ЭНЕРГОПРОДУКТИВНЫЙ ПОДХОД К МОДЕЛИРОВАНИЮ ФЕНОЛОГИИ РАСТЕНИЙ

Аннотация

Актуальностью исследований было создание адекватной модели фенологического цикла растительности с точки зрения правильного планирования сельскохозяйственной деятельности по выращиванию растительных культур. Цель исследования – разработка энерго-продуктивного подхода к фазированию этапов развития и деактивации растительности, базирующийся на сдвоенном сигмоидальном модельном представлении фенологического цикла и на этой основе определение оптимальной временной динамики GDP, при которой предлагаемый интегральный энергопродуктивный показатель достигает наибольшего значения. В процессе исследования применяли следующие методы: 1) известное положение о том, что фенология растительности может быть описана с помощью валовой первичной продуктивности (GDP); 2) известное положение о том, что между общим количеством хлорофилла и месячным GDP существует квадратическая зависимость; 3) математические методы интегрирования и вариационной оптимизации. В результате исследований были сделаны следующие выводы – на базе сдвоенного сигмоидального модельного представления фенологического цикла предложен энергопродуктивный подход, к фазированию фенологических этапов развития, включая этап покоя; определены оптимальные законы изменения во времени месячного GDP в фазе развития растительности, при котором предлагаемый интегральный энерго-продуктивный показатель s достигает наибольшей величины.

Ключевые слова: вегетационный индекс, оптимизация, растительность, фенологическое развитие, энергопродуктивный подход

Об авторах

Список литературы

1. Zhang X., Friedl M. A., Schaaf C. B., Strahler A. H., Hodges J. C. F., Gao F., Reed B. C., Huete A. Monitoring vegetation phenology using MODIS // Remote sensing of environment. 2003. Volume 84, Issue 3. Pp. 471–475. https://doi.org/10.1016/S0034-4257(02)00135-9
2. Kimball J. Vegetation phenology // Encyclopedia of remote sensing. Series: Encyclopedia of earth sciences series. New York. NY. USA. 2014. Pp. 886–890. ISBN 978-0-387-36698-2h. ttps://doi.org/10.1007/978-0-387-36699-9_188
3. Richardson A. D., Keenan T. F., Migliavacca M., Ryu Y., Sonnentag O., Toomey M. Climate change, phenology and phenological control of vegetation feedbacks to the climate system // Agricultural and Forest Meteorology. 2013. Volume 169. Pp. 156–173. https://doi.org/10.1016/j.agrformet.2012.09.012
4. Browning D., Karl J., Morin D., Richardson A., Tweedie C. Phenocams bridge the Gap between field and satellite observations in an arid grassland ecosystem // Remote Sens. 2017. Volume 9, Issue 10. Pp. 1071. https://doi.org/10.3390/rs9101071
5. Keenan T. F., Darby B., Felts E., Sonnetag O., Friedl M. A., Hufkens K., O’Keefe J., Klosterman S., Munger J. W., Toomey M., et al. Tracking forest phenology and seasonal physiology using digital repeat photography: A critical assessment // Ecological Applications. 2014. Volume 24, Issue 6. Pp. 1478–1489. https://doi.org/10.1890/13-0652.1
6. Li X., Zhou Y., Meng L., Asrar G. R., Lu C., Wu Q. A dataset of 30 m annual vegetation phenology indicators (1985–2015) in urban areas of the conterminous United States // Earth System Science Data. 2019. Volume 11, Issue 2. Pp. 881–894. https://doi.org/10.5194/essd-11-881-2019
7. Melaas E. K., Wang J. A., Miller D. L., Friedl M. Interactions between urban vegetation and surface urban heat islands: a case study in the Boston metropolitan region // Environmental Research Letters. 2016. Volume 11, Issue 5. 054020. https://doi.org/10.1088/1748-9326/11/5/054020
8. Carrao H., Goncalves P., Caetano M. A nonlinear harmonic model for fitting satellite image time series: Analysis and prediction of land cover dynamics // IEEE Transactions on Geoscience and Remote Sensing. 2010. Volume 48, Issue 4. P. 1919–1930. https://doi.org/10.1109/TGRS.2009.2035615
9. Gitelson A. A., Vina A., Verma S. B., Rundquist D. C., Arkebauer T. J., et al. Relationship between gross primary production and chlorophyll content in crops: Implications for the synoptic monitoring of vegetation productivity // Journal of Geophysical Research: Atmospheres. 2006. Volume 111, Issue D8 https://doi.org/10.1029/2005JD006017
10. Korner C., Mohl P., Hiltbrunner E. Four ways to define the growing season // Ecology letters. 2023. Volume 26, Issue 8. Pp. 1277–1292. https://doi.org/10.1111/ele.14260