценки и моделирования их пространственного распространения. Ее успешное решение требует не только сбора и накопления значительного по объему фактологического материала, но и его осмысления с целью выявления региональных и экотопологических закономерностей структуры растительного покрова, теоретико-методической проработки вопросов обеспечения корректного пространственного анализа и моделирования.
Возросшая в последнее время доступность и полнота данных об окружающей среде, в первую очередь данных дистанционного зондирования Земли (ДДЗЗ), создание компьютерных баз данных о растительности (базы данных геоботанических описаний, типов растительных сообществ, пространственных единиц растительности), а также современные вычислительные и информационные технологии открывают новые возможности для решения проблем сохранения биоразнообразия и контроля состояния экосистем на всех уровнях. Это касается и возможностей построения оценочных и прогностических пространственных моделей растительности с детальностью до отдельных видов на основе математического аппарата пространственного анализа и моделирования.
В диссертации представлены результаты исследований и разработок автора в области пространственного анализа и моделирования геосистем в рамках основного научного направления экологического факультета Казанского государственного университета по теме «Пространственно-функциональная структура флоры и растительности фрагментированных ландшафтов зонального экотона», регистрационный номер 01.200.120118. Отдельные аспекты исследований проработаны при поддержке грантов Российского Фонда Фундаментальных Исследований (РФФИ) 1995-1997 гг. по теме: "Эрозия почв на востоке Русской равнины" (№ 95-05-153802), РФФИ 2003-2004гг. по теме: "Динамика пространственной структуры биоразнообразия экологических регионов РТ" (№ 03-04-96235), и Всемирного фонда дикой природы 2003г. по теме «West Pacific Gray Whales conservation, Sachalin, Russia" (№ M3979/RU008203/GLP).
Цель и задачи работы. Целью работы явилось создание новых количественных методов моделирования флористических данных на основе представлений о континуальности видового состава растительного покрова и пространственного анализа стохастического характера его распределения.
Для достижения поставленной цели необходимо было решить следующие задачи:
Создать вероятностную модель флористического состава растительных сообществ, формализующую современные экологические представления и позволяющую количественно соотнести присутствие и сочетание видов с экологическими факторами среды.
Разработать новые количественные и качественные методы анализа видового состава и его связи с экологическими факторами среды и на основе сравнения с имеющимися методами провести оценку их эффективности.
Создать новые количественные методы пространственного моделирования и прогнозирования распространения видов и единиц растительности и определить область их применения в ряду существующих методов.
Предложить и реализовать для конкретных (модельных) территорий автоматизированные методы дешифровки ДДЗЗ с последующим созданием и актуализацией геоинформационных баз данных, включающих сведения о растительном покрове и экологических факторах среды.
Построить на основе разработанных вероятностных подходов пространственные модели полного флористического состава растительного покрова и провести оценку
их эффективности по сравнению с имеющимися способами для конкретной (модельной) территории.
Исходные материалы и методика исследований. Выбор территории Республики Татарстан (РТ), расположенной в пределах зонального экотона, в качестве модельной анализируемой, обусловлен выраженной дифференциацией ландшафтного разнообразия с наличием плавных изменений состава растительности и факторов среды природных комплексов, представляющих зональные фрагменты хвойных, хвойно-широколиственных, широколиственных лесов и лесостепи, что позволяет показать особенности предлагаемой вероятностной модели. Исходные данные были пространственно унифицированы и интегрированы автором в единую геоинформационную базу данных
В качестве фактологической основы работы использовались базы данных и электронные карты, созданные на Экологическом факультете КГУ при активном участии автора:
база данных «Флора» (видовой состав растительного покрова);
электронные климатические и гидрологические карты Республики Татарстан, электронная ландшафтная карта Республики Татарстан, электронная карта гранулометрического состава почв, электронная карта элементарных речных бассейнов Республики Татарстан (факторы среды).
