Деградация земель и ЦУР 15.3.1

В рамках «Повестки дня в области устойчивого развития на период до 2030 года» Цель устойчивого развития (ЦУР) 15 заключается в следующем:

«Защита, восстановление и продвижение устойчивого использования наземных экосистем, устойчивое управление лесами, борьба с опустыниванием, остановка и обращение вспять деградации земель и прекращение потери биоразнообразия».

Каждая ЦУР имеет конкретные задачи, касающиеся различных компонентов, в данном случае — жизни на земле. Задача 15.3 направлена на:

«К 2030 году бороться с опустыниванием, восстановить деградировавшие земли и почвы, включая земли, пострадавшие от опустынивания, засухи и наводнений, и стремиться к созданию мира, нейтрального в отношении деградации земель».

Для оценки прогресса в достижении каждой цели ЦУР будут использоваться индикаторы. В случае ЦУР 15.3 прогресс в направлении создания мира, нейтрального к деградации земель, будет оцениваться с помощью индикатора 15.3.1:

«доля деградированных земель от общей площади земель»

В качестве учреждения, отвечающего за ЦУР 15.3, Конвенция ООН по борьбе с опустыниванием (UNCCD) разработала «Руководство по надлежащей практике» (GPG) <https://www.unccd.int/sites/default/files/relevant-links/2021-03/Indicator_15.3.1_GPG_v2_29Mar_Advanced-version.pdf>`_. содержащее рекомендации по расчету показателя ЦУР 15.3.1.

Этот документ содержит краткое введение в показатель ЦУР 15.3.1 и описывает, как каждый показатель рассчитывается .

Для оценки деградированной площади Индикатор ЦУР 15.3.1 использует информацию из 3 суб-индикаторов:

1. Продуктивность растительности

2. Растительного покрова

3. Почвенный органический углерод

позволяет пользователю рассчитать каждый из этих суб-индикаторов в пространственно-явном виде, создавая растровые карты, которые затем интегрируются в итоговую карту индикаторов ЦУР 15.3.1 и выдают табличный результат, сообщающий о потенциально улучшенных и деградированных областях для анализируемой территории.

cуб-индикаторы

производительность

Продуктивность земли — это биологическая продуктивная способность земли, источник всех продуктов питания, клетчатки и топлива, которые поддерживают жизнь людей (Статистическая комиссия ООН, 2016 г.). Чистая первичная продуктивность (ЧПП) представляет собой чистое количество углерода, ассимилированного после фотосинтеза и автотрофного дыхания за определенный период времени (Кларк и др., 2001), и обычно выражается в таких единицах, как кг/га/год. ЧПП — это переменная, определение которой требует много времени и средств, поэтому для получения показателей ЧПП мы полагаемся на данные дистанционного зондирования.

Одним из наиболее часто используемых заменителей ЧПП является нормализованный разностный вегетационный индекс (НРВИ), вычисляемый с использованием информации из красной и ближней инфракрасной частей электромагнитного спектра. В мы используем двухнедельные продукты от MODIS и AVHRR для вычисления годовых интегралов НРВИ (рассчитанных как среднегодовой НРВИ для простоты интерпретации результатов). Эти годовые интегралы НРВИ затем используются для расчета каждого из показателей продуктивности, описанных ниже.

Продуктивность земли оценивается в с помощью трех показателей изменения, полученных из данных временного ряда НРВИ: траектория, продуктивность и состояние

Траектория производительности

Траектория измеряет скорость изменения первичной продуктивности с течением времени. Как показано на рисунке ниже, вычисляет линейную регрессию на уровне пикселей, чтобы определить области, в которых произошли изменения в первичной продуктивности за анализируемый период. Затем применяется непараметрический критерий значимости Манна-Кендалла, учитывающий только существенные изменения, которые показывают значение p ≤ 0,05. Положительные значимые тенденции в НРВИ указывают на потенциальное улучшение состояния земель, а отрицательные значимые тенденции на потенциальную деградацию.

