Использование индекса ICE для спутникового мониторинга ирригационных массивов и состояния земель

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В мире около половины сельскохозяйственных культур возделывается при орошении, которое оказывает влияние на климат полей, а также может повышать комфортность окружающей среды для человека. Развитие спутниковых технологий открыло возможности оперативного и низкозатратного мониторинга охлаждающего эффекта орошения Irrigation Cooling Effect (ICE). Это направление исследований проходит стадию становления, что предопределяет актуальность выявления текущего тренда его развития.
Цель. Провести анализ научной литературы в области использования спутникового индекса ICE для мониторинга орошаемых земель, выявить основные направления развития и научные центры.
Материалы и методы. В качестве основного источника информации использовались сведения наукометрических баз данных Scopus и РИНЦ. На конкретном примере показана связь ICE с NDVI для орошаемого массива СУАР в КНР.
Результаты. Анализ первоисточников показал, что в настоящее время ICE используется в основном для оценки охлаждающего эффекта орошения посевов и их водопотребления, охлаждающего эффекта растительности городов, для оценки влияния смены наземного покрова на локальный и региональный климат. Основными центрами исследований являются научные организации Китая и США, что подтверждается количеством научных публикаций и их цитируемостью. Перспективным направлением является использование ICE для оперативного спутникового мониторинга посевов (в том числе и неорошаемых). 
Заключение. Таким образом, ICE может рассматриваться как полезное дополнение к обычно используемому при спутниковом мониторинге посевов индексу NDVI, что обуславливает все более широкое использование данного индекса в мире, особенно для мониторинга орошаемых земель.

Об авторах

Игорь Юрьевич Савин

Федеральный исследовательский центр «Почвенный институт им. В.В. Докучаева»

Email: savin_iyu@esoil.ru
ORCID iD: 0000-0002-8739-5441
SPIN-код: 5132-0631
Scopus Author ID: 7003650252
ResearcherId: H-8117-2013

академик РАН, д-р с.-х. наук, главный научный сотрудник

 

Россия, Пыжевский пер., 7, стр. 2, г. Москва, 119017, Российская Федерация

Алексей Геннадьевич Терехов

Институт информационных и вычислительных технологий МОН

Email: info@ipic.kz
ORCID iD: 0000-0003-3209-1333
SPIN-код: 7929-1104
ResearcherId: V-4393-2017

кандидат технических наук, ведущий научный сотрудник

Казахстан, ул. Пушкина, 125, г. Алматы, 050010, Республика Казахстан

Равиль Иргизович Мухамедиев

Казахский Научно-Исследовательский Технический Университет им. К.И. Сатпаева

Автор, ответственный за переписку.
Email: r.mukhamediev@satbayev.university
ORCID iD: 0000-0002-3727-043X
SPIN-код: 9847-9470
ResearcherId: X-1461-2019