В работе использовались цифровая модель рельефа, полученная в результате топографической миссии космического челнока (совместный проект NASA и NIMA, США), и данные дистанционного зондирования Земли с приборов ТМ и ЕТМ+ (спутники Landsat), и MODIS (спутники EOS Terra), предоставленные ИТЦ СканЭкс (Москва).
В работе широко применялись разнообразные методы исследования: эколого-флористический, картографический, математического моделирования, методы математической статистики, многомерной классификации и пространственного анализа (в том числе с применением искусственных нейронных сетей). Обработка данных проводилась с использованием лицензионных программ "MS Access", "SURFER 7", "Maplnfo Professional 6.0", "STATGRAPHICS Plus", CANOCO, BioMapper, и программного обеспечения, созданного автором.
Научная новизна и теоретическая значимость заключаются в решении крупной научной проблемы фундаментальной экологии, а именно в выявлении закономерностей формирования биохорологического разнообразия и создании
комплексного подхода к моделированию растительного покрова и прогнозу его пространственной структуры в условиях зонального экотона.
Впервые на основе гипотезы об экологической индивидуальности видов сформулирована вероятностная модель флористического состава растительного покрова как совокупности индивидуальных стохастических откликов видов на экологические условия среды. Показана адекватность гипотезы фактическим данным, полученным на модельной территории.
На основе вероятностной модели разработаны методы моделирования флористического состава растительного покрова, базирующиеся на комплексном использовании методов оценки отклика видов и учета пространственной стохастической составляющей их распределения.
Впервые предложен метод непрямого градиентного анализа растительных сообществ по флористическому составу, основанный на созданной вероятностной модели и методах построения топографических отображений видового состава. Метод совмещает математическую классификацию и ординацию сообществ и позволяет отобразить континуальность изменения флористического состава.
Впервые для. пространственного моделирования флористического состава растительного покрова на единой методической основе разработан и реализован в виде комплекса программ широкий спектр математических моделей, совмещающих традиционные подходы к моделированию отклика видов на факторы среды с геостатистическими методами учета типичной пространственной мозаики распределения видов и моделирования пространственной неопределенности.
Впервые показана возможность использования аппарата топографических отображений для автоматического моделирования и пространственной оценки видового состава растительного покрова непосредственно по данным ДДДЗ без пересчета их в факторы среды.
Впервые реализован в геоинформационной базе данных алгоритм пространственной оценки полного видового состава растительного покрова (актуального пула видов), и выполнена такая оценка на модельную территорию.
Положения, выносимые на защиту:
Вероятностная модель флористического состава растительного покрова, основанная на гипотезе об экологической индивидуальности видов и на концепции континуума, адекватна имеющимся данным на модельную территорию.
Вероятностная модель обеспечивает развитие на единой основе как анализа и описания связи растительности и экологических факторов среды (градиентного анализа видов и сообществ), так и моделирование и пространственный прогноз флористического состава растительного покрова.
Непараметрические количественные методы эффективно описывают нелинейный и стохастичный отклики видов на градиенты факторов среды, в том числе при пространственном прогнозе.
Геостатистические методы, опирающиеся на теорию пространственных случайных процессов, адекватно описывают локальную пространственную мозаичность флористического состава растительного покрова, не объясненную моделями, использующими экологические факторы среды
Использование геоинформационных баз данных как о растительном покрове, так и о состоянии среды (в первую очередь ДДЗЗ), дает детальную пространственную оценку флористического состава растительного покрова в различных масштабах, в том числе, и в автоматическом режиме.
Личный вклад автора. Вероятностная модель флористического состава растительного покрова и новые методы анализа и пространственного моделирования на ее основе, выносимые на защиту, разработаны автором самостоятельно.
