Кластерный анализ картограмм трендов потоков суммарного испарения за 2003-2017 г. на территории Марксовского района Саратовской области

ВВЕДЕНИЕ
В статье обсуждаются результаты кластерного анализа картограмм трендов потоков суммарного испарения продукта MOD16ET за период 20003-2017 г. на территории Марксовского района Саратовской области с использованием специализированных инструментов ГИС-приложения ArcGIS Pro 2.8.

ОБЪЕКТ
В представленном исследовании были использованы ранее полученные массивы пространственных данных трендов потоков суммарного испарения продукта MOD16 ET за вегетационный период 2003-2017г. для территории Марксовского района Саратовской области. Этот район расположен на левом берегу р. Волги в зоне сухих степей с континентальным климатом, который характеризуется холодной зимой и жарким летом. При этом в период вегетации периодически наблюдаются атмосферные и почвенные засухи. Почвенный покров этот территории представлен, в основном, каштановыми почвами.
Указанные массивы пространственных данных трендов характеризуют два полупериода 2003-2010 г. и 2010-2017 г. с во-многом диаметрально противоположными направлениями и скоростями пространственно-временных флуктуаций потоков суммарного испарения за вегетационный период [1]. Оба эти массива включают 19830 соответствующих записей, формирующих картограммы с чрезвычайно сложным мозаичным характером. В связи с этим визуальный анализ этих картограмм носит в высокой степени субъективный характер.

МЕТОД
Для объективного анализа пространственных массивов трендов потоков суммарного испарения за вегетационный период, полученных по данным продукта MOD16ET, были применены методы пространственного кластерного анализа. С этой целью использовались два инструмента статистического кластерного анализа из набора пространственного статистического анализа (Spatial Statistics Tools) программного обеспечения ArcGIS Pro 2.8.
Первый из этих инструментов был Getis-Ord Gi, предназначенный для идентификации и локализации статистически значимых пространственных кластеров с высокими и низкими значениями, называемыми, соответственно, горячими и холодными точками (Hot & Cold Spots). Вторым инструментом был Anselin Local Moran's I, предназначенный для идентификации и локализации т.н. пространственных выбросов, т.е. мест значения в которых значительно отличаются от значений в соседних местах.

РЕЗУЛЬТАТЫ
В результате кластерного анализа массивов исследованных трендов для исследованных полупериодов 2003-2010 г. и 2010-2017 г. с использованием инструмента Getis-Ord Gi были получены два массива пространственных данных с кластерами, идентифицирующими пространственное расположение мест (локаций), со значениями статистических отклонений, ранжированных по семи классам. Три из этих семи классов характеризуют горячие точки, один характеризует нейтральные точки, а три оставшихся характеризуют холодные точки. Соответствующие границы между этими классами соответствуют семи доверительным интервалам, соотносящихся с достоверность/значимость выявленных пространственных закономерностей, не являющихся случайными.
В результате кластерного анализа этих же массивов пространственных данных с использованием инструмента Anselin Local Moran's I были получены два массива пространственных данных. Пространственное соотнесение мест расположения этих кластеров (локаций), классифицировано по пяти классам: 1) High-High для мест с высокими значениями, окруженными областями с высокими значениями; 2) High-Low для мест с высокими значениями, окруженными областями с низкими значениями; 3) Low-Low для мест с низкими значениями, окруженными областями с низкими значениями; 4) Low-High для мест с низкими значениями, окруженными областями с высокими значениями; 5) Not significant для мест с незначительными значениями исследованного тренда.

ОБСУЖДЕНИЕ
Полученные массивы пространственных данных, отображаемых с помощью картограмм, позволили идентифицировать в массивах трендов потоков суммарного испарения пространственные кластеры. В целом, кластеры, полученные с помощью инструмента Getis-Ord Gi, ранжированные по всем семи классам, оказались связанными с характерными для этих полупериодов тенденциями в использовании сельскохозяйственных земель. Так кластеры с горячими точками в первый полупериод (2003-2010) соответствуют местам ведения орошаемого земледелия и интенсивного богарного земледелия. Аналогичные кластеры для второго полупериода (2010-2017) соответствуют местам ведения орошения, а также местам, соответствующих вводу в эксплуатацию новых ранее не орошавшихся территорий и ввода в сельскохозяйственный оборот ранее выведенных из него сельскохозяйственных земель для использования в пропашном земледелии.
Аналогичный анализ идентифицированных кластеров с холодными точками для первого полупериода (2003-2010) показывает их соответствие местам прекращения ведения орошаемого земледелия, а также местам ведения богарного земледелия, а для второго полупериода (2010-2017) показывает их соответствие местам ведения богарного земледелия.

Кластеры, полученные с помощью инструмента Anselin Local Moran's I, ранжированные по всем пяти классам, в целом, за счет меньшей дифференциации в сравнении с инструментом Getis-Ord Gi, с дифференциацией по семи классам, позволили получить контуры территорий с фактической дифференциацией всего лишь на 2-3 класса. Так в первый полупериод (2003-2010) расположение кластеров High-High с высокой точностью совпадает с контурами прибрежной полосы левого берега р. Волги, а также мест ведения орошаемого земледелия с незначительного числа отдельных выбросов внутри них. При этом достаточно удовлетворительно просматривается тенденция увеличения площади кластеров Low-Low и Not Significant по мере удаления от левого берега р. Волги в оба полупериода.
Расположение аналогичных кластеров, ранжированных по классификации Anselin Local Moran's I во второй полупериод (2010-2017) во многом отличается от аналогичного ранжирования, полученного для первого полупериода (2003-2010). Так территория практически всей прибрежной зоны р. Волги оказалась отнесенной к классу Low-Low с относительно незначительным вкраплением кластеров High-High. В тоже самое время значимо увеличились кластеры, связанные с орошаемым и богарным земледелием, в частности, на тех местах, которые в предыдущий полупериод были отнесены к кластерам Low-Low или Not Significant.

ВЫВОДЫ
Результаты проведенного кластерного анализа массивов пространственных данных трендов суммарного испарения вегетационных периодов 2003-2017 г. позволили объективно выявить пространственные кластеры, связанны с видами землепользования и их дифференциацией на орошаемое и богарное земледелие.

БЛАГОДАРНОСТИ
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-29-05261 «Картографическое моделирование влагозапасов почвенного покрова на основе комплексной геофизической влагометрии для целей цифрового орошаемого земледелия»