доктор технических наук, профессор

Казахстан, ул. Сатпаева, 22, г. Алматы, 050043, Республика Казахстан

Список литературы

  1. Абаев, Н. Н., Сагатдинова, Г. Н., Маглинец, Ю. А., Амиргалиев, Е. Н., Савин, И. Ю., & Терехов, А. Г. (2023). Спутниковый мониторинг зимней промывки пашни от вторичного засоления на примере ирригационного массива «Голодная степь» (Казахстан). Современные проблемы дистанционного зондирования Земли из космоса, 20(3), 152-163. https://doi.org/10.21046/2070-7401-2023-20-3-152-163 EDN: https://elibrary.ru/GWEJTE
  2. Савин, И. Ю. (2020). Пространственные аспекты прикладного почвоведения. Бюллетень Почвенного института имени В.В. Докучаева, 101, 5-18. https://doi.org/10.19047/0136-1694-2020-101-5-18 EDN: https://elibrary.ru/XOVGZT
  3. Скворцов, А. А. (1964). Орошение сельскохозяйственных полей и микроклимат. Л.: ГИМИЗ, 277 с.
  4. Терехов, А. Г. (2020). Спутниковая диагностика изменений сельскохозяйственного водообеспечения Синьцзян-Уйгурского автономного района КНР на основе эффекта охлаждения поверхности пашни при ирригации по данным 2002-2019 гг. Современные проблемы дистанционного зондирования Земли из космоса, 17(7), 131-141. https://doi.org/10.21046/2070-7401-2020-17-7-131-141 EDN: https://elibrary.ru/MTQRDA
  5. Терехов, А. Г., Абаев, Н. Н., Маглинец, Ю. А. (2021). Спутниковый мониторинг состояния оазисов реки Амударьи в период 2003-2020 гг. на основе анализа эффекта охлаждения территорий в результате их ирригации. Современные проблемы дистанционного зондирования Земли из космоса, 18(5), 123-132. https://doi.org/10.21046/2070-7401-2021-18-5-123-132 EDN: https://elibrary.ru/VVWEGH
  6. Akinyemi, F. O., Ikanyeng, M., & Muro, J. (2019). Land cover change effects on land surface temperature trends in an African urbanizing dryland region. City and Environment Interactions, 4, 100029. https://doi.org/10.1016/j.cacint.2020.100029 EDN: https://elibrary.ru/QDKYQU
  7. Albaladejo-García, J. A., Alcon, F., & Martínez-Paz, J. M. (2020). The Irrigation Cooling Effect as a Climate Regulation Service of Agroecosystems. Water, 12, 1553. https://doi.org/10.3390/w12061553 EDN: https://elibrary.ru/DZTZTW
  8. Allen, M. A., Roberts, D. A., & McFadden, J. P. (2021). Reduced urban green cover and daytime cooling capacity during the 2012-2016 California drought. Urban Climate, 36, 100768. https://doi.org/10.1016/j.uclim.2020.100768 EDN: https://elibrary.ru/RRXUZZ
  9. Asrar, G., Fuchs, M., Kanemasu, E. T., & Hatfield, J. L. (1984). Estimating Absorbed Photosynthetic Radiation and Leaf Area Index from Spectral Reflectance in Wheat. Agron. J., 76, 300-306. https://doi.org/10.2134/agronj1984.00021962007600020029x
  10. Batchelor, C., Hoogeveen, J., Faurès, J. M., & Peiser, L. (2016). Water accounting and auditing - A sourcebook. FAO WATER REPORTS 43. Rome: FAO, 232 p.
  11. Chen, P. Y., Fedosejevs, G., Tiscareño-LóPez, M., & Arnold, J. G. (2006). Assessment of MODIS-EVI, MODIS-NDVI and VEGETATION-NDVI Composite Data Using Agricultural Measurements: An Example at Corn Fields in Western Mexico. Environ Monit Assess, 119, 69-82. https://doi.org/10.1007/s10661-005-9006-7 EDN: https://elibrary.ru/ITUORM
  12. Coleman, R. W., Stavros, N., Hulley, G., & Parazoo, N. (2020). Comparison of thermal infrared-derived maps of irrigated and non-irrigated vegetation in urban and non-urban areas of southern California. Remote Sensing, 12(24), 4102. https://doi.org/10.3390/rs12244102 EDN: https://elibrary.ru/VGPQQE
  13. Döll, P. (2009). Vulnerability to the impact of climate change on renewable groundwater resources: A global-scale assessment. Environ. Res. Lett., 4, 035006. https://doi.org/10.1088/1748-9326/4/3/035006 EDN: https://elibrary.ru/OMQJVH
  14. Dong, J., Pang, Z., Lin, S., Zhang, X., Xie, Z., Ren, P., Zhang, X., & Yuan, W. (2024). Cotton lands induced cooling effect on land surface temperature in Xinjiang, China. Agricultural and Forest Meteorology, 351, 110004. https://doi.org/10.1016/j.agrformet.2024.110004 EDN: https://elibrary.ru/BAUECQ
  15. Fischer, G., van Velthuizen, H. T., Shah, M. M., & Nachtergaele, F. O. (2002). Global Agroecological Assessment for Agriculture in the 21st Century: Methodology and Results. IIASA Research Report. IIASA, Laxenburg, Austria: RR-02-02, 155 p.
