| |
|
|
|
| |
| №4, 2024: Экология и климат |
<< Содержание номера
<< Архив
[RUS] / [ENG]Экология и климат
Анализ закономерностей поглощения углерода горно-лесными, горно-степными и степными ландшафтами России на основе спутниковых данных и метеорологических наблюдений
К. В. Мячина1, 2, д. г. н., в. н. с.,
Р. В. Ряхов2, н. с.,
А. Н. Щавелев2, м. н. с.,
Р. М. Безбородникова2, к. э. н., м. н. с.,
С. А. Дубровская1, 2, к. г. н., с. н. с.,
1ГГНТУ им. академика М.Д. Миллионщикова,
364905, Россия, г. Грозный, пр. Х. А. Исаева, д. 100,
2Институт степи УрО РАН ОФИЦ УрО РАН,
460000, Россия, г. Оренбург, ул. Пионерская, д. 11 K. V. Myachina1, 2 ORCID: 0000-0001-5190-1421,
R. V. Ryakhov2 ORCID: 0000-0002-4762-3286,
A. N. Shchavelev2 ORCID: 0000-0002-7249-2193,
R. M. Bezborodnikova2 ORCID: 0000-0002-7787-6188,
S. A. Dubrovskaya1, 2 ORCID: 0000-0002-1361-6942,
1Grozny State Oil Technical University,
100, H. A. Isaeva pr., Grozny, Russia, 364051,
2Institute of Steppe Ural Branch of the Russian Academy of Sciences,
11, Pionerskaya St., Orenburg, Russia, 460000
e-mail
[email protected]
Аннотация
Цель исследования – оценить возможности и закономерности поглощения углерода наземной растительностью горно-лесных, горно-степных и степных ландшафтов России. Исследования выполнялись на семи ключевых участках в Республике Чечня и Оренбургской области. На первом этапе рассчитывались показатели поглощения чистого углерода растительностью (чистая первичная продуктивность в пересчёте на углерод) за 2000–2020 гг. на основе продуктов MOD17A3, позволяющих оценить валовую первичную продуктивность и чистую первичную продуктивность наземной фитомассы. На втором этапе на основе регрессионного моделирования выявлялись закономерности формирования способности к улавливанию чистого углерода растительным покровом каждого ключевого участка в зависимости от климато-метеорологических условий. Обнаружено, что предгорный участок с многолетним смешанным лесом и отсутствием антропогенной нагрузки демонстрирует максимальную способность к улавливанию углерода из атмосферы – от 2,6 до 3,5 кгС/м2/год. Участок естественной многолетней сухой степи характеризуется минимальной способностью к улавливанию углерода – от 0,5 до 1,5 кгС/м2/год. Созданы регрессионные модели зависимости показателя поглощения чистого углерода от климато-метеорологических характеристик, демонстрирующие относительную стабильность способности многолетнего естественного растительного покрова поглощать углерод из атмосферы.
Abstract
The parameters of vegetation cover – a tool for capturing carbon from the atmosphere – vary widely depending on the latitudinal-zonal conditions of the area and local microclimate features. In this regard, the most promising approach to assessing the carbon balance of the territory is the analysis of net primary productivity and, accordingly, the possibilities of capturing carbon from the atmosphere by landscapes of various natural zones, differing in the types of vegetation cover, soil, microclimate and other landscape-ecological characteristics. The aim of the study is to assess the possibilities and patterns of carbon sequestration by vegetation of mountain-forest, mountain-steppe and steppe landscapes of Russia. The research was carried out at seven study plots in the Chechnya Republic and the Orenburg region. At the first stage, the indicators of net carbon sequestration by vegetation for 2000–2020 were calculated on the basis of MOD17A3 products that allow estimating gross primary productivity and net primary productivity. At the second stage, the regularities of the formation of the ability to capture carbon by the vegetation cover of each study plot, depending on climatic and meteorological conditions, on the basis of regression modeling were revealed. It was found that the foothill plot with a multi-year mixed forest and the absence of anthropogenic impact demonstrates the maximum ability to capture carbon from the atmosphere – from 2.6 to 3.5 kg/m2/year. The plot of a natural perennial dry steppe is characterized by a minimum carbon capture capacity – from 0.5 to 1.5 kgF/m2/year. Regression models of the dependence of the sequestration carbon indicators on climatic and meteorological characteristics have been created. These models demonstrate the relative stability of the ability of long-term natural vegetation cover to absorb carbon from the atmosphere.
Ключевые слова
углерод, поглощение растительностью, спутниковые данные, климато-метеорологические характеристики, функциональная зависимость, регрессионная модель, горно-лесные и степные ландшафты России
Keywords
carbon sequestration by vegetation, climatic and meteorological characteristics, functional dependence, regression model, satellite data, mountain-forest and steppe landscapes of Russia
References
1. Lal R. Carbon sequestration // Philosophical transactions of the Royal Society B. Biological Sciences. 2007. V. 363. P. 815–830. doi: 10.1098/rstb.2007.2185.2
2. Kintisch E. New congress may be warming up to plans for capping emissions // Science. 2007. V. 315. No. 5811. Article No. 444. doi: 10.1126/ science.315.5811.444
3. Kluger J. Global warming: what now? Our feverish planet badly needs a cure // Time Magazine. 2007. V. 9. P. 50–109.
4. Walsh B. Greenhouse airlines: traveling by jet is a dirty business. As passenger load increases, enviros look for ways to cut back the carbon // Time. 2007 [Internet resource] https://time.com/archive/6596793/greenhouse-airlines/ (Accessed: 07.11.2024).