Разработанные автором концепции, математические модели и компьютерные программы были использованы для решения конкретных задач пространственного анализа с участием специалистов смежных областей. В опубликованных совместных работах автор разрабатывал математический аппарат решения задач и осуществлял его программную реализацию: на основе искусственных нейронных сетей в совместных работах с Евтюгиным Г.А., Латыповой В.З., Семановым Д.А., Стойковой Е.Е., Ризаевой Е.П.; на основе геоинформационных технологий и нейронных сетей Кохонена в совместных работах с Ермолаевым О.П., Костюкевичем И.И., Мангутовой Л.А., Торсуевым Н.П., Усмановым Б.М.; на основе моделей геометрической коррекции ДДЗЗ в совместных работах с Безменовым В.М., Ишмухаметовым М.Э., Черновым А.А., Хамзиным Р.Х.; на основе геоинформационных технологий и методов
пространственного анализа и моделирования биогеоценозов в совместных работах с Кожевниковой М.В., Мухарамовой С.С., Панасюком М.В, Роговой Т.В., Смагиным А.В., " Смагиной М.В., Трофимовым A.M.; методы автоматической интерпретации ДДЗЗ с использованием нейронных сетей Кохонена автор разрабатывал совместно с Добрыниным Д.В. и реализовывал самостоятельно.
Практическая значимость работы. Разработанные методы использовались для комплексной экологической оценки и районирования территории в рамках проекта "Количественная оценка воздействия на окружающую среду объектов ОАО "Татнефть" методами геоинформационных технологий" (1995 - 1998 гг.). Методы автоматизированной дешифровки ДДЗЗ на основе нейронные сетей Кохонена, реализованные в программе Scanex NeRIS, применялись для построения карты малонарушенных лесов масштаба 1:1 000 000 на территорию всей России (Aksenov et al., Atlas of Russia's Intact Forest Landscapes, Москва: 2002, 186 стр.), использовались в подразделениях МПР РФ при реализации «Федеральной целевой программы развития минерально-сырьевой базы РФ на 1994-2000 г.г.» (договора 120-00 от 30 марта 2000 г.' и 0025-01 от 22 ноября 2000 г.), были рекомендованы как типовые для решения ряда задач в «Классификаторе тематических задач оценки природных ресурсов и окружающей среды, решаемых с использованием материалов дистанционного зондирования», утвержденном МПР РФ в 2001г.
Апробация работы. Научные результаты и положения, вошедшие в диссертацию, были представлены на всероссийских, всесоюзных и международных научных совещаниях и конференциях, в том числе: на Международном географическом Конгрессе (Гаага, 1996г.); Всероссийской научной конференции "Современная география и окружающая среда" (Казань, 1996); на Международной конференции AESOP. Local Planning in a Global Environment (Торонто, 1996); на Международной конференции 'ТИС для оптимизации природопользования в целях устойчивого развития территорий". (Барнаул, 1998); на Международной конференции ESEAC (Coimbra, 1998), на Конференции "Динамика и взаимодействие природных и социальных сфер Земли" (Казань, 1998); на Международной конференции «ГИС для устойчивого развития территорий "Интеркарто - 5"» (Якутск, 1999); на Международной научно-практической конференции «Экология речных бассейнов» (Владимир, 1999); на Международном симпозиуме «Информационно-поисковые системы в зоологии и ботанике» (С.Петербург, 1999); на Международной конференции IGARSS'99 (Гамбург, 1999); на V рабочем совещании по флористике «Сравнительная флористика на рубеже III тысячелетия:
достижения, проблемы, перспективы» (Ижевск, 1998); на Всероссийской конференции с межд. участием "Сенсор 2000" (С.-Петербург, 2000); на международном симпозиуме «Information Retrieval Systems in Biodiversity Research» (С.-Петербург, 2001); на Первой международной конференции «Земля из космоса - наиболее эффективные решения», (Москва, 2003г.); на Международном симпозиуме «Информационные системы по биоразнообразию видов и экосистем», (С.Петербург, 2003г.); на Международном симпозиуме 45 IAVS Symposium, (Napoli, 2003).