  16. Gao, K., Santamouris, M., & Feng, J. (2020). On the cooling potential of irrigation to mitigate urban heat island. Sci. Total Environ., 740, 139754. https://doi.org/10.1016/j.scitotenv.2020.139754 EDN: https://elibrary.ru/IYNCII
  17. Hou, M., Tian, F., Zhang, T., & Huang, M. (2019). Evaluation of canopy temperature depression, transpiration, and canopy greenness in relation to yield of soybean at reproductive stage based on remote sensing imagery. Agric. Water Manag., 222, 182-192. https://doi.org/10.1016/j.agwat.2019.06.005
  18. Hou, M., Zhao, L., & Lin, A. (2023). Irrigation Cooling Effect on Local Temperatures in the North China Plain Based on an Improved Detection Method. Remote Sens., 15, 4571. https://doi.org/10.3390/rs15184571 EDN: https://elibrary.ru/NYVFOZ
  19. Kucera, D., & Jenerette, G. D. (2023). Urban greenness and its cooling effects are influenced by changes in drought, physiography, and socio-demographics in Los Angeles, CA. Urban Climate, 52, 101743. https://doi.org/10.1016/j.uclim.2023.101743 EDN: https://elibrary.ru/PKGLZP
  20. Kueppers, L. M., Snyder, M. A., & Sloan, L. C. (2007). Irrigation cooling effect: Regional climate forcing by land-use change. Geophys. Res. Lett., 34, L03703. https://doi.org/10.1029/2006GL028679
  21. Lawston, P. M., Santanello, J. A., Jr., Hanson, B., & Arsensault, K. (2020). Impacts of irrigation on summertime temperatures in the pacific northwest. Earth Interactions, 24(1), 1. https://doi.org/10.1175/ei-d-19-0015.1 EDN: https://elibrary.ru/BQTKUO
  22. Li, D., Chen, Y., Hu, T., Cui, Y., Luo, Y., Luo, H., & Meng, Q. (2020). Climate changes in the Lhasa River basin, Tibetan Plateau: Irrigation induced cooling along with a warming trend. Theor. Appl. Climatol., 140, 1043-1054. https://doi.org/10.1007/s00704-020-03146-y EDN: https://elibrary.ru/MLEQAS
  23. Li, M. (2024). Research on the effects of extreme heat exposure on human health. Theoretical and Natural Science, 29, 194-199. https://doi.org/10.54254/2753-8818/29/20240777 EDN: https://elibrary.ru/BQKVKA
  24. Li, Y., Guan, K., Peng, B., Franz, T. E., Wardlow, B., & Pan, M. (2020). Quantifying irrigation cooling benefits to maize yield in the US Midwest. Global Change Biology, 26(5), 3065-3078. https://doi.org/10.1111/gcb.15002 EDN: https://elibrary.ru/UQBZXM
  25. Li, Z.-L., Wu, H., Duan, S.-B., Zhao, W., Ren, H., Liu, X., Leng, P., Tang, R., Ye, X., Zhu, J., Sun, Y., Si, S., Liu, M., Li, J., Zhang, X., Shang, G., Tang, B.-H., Yan, G., & Zhou, C. (2022). Satellite Remote Sensing of Global Land Surface Temperature: Definition, Methods, Products, and Applications. Reviews of Geophysics., 61, e2022RG000777. https://doi.org/10.1029/2022RG000777 EDN: https://elibrary.ru/YASDOG
  26. Lin, Y., Li, X., Zhang, T., Chao, N., Yu, J., Cai, J., & Sneeuw, N. (2020). Water Volume Variations Estimation and Analysis Using Multisource Satellite Data: A Case Study of Lake Victoria. Remote Sensing, 12(18), 3052. https://doi.org/10.3390/rs12183052 EDN: https://elibrary.ru/OYXBLN
  27. Liu, J., Jin, J., & Niu, G.-Y. (2021). Effects of Irrigation on Seasonal and Annual Temperature and Precipitation over China Simulated by the WRF Model. Journal of Geophysical Research: Atmospheres, 126(10), e2020JD034222. https://doi.org/10.1029/2020jd034222 EDN: https://elibrary.ru/CKHLTN
  28. Liu, N., Zhao, X., Zhang, X., Zhao, J., Wang, H., & Wu, D. (2023). Remotely sensed evidence of the divergent climate impacts of wind farms on croplands and grasslands. Science of the Total Environment, 905, 167203. https://doi.org/10.1016/j.scitotenv.2023.167203 EDN: https://elibrary.ru/WMEXBO
  29. Lobell, D. B., Bonfils, C. J., Kueppers, L. M., & Snyder, M. A. (2008). Irrigation cooling effect on temperature and heat index extremes. Geophys. Res. Lett., 35, L09705. https://doi.org/10.1029/2008GL034145 EDN: https://elibrary.ru/MEZNKF
  30. Mu, T., Liu, G., Yang, X., & Yu, Y. (2023). Soil-Moisture Estimation Based on Multiple-Source Remote-Sensing Images. Remote Sensing, 15(1), 139. https://doi.org/10.3390/rs15010139 EDN: https://elibrary.ru/TSTQEM
  31. Pan, T., Zhang, C., Kuang, W., Luo, G., Du, G., & Yin, Z. (2020). Large-scale rain-fed to paddy farmland conversion modified land-surface thermal properties in Cold China. Science of the Total Environment, 722, 137917. https://doi.org/10.1016/j.scitotenv.2020.137917 EDN: https://elibrary.ru/VPQTHT
