 |
2.3 Использование регрессионного анализа при оценке влияния рельефа на состояние пастбищ
|
|
|
|
2. 3 Использование регрессионного анализа при оценке влияния рельефа на состояние пастбищ
Выводы о слабой зависимости состояния пастбищ от рельефа были сделаны на основании визуального и регрессионного анализа. При помощи инструмента Principal Components был выстроен ряд приоритетных растров и проведена оценка переменных функции при регрессивном анализе элементов рельефа, в частности корреляции. В ходе работы были получены файлы данных (см. Таблицы 3-5), включающие корреляцию между следующими растрами:
1. расстояние до населенных пунктов
2. абсолютные высоты;
3. крутизна склонов;
4. экспозиция склонов;
5. кривизна склонов.
Таблица 3 – Корреляция между высотами и проективным покрытием пастбищ, май 2020
|
| Проективное покрытие | Абсолютные высоты |
|
Проективное покрытие | -0, 00157 | |
|
Абсолютные высоты | -0, 00157 |
Источник: составлено автором
Таблица 4 – Корреляция между крутизной склонов и проективным покрытием пастбищ, май 2020
|
| Проективное покрытие | Крутизна склонов |
|
Проективное покрытие | -0, 04558 | |
|
Крутизна склонов | -0, 04558 |
Источник: составлено автором
Таблица 5 – Корреляция между кривизной склонов и проективным покрытием пастбищ, май 2020
|
| Проективное покрытие | Кривизна склонов |
|
Проективное покрытие | 0, 02427 | |
|
Кривизна склонов | 0, 02427 |
Источник: составлено автором
Регрессионный анализ позволил выявить слабую зависимость между проективным покрытием и различными морфометрическими характеристиками рельефа.
Глава 3. Оценка состояния пастбищ средствами сегментации и расчета специальных индексов по сникам Landsat
|
|
|
Согласно мнению экспертов [Сангаджиев, Карпов и др., 2016; Мушаева, 2015; Зволинский, Бондаренко, 2015; Бакинова и др. 1999], растительность является одним из ключевых индикаторов пастбищной дигрессии. В рамках исследования применялись различные виды дешифрирования, в том числе при использовании вегетационных индексов.
3. 1 Анализ снимка в естественных цветах
Исследуемая территория изучалась при помощи общего анализа снимка в естественных цветах, загруженного при помощи SAS. Planet и обрезанный по полигону 5 км буфера вокруг границ Яшкульского и Юстинского районов Республики Калмыкия. Данный снимок позволил провести визуальный анализ территории и выделить ключевые ее особенности (см. Рис. 17). После работы со снимком BING было выделено, что для исследуемой территории характерна припоселковая пастбищная дигрессия.
Рисунок 17 – Снимок территории Яшкульского и Юстинского районов
Источник: спутниковый снимок BING
3. 2 Расчет вегетационных индексов NDVI и SAVI
Одним из ключевых методов исследования, основанном на использовании спутниковых снимков, является оценка их спектральных характеристик при помощи индексов. Так как эксперты сходятся на мнении (см. Глава 1), что одним из ключевых проявлений пастбищной дигрессии является деградация растительности, биомассу которой, теоретически, возможно оценить при помощи вегетационных индексов. В ходе исследования были использованы индексы NDVI и SAVI. Расчет индексов проводился в ArcMap при помощи инструмента Raster Calculator.
Сущность индекса NDVI заключается в использовании двух наиболее стабильных участков спектральной кривой отражения сосудистых растений – красного и инфракрасного спектров. Высокая фотосинтетическая активность ведет к меньшему отражению в красной области и большему в инфракрасной, данное явление и положено в основу индекса. Формула индекса: 
(см. Рис. 18) [Rouse, Haas и др., 1973].
|
|
|
Рисунок 18 – Рассчитанный индекс NDVI, май 2020 г.
Источник: составлено автором
Кроме того, в рамках исследования был использован индекс SAVI, который часто используется при оценке биомассы разреженной растительности. Сущность данного индекса состоит в снижении влияния почв, так как изменение ее влажности вносит сильные ошибки в величину других вегетационных индексов, не учитывающих данное влияние, однако данный индекс менее чувствителен к изменению объема биомассы. Формула индекса: 
, где L – множительный фактор, принимающий значения от 0 до 1. Данный фактор позволяет учитывать степень разреженности растительности: чем он больше, тем больше разреженность [Huete, 1988]. В рамках данной работы были применены различные его значения – тот 0, 5 до 0, 75 (см. Рис. 19).
Рисунок 19 – Рассчитанный индекс SAVI, L = 0. 75, май 2020
Источник: составлено автором
На Рисунках 20-21 показано сравнение визуального дешифрирования деградации при помощи спутниковых снимков Bing и значений индексов NDVI и SAVI, которое показывает, что вегетационные индексы не позволяют достоверно оценить степень деградации растительности пастбищ. Так, визуальное дешифрирование позволяет выявить припоселковую пастбищную дигрессию – территории с более светлым окрасом растительности -, вегетационные индексы, в свою очередь, не демонстрируют подобных различий. Указанная проблема привела к исключению вегетационных индексов из дальнейшего анализа.
Рисунок 20 – Сравнение индекса NDVI и визуально дешифрируемого состояния пастбищ, май 2020
Источник: составлено автором
Рисунок 21 – Сравнение индекса SAVI и визуально дешифрируемого состояния пастбищ, май 2020
Источник: составлено автором
|
|
|
