Том 38, номер 12, статья № 10

Аннотация:

В связи с проблемой глобального потепления, вызванной ростом концентрации парниковых газов в атмосфере, актуальной является задача оценки потенциала различных экосистем для секвестрации атмосферного СО₂ как в региональном, так и в глобальном масштабах. В работе рассмотрен баланс природных потоков углекислого газа на всей территории Свердловской области. Впервые получена интегральная оценка нетто-поглощенного из атмосферы СО₂ региональными экосистемами за 2020–2022 гг. с помощью оригинальной модели машинного обучения NorthFlux, где в качестве входных данных выступают спектры подстилающей поверхности, регистрируемые спутниковым сенсором MODIS, метеоданные ретроспективного климатического анализа и спутниковые данные по классификации растительности подстилающей поверхности. Информация о величине антропогенной эмиссии СО₂ взята из кадастра выбросов парниковых газов в Свердловской области. Для оценки трансграничного переноса углекислого газа использовалось балансное уравнение для потоков СО₂ в атмосферном столбе и данные по среднегодовой скорости роста концентрации СО₂ в атмосфере региона, полученные при наземном зондировании ИК-Фурье-спектрометром высокого разрешения Bruker IFS 125M в Коуровской астрономической обсерватории в 2012–2024 гг. Установлено, что секвестрация атмосферного СО₂ экосистемами Свердловской области составляет от 10,9 до 15,2%, а его перенос за границы области в соседние регионы (трансграничный перенос) – от 72,5 до 76,7% от количества ежегодных промышленных выбросов СО₂ на территории области. Модель машинного обучения NorthFlux может быть полезна для оценки секвестрационного потенциала экосистем других регионов планеты.

Ключевые слова:

потоки СО2 в экосистемах, чистый экосистемный обмен, трансграничный перенос, модель машинного обучения, спутниковый сенсор MODIS

Иллюстрации:

Список литературы:

