Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Двадцать первая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"

XXI.A.211

К разработке дистанционного микроволнового индекса гидрологической засухи

Романов А.Н. (1), Хвостов И.В. (1), Рябинин И.В. (1)
(1) Институт водных и экологических проблем СО РАН, Барнаул, Российская Федерация
Гидрологическая засуха представляет собой опасное природное явление, способное привести к деградации водоемов суши. В периоды ГЗ происходит снижение уровней воды в реках, усыхание озер, уменьшение запасов грунтовых вод. К основным факторам, способствующим развитию засух, относятся климатические особенности региона, характеристики водосборного бассейна, а также деятельность человека [1, 2]. Подробный анализ гидрологической засухи в мире с 1980 по 2008 годы приведен в [3]. В [4, 5] систематизированы физико-географические и антропогенные факторы, создающие гидрологическая засуху.
Прогнозирование опасных гидрологических явлений в летний период эффективно с применением спутниковых снимков MODIS. [6]. В [7] описан новый подход к дистанционному мониторингу гидрологической засухи, основанный на использовании долгосрочных спутниковых данных об осадках и стандартизированного индекса речного стока. В [8] установлена корреляция индекса засухи, разработанного с использованием спутниковых данных AMSR-E, с влажностью почвы и речным стоком. В [9] показано, что различные индексы имеют разные преимущества в разных климатических условиях.
В данной работе приведены результаты 10-летних исследований сезонных вариаций радиояркостных температур гипергалинного Кулундинского озера, расположенного на территории Кулундинской равнины (юг Западной Сибири), характеризующейся засушливым климатом с малым годовым количеством атмосферных осадков. На их основе предложен новый подход к разработке дистанционного микроволнового индикатора гидрологической засухи.
Объектом исследования являлась акватория Кулундинского озера и окружающая его степь, попадающие в пиксель спутника SMOS (Soil Moisture and Ocean Salinity). Кулундинское озеро – одно из крупнейших минеральных озер Российской Федерации. Ландшафты, попадающие в пиксель спутника SMOS, представлены прилегающей к озеру степью, водной поверхностью озера и осушенными участками, образовавшимися в результате усыхания озера. В течение внутривековых циклов колебаний водности и ежегодного усыхания площадь водной поверхности озера может изменяться от 728 до 615 кв. км.
Для определения радиояркостной температуры (ТЯ) подстилающей поверхности использовался продукт L1С SMOS [10], содержащий значения ТЯ, полученные для угла зондирования 42.5 градуса на горизонтальной и вертикальной поляризациях. Продукт L1C привязан к дискретной геодезической сетке DGG ISEA 4H9 [11].
Дистанционный микроволновый индекс гидрологической засухи (усыхания озера) (ДМИГЗ) введен как отношение площади осушенного дна к первоначальной площади озера. Для расчета ДМИГЗ использовали данные спутника SMOS, диэлектрические характеристики образцов воды из Кулундинского озера и донного грунта в интервале температур 280-320 К.
На примере Кулундинского озера изучены закономерности сезонного усыхания крупных гипергалинных озер Западной Сибири. С использованием спутниковых данных оптического и микроволнового диапазонов установлены периодические циклы усыхания озера.
Исследование выполнено при финансовой поддержке гранта Российского научного фонда № 22-17-20041, https://rscf.ru/project/22-17-20041/

Ключевые слова: минеральное озеро, гидрологическая засуха, коэффициент излучения, радиояркостная температура, микроволновый диапазон, спутник SMOS, Западная Сибирь.
Литература:
  1. Zhang X., Hao Z., Singh V.P., et al., Drought propagation under global warming: Characteristics, approaches, processes, and controlling factors // Science of The Total Environment. 2022. Vol. 838. Part 2. doi.org/10.1016/j.scitotenv.2022.156021.
  2. Keller A.A., Garner K., Rao N., et al., Hydrological models for climate-based assessments at the watershed scale: A critical review of existing hydrologic and water quality models // Science of The Total Environment. 2023. Vol. 867. 161209, doi.org/10.1016/j.scitotenv.2022.161209.
  3. Добровольский С. Г. Засухи мира и их эволюция во времени: сельскохозяйственный, метеорологический и гидрологический аспекты // Водные ресурсы. 2015. Том 42. № 2. С. 119-132. DOI: 10.7868/S0321059615020042
  4. Владимиров А.М. Классификация гидрологических засух // Ученые записки Российского государственного гидрометеорологического университета. 2012. № 23. С. 5-12.
  5. Владимиров А.М., Малышева Н.Г. Оценка вероятности появления гидрологической засухи // Ученые записки Российского государственного гидрометеорологического университета. 2012. № 24. С. 5-17.
  6. Ниязов Дж.Б., Калашникова О.Ю. Использование снимков MODIS в оценке экологических рисков, связанных с опасными гидрологическими явлениями // Известия ВУЗов Кыргызстана. 2018. № 11. С. 55-59.
  7. Sur C., Park S.-Y., Kim J.-S., Lee J.-H., Prognostic and diagnostic assessment of hydrological drought using water and energy budget-based indices // Journal of Hydrology. 2020. Vol. 591. 125549, https://doi.org/10.1016/j.jhydrol.2020.125549.
  8. Zhang Q., Shi R., Xu C.-Y., et al., Multisource data-based integrated drought monitoring index: Model development and application // Journal of Hydrology. 2022. Vol. 615. Part A. 128644. https://doi.org/10.1016/j.jhydrol.2022.128644.
  9. De Natale F., Alilla R., Parisse B., Nardi P. A bibliometric analysis on drought and heat indices in agriculture // Agricultural and Forest Meteorology. 2023. Vol. 341. 109626. https://doi.org/10.1016/j.agrformet.2023.109626.
  10. Gutierrez A., Castro R. SMOS L1 Processor L1c Data Processing Model. SO-DS-DME-L1PP-0009. 2010. № 2.7, URL: http://www.smos.com.pt/downloads/ release/documents/SO-DS-DME-L1PP-0009-DPM-L1c.pdf
  11. Sahr K., White D., Kimerling A.J. (2003). Geodesic Discrete Global Grid Systems. Cartography and Geographic Information Science, 30, 121-134.

Презентация доклада

Методы и алгоритмы обработки спутниковых данных

44