  32. Shah, H. L., Zhou, T., Huang, M., & Mishra (2019). Strong Influence of Irrigation on Water Budget and Land Surface Temperature in Indian Subcontinental River Basins. Journal of Geophysical Research: Atmospheres, 124(3), 1449-1462. https://doi.org/10.1029/2018JD029132
  33. Shiklomanov, I. A. (2000). Appraisal and Assessment of World Water Resources. Water Int., 25, 11-32. https://doi.org/10.1080/02508060008686794 EDN: https://elibrary.ru/LGHWKX
  34. Siebert, S., Burke, J., Faures, J. M., Frenken, K., Hoogeveen, J., Döll, P., & Portmann, F. T. (2010). Groundwater use for irrigation-A global inventory. Hydrol. Earth Syst. Sci., 14, 1863-1880. https://doi.org/10.5194/hess-14-1863-2010 EDN: https://elibrary.ru/OLGCBP
  35. Siebert, S., Döll, P., Hoogeveen, J., Faures, J. M., Frenken, K., & Feick, S. (2005). Development and validation of the global map of irrigation areas. Hydrol. Earth Syst. Sci., 9, 535-547. https://doi.org/10.5194/hess-9-535-2005 EDN: https://elibrary.ru/LZZIDH
  36. Tan, C.-H., Chu, T.-W., & Jao, C.-C. (2011). Cooling effect range assessment of paddy fields in urban neighborhood by Landsat thermal imagery. In 32nd Asian Conference on Remote Sensing 2011, ACRS 2011 (Vol. 3, pp. 1857-1862).
  37. Terekhov, A., & Abayev, N. (2020). Irrigation cooling effect: Opportunities in task of estimation of international irrigation water usage in transboundary River Syrdarya basin, Central Asia. E3S Web of Conferences, 223, 02009. https://doi.org/10.1051/e3sconf/202022302009 EDN: https://elibrary.ru/EFLHOB
  38. van Keulen, H., & Wolf, J. (1986). Modelling of agricultural production: weather, soils and crops. Wageningen: Pudoc, pp. 235-247.
  39. Wang, Z., Vivoni, E. R., Bohn, T. J., & Wang, Z.-H. (2021). A Multiyear Assessment of Irrigation Cooling Capacity in Agricultural and Urban Settings of Central Arizona. Journal of the American Water Resources Association, 57(5), 771-788. https://doi.org/10.1111/1752-1688.12920
  40. Yang, Q., Huang, X., & Tang, Q. (2020). Irrigation cooling effect on land surface temperature across China based on satellite observations. Science of the Total Environment, 705, 135984. https://doi.org/10.1016/j.scitotenv.2019.135984 EDN: https://elibrary.ru/DDZSII
  41. Yang, Q., Huang, X., & Tang, Q. (2020). Global assessment of the impact of irrigation on land surface temperature. Science Bulletin, 65(17), 1440-1443. https://doi.org/10.1016/j.scib.2020.04.005 EDN: https://elibrary.ru/MRLEHK
  42. Zhang, C., Dong, J., Leng, G., Doughty, R., Zhang, K., Han, S., Zhang, G., Zhang, X., & Ge, Q. (2023). Attenuated cooling effects with increasing water-saving irrigation: Satellite evidence from Xinjiang, China. Agricultural and Forest Meteorology, 333, 109397. https://doi.org/10.1016/j.agrformet.2023.109397 EDN: https://elibrary.ru/SZUKJF
  43. Zhang, C., Ge, Q., Dong, J., Zhang, X., Li, Y., & Han, S. (2023). Characterizing spatial, diurnal, and seasonal patterns of agricultural irrigation expansion-induced cooling in Northwest China from 2000 to 2020. Agricultural and Forest Meteorology, 330, 109304. https://doi.org/10.1016/j.agrformet.2022.109304 EDN: https://elibrary.ru/DUVCKR
  44. Zhang, F., Peng, K., & Zhang, F. (2022). Spatial distribution characteristics of land surface temperature and its “source-sink” effect in Yanqi Basin, Xinjiang. Transactions of the Chinese Society of Agricultural Engineering, 38(16), 153-161.
  45. Zhang, Z., Lin, A., Zhao, L., & Zhao, B. (2022). Attribution of local land surface temperature variations response to irrigation over the North China Plain. Science of the Total Environment, 826, 154104. https://doi.org/10.1016/j.scitotenv.2022.154104 EDN: https://elibrary.ru/VVPALD
  46. Zhu, P., & Burney, J. (2022). Untangling irrigation effects on maize water and heat stress alleviation using satellite data. Hydrology and Earth System Sciences, 26(3), 827-840. https://doi.org/10.5194/hess-26-827-2022 EDN: https://elibrary.ru/ZVSAOD
  47. Zhu, X., Liang, S., & Pan, Y. (2012). Observational evidence of the cooling effect of agricultural irrigation in Jilin, China. Climatic Change, 114(3-4), 799-811. https://doi.org/10.1007/s10584-012-0435-3 EDN: https://elibrary.ru/HZMVUW

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».