Разработка подходов к оценке чистой первичной продукции растительного покрова наземных экосистем России с использованием спутниковых данных ДЗЗ
Оценка баланса углерода растительного покрова наземных экосистем России является фундаментальной задачей, имеющей множество экологических и экономических приложений. На данный момент получили развитие два основных подхода к оценке баланса углерода в растительном покрове наземных экосистем, а именно:
1) оценка баланса углерода на основе определения изменений в различные моменты времени его пулов (резервуаров), включающих листовую и древесную биомассу, живой и мертвый напочвенный покров, корневую систему и др.;
2) оценка баланса углерода на основе измерения его потоков между наземными экосистемами и другими компонентами окружающей среды, включая атмосферу и гидросферу.
Каждый из вышеуказанных подходов предполагает использование различных доступных инструментов для решения задачи, включая наземные измерения пулов углерода и потоков парниковых газов, технологии дистанционного зондирования земли (ДЗЗ) и моделирование. В частности, в исследованиях по первому направлению используются данные наземных и дистанционных измерений характеристик растительного покрова, включая объём стволовой древесины и породный состав лесов, параметрические модели зависимости запасов углерода в лесах от его возраста, бонитета, относительной полноты и некоторых других параметров. Исследования по второму направлению представлены наземными измерениями потоков углерода на вышках сети тестовых участков (например, FLUXNET). При этом, использование данных ДЗЗ (в частности, временных рядов биофизических характеристик LAI и FPAR), метеорологической информации (температура и осадки) и моделей позволяет проводить расчеты значений таких показателей, как валовая и чистая первичная продукция (GPP и NPP).
В ИКИ РАН к настоящему времени существенное развитие получили исследования и разработки с использованием подхода к оценке баланса углерода лесных экосистем на основе определения изменений его пулов в различные моменты времени. Дальнейшее развитие методов оценки бюджета углерода наземных экосистем может быть сопряжено с возможным комплексным использованием обоих существующих методических подходов с учетом уже разработанных технологий дистанционного мониторинга характеристик растительного покрова. В основу технологии расчёта GPP/NPP может быть положен алгоритм MOD17, разработанный в Университете Монтаны (штат Монтана, США) в рамках исследований NASA по созданию глобальных продуктов биофизических параметров растительного покрова на основе временных рядов данных наблюдений инструментами MODIS и VIIRS (https://lpdaac.usgs.gov/documents/926/MOD15_User_Guide_V61.pdf). Разработка указанного алгоритма ведется с конца 1990-х годов и на данный момент накоплена обширная база наземных измерений, на основе которых проводится калибровка и валидация продукта на глобальном уровне (Endsley K.A., Zhao M., Kimball J.S., Devadiga S. Continuity of global MODIS terrestrial primary productivity estimates in the VIIRS era using model-data fusion // J. Geophysical Research: Biogeosciences. 2023. V. 128(9). https://doi.org/10.1029/2023JG007457; Madani N., J Kimball S., Running S.W. Improving global gross primary productivity estimates by computing optimum light use efficiencies using flux tower data // J. Geophysical Research: Biogeosciences. 2017. V. 122(11). P. 2939–2951). Однако данный продукт не был оптимизирован для территории России, и кроме того в ИКИ РАН выполнен ряд разработок, которые потенциально способны улучшить точность данной методики за счет использования дополнительных данных, включая информацию об типах наземных экосистем, объёме стволовой древесины, проективном покрытии растительного покрова, флуоресценции хлорофилла и т.п.
Алгоритм MOD17 основан на теории J.L. Montheith (Monteith J.L. Solar radiation and productivity in tropical ecosystems // J. Applied Ecology. 1972. V. 9(3). P. 747–766), согласно которой, при отсутствии ограничений внешней среды (влага и качество почвы), валовая первичная продукция GPP растительного покрова линейно растет пропорционально количеству поглощенной солнечной энергии. Ключевое преимущество данного эмпирического подхода в том, что он сформулирован универсально для всех типов и фракций растительного покрова в целом, и не использует сложные модели баланса углерода для отдельных его пулов. Доля солнечной энергии поглощенной растительным покровом (APAR) является интегральной характеристикой, которая включает в себя как учет метеорологических условий (ослабление солнечной энергии за счет рассеяния в атмосфере и облачного покрытия), так и характеристики самого растительного покрова (коэффициент поглощения солнечной энергии при данной плотности листвы, характеризующейся индексом листовой поверхности, LAI). Конверсионный коэффициент эффективности использования солнечной энергии ℇ (Light Use Efficiency, LUE) переводит энергию APAR в рост биомассы GPP. Данный коэффициент ослабляет максимально возможное поглощение за счет ограничивающих факторов (температура и влага). GPP дает изначальную оценку суточного поглощения углерода в ходе фотосинтеза, в то время как PSNnet учитывает потерю углерода в результате дыхания листвы и корней. NPP рассчитывается как годовая сумма суточного PSNnet за вычетом потерь на дыхание и поддержание роста. Данное описание формализовано в виде блок схемы алгоритма, представленной на рисунке 1.