5. Kantor G.Ya., Syrchina N.V. Alternative assessment of methane’s contribution to the greenhouse effect // Theoretical and Applied Ecology. 2023. No. 3. P. 197–207 (in Russian). doi: 10.25750/1995-4301-2023-3-197-207
6. Schrag D.P. Preparing to capture carbon // Science. 2007. V. 315. P. 812–813. doi: 10.1126/science.1137632
7. Cramer W., Kicklighter D.W., Bondeau A., Iii B.M., Churkina G., Nemry B., Ruimy A., Schloss A.L. Comparing global models of terrestrial net primary productivity (NPP): overview and key results // Global Change Biology. 1999. V. 5. No. S1. P. 1–15. doi: 10.1046/j.1365-2486.1999.00009.x
8. Sitch S., Smith B., Prentice I.C., Arneth A., Bondeau A., Cramer W., Kaplan J.O., Levis S., Lucht W., Sykes M.T., Thonicke K., Venevsky S. Evaluation of ecosystem dynamics, plant geography and terrestrial carbon cycling in the LPJ dynamic global vegetation model // Global Change Biology. 2003. V. 9. No. 2. P. 161–185. doi: 10.1046/j.1365-2486.2003.00569.x
9. Eze S., Palmer S.M., Chapman P.J. Soil organic carbon stock and fractional distribution in upland grasslands // Geoderma. 2018. V. 314. P. 175–183. doi: 10.1016/j.geoderma.2017.11.017
10. Rahmayanti M.A., Jauhari A., Fitriani A. Estimasi stok karbon dan serapan CO2 di area revegetasi pit mangkalapi pt arutmin indonesia tambang batulicin // Jurnal Sylva Scienteae. 2021. V. 4. Nо. 5. P. 902–909 (in Indonesian). doi: 10.20527/jss.v4i5.4213
11. Koller M., Upadhyaya S.K. Relationship between modified normalized difference vegetation index and leaf area index for processing tomatoes // Applied Engineering in Agriculture. 2005. V. 21. Nо. 5. P. 927–933. doi: 10.13031/2013.19696
12. Xiao X., Hollinger D., Aber J., Goltz M., Davidson E. A., Zhang Q., Moore B., Moore B. Satellite-based modeling of gross primary production in an evergreen needleleaf forest // Remote Sensing of Environment. 2004. V. 89. No. 4. P. 519–534. doi: 10.1016/j.rse.2003.11.008
13. Gelybó Gy., Barcza Z., Kern A., Kljun N. Effect of spatial heterogeneity on the validation of remote sensing based GPP estimations // Agricultural and Forest Meteorology. 2013. V. 174–175. P. 43–53. doi: 10.1016/j.agrformet.2013.02.003
14. Ren H., Shang Y., Zhang S. Measuring the spatiotemporal variations of vegetation net primary productivity in Inner Mongolia using spatial autocorrelation // Ecological Indicators. 2020. V. 112. Article No. 106108. doi: 10.1016/j.ecolind.2020.106108
15. Junttila S., Kelly J., Kljun N., Aurela M., Klemedtsson L., Lohila A., Nilsson M.B., Rinne J., Tuittila E.-S., Vestin P., Weslien P., Eklundh L. Upscaling Northern Peatland CO2 fluxes using satellite remote sensing data // Remote Sensing. 2021. V. 13. No. 4. Article No. 818. doi: 10.3390/rs13040818
16. Kross A., Seaquist J.W., Roulet N.T., Fernandes R., Sonnentag O. Estimating carbon dioxide exchange rates at contrasting northern peatlands using MODIS satellite data // Remote Sensing of Environment. 2013. V. 137. P. 234–243. doi: 10.1016/j.rse.2013.06.014
17. Schubert P., Eklundh L., Lund M., Nilsson M. Estimating northern peatland CO2 exchange from MODIS time series data // Remote Sensing Environment. 2010. V. 114. No. 6. P. 1178–1189. doi: 10.1016/j.rse.2010.01.005
18. Chen J., Fan W., Li D., Liu X., Song M. Driving factors of global carbon footprint pressure: Based on vegetation carbon sequestration // Applied Energy. 2020. V. 267. Article No. 114914. doi: 10.1016/j.apenergy.2020.114914
19. Database of NASA’s Land Processes Distributed Active Archive Center (LP DAAC) // The United States Geological Survey. Earth Resources Observation and Science (EROS) Center [Internet recourse] e4ftl01.cr.usgs.gov/MOLT/MOD17A3HGF.061/ (Accessed: 22.03.2023).
20. Running S., Mu Q. University of Montana, Maosheng Zhao – University of Maryland and MODAPS SIPS – NASA. MOD17A3 MODIS/Terra Gross Primary Productivity Yearly L4 Global 1km SIN Grid. NASA LP DAAC. 2015. doi: 10.5067/MODIS/MOD17A3.006
21. Chen J., Gao M., Cheng S., Hou W., Song M., Liu X., Liu Y., Shan Y. County-level CO2 emissions and sequestration in China during 1997–2017 // Scientific Data. 2020. V. 7. No. 1. Article No. 391. doi: 10.1038/s41597-020-00736-3
Прикреплённые файлы:
<< Содержание номера
<< Архив
Дата последнего обновления: 11:24:48/27.03.25
|
|
 |
| |
|
| |
|
|
|
| |
|
|
|
| |
 |
ИАА "Информ-Экология" |
|
 |
| |
|
| |
|
|
| | |
| |
|
|
|
| |
|
Министерство природных ресурсов Российской Федерации |
|
|
| |
|
| |
|
|
| | |
| |
|
|
|
| |
|
Счётчик |
|
|
| |
|
| |
|
|
| | |
|