Поправка на влияние климата

В пределах данной экосистемы на первичную продуктивность влияют несколько факторов, таких как температура и наличие света, питательных веществ и воды. Из них наличие воды наиболее изменчиво с течением времени и может иметь очень значительное влияние на количество тканей растений, производимых каждый год. Когда для проведения анализа траектории используются годовые интегралы НРВИ, важно интерпретировать результаты, имея в качестве контекста историческую информацию об осадках. В противном случае тенденции к снижению продуктивности можно было бы определить как вызванную деятельностью человека деградацию земель, когда они обусловлены региональными моделями изменений в наличии воды.

позволяет пользователю выполнять различные типы анализа, чтобы отделить климатические причины изменений первичной продуктивности от тех, которые могут быть следствием решений человека о землепользовании на местах. В настоящее время поддерживаются следующие методы климатических поправок:

Анализ остаточного тренда (RESTREND): RESTREND использует модели линейной регрессии для прогнозирования НРВИ для заданного количества осадков. Тенденции разницы между прогнозируемым НРВИ и наблюдаемым НРВИ (остатком) интерпретируются как изменение продуктивности, не связанное с климатическими условиями. Обратитесь к следующей цитате для более подробной информации о методе и его ограничениях: Уэсселс K.Дж.; ван ден Берг Ф.; Скоулз Р.Дж. Пределы обнаруживаемости деградации земель с помощью анализа трендов данных вегетационного индекса. Дистанционное изучение окружающей среды. 2012, 125, 10–22.

Эффективность использования дождевых осадков (ЭИДО): ЭИДО — это отношение годового ЧПП к годовому количеству осадков. использует годовые интегралы НРВИ в качестве замены годовой ЧПП и предлагает возможность выбора среди различных продуктов осадков для расчета ЭИДО. После расчета ЭИДО для каждого анализируемого года линейная регрессия и непараметрический критерий значимости применяются к тенденции ЭИДО с течением времени. Положительные значимые тенденции в ЭИДО указывают на потенциальное улучшение состояния земель, а отрицательные значимые тенденции на потенциальную деградацию. Обратитесь к следующей публикации для получения подробной информации о методах и их ограничениях: Уэсселс K.Дж.; Принс С.Д.; Малерб, Дж.; Смолл Дж.; Фрост П.Е.; ВанЗил Д. Можно ли отличить вызванную деятельностью человека деградацию земель от последствий изменчивости осадков? Тематическое исследование в Южной Африке. Журнал засушливых сред. 2007, 68, 271–297.

Эффективность использования воды (ЭИВ): ЭИДО предполагает наличие линейной зависимости между количеством воды, выпадающей в виде осадков в конкретном месте, и количеством воды, которое будет фактически использовано растениями. Это предположение верно не для каждой системы. ЭИВ пытается устранить это ограничение, используя вместо осадков суммарную годовую эвапотранспирацию (ЭТ). ЭТ определяется как осадки за вычетом воды, потерянной с поверхностным стоком, пополнением подземных вод и изменением запасов воды в почве. Остальная часть анализа выполняется так же, как описано для ЭИДО: линейная регрессия и непараметрический тест значимости применяются к тенденции ЭИВ во времени. Положительные значимые тенденции в ЭИВ указывают на потенциальное улучшение состояния земель, а отрицательные значимые тенденции — на потенциальную деградацию.

В приведенной ниже таблице перечислены наборы данных, доступные в для выполнения анализа тенденций НРВИ с течением времени с использованием исходных данных НРВИ или с климатическими поправками:

Состояние производительности

Показатель состояния продуктивности позволяет обнаруживать недавние изменения первичной продуктивности по сравнению с базовым периодом. Показатель рассчитывается следующим образом:

1. Определите базовый период (исторический период, с которым следует сравнивать недавнюю первичную продуктивность).

