The use of Landsat 8 remote sensing data for assessing the temperature conditions of the Larus ridibundus L. habitat

Full Text

Введение

Озерная чайка Larus ridibundus L. в список гнездящихся птиц в Прикамье была внесена С.А. Ушковым [1]. Е.М. Воронцов отмечал лишь единичные экземпляры в окрестностях г. Молотова [2]. Северная граница ареала, по материалам Л.С. Степаняна, проходит на Урале около 60° с.ш. [3]. В окрестностях г. Перми в настоящее время Larus ridibundus L. – самая многочисленная из Laridae, образующая во время гнездования поливидовые колонии, включающие Larus argentatus Pontoppidan, Sterna hirundo L. и других околоводных птиц. Larus ridibundus L. – представитель воздушно-водной экологической группы. Прилет Laridae происходит при среднесуточной температуре −1,9°С. При этом акватория очистных сооружений привлекает птиц особым микроклиматом, который определяется более высокой температурой водоема [4–9].

В связи с этим изучение влияния температуры технологических водоемов «Новогор» на численность Larus ridibundus L., по сравнению с естественными бессточными водоемами окрестностей, позволяет сделать объективные выводы о привлекательности очистных сооружений для гнездования птиц. При этом измерение температуры во время натурных обследований является почти нерешаемой задачей в связи с недоступностью центральной части акватории очистного сооружения, где обитает основная часть особей, для контактных замеров. Поэтому эффективным инструментом определения температуры поверхности, среды обитания птиц являются данные дистанционного зондирования земли (ДДЗ) среднего пространственного разрешения [10; 11]. Одним из преимуществ данной методики является возможность связать сроки натурных измерений численности птиц с данными дистанционного зондирования. В научной литературе (в большинстве это зарубежные источники) рассмотрена роль данных дистанционного зондирования в оценке плотности популяции птиц с использованием спектрального индекса NDVI [12–16]. Однако исследования не ограничены оценкой условий местообитания птиц по вегетационному индексу. Так, S.M. Shirley [17] установил взаимосвязь видового разнообразия птиц со спектральной отражательной способностью, полученной с данных Landsat. Анализ результатов неконтролируемой классификации при выделении природных факторов мест обитания птиц был проведен B.A. Pickens [18]. В исследованиях на рисовых полях G.M. Toral [19] использовал мультиспектральные космические снимки среднего пространственного разрешения в изучении сезонных изменений доступности местообитаний и плотности Larus ridibundus L.

Целью наших исследований явилась оценка температурных условий предгнездового и гнездового периодов Larus ridibundus L. на основе данных дистанционного зондирования Landsat 8.

Объекты исследования

Орнитологическое обследование проведено на территории, прилегающей к международному аэропорту Пермь, расположенного в Пермском районе Пермского края. В области исследований численность чаек и температура водоемов изучались на пяти объектах: Илонакопитель 10; р. Мулянка; Пруд у насосной станции, Каскад прудов у биологических очистных сооружений (БОС); Пруд 1 (рис. 1).

 

Рисунок 1 – Расположение водоемов в области исследований приаэродромной территории аэропорта Б. Савино

 

Основные характеристики сравниваемых водоемов: размер, глубина, характер развития растительности приведены в таблице 1. Состояние прибрежной растительности оценено по мультиспектральному спутниковому снимку Landsat 8 от 04.06.2020 при помощи вегетационного индекса NDVI.

 

Таблица 1 – Характеристика водоемов обитания Larus ridibundus L.

Наименование водоема	Размер, км²	Средняя глубина, м	Степень развития биомассы прибрежных растений по NDVI на 04.06.2020
Илонакопитель 10	0,101	3,8	средняя
р. Мулянка	0,094	2,4	высокая
Пруд у насосной станции	0,100	4,3	высокая
Каскад прудов у БОС	0,043	4,4	средняя
Пруд 1	0,021	4,8	высокая

 

По данным, приведенным в таблице, водоемы имеют в основном схожие характеристики, что подтверждает допустимость сравнения численности и плотности населения озерной чайки на представленных объектах исследований.