Рисунок 1 — Схема расчёта валовой и чистой первичной продукции (GPP/NPP) на основе алгоритма MOD17. Алгоритм включает три этапа: (1) расчёт валовой первичной продукции (GPP), (2) расчёт затрат на дыхание и поддержание роста (MR), которые этапе (3) суммируются для оценки чистой первичной продукции (NPP)
Практическая реализация данного алгоритма с помощью технологий ДЗЗ учитывает следующие положения. Как правило алгоритмы ДЗЗ разделяют интегральный параметр APAR на атмосферную составляющую PAR (входящий поток солнечной энергии, ослабленный за счет рассеяния в атмосфере и облаков) и FPAR (коэффициент поглощения энергии растительным покровом). Продукт PAR рассчитывается на основе ассимиляции спутниковых данных и наземных измерений в моделях климата (например, продукт NASA MERRA2) на глобальном уровне, с высоком временным (ежечасно) и низким пространственным (0.5o) разрешением. FPAR рассчитывается на основе оптических данных ДЗЗ с использованием уравнения переноса излучения (например, продукт LAI/FPAR). Объединяя оба источника данных, получаем оценку
APAR = PAR·FPAR.
Коэффициент эффективности использования PAR (ℇ) рассчитывается на основе моделей экосистем, таких как BIOME-BGC (White M.A., Thornton P.E., Running S.W. Nemani R.R. Parameterization and sensitivity analysis of the BIOME-BGC terrestrial ecosystem model: net primary production controls // Earth Interactions. 2000. V. 4(3). P. 1–85). При этом для моделирования необходимо учитывать несколько ключевых факторов. Во-первых, коэффициент ℇ зависит от типа растительного покрова. В частности, он наиболее высок для трав и сельскохозяйственных растений (2 gC/MJ), но значительно ниже для пород деревьев (0,2–1,5 gC/MJ) за счет потерь углерода на дыхание древесной составляющей. Второй источник вариабельности коэффициента ℇ это влияние метеорологических ограничивающих факторов — в частности, неоптимальная для роста температура и влажность воздуха. Установлено, например, что вечнозеленые хвойные породы леса при температуре ниже 0° С поглощают солнечную энергию, но не участвуют в процессах фотосинтеза (устьицы закрыты) (Waring R.H., Running S.W. Forest Ecosystems: Analysis at Multiple Scales. 3rd ed. Burlington, MA, USA: Elsevier; Burlington, MA, USA: Academic Press, 2010. 440 p.). Также установлено, что при большом дефиците давления водяного пара (>2000 Pa) устьицы также закрыты у многих типов растений. Зависимость коэффициента ℇ от типа растительного покрова и метеорологических параметров рассчитывается на основе модели и хранится в виде опорных таблиц. Эту зависимость можно скорректировать на основе наземных измерений потоков углерода и метеорологических параметров на вышках (FLUXNET). Таким образом,
GPP = ℇ·APAR.
Потери углерода на дыхание и рост растений рассчитываются на основе моделирования, а также (полу)-эмпирических соотношений. В частности, рассчитывают массу листвы и древесины и по ним оценивают суточное дыхание поддержания (Rm). Дыхание роста (Rg) оценивают на годовом интервале как 25 % потерь NPP. В итоге имеет место следующее уравнение баланса
NPP = GPP – Rm – Rg.
На рисунке 2 приведен пример годового NPP на основе продукта MOD17. Два основных пика на гистограмме соответствуют широтному разделению растительности с низкой чистой первичной продукцией на севере и высокой на юге территории России.
а б
Рисунок 2 — Годовая чистая первичная продукция (NPP) на основе продукта MOD17 по территории России за 2020 г.: а — пространственное распределение значений NPP; б — гистограмма распределения значений NPP
На данный момент ведется разработка программного кода для интеграции алгоритма MOD17 в функционирующую в ИКИ РАН систему обработки данных ДЗЗ. Оригинальный код алгоритма получен из открытого источника (https://github.com/arthur-e/MOD17). Входными данными для работы алгоритма будут служить временные ряды (a) суточного интерполированного продукта LAI/FPAR пространственного разрешения 230 м, (б) ежегодной карты типов наземных экосистем пространственного разрешения 230 м, (в) метеорологических параметров (температура и влажность), рассчитанных на основе климатологического продукта NASA MERRA2 пространственного разрешения 0,5°.
По сравнению с оригинальным продуктом MOD17 (NASA GPP/NPP), разрабатываемый продукт будет иметь более высокое пространственное и ежедневное временное разрешение. Оценка GPP/NPP будет выполняться с использованием оптимизированного для территории России алгоритма LAI/FPAR (Shabanov N.V., Egorov V.A., Miklashevich T.S. et al. Utility of Leaf Area Index for Monitoring Phenology of Russian Forests // Remote Sensing. 2023. V. 15(22). Article. 5419. https://doi.org/10.3390/rs15225419). Перспективы дальнейшей оптимизации алгоритма MOD17 для территории России будут включать в себя следующие направления использования:
- результатов дистанционной оценки объёма стволовой древесины (GSV) для оценки дыхания поддержания древесной составляющей баланса углерода
- продукта флуоресценция растительного покрова (SIF) для настройки параметров алгоритма
- временных рядов данных наземных измерений GPP/NPP и метеорологических параметров для настройки параметров алгоритма. Особое внимание при этом необходимо уделить параметризации выражения для оценки затрат на дыхание роста.