2. Определите период сравнения (последние годы, используемые для расчета сравнения). Рекомендуется использовать 3 года, чтобы избежать годовых колебаний, связанных с климатом.

3. Для каждого пикселя используйте годовые интегралы НРВИ за базовый период, чтобы вычислить частотное распределение. В случае, если в базовом периоде отсутствуют некоторые крайние значения НРВИ, добавьте 5% к обоим крайним значениям распределения. Эта расширенная кривая частотного распределения затем используется для определения пороговых значений 10-процентильных классов.

4. Вычислите средний НРВИ для базового периода и определите процентильный класс, к которому он принадлежит. Присвойте среднему НРВИ за базовый период число, соответствующее этому процентильному классу. Возможные значения варьируются от 1 (низший класс) до 10 (высший класс).

5. Вычислите средний НРВИ за период сравнения и определите процентильный класс, к которому он принадлежит. Присвойте среднему НРВИ за период сравнения число, соответствующее этому процентильному классу. Возможные значения варьируются от 1 (низший класс) до 10 (высший класс).

6. Определите разницу в числе класса между периодом сравнения и базовым периодом (сравнение минус базовый период).

7. Если разница в классе между базовым уровнем и периодом сравнения составляет ≤ 2, то этот пиксель потенциально может быть ухудшен. Если разница ≥ 2, этот пиксель указывает на недавнее улучшение первичной продуктивности. Пиксели с небольшими изменениями считаются стабильными.

В приведенной ниже таблице ниже перечислены наборы данных, доступные в для расчета показателя состояния продуктивности:

Производительность

Показатель эффективности продуктивности измеряет локальную продуктивность по сравнению с другими аналогичными типами растительности в аналогичных типах земного покрова или биоклиматических регионах на всей территории исследования. использует уникальную комбинацию почвенных единиц (единицы почвенной таксономии с использованием системы USDA, предоставленной SoilGrids с разрешением 250 м) и земного покрова (все 37 классов земного покрова, предоставленных ESA CCI с разрешением 300 м), чтобы определить эти области анализа. Показатель рассчитывается следующим образом:

1. Определите период анализа и используйте временной ряд НРВИ для вычисления среднего значения НРВИ для каждого пикселя.

2. Определите подобные экологически сходные единицы как уникальное пересечение земного покрова и типа почвы.

3. Для каждой единицы извлеките все средние значения НРВИ, вычисленные в шаге 1, и создайте частотное распределение. Из этого распределения определите значение, представляющее 90-й процентиль (мы не рекомендуем использовать абсолютное максимальное значение НРВИ, чтобы избежать возможных ошибок из-за наличия выбросов). Значение, представляющее 90-й процентиль, будет считаться максимальной продуктивностью для этой единицы.

4. Вычислите отношение среднего НРВИ к максимальной продуктивности (в каждом случае сравните среднее наблюдаемое значение с максимальным для соответствующей единицы).

5. Если наблюдаемое среднее значение НРВИ ниже максимальной продуктивности на 50%, этот пиксель считается потенциально деградировавшим по этому показателю.

В приведенной ниже таблице перечислены наборы данных, доступные в для расчета показателя продуктивности:

Объединение показателей продуктивности

Затем три вспомогательных показателя продуктивности объединяются, как показано в таблицах ниже. Для отчетности по ЦУР 15.3.1 требуется показатель 3 класса, но также дает показатель 5 класса, который использует информацию, предоставленную государством, для информирования о типе происходящей в районе деградации.

Растительного покрова

Для оценки изменения земного покрова пользователям необходимы карты земного покрова, охватывающие изучаемую территорию за исходный и целевой годы. Эти карты должны иметь приемлемую точность и создаваться таким образом, чтобы можно было проводить достоверные сравнения. использует карты земного покрова ESA CCI в качестве набора данных по умолчанию, но также можно использовать локальные карты. Показатель рассчитывается следующим образом:

1. Переклассифицируйте обе карты земного покрова по 7 классам земного покрова, необходимым для отчетности в КБО ООН (леса, пастбища, пахотные земли, водно-болотные угодья, искусственные территории, голая земля и вода).