Материалы и методика исследований

Натурные обследования чайки проведены 08.04.2020 г. и 04.06.2020 г. На эти же даты получены мультиспектральные спутниковые снимки серии Landsat 8 с портала геологической службы США [20]. Для научных и практических исследований регионального масштаба наибольшую ценность представляют данные температуры земной поверхности среднего масштаба. На сегодняшний день сенсор Landsat-8 дает наилучшие данные. Температуру земной поверхности можно оценить по термальным спектральным каналам сенсора Landsat 8, то есть таким каналам, которые снимают земную поверхность в диапазоне Thermal Infrared Radiation – 10–15 микрометров [21]. Однако данный канал сенсора имеет низкое пространственное разрешение, и полученные данные при переходе к детальному масштабу конкретного очистного сооружения будут иметь погрешность. Тем не менее существует алгоритм расчета с применением каналов видимой и ближней инфракрасной области спектра в среднем разрешении, равном 30 метров на пиксель.

Поэтому вычисление температуры по снимку Landsat 8 выполнено модулем Land Surface Temperature (LST) геоинформационной системы с открытым кодом QGIS. Процесс определения температуры поверхности показан на примере первой даты наблюдений – 08.04.2020 г. в связи с полным отсутствием облачности в границах исследований. Создание карты температуры по спутниковому снимку происходит в пять последовательно организованных этапов средствами программной оболочки модуля LST. Сначала вычисляются спектральные индексы в следующем порядке: Radiance (отраженное излучение) → Brightness Temperature (яркость температуры) → NDVI (нормализованный разностный индекс растительности) → Land Surface Emissivity (коэффициент излучения земной поверхности), где последующий спектральный индекс рассчитывается на основе предыдущего. На последнем этапе вычисляется температура поверхности «Surface Temperature». Достоверность полученных значений существенно увеличивается за счет добавления в расчет атмосферных параметров. Они позволяют вычислить температуру исследованных водоемов по способу «с применением атмосферной коррекции» (Radiative transfer equation). Поэтому перед началом расчета спектральных индексов были получены исходные данные о метеоусловиях даты спутникового снимка Landsat 8 с сайта Гидрометцентр России https://meteoinfo.ru (рис. 2).

 

Рисунок 2 – Получение исходных данных о метеоусловиях для записи в модуль QGIS Land Surface Temperature

 

Метеоусловия, характеризующие день натурных наблюдений: температура воздуха, атмосферное давление, относительная влажность были пересчитаны в атмосферные параметры. Пересчет выполняется при помощи калькулятора расчета атмосферных параметров (на сайте NASA https://atmcorr.gsfc.nasa.gov). Кроме данных о погоде, в калькуляторе учитываются дата снимка и высота рельефа местности. В данном исследовании высота соответствует поверхности воды Илонакопителя 10, значение которой извлечено из цифровой модели рельефа SRTM. Вид калькулятора с введенными параметрами объекта исследований на 8 апреля 2020 года представлен на рисунке 3.

 

Рисунок 3 – Калькулятор расчета атмосферных параметров со значениями области исследований

 

По результатам расчета атмосферных параметров получен отчет (рис. 4). Используемые в итоговом расчете температуры параметры на рисунке 4 обведены красным.

 

Рисунок 4 – Атмосферные параметры области исследований, использованные для расчета температуры поверхности

 

Результаты исследований и их обсуждение

В результате обработки мультиспектрального снимка Landsat 8 были созданы карты температур в заданных границах с разрешением 30 метров на пиксель. Карта температур на 08.04.2020 г. представлена на рисунке 5. По полученным данным область исследований характеризуется температурой от −0,4°C до +15°C 08.04.2020 г. и от +13,2°C до +34,8°C 04.06.2020 г. При этом температура водоемов, где встречается Larus ridibundus L., 08.04.2020 г. колеблется от +2°C до +6°C, а 04.06.2020 г. от +16°C до +28,1°C. Температура в границах водоемов на дату 04.06.2020 г. со значениями выше +26,5°C характеризует иловые отложения в прибрежной части Илонакопителя 10, которые в апреле находились под водой.

 

Рисунок 5 – Карта температуры поверхности в границах области исследований

 

Границы обозначенных водоемов были выделены в полигональный слой для того, чтобы рассчитать статистические показатели их температуры. Данный расчет выполнен при помощи модуля «Зональная статистика» программы QGIS. В таблице 2 сведены данные по средней температуре водоемов и численности особей Larus ridibundus L. на даты полученных космических снимков (табл. 2).

 

Таблица 2 – Средняя температура водоемов и численность Larus ridibundus L.

Наименование водоема	Дата снимка 08.04.2020 г.		Дата снимка 04.06.2020 г.
	Температура, °С	Число особей Larus ridibundus L.	Температура, °С	Число особей Larus ridibundus L.
Илонакопитель 10	+4,1	120	+25,5	88
р. Мулянка	+3,1	7	+23,6	3
Пруд у насосной станции	+2,1	10	+19,2	7
Каскад прудов у БОС	+2,7	35	+20,7	2
Пруд 1	+3,5	50	+22,6	12

 

Корреляционная зависимость числа особей Larus ridibundus L. от температуры, по данным таблицы, оказалась сильной. Коэффициенты корреляции для апрельской и июньской обстановки составили соответственно 0,83 и 0,72.

