Градиент + дизайн — Каприз — Учёба.ру
Высшее образование онлайн
Федеральный проект дистанционного образования.
Я б в нефтяники пошел!
Пройди тест, узнай свою будущую профессию и как её получить.
Химия и биотехнологии в РТУ МИРЭА
120 лет опыта подготовки
Международный колледж искусств и коммуникаций
МКИК — современный колледж
Английский язык
Совместно с экспертами Wall Street English мы решили рассказать об английском языке так, чтобы его захотелось выучить.
15 правил безопасного поведения в интернете
Простые, но важные правила безопасного поведения в Сети.
Олимпиады для школьников
Перечень, календарь, уровни, льготы.
Первый экономический
Рассказываем о том, чем живёт и как устроен РЭУ имени Г.В. Плеханова.
Билет в Голландию
Участвуй в конкурсе и выиграй поездку в Голландию на обучение в одной из летних школ Университета Радбауд.
Цифровые герои
Они создают интернет-сервисы, социальные сети, игры и приложения, которыми ежедневно пользуются миллионы людей во всём мире.
Работа будущего
Как новые технологии, научные открытия и инновации изменят ландшафт на рынке труда в ближайшие 20-30 лет
Профессии мечты
Совместно с центром онлайн-обучения Фоксфорд мы решили узнать у школьников, кем они мечтают стать и куда планируют поступать.
Экономическое образование
О том, что собой представляет современная экономика, и какие карьерные перспективы открываются перед будущими экономистами.
Гуманитарная сфера
Разговариваем с экспертами о важности гуманитарного образования и областях его применения на практике.
Молодые инженеры
Инженерные специальности становятся всё более востребованными и перспективными.
Табель о рангах
Что такое гражданская служба, кто такие госслужащие и какое образование является хорошим стартом для будущих чиновников.
Карьера в нефтехимии
Нефтехимия — это инновации, реальное производство продукции, которая есть в каждом доме.
Курс «Градиент» — лучшая цена от Школа Красоты «DNV» (Ди Эн Ви) во Владимире на СКИДКОМ.
Курс «Градиент» во Владимире
Градиент – дизайн, который является самым популярным ! Скоростные техники градиента любыми гель-лаками. По прохождению курса выдается Авторский сертификат, после полного обучения выдается сертификат Гос. образца. На этом курсе вы сможете научиться делать плавные растяжки- омбрэ, чистые переходы из цвета в цвет, повысить свою квалификацию как мастер! Дизайн ногтей градиент примечателен уже потому, что переход в нем осуществляется не только между темными и светлыми тонами одного цвета. Девушка может выбрать абсолютно любые оттенки и постараться соединить их между собой. В этом его плюс – неожиданная комбинация становится оригинальным решением и позволяет владелице выделиться.
В программе курса:
- правила смешивания цветов
- вертикальный градиент
- горизонтальный градиент
- растяжка по-сухому
- растяжка по-мокрому
- градиент неоновыми пигментами
- работа с цветовым кругом
- колористика
При себе иметь:
- кисть для омбрэ
- типсы -топ для гель лака
По окончании курса «Градиент» вы получаете:
- Свидетельство гос.
- Авторский настенный сертификат школы красоты «DNV».
Запись на курс «Градиент» происходит заранее и по предоплате!
Хотите купить Курс «Градиент» во Владимире прямо сейчас? Нажмите кнопку «ЗАКАЗАТЬ» и с Вами свяжется сотрудник Школы Красоты «Ди Эн Ви». При возникновении каких-либо вопросов, звоните по указанному номеру телефона:
Телефон: +7(910)174-89-69-Курсы; +7(999)809-96-83-ресницы; и; брови(мастер) — г. Владимир, ул. Гастелло, д. 4Пожалуйста, скажите, что узнали номер на СКИДКОМ
Основные акварельные техники приемы. Тема 5
Далее не все очень однозначно, так как что