2. Выполните анализ перехода земного покрова, чтобы определить, какие пиксели остались в том же классе земного покрова, а какие изменились.

3. Основываясь на ваших местных знаниях об условиях в районе исследования и происходящих там процессах деградации земель, используйте приведенную ниже таблицу, чтобы определить, какие переходы соответствуют деградации (знак -), улучшению (знак +) или отсутствию изменений с точки зрения состояния земель. (нуль).

1. объединит информацию из карт земного покрова и таблицы типологий деградации по переходу земного покрова для расчета вспомогательного показателя земного покрова.

Почвенный органический углерод

Третий вспомогательный показатель для мониторинга деградации земель в рамках процесса достижения ЦУР позволяет количественно оценить изменения содержания органического углерода в почве (SOC) за отчетный период. Изменения SOC особенно трудно оценить по нескольким причинам, некоторые из которых связаны с высокой пространственной изменчивостью свойств почвы, затратами времени и средств на проведение репрезентативных обследований почв и отсутствием данных временных рядов о SOC для большинства регионов мира. Чтобы устранить некоторые ограничения, в используется комбинированный метод земного покрова/SOC. для оценки изменений SOC и определения потенциально деградировавших участков. Показатель рассчитывается следующим образом:

1. Определите эталонные значения SOC. |trends.earth|использует 250-метровые запасы углерода SoilGrids для первых 30 см профиля почвы в качестве эталонных значений для расчета (ПРИМЕЧАНИЕ: Для производства этого продукта SoilGrids использует информацию из различных источников данных за многие годы, поэтому назначение даты для расчетов может привести к неточностям в расчетах изменения запасов).

2. Реклассифицируйте карты земного покрова по 7 классам земного покрова, необходимым для отчетности по КБО ООН (леса, пастбища, пахотные земли, водно-болотные угодья, искусственный ареал, необлесенные угодья и вода). В идеале предпочтительны годовые карты земного покрова, но необходимы, по крайней мере, карты земного покрова за начальный и конечный годы.

3. Для оценки изменений в запасах углерода за отчетный период МГЭИК и КБО ООН рекомендуются коэффициенты преобразования углерода для изменений в землепользовании, управлении и затратах. Тем не менее, для большинства регионов недоступна четкая пространственная информация об управлении и затратах углерода. Таким образом, для оценки изменений в запасах углерода может применяться только коэффициент преобразования землепользования (с использованием растительного покрова в качестве показателя землепользования). Используемые коэффициенты были получены в результате обзора литературы, проведенного в рамках КБО ООН, и представлены в таблице ниже. Эти коэффициенты представляют пропорциональные запасы углерода после 20 лет изменения земного покрова.

Изменения SOC лучше изучены в отношении переходов земного покрова, связанных с сельским хозяйством, и по этой причине существует различный набор коэффициентов для каждого из основных глобальных климатических регионов: умеренный засушливый (f = 0,80), умеренный влажный (f = 0,69), тропический сухой (f = 0,58), тропический влажный (f = 0,48) и тропический горный (f = 0,64).

4. Вычислите относительную разницу в SOC между исходным и целевым периодами, области, в которых SOC снизился на 10 % или более в течение отчетного периода, будут считаться потенциально ухудшенными, а области, в которых наблюдается прирост на 10 % или более, — потенциально улучшенными.

Объединение показателей

Интеграция трех вспомогательных показателей ЦУР 15.3.1 осуществляется в соответствии с правилом «исключается один - исключаются все», это означает, что если какой-либо из вспомогательных показателей определил район как потенциально деградировавший, то этот район будет считаться потенциально деградировавшим для целей отчетности.