XXIV.F.357
ИСПОЛЬЗОВАНИЕ СПЕКТРАЛЬНЫХ И ТОПОГРАФИЧЕСКИХ ИНДЕКСОВ ДЛЯ ОЦЕНКИ ДИФФЕРЕНЦИАЦИИ ЗАПАСОВ УГЛЕРОДА В ПОЧВАХ КАРБОНОВОГО ПОЛИГОНА “СЕМЬ ЛИСТВЕННИЦ”
Фролов Д.В. (1,2), Кречетов П.П. (3), Терская В.В. (4), Медведева М.А. (1)
(1) Федеральное государственное бюджетное учреждение науки Институт лесоведения Российской академии наук, Москва, Россия
(2) МГУ имени М.В. Ломоносова, экономический факультет, Москва, Россия
(3) МГУ имени М.В. Ломоносова, геологический факультет, Москва, Россия
(4) МГУ имени М.В. Ломоносова Географический факультет, Москва, Россия
В работе выполнена оценка накопления органического углерода в арктических экосистемах на территории Ямало-Ненецкого АО. Проведен совместный анализ результатов почвенно-геохимических исследований и данных дистанционного зондирования Земли (ДЗЗ). Исследования выполнены в 2024 году на территории карбонового полигона «Семь Лиственниц». Изучена пространственная неоднородность распределения органического углерода в почвах, а также проведено геоботаническое описание территории. Были исследованы два почвенно-геохимических профиля, отражающих катенарные сопряжения почв и трансекты смены растительных ассоциаций.
Установлено, что запасы органического углерода (Cорг) в почвах полигона варьируются в широком диапазоне: от 4571,8 г Сорг/м2 в светлозёме на автономных позициях в юго-западной части карбонового полигона до 9836,3 т Cорг/м2 в супераквальных позициях (торфяно-глеезёмы первой надпойменной террасы реки Вындяда) северной части территории. Выявлен общий тренд снижения запасов углерода при движении с севера на юг, что сопряжено со сменой кустарничково-мохово-лишайниковых сообществ на лиственничные редколесья (Гинзбург, Паламарчук и др., 2023).
Для экстраполяции точечных полевых измерений на всю территорию полигона и повышения точности картографирования углеродных запасов применялись методы мультиспектрального ДЗЗ. Изначально была выявлена прямая корреляция пространственной вариабельности запасов углерода с вегетационным индексом NDVI (Normalized Difference Vegetation Index) – базовым спектральным индексом, используемом для оценки количества и здоровья зеленой биомассы.
Для усиления предиктивной способности пространственной модели дополнительно рассчитывался комплекс спектральных и топографических индексов:
• NDWI (Normalized Difference Water Index): применён для оптического картирования переувлажненных участков, поскольку степень гидроморфизма установлена как один из ключевых факторов аккумуляции углерода в торфяных горизонтах.
• TWI (Topographic Wetness Index): рассчитан на базе цифровой модели рельефа (ЦМР) для моделирования латерального внутрипочвенного стока и выявления локальных микрозападин, формируемых процессами термокарста.
• SAVI (Soil Adjusted Vegetation Index): интегрирован для минимизации искажающего влияния открытого почвенного фона, характерного для лиственничных редколесий южной части полигона.
Сопоставление результатов спектрального анализа с данными о типах четвертичных отложений (моренные глины и тяжелые суглинки против ледниково-озёрных песков и легких суглинков (Казак, 2013)) - позволяет создать матрицу факторов дифференциации углерода.
В дальнейшем результаты работы могут быть использованы для уточнения данных автоматизированного мониторинга изменений запасов органического углерода (Cорг) в почвах и биомассе с помощью методов дистанционного зондирования.
Ключевые слова: Арктические экоститемы, запасы углерода, органический углерод почв, карбоновые полигоны, катенарные сопряжения, дистанционное зондирование Земли, мультиспектральные данные, спектральные индексы, матрица связей
Литература:
- ) Гинзбург А. П., Паламарчук В. А., Горбунова А. А. и др. Криогенные почвы в районе городов Салехард и Лабытнанги, как компонент лесотундровых мерзлотных экосистем // Сборник тезисов «Мерзлотные почвы в антропоцене». – 2023. – С. 37–38.
- ) Казак А.П., Карта четвертичных отложений: Q-42-VII, VIII (Обской). – Масштаб 1:200 000. – 2013.
- ) Ivanova K., Virkkala A.-M., Brovkin V., Stacke T., Widhalm B., Bartsch A., Voigt C., Sonnentag O., Göckede M. High-resolution remote sensing and machine-learning-based upscaling of methane fluxes: a case study in the Western Canadian tundra // Biogeosciences. – 2026. – Vol. 23. – P. 233–262. – DOI: 10.5194/bg-23-233-2026.
Дистанционное зондирование растительных и почвенных покровов