Публикации. По теме диссертации автором опубликовано 35 работ, из них 2 учебных пособия.
Структура и объем диссертации. Диссертация состоит из введения, 6 глав, заключения, 44 графических приложений. Общий объем работы 312 стр., в т. ч. 64 рисунка, 25 таблиц. Список литературы включает 439 наименования, из них 317 на иностранном языке.
Общие методологические подходы изучения природных систем
В биосфере Земли, основы учения о которой были опубликованы В.И. Вернадским в 1926 г., жизнь всюду представлена более или менее сложными сообществами, состоящими из популяций различных видов живых организмов, населяющими определенные местообитания. В таких биоценозах входящие в их состав особи и виды связаны друг с другом трофическими, химическими и эдафическими связями; такими же отношениями организмы биоценоза связаны с косными компонентами среды, формируя сложнейшие и разнообразнейшие вещественно-энергетические круговороты в биосфере (Вернадский, 1960).
То, что жизнь представлена всюду в виде комплексов, биологам стало ясно уже в XIX веке. Еще в конце 70-х годов XIX века К. Мёбиус (Mobius, 1877), ввел для таких сообществ или комплексов видов, населяющих определенное пространство (характеризующееся определенным набором физико-географических условий), понятие и термин биоценоз. В дальнейшем термин биоценоз сохранился для обозначения комплекса видов, образующих сообщество, а территория или акватория, занимаемая биоценозом, получила наименование биотоп. Большой вклад в формирование понятия биоценоз внесли В.В. Докучаев (1899) и его ученик Г.Ф. Морозов (1912).
Позднее В.Н. Сукачев (1944) объединил понятия «биоценоз» и «биотоп» в понятие «биогеоценоз», придав ему значение элементарной биохорологической единицы в биосфере Земли. Биогеоценозы обособляются в разных ее частях из-за разнообразия и неоднородности вещественно-энергетических круговоротов, протекающих под влиянием живых организмов, и в той или иной мере отделяются друг от друга разного рода границами. Поэтому наряду с разработкой учения о биосфере и биогеохимии в недрах биологии шло становление самостоятельной естественноисторической дисциплины -биогеоценологии. Конечная задача биогеоценологии, как указал ее создатель В.Н. Сукачев (1947, 1949, 1960, 1964, 1966), состоит во вскрытии закономерностей, управляющих процессами превращения вещества и энергии в биогеоценозах, которые представляют собой «совокупность на известном протяжении земной поверхности однородных природных явлений (атмосферы, горной породы, растительности, животного мира, мира микроорганизмов, почвы и гидрологических условий), имеющая свою особую специфику взаимодействия этих слагающих ее компонент и определенный тип обмена веществом и энергией между собой и с другими явлениями природы и представляющая собой внутренне противоречивое диалектическое единство, находящееся в постоянном движении и развитии» (Сукачев, 1964).
Развивая идеи Сукачева, Тимофеев-Ресовский уточняет пространственные границы биогеоценозов: «Биогеоценозу можно дать следующее достаточно строгое определение: биогеоценоз представляет собой участок биогеоценотической оболочки Земли (территории или акватории), через который не проходит ни одна установимая существенная биоценотическая, микроклиматическая, гидрологическая (раздельно учитывая границы векторов поверхностного и грунтового стоков), почвенная, геоморфологическая и геохимическая границы. Такие биогеоценозы надлежит считать достаточно теоретически обоснованными элементарными биохорологическими единицами» (Тимофеев-Ресовский, Тюрюканов, 1966), и все биохорологические дисциплины должны исходить из понятия биогеоценоза как элементарной биохорологической единицы при своей описательной или аналитической работе, особенно же при теоретических интерпретациях, формулировках и построении классификационных систем своих объектов исследования (Тимофеев-Ресовский с соавт., 1973). Исходя из определения биогеоценоза как основной биохорологической единицы, специальному рассмотрению подлежат пространственные связи между компонентами биогеоценоза и между соседними биогеоценозами.
