Районирование лесных ландшафтов России для оптимизации регионального моделирования потоков парниковых газов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Проведено районирование лесной территории России для задач пространственной экстраполяции потоков парниковых газов в региональном и национальном масштабе. Методом простой линейной итеративной кластеризации по 12 переменным проведено деление исследуемой территории РФ на 78 экорегионов. Для районирования использованы пространственные данные о климатических характеристиках, рельефе, почвенном покрове и растительности из открытых источников, приведённые к сетке 0.0025˚×0.0025˚. Результаты кластеризации сопоставлены с экспертными схемами геоботанического и физико-географического районирования территории РФ. Выделенные экорегионы могут служить основанием для размещения новых мониторинговых площадок для наблюдений за потоками парниковых газов в лесных экосистемах.

Полный текст

Доступ закрыт

Об авторах

Т. И. Харитонова

Институт океанологии им. П.П. Ширшова Российской Академии наук; Московский государственный университет им. М.В. Ломоносова

Автор, ответственный за переписку.
Email: kharito@geogr.msu.ru
Россия, Москва; Москва

М. А. Криницкий

Институт океанологии им. П.П. Ширшова Российской Академии наук

Email: kharito@geogr.msu.ru
Россия, Москва

В. Ю. Резвов

Институт океанологии им. П.П. Ширшова Российской Академии наук

Email: kharito@geogr.msu.ru
Россия, Москва

А. И. Максаков

Институт океанологии им. П.П. Ширшова Российской Академии наук

Email: kharito@geogr.msu.ru
Россия, Москва

А. В. Ольчев

Институт океанологии им. П.П. Ширшова Российской Академии наук; Московский государственный университет им. М.В. Ломоносова

Email: kharito@geogr.msu.ru
Россия, Москва; Москва

С. К. Гулев

Институт океанологии им. П.П. Ширшова Российской Академии наук

Email: kharito@geogr.msu.ru

член-корреспондент РАН

Россия, Москва

Список литературы

  1. Upton S., Reichstein M., Gans F., Peters W., Kraft B., Bastos A. Constraining biospheric carbon dioxide fluxes by combined top-down and bottom-up approaches // Atmos. Chem. Phys. 2024. № 24. P. 2555–2582.
  2. Xiao J., Chevallier F., Gomez C., Guanter L., Hicke J.A., Huete A.R., Ichii K., Ni W., Pang Y., Rahman A.F., Sun G. Remote sensing of the terrestrial carbon cycle: A review of advances over 50 years // Remote Sensing of Environment. 2019. № 233. P. 111383.
  3. Pastorello G., Trotta C., Canfora E. et al. The FLUXNET2015 dataset and the ONEFlux processing pipeline for eddy covariance data // Sci Data. 2020. V. 7(225).
  4. Jung M., Reichstein M., Bondeau A. Towards global empirical upscaling of FLUXNET eddy covariance observations: validation of a model tree ensemble approach using a biosphere model // Biogeosciences. 2009. V. 6(10). P. 2001–2013.
  5. Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis // Quarterly Journal of the Royal Meteorological Society. 2020. V. 146(730). P. 1999–2049.
  6. Fick S.E., Hijmans R.J. WorldClim 2: new 1 km spatial resolution climate surfaces for global land areas // International Journal of Climatology. 2017. V. 37(12). P. 4302–4315.
  7. Wikle C.K. Spatio-temporal methods in climatology // Encyclopedia of Life Support Systems (EOLSS). 2002.
  8. Yamazaki D., Ikeshima D., Tawatari R. et al. A high accuracy map of global terrain elevations // Geophysical Research Letters. 2017. V. 44(11). P. 5844–5853.
  9. Achanta R., Shaji A., Smith K. et al. SLIC superpixels compared to state-of-the-art superpixel methods //IEEE transactions on pattern analysis and machine intelligence. 2012. V. 34(11). P. 2274–2282.
  10. Golikov V., Krinitskiy M., Borisov D. Visual clustering of ocean sediment grains using a combination of unsupervised machine learning methods / Proceeding of the 6th International Workshop on Deep Learning in Computational Physics (DLCP-2022). Dubna, Russia. 2022. 429 p.
  11. Огуреева Г.Н., Леонова Н.Б., Булдакова Е.В. и др. Биомы России. Карта в серии карт природы для высшей школы. Масштаб 1:7500000. Издание 2-е, переработанное и дополненное. М.: Всемирный фонд дикой природы (WWF), 2018.
  12. Карта физико-географического районирования СССР. Гвоздецкий Н.А., Самойлова Г.С. (ред.). Масштаб 1:8000000. М.: ГУГК, 1986.
  13. Hargrove W.W., Hoffman F.M. Potential of multivariate quantitative methods for delineation and visualization of ecoregions // Environmental management. 2004. V. 34. P. S39–S60.
  14. Mackey B.G., Berry S.L., Brown T. Reconciling approaches to biogeographical regionalization: a systematic and generic framework examined with a case study of the Australian continent // Journal of Biogeography. 2007. V. 35. No. 2. P. 213–229.
  15. Ольчев А.В., Гулев С.К. Карбоновые полигоны Российской Федерации: цели, задачи, перспективы // Изменения климата: причины, риски, последствия, проблемы адаптации и регулирования / Под ред. академика РАН И.И. Мохова, члена-корреспондента РАН А.А. Макоско, к.ф.-м.н. А.В. Чернокульского. М.: РАН, 2024. С. 343–355.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Экорегионы лесопокрытой территории РФ

Скачать (390KB)
Метаданные

© Российская академия наук, 2025