1. Summary for Policymakers // Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2021. P. 3–32. DOI: 10.1017/9781009157896.001.
2. Стратегия социально-экономического развития РФ с низким уровнем выбросов парниковых газов до 2050 года // Утверждена распоряжением Правительства Российской Федерации от 29 октября 2021 г., № 3052-р. URL: http://static.government.ru/media/files/ADKkCzp3fWO32e2yA0BhtIpyzWfHai Ua.pdf.
3. Замолодчиков Д.Г., Грабовский В.И., Честных О.В. Динамика баланса углерода в лесах федеральных округов Российской Федерации // Вопросы лесной науки. 2018. Т. 1, № 1. С. 1–24. DOI: 10.31509/2658-607x-2018-1-1-1-24.
4. Pan Y., Birdsey R.A., Fang J., Houghton R., Kauppi P.E., Kurz W.A., Phillips O.L., Shvidenko A., Lewis S.L., Canadell J.G., Ciais P., Jackson R.B., Pacala S.W., McGuire A.D., Piao S., Rautiainen A., Sitch S., Hayes D. A large and persistent carbon sink in the world's forests // Science. 2011. V. 333. P. 988–993. DOI: 10.1126/science.1201609.
5. Романовская А.А., Трунов А.А., Коротков В.Н., Карабань Р.Т. Проблема учета поглощающей способности лесов России в Парижском соглашении // Лесоведение. 2018. № 5. С. 323–334. DOI: 10.1134/S0024114818050066.
6. Romanovskaya A., Korotkov V. Balance of Anthropogenic and Natural Greenhouse Gas Fluxes of All Inland Ecosystems of the Russian Federation and the Contribution of Sequestration in Forests // Forests. 2024. V. 15, N 4. P. 707. DOI: 10.3390/f15040707.
7. Низкоуглеродное будущее для Свердловской области: возможности и перспективы. Екатеринбург: Уральский экологический союз, 2010. С. 47 c.
8. Кадастр выбросов парниковых газов Свердловской области за 1990 г. и период 2012–2017 гг. Отчет о выполнении инвентаризации объемов выбросов и поглощения парниковых газов на территории Свердловской области. Кемерово: УГЛЕМЕТАН СЕРВИС, 2019. 399 c.
9. Официальный сайт Правительства Свердловской области. URL: https://midural.ru/100034/100083/100294/?ysclid=mdj8ws7cc478729924 (дата обращения: 04.08.2025).
10. Министерство иностранных дел Российской Федерации, Информационный паспорт Свердловской области. URL: https://www.mid.ru/ru/foreign_policy/economic_diplomacy/vnesneekonomiceskie-svazi-sub-ektov-rossijskoj-federacii/1943329/ (дата обращения: 04.08.2025).
11. Розанов А.П. Свидетельство о государственной регистрации программы для ЭВМ № 2023682424 North Flux. Дата регистрации в Реестре программ для ЭВМ 25 октября 2023 г.
12. Розанов А.П., Задворных И.В., Грибанов К.Г., Захаров В.И. Оценки стока СО₂ в лесную экосистему по результатам наземного гиперспектрального зондирования атмосферы и нейросетевой модели // Оптика атмосф. и океана. 2023. Т. 36, № 12. С. 991–997. DOI: 10.15372/AOO20231205; Rozanov A.P., Zadvornykh I.V., Gribanov K.G., Zakharov V.I. Estimates of carbon dioxide flux into the forest ecosystem based on results of ground-based hyperspectral sounding of the atmosphere and an artificial Neural Network Model // Atmos. Ocean. Opt. 2024. V. 37, N 2. P. 199–204.
13. Baldocchi D., Falge E., Gu L., Olson R., Hollinger D., Running S., Anthoni P., Bernhofer C., Davis K., Evans R., Fuentes J., Goldstein A., Katul G., Law B., Lee X., Malhi Y., Meyers T., Munger W., Oechel W., Paw K.T., Pilegaard K., Schmid H., Valentini R., Verma S., Vesala T., Wilson K., Wofsy S. FLUXNET: A new tool to study the temporal and spatial variability of ecosystem-scale carbon dioxide, water vapor, and energy flux densities // Bul. Am. Meteorol. Soc. 2001. V. 82, N 11. P. 2415–2434. DOI: 10.1175/1520-0477(2001)082<2415:fantts>2.3.co;2.
14. Pastorello G., Trotta C., Canfora E. et al. The FLUXNET 2015 dataset and the ONEFlux processing pipeline for eddy covariance data // Sci. Data. 2020. V. 7. P. 225. DOI: 10.1038/ s41597-020-0534-3.
15. Vermote E. MODIS/Terra Surface Reflectance Daily L3 Global 0.05Deg CMG V061. NASA EOSDIS Land Processes DAAC. 2021. URL: https://www.earthdata.nasa.gov/data/catalog/ lpcloud-mod09cmg-061. DOI: 10.5067/MODIS/MOD09CMG.061 (last access: 07.10.2023).
16. Friedl M., Sulla-Menashe D. MCD12C1 MODIS/Terra+Aqua Land Cover Type Yearly L3 Global 0.05Deg CMG V006. NASA EOSDIS Land Processes DAAC. 2015. URL: https://www.earthdata.nasa.gov/data/catalog/lpcloud-mcd12c1-006. DOI: 10.5067/MODIS/MCD12C1.006 (last access: 07.10.2023).
17. Loupian E., Burtsev M., Proshin A., Kashnitskii A., Balashov I., Bartalev S., Konstantinova A., Kobets D., Radchenko M., Tolpin V., Uvarov I. Usage experience and capabilities of the VEGA-Science System // Remote Sens. 2022. V. 14, N 1. P. 77. DOI: 10.3390/rs14010077.
18. Сервис ВЕГА-Science. М., 2025. URL: http://sci-vega.ru/ (дата обращения: 27.02.2025).
19. Курбанов Э.А., Воробьёв О.Н., Губаев А.В., Лежнин С.А., Полевщикова Ю.А. Оценка точности и сопоставимости тематических карт лесного покрова разного пространственного разрешения на примере Среднего Поволжья // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13, № 1. С. 36–48. DOI: 10.21046/2070-7401-2016-13-1-36-48.
20. Hersbach H., Bell B., Berrisford P., Biavati G., Horányi A., Muñoz Sabater J., Nicolas J., Peubey C., Radu R., Rozum I., Schepers D., Simmons A., Soci C., Dee D., Thépaut J-N. ERA5 hourly data on single levels from 1940 to present. Copernicus Climate Change Service (C3S) Climate Data Store (CDS). 2023. DOI: 10.24381/cds.adbb2d47 (last access: 09.06.2025).
21. Антохина О.Ю., Антохин П.Н., Аршинова В.Г., Аршинов М.Ю., Белан Б.Д., Белан С.Б., Давыдов Д.К., Дудорова Н.В., Ивлев Г.А., Козлов А.В., Краснов О.А., Максютов Ш.Ш., Machida Т., Панченко М.В., Пестунов Д.А., Рассказчикова Т.М., Савкин Д.Е., Sasakawa M., Симоненков Д.В., Скляднева Т.К., Толмачев Г.Н., Фофонов А.В. Исследование динамики концентрации парниковых газов на территории Западной Сибири // Оптика атмосф. и океана. 2019. Т. 32, № 9. С. 777–785. DOI: 10.15372/AOO20190910.
22. Задворных И.В., Розанов А.П., Грибанов К.Г., Захаров В.И., Валдайских В.В. Оценки потоков углерода в районе карбонового полигона в Коуровке по данным наземного и спутникового зондирования с использованием нейросетевой модели // Карбоновые полигоны: мониторинг, геоинформационные системы, секвестрационные технологии / под ред. С.К. Гулева и А.В. Ольчева. М.: Научный мир, 2025. С. 98–120.