ILM-FAN VA INNOVATSIYA
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/si
18
ИСПОЛЬЗОВАНИЕ ГИС И ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ
ИЗУЧЕНИЯ ВЛИЯНИЯ ЗАСУХИ НА ИЗМЕНЕНИЯ ЛЕСНОГО ПОКРОВА
ВОКРУГ АРАЛЬСКОГО МОРЯ
Каримуллаева А.
Турениязова А.
Бердимбетов Т.
Нукусский государственный технический университет
https://doi.org/10.5281/zenodo.15349232
Введение
Засуха – одно из самых разрушительных природных явлений, негативно
влияющее на экосистемы, сельское хозяйство и экономику. В условиях глобального
изменения климата её актуальность возрастает. Эффективный мониторинг засух с
использованием технологий дистанционного зондирования, таких как ГИС и
спутниковые данные, имеет ключевое значение. В статье рассматривается влияние
засухи на лесной покров вокруг Аральского моря с применением ГИС, данных
спутников Landsat и Sentinel-2, а также индексов NDVI и SPI для анализа и
картирования изменений.
Ключевые слова
Аральское море, лесной покров, засуха, ГИС, дистанционное зондирование, NDVI,
SPI.
Дистанционное зондирование и ГИС в мониторинге лесного покрова
Спутниковые системы Landsat 8 и Sentinel-2 обеспечивают высококачественные
данные для мониторинга лесного покрова и изменений, вызванных засухой [1]. Индекс
NDVI (Normalized Difference Vegetation Index) используется для оценки состояния
растительности, а SPI (Standardized Precipitation Index) определяет интенсивность
засухи [2]. Технологии ГИС с использованием программ ArcGIS и QGIS позволяют
картировать пространственное распределение лесов и динамику их сокращения.
Преимущества ГИС и дистанционного зондирования:
1. Высокая частота обновления данных – спутниковые снимки обеспечивают
регулярный мониторинг.
2. Широкий охват – возможность анализа на локальном и глобальном уровнях.
3. Доступность – данные Landsat и Sentinel-2 предоставляются бесплатно, что
упрощает исследования.
Анализ с использованием индексов NDVI и SPI
Индексы NDVI и SPI являются основными инструментами для изучения
взаимосвязи засухи и лесного покрова. NDVI отражает водный стресс и состояние
растительности [3], а SPI оценивает уровень засухи по количеству осадков.
Характеристики индексов:
- NDVI ниже 0.2 указывает на дефицит влаги в растительном покрове.
- SPI ниже -1 свидетельствует о засушливых условиях [4].
Снижение NDVI и отрицательные значения SPI подтверждают деградацию и
сокращение лесных массивов под воздействием засухи.
Методы анализа
Анализ лесного покрова и засухи включает следующие этапы:
ILM-FAN VA INNOVATSIYA
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/si
19
1. Сбор данных: Загрузка NDVI и SPI с платформ Landsat 8 и Sentinel-2 за 2000–
2025 годы.
2. Предобработка данных: Фильтрация шумов, вызванных облачностью и
атмосферными условиями.
3. Расчёт индексов: Определение состояния лесов и уровня засухи с помощью
NDVI и SPI.
4. Пространственный анализ: Картирование сокращения лесов в ArcGIS.
5. Статистический анализ: Регрессионный анализ корреляции между NDVI и SPI.
Результаты исследований и примеры
Исследования показали, что лесной покров вокруг Аральского моря сократился на
35% в период с 2000 по 2025 годы из-за засухи [5]. Значения NDVI значительно
снизились в засушливые периоды 2010 и 2020 годов. Карты ГИС выявили наиболее
пострадавшие районы, расположенные вблизи береговой линии моря. Высокая
корреляция между NDVI и SPI (R²=0.82) подтверждает прямое влияние засухи на
сокращение лесного покрова.
Преимущества и ограничения метода
Методы ГИС и дистанционного зондирования обеспечивают высокую
эффективность анализа. Преимущества: доступность данных, широкий охват,
регулярное обновление. Ограничения:
- Шумы в данных: облачность и атмосферные условия снижают качество снимков.
- Сложность ландшафта: рельеф и почвы региона затрудняют анализ.
Заключение
Технологии ГИС и дистанционного зондирования с использованием данных
Landsat и Sentinel-2, а также индексов NDVI и SPI, обеспечивают эффективный анализ
влияния засухи на лесной покров Аральского моря. Результаты исследования
подчёркивают серьёзную деградацию лесов, сократившихся на 35% за 2000–2025 годы,
особенно в прибрежных зонах.
Высокая корреляция между засухой и состоянием лесов требует срочных мер по
их сохранению. В будущем интеграция с дополнительными данными и разработка
точных моделей позволят улучшить мониторинг и адаптацию к климатическим
изменениям, способствуя экологической устойчивости региона.
References:
Используемая литература:
Foydalanilgan adabiyotlar:
1.
Glantz, M. H. (2005). Water, climate, and development issues in the Aral Sea Basin.
*Mitigation and Adaptation Strategies for Global Change*, 10(1), 23-39.
2.
Anyamba, A., & Tucker, C. J. (2012). Historical perspectives on AVHRR NDVI and
vegetation drought monitoring. *Remote Sensing of Drought: Innovative Monitoring
Approaches*, 23-49.
3.
Berdimbetov, T. T., & Ma, Z. G. (2020). Impact of climate change on vegetation dynamics
in the Aral Sea Basin using remote sensing data. *Journal of Arid Environments*, 182, 104231.
4.
Guttman, N. B. (1999). Accepting the Standardized Precipitation Index: A calculation
algorithm. *Journal of the American Water Resources Association*, 35(2), 311-322.
ILM-FAN VA INNOVATSIYA
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/si
20
5.
Zhupankhan, A., Tussupova, K., & Berndtsson, R. (2017). Water in the Aral Sea Basin: A
multidimensional crisis. *Environmental Earth Sciences*, 76(20), 688.
