Возможность использования продуктов дистанционного зондирования растительного покрова для калибровки глобальных моделей динамики растительности

На данный момент данные дистанционного зондирования со спутников являются одним из часто используемых источников информации о растительном покрове Земли. Примером одного из возможных применений спутниковых данных к мониторингу растительности является построение карт земных покровов. Постоянное увеличение разрешающей способности спутниковых аппаратов позволяет создавать все более детальные и достоверные карты земных покровов.
Также в последние два десятилетия стали все чаще использоваться глобальные модели растительности. Данные модели, в основном используя данные о климате и уровне углерода в атмосфере и почве, позволяют смоделировать развитие крупных экосистем на уровне Земли за длительный период времени, оценить основные характеристики этих систем (биомассу, эмиссию углерода и др.), а также построить прогноз динамики этих систем в будущее. Подобные модели могут являться важным компонентом моделей геохимического цикла углерода, а также глобальных моделей земли.
На данный момент подобные модели либо используют одну и ту же карту растительных покровов (например, полученную по спутниковым данным), либо стартуют с фиксированного распределения растительности или с состояния «голой земли». Так как одна из главных задач этих моделей - предсказывать влияние растительности на глобальный цикл углерода, то данные этих моделей часто сравнивались и настраивались по данным о потоках углерода в атмосфере. Но в литературе не встречается примеров, в которых бы были предприняты попытки улучшить модель с помощью карт растительного покрова Земли. В нашей работе был применен именно такой подход.
Для этого была использована карта растительных покровов TerraNorte RLC, созданная в ИКИ РАН. Данная карта растительного покрова России построена на основе данных спутникового спектрорадиометра MODIS и не имеет в настоящее время аналогов по сочетанию таких характеристик как пространственное разрешение (250 м.), тематическая детальность (22 тематических класса) и уровень достоверности при охвате всей территории страны.
В качестве глобальной модели растительности использовалась модель SEVER, основанная на модели LPJ. Эта модель имитирует основные процессы, происходящие в растительности по данным о почве, высоте над уровнем моря и климате. В частности моделируются процессы фотосинтеза, соревнование за ресурсы, изменения в плотности популяции и в запасе органических остатков в почве и лесной подстилке, а также пожары. Моделирование происходит для некоторого среднего индивида на уровне клетки 0.5х0.5 градусов. Модель стартует с состояния «голой земли» и в течении 250 лет доводит все параметры растительности до равновесного состояния.
Для оценки соответствия между моделью и картой TerraNorte использовалась корреляции по процентному содержанию растительности в клетке модели. Первоначальное сравнение показало относительно хорошее соответствие для хвойных вечнозеленых лесов, не очень хорошее соответствие для лиственничных лесов и травянистых типов растительности и практически нулевую корреляцию для широколиственных пород. Небольшие преобразования модели (в первую очередь введение тундры и конкуренции между видами) позволили значительно приблизить распределение растительности в модели к карте TerraNorte.
Затем в модели был выбран набор из 12 параметров (преимущественно состоящий из биоклиматических ограничений для различных видов), существенно влияющих на распределение типов растительности в модели. Первоначально был осуществлен подбор этих параметров вручную, затем были применены методы формальной оптимизации. Для формальной оптимизации был использован метод EGO (Efficient Global Optimisation), позволивший осуществить глобальный поиск оптимальных значений параметров. В связи с его трудоемкостью использовалась огрубленная версия модели. Затем для обнаружения более точного оптимума был использован метод BFGS для исходной модели.
В целом такая оптимизация позволила заметно улучшить соответствие между растительным покровом в модели и на карте TerraNorte. Особенно значительные улучшения произошли для широколиственных и лиственничных лесов. Оставшиеся несоответствия могут быть объяснены неточностью климатических данных, несоответствием типов растительности в карте земных покровов и модели или деятельностью человека, которая на данный момент не учтена в модели.
В результате данной работы показано, что с помощью спутниковых карт земных покровов можно значительно улучшить распределение видов растительности в глобальных моделях растительности, подобных модели SEVER.