В области исследований наибольшей полностью Larus ridibundus L. характеризуется территория Илонакопителя 10. В границах отстойника температура и численность Larus ridibundus L. распределены неравномерно. На основе съемок с квадрокоптера и фотографий особи Larus ridibundus L. были представлены слоем точек, где каждая точка описывает одну птицу (рис. 6).

 

Рисунок 6 – Представление особей Larus ridibundus L. в виде слоя точек на территории Илонакопителя 10 (А – снимок части илонакопителя с квадрокоптера 04.06.2020 г., высота съемки 100 м; Б – геоинформационный слой особей Larus ridibundus L.)

 

При помощи инструмента «плотность» набора Spatial Analyst программы ArcGIS выполнены карты плотности особей в шт./км² с пространственным разрешением 5 метров на пиксель. Для наглядности сравнения с температурой воды растровое покрытие температуры в границах Илонакопителя при помощи регулярной сетки точек (с шагом 25 метров) преобразовано в покрытие с равным карте плотности птиц разрешением (от 30 до 5 метров на пиксель) методом сплайн-интерполяции (рис. 7).

 

Рисунок 7 – Распределение плотности Larus ridibundus L. и температуры воды на территории Илонакопителя 10. А – плотность птиц 08.04.2020 г.; Б – температура воды 08.04.2020 г.; В – плотность птиц 04.06.2020 г.; Г – температура воды 04.06.2020 г.

 

В точки интерполяции карты температур записаны значения плотности Larus ridibundus L., что позволило рассчитать корреляцию плотности птиц от температуры воды в границах Илонакопителя 10. Зависимость в начале апреля оказалась сильной. Коэффициент корреляции равен 0,71. По мере прогрева воды с апреля по июнь происходит уменьшение влияния температуры на плотность птиц, что обусловлено предпочтительностью для Larus ridibundus L. островной части водоема вне зависимости от небольшого снижения тепла. Поэтому коэффициент корреляции на 04.06.2020 г. снизился и составил 0,43. Для описания зависимости численности Larus ridibundus L. от температуры воды были построены графики зависимости значений плотности птиц (шт. на км²) от температуры (рис. 8).

 

Рисунок 8 – Графики зависимости значений плотности Larus ridibundus L. от температуры воды Илонакопителя 10 (А – зависимость на дату 08.04.2020 г.; Б – зависимость на дату 04.06.2020 г.)

 

Исходя из графика от 08.04.2020 г., видно, что по мере увеличения температуры воды значения плотности располагаются более компактно вокруг линии регрессии.

Выводы

1. Очевидным преимуществом использования данных дистанционного зондирования в изучении абиотических условий гнездового периода околоводных колониальных птиц является бесконтактное определение температуры, из-за недоступности центральной части акватории илонакопителя, в местах гнездования птиц, для контактных измерений. Данный метод сложно применить к водоемам, имеющим очень малую площадь из-за максимально возможного пространственного разрешения существующих снимков в 30 метров. Также исследования могут быть осложнены погодными условиями в виде облачности.
2. Сравнение температуры в разных экосистемах, соответствующих стоячим водоемам, доказало наличие достоверных различий по интенсивности действия данного абиотического фактора.
3. На примере исследуемой территории (илонакопитель) можно утверждать о прямой зависимости плотности размещения Larus ridibundus в предгнездовой период от температуры воды.
4. Более высокая температура, подтвержденная дистанционным зондированием, в некоторых частях водоема (на примере илонакопителя) приводит к ускоренной вегетации водной растительности с образованием островов. Это является одним из важных факторов выбора места гнездования и формирования колонии Larus ridibundus

About the authors

Sergey Arkadyevich Shurakov

Perm State Agro-Technological University named after Academician D.N. Pryanishnikov

Author for correspondence.
Email: s.a.shurakov@yandex.ru

candidate of biological sciences, associate professor of Biology and Veterinary Hygiene Department

Russian Federation, Perm

Aleksey Nikolaevich Chashchin

Perm State Agro-Technological University named after Academician D.N. Pryanishnikov

Email: chascshin@mail.ru

candidate of biological sciences, associate professor of Soil Science Department

Russian Federation, Perm

References

Supplementary files