Накоплению материала о качественной и количественной характеристике миграции веществ в сериях смежных биогеоценозов в немалой степени способствовали работы Б.Б. Полынова, А.И. Перельмана и В.А. Ковды о геохимических провинциях и ландшафтах, Н.П. Ремезова, А.А. Молчанова, Н.И. Базилевич, Л.Е. Родина, Т.А. Работнова, Н.И. Пьявченко и других авторов о биологическом круговороте веществ в лесах, лугах, степях, пустынях и т.д.
При практическом использовании понятия биогеоценоз возникают две проблемы: взаимоотношение границ биогеоценоза и населяющего его биоценоза; взаимоотношение границ популяций (как совокупностей особей видов, входящих в биоценоз) с границами биоценоза; а так же вопрос о наличии и степени выраженности таких границ, что особенно важно при формализации представления пространственных данных в компьютере. Теоретически популяция ограничена в пространстве, но такую границу не всегда легко установить, и приходится основываться на изменении плотности смежных популяций. Такие границы могут быть как совершенно четкими и линейными (ели они определяются, например, естественными барьерами, такими, как река), так и весьма расплывчатыми; плотность популяции может плавно переходить в пространстве от одного пика к другому или иметь несколько пиков, изменяя степень расплывчатости границ; наконец, степень выраженности границ зависит и от пространственного масштаба исследований.
Еще сложнее вопрос о границах биоценозов, являющихся сообществами из многих весьма различных видов; часть этих видов доминирует в данном биоценозе, определяет его и находится в очень тесных жизненных связях как друг с другом, так и с окружающей абиотической средой (образуя «основную» границу данного биоценоза); другие же виды менее специфично связаны с данным биоценозом, в разной степени входят в состав смежных биоценозов, а некоторые являются и вообще широко распространенными в данном географическом регионе.
Таким образом, границы биоценоза лишь относительно редко являются вполне четкими; в большинстве случаев их расплывчатость определяется не только расплывчатостью границ отдельных популяций, но и нечеткостью природных границ разного типа (биоценотических, климатических, гидрологических и т. п.), определяющих биотоп. В то же время, нечеткость границ популяций, биоценозов и биогеоценозов обычно не нарушает их дискретности, хотя и затрудняет проведение границ. Таким образом, несмотря на размытость границ, биогеоценоз - понятие биохорологическое, то есть обозначающее определенный природный вещественный объект, занимающий определенное пространство, состоящий из совершенно определенного набора живых и косных компонент и отделенный совершенно определенными пространственными границами от таких же смежных объектов (Тимофеев-Ресовский с соавт., 1973), что является принципиальным отличием его от экосистемы.
Параллельно развитию в отечественной науке идей биогеоценологии, в англоговорящих странах идея единства организмов и среды воплотилась в формировании концепции экосистемы, восходящая к работам (Forbes, 1887; Tansley, 1935) и используемой для обозначения системы, образованной действующими друг на друга биоценозом и его биотопом, однако схожие взгляды можно найти и в более ранних работах. В настоящее время считается, что термин «экосистема» близок по определению к термину «биогеоценоз», используемому в отечественной литературе, хотя и имеет некоторые принципиальные отличия.
Традиционно, при определении экосистемы, которая является «биоцентрической» системой, рассматривается связь живых организмов и неживой (абиотической) окружающей среды, связанных друг с другом и находящихся в постоянном взаимодействии. Согласно Ю.Одуму «любое единство, включающее все организмы (т.е. «сообщество») на данном участке и взаимодействующее с физической средой таким образом, что поток энергии создает четко определенную трофическую структуру, видовое разнообразие и круговорот веществ (т.е. обмен веществ между биотической и абиотической частями) внутри системы, представляет собой экологическую систему, или экосистему» (Одум, 1975).
