Ареалы млекопитающих можно оценить по спутниковым данным

Гиперспектральная система спутников сканирует земную поверхность. Расшифровка разных диапазонов полученных снимков позволяет дистанционно наблюдать за различными параметрами климата, биосферы, атмосферы и проч. Например, для изучения растительного покрова по данным дистанционного зондирования разработаны алгоритмы автоматизированного расчёта показателей глобального листового индекса (LAI –Leaf Area Index) и поглощённой растительностью при фотосинтезе радиации (FPAR–Fraction of Photosynthetically Active Radiation). LAI–площадь листовой поверхности (с одной стороны листа) на единицу площади–характеризует структуру растительного покрова. FPAR указывает на долю радиации в «фотосинтетически активном» диапазоне волн (0.400 - 0.700 мкм), поглощаемую растительным покровом. LAI и FPAR–это биофизические параметры, описывающие структуру растительного покрова и скорость проходящего в нём энергомассобмена. Их используют для расчёта величины фотосинтеза, эвапотранспирации, и первичной продуктивности экосистем (а также круговорота энергии, углерода, воды, и изучения биогеохимических характеристик растительности). В отличие от традиционно применяемого вегетационного индекса NDVI, для расчёта LAI/FPAR используется большее количество спектральных зон съёмки (прошедших атмосферную коррекцию), учитывается карта типов покрова поверхности Земли и дополнительная наземная информация. На рисунке справа показаны карты LAI и FPAR для Африки, осреднённые за декабрь – зимний (сухой) период для части Африки в северном полушарии, и летний–для части в южном полушарии. Рисунок и комментарии с сайта Межуниверситетского аэрокосмического центра при Географическом факультете МГУ им. М.В. Ломоносова, ресурс – Интернет-семинары (http://www.geogr.msu.ru/science/aero/acenter/int_sem4/int_sem4.htm )

Современные способы экологического моделирования, основанные на расшифровке данных с космических спутников, позволяют давать прогнозы всевозможных аспектов существования биосферы. Дистанционная оценка территорий, подходящих для обитания тех или иных животных, востребована в нашем глобальном мире. В статье представлены методы и результаты построения моделей ареалов, а также сделана оценка их соответствия реальным местообитаниям на примере мелких млекопитающих Юго-Восточного Забайкалья. Авторы показали, что смоделированные ареалы корректно и достаточно детально соответствуют реальным. Более того, моделирование выявляет структуру факторов, влияющих на распространение того или иного вида, что имеет очевидную прогностическую ценность.

Оценить область обитания (ареал) млекопитающего – довольно затратная задача. Представляются неоднократные экспедиции специалистов-зоологов, в ходе которых различными методами обследуются обширные территории. Структура и классификация ареалов, закономерности распространения видов были предметами описания и изучения довольно длительное время. Возможно ли, используя наши знания в области экологии, современные методы математического моделирования и подробные данные с космических спутников, делать прогнозы относительно ареалов разных видов млекопитающих? Оказывается, что эта задача вполне выполнима. В рамках концепции экологической ниши, ареал определяется как область, где определенный набор средовых параметров позволяет существовать данному виду. Попытки связать эти параметры с ландшафтной структурой земной поверхности были вполне удачными. А.А. Лисовский и Е.В. Оболенская из Зоологического музея МГУ им. М.В. Ломоносова предлагают анализ результатов моделирования ареалов мелких млекопитающих на примере Юго-Восточного Забайкалья. Для построения моделей были использованы данные музейных коллекций о точках отловов в заданном географическом районе (Зоологического музея МГУ, Зоологического института РАН и других) и собственные сборы. На основе этого материала была составлена детальная база данных мест отловов. Всего обработано более 3 тыс. экземпляров животных 49 видов мелких млекопитающих. Для расчетов по моделям были взяты 36 видов, которые были известны не менее, чем по семи точкам отловов. В качестве дистанционно определяемых факторов среды, относительно которых велась оценка связи с областью обитания видов, были взяты следующие данные:

- дистанционная съемка сканирующей системы спутника Terra (разрешение 500 м), по спектрам отражения позволяющая определить активность фотосинтеза на единицу площади, характер растительности, снеговые покровы, влажность почвы и проч. Использованы обобщенные среднемесячные данные за февраль, июль, октябрь (для характеристики сезонности). Рассчитан частный нормализованный относительный индекс растительности (NDVI).

- из глобальной климатической базы WordClim были взяты 19 «биоклиматических» переменных, т.е. климатические параметры, которые в наибольшей степени влияют на распределение биообъектов и традиционно применяются при моделировании распределения видов. Например, среднегодовая и сезонная температура, годовое количество осадков и проч.

- слой ГИС, для определения границ населенных пунктов. Использовался для моделирования ареалов синантропных видов.

Методическая часть статьи содержит также детали математического анализа, статистической обработки данных и проверки результатов.

Модели ареалов 30 из 36 видов соответствуют экспертным представлениям о границах распространения мелких млекопитающих в заданном регионе. В данном исследовании показано, что для построения удовлетворительной модели необходимо не менее 4 точек отловов животных. Реальные ареалы 6 видов несколько отличаются от смоделированных: в одних случаях из-за некоторых неучтенных географических факторов (например, русло реки как ограничивающий распространение вида фактор), в других сыграла роль экологическая пластичность вида.

Все исследованные виды разбились на четыре группы по числу выделенных факторов, оказывающих наибольшее влияние на их распространение. Первая группа – виды, у которых наибольшее влияние оказывает один фактор, вклад в точность построения модели остальных факторов очень мал (равнозубая бурозубка, даурский еж, восточный и двуцветный кожаны, монгольская песчанка). Вторая группа включает виды, модель ареала которых зависит от 2 или 3 факторов, но при этом остальные факторы также важны (средняя и крупнозубая бурозубка, бурый ушан, серая крыса и другие). В третьей группе конфигурация модели ареала зависит от 3 факторов, а остальные практически не важны (полевка Брандта). Четвертая довольно обширная группа состоит из видов, вклад в модель ареала которых распределен между большим числом факторов (тундряная бурозубка, белка, сибирский бурундук, домовая мышь и другие). Оказалось, что для степных видов и видов открытых пространств модели ареалов определяются одним-тремя факторами, в то время как у лесных видов модели зависят от множества факторов (четвертая группа). Так, например, у степных видов - даурского ежа, барабинского хомячка и хомячка Кэмпбелла, даурского суслика и др.- заметный вклад в построение модели распространения внес режим влажности лета.

Интересная ситуация проявилась в паре полевка Максимовича и большая полевка. Реальный ареал большой полевки оказался больше рассчитанного на ровно ту область, которую, согласно модели, должна населять полевка Максимовича. Учитывая, что факторы, определяющие распространение этих полевок в модели, разные, авторы предполагают, что популяции большой полевки в разных частях ареала занимают разные экологические ниши.

Подход моделирования на основе нишевой концепции весьма перспективен как в плане практического применения к биологическому районированию, так и с теоретических позиций исследования факторов, оказывающих влияние на распространение видов.