Характеристики состояния окружающей среды
Основным, в первую очередь по детальности, источником данных о климатических факторах окружающей среды в нашем случае явились данные дистанционного зондирования Земли (ДЦЗЗ). Нами использовались снимок Landsat-5 (р 171 г2l_5t 19870622, полученный 22 июня 1987г.), снимок Landsat-7 (L71171021_02119991005, полученный 5 октября 1999г.), и снимки Terra MODIS, полученные в сентябре 2000г., в мае и июле 2001г., и в мае 2002г. Снимки были любезно предоставлены НТЦ СканЭкс, и обрабатывались с использованием программного обеспечения НТЦ СканЭкс, программ и методов, разработанных автором. Приведем краткие характеристики снимков.
Американский спутник Landsat-5 был запущен на орбиту в 1982г. и в настоящее время не функционирует. Новый спутник этой серии Landsat-7 был выведен на орбиту в 1999 г. и имеет расчетный срок эксплуатации - 5 лет (в настоящее время функционирует не полностью). Спутники продолжают серию природно-ресурсных спутников Landsat (первый аппарат этой серии был запущен в 1972г.). Миссия Landsat-7 является совместным проектом трех крупнейших американских правительственных организаций: NASA, NOAA и USGS, и призвана обеспечивать национальных и зарубежных потребителей спутниковой информацией высокого разрешения.
Установленная на спутнике Landsat-7 съемочная аппаратура - сканирующий радиометр Enhanced Thematic Mapper Plus (ETM+), обеспечивает съемку земной поверхности в шести каналах с разрешением 30 м, в одном инфракрасном (ИК) канале - с разрешением 60 м и одновременную панхроматическую съемку с разрешением 15 м при ширине полосы обзора для всех каналов около 185 км, и имеет более высокие характеристики, чем сканирующий радиометр Thematic Mapper (ТМ), работавший на спутнике Landsat-5. Спутники выводились на солнечно-синхронную орбиту со временем нисходящего пересечения экватора примерно Юч.00. Основные параметры орбиты:
Номинальная высота 705 км
Периодичность повторения трассы 16 сут.
Наклонение 98.2 град.
Сканирующий радиометр ЕТМ+ создан по контракту NASA компанией Hughes Santa Barbara Remote Sensing. Этот прибор является усовершенствованным вариантом хорошо зарекомендовавших себя сканеров ТМ (Thematic Mapper) с более высоким разрешением в тепловом (60м вместо 120м для Landsat-5) и наличием панхроматического канала. Радиометр имеет 8 спектральных каналов со следующими характеристиками:
Спутник Terra является частью международного проекта по изучению ресурсов Земли, и предназначен для наблюдения за сушей и атмосферой. На его борту установлены несколько приборов дистанционного зондирования, в частности Moderate Resolution Imaging Spectroradiometer (MODIS) - спектрорадиометр среднего разрешения (36 каналов
передачи и обработки абсолютные значения перемасштабируются в безразмерные величины (параметры масштабирования так же передаются на землю). При обработке полученные значения пересчитываются либо в энергетическую яркость на верхней кромке атмосферы, либо (для видимых и отраженных каналов) в значения отраженного излучения (при этом используется коррекция, учитывающая взаимное положение Солнца, Земли и бортового прибора, что позволяет компенсировать радиометрические искажения).
На основе обработки полученных снимков были вычислены следующие тематические показатели.
Температура поверхности Земли
Для оценки температуры поверхности Земли по ДДЗЗ используется «тепловой» канал, который есть практически на всех ресурсных спутниках (диапазон длин волн примерно 1100 шп, что соответствует шестому каналу для Landsat ЕТМ, и тепловым каналам для Terra MODIS - каналы 21,22 и 31).
Для этого значения в канале сначала пересчитываются в энергетическую яркость по формуле VR —GVm +В, где G,B - коэффициенты преобразования, поставляемые вместе с данными для каждого снимка, a VR,VDN- значение энергетической яркости и исходные значения (цифровые величины, поставляемые в файле снимка), соответственно. После этого температура в Кельвинах может быть получена с использованием функции Планка по формуле:
Построение вероятностной модели в рамках гипотезы индивидуальности
Общепринятым путем анализа и моделирования состава и структуры растительного покрова является исследование связи видов или единиц растительности с экологическими факторами среды на изучаемой территории.
Однако такой подход обычно затруднен в силу следующих очевидных причин. Для надежного выявления и численного описания зависимостей состава растительного покрова от факторов среды необходимо набрать достаточно большой статистический материал, включающий повторные измерения факторов среды для каждого сочетания факторов, и совмещенный с детальным описанием растительности. Кроме чисто технических проблем, которые при этом возникают, следует учитывать и то, что наибольший интерес представляют «чистые» зависимости растительности от факторов среды, не искаженные антропогенным влиянием, что дополнительно осложняет сбор данных. Поэтому желательно извлечь максимум информации из самих данных о растительном покрове, содержащейся в статистических связях между видами.
Для описания видового состава растительного покрова обычно используются флористические списки видов, что, как уже говорилось, является широко распространенным методом в силу его устойчивости к случайным изменениям и отсутствию субъективности, присущей различным формам учета обилия тех или иных видов. Флористические описания (списки) представляют собой вектора размерности М, где М - общее число видов на данной территории, содержащие для каждой площадки 1 для присутствующих видов и 0 для отсутствующих.
Будучи дискретными, они не всегда являются удобным средством для анализа и моделирования флористического состава растительного покрова в силу континуального характера изменения растительности. Для этих целей удобнее использовать вероятностные описания присутствия видов на площадках. В этом случае, наблюдаемые флористические списки видов, при выполнении гипотезы индивидуальности, можно рассматривать как результат совокупности независимых случайных процессов, число которых соответствует общему числу видов М. Каждый из этих процессов обуславливает поведение (присутствие/отсутствие) отдельного вида А на площадке и имеет распределение с вероятностью присутствия Р(А), зависящей от значений факторов среды на данной площадке. Эта вероятность отлична от нуля для видов из актуального пула, хотя сам вид мог и не попасть в список в силу случайных причин.
Способы получения вероятностного описания флористического состава растительного покрова известны: для анализа и классификации это сглаживание по Beals (Beals, 1984), для прогнозного моделирования - логистическая регрессия и другие аналогичные модели, использующие данные о значениях факторов среды на площадках.
Нами предлагается модель вероятностного описания флористического состава растительного покрова, которая, при выполнении гипотезы индивидуальности, для получения списка вероятностей присутствия каждого вида на площадке не требует данных о факторах среды, а использует только сами флористические списки.
Модель формулируется следующим образом.
Определим g є G как некоторое значение комплексного фактора среды (сочетание значений всех факторов среды на данной площадке). Вероятность наличия вида А в условиях g обозначим как P(Ag) или Pg(A).
Предположим, что справедлива гипотеза индивидуальности: 1) виды распределены в среде независимо друг от друга, т.е. вероятность присутствия вида на площадке не зависит от присутствия или отсутствия на ней других видов (при этом рассматриваются только парные зависимости между видами, поскольку в статистическом анализе они традиционно предполагаются наиболее значимыми): Pg(A)=Pg(AB), 2) вероятность наблюдать тот или иной вид на данной площадке зависит только от условий среды g. Выразим эту вероятность P(Ag) через условные вероятности Р(АВ), связывающие присутствие разных видов. Вероятность совместно наблюдать виды А и В в условиях g при выполнении гипотезы индивидуальности есть P(ABg) = P(Ag)P(Bg). Отсюда вероятность совместно наблюдать виды А и В при данном распределении условий G по территории с использованием формулы полной вероятности можно записать как: Р(АВ)=Р(Аі)Р(Веі)Р(і). Тогда условная вероятность наблюдать вид А при наличии вида В для всей территории есть: XP(Algi)P(Blgi)P(gi) Р(АВ) Р(В) Р(В) Используя формулу Байеса, перепишем уравнение условной вероятности: Р(АВ)=]Гр(АВі)Р(іВ). (3.1) Si Обозначим список видов, присутствующих на некоторой площадке с условиями среды g, как Sg. Тогда вероятность присутствия вида А на площадке можно оценить как P(Ag)«maxP(AB). (3.2) Uebg Это следует из выражения (3.1), поскольку условная вероятность Р(АВ) для фиксированного А будет максимальна при таком виде В, который является индикаторным видом для оптимальных условий среды вида А. Для такого В вероятность P(giB) будет близка к единице для некоторого і (поскольку сумма этих вероятностей по всем gi равна единице), причем условия среды gi почти всегда будут совпадать с условиями среды g анализируемой площадки. Следовательно, в сумме только одно слагаемое при gi=g будет существенно больше нуля, и сама сумма будет примерно равна P(Ag). Естественно, что не для всех площадок равенство (3.2) будет точным, и в основном точность оценки зависит от следующих причин: от присутствия на площадке видов-индикаторов среды (вид В), от степени узости экологической ниши вида А (ее соответствия условиям на площадке), а так же от наличия на площадке видов с широкой экологической нишей. Первая причина (при отсутствии на площадке видов-индикаторов) может привести к снижению оценки вероятности в местах, благоприятных для вида А; третья причина — к отличной от нуля оценке вероятности присутствия вида А на площадках с непригодными для него экологическими условиями, а вторая причина - как к снижению, так и к завышению оценки.
Приведенные рассуждения подтверждаются проведенным анализом данных БД ФЛОРА. Для анализа нами вводились различные ограничения на использование видов в качестве вида В в формуле (3.2), а именно ограничивалась либо встречаемость вида на данной территории, либо «прогностические способности» видов (оценивалось, для какого числа других видов А данный вид доставлял максимум вероятности в (3.2)).
Так, для территории Раифского участка ВКГПЗ анализ показал, что наиболее точную оценку вероятности присутствия видов можно получить, если ограничить список видов В теми видами, которые обеспечивают наибольшую в среднем условную вероятность (3.2) для всей территории РТ.
Сами вероятности Р(АВ) для каждой пары видов А и В могут быть легко оценены на основе флористических списков с использованием частоты: они вычисляются как отношение числа случаев совместного нахождения видов А и В к числу всех случаев нахождения вида В. Далее, используя формулу (3.2), можно перейти от флористических списков к вероятностным спискам видов, заменяя отсутствующие в списке виды оценкой вероятности P(Ag) их присутствия.
Заметим, что условные вероятности Р(АВ) уже использовалась при анализе растительных сообществ (Beals, 1984; McCune, 1994) для сглаживания результатов за счет усреднения условных вероятностей по всем присутствующим видам. Полученные таким способом вероятностные списки применялись и как средство оценки актуального пула видов (Ewald, 2002). В отличие от нашего подхода, подобное оценивание возможно при существовании устойчивых сообществ видов с совпадающими экологическими нишами. Для сравнения подходов нами на каждой площадке, описанной в базе данных ФЛОРА, вычислялись оценки вероятности присутствия вида последовательно для всех видов (как присутствующих, так и отсутствующих на площадке), причем в качестве предикторов использовались все присутствующие на площадке виды, кроме оцениваемого. Для отсутствующих на площадке видов оба метода дают примерно одинаковые и низкие оценки вероятности, в то время как для присутствующих видов оценки вероятности, полученные предлагаемым методом, значительно выше, что свидетельствует о его существенно лучших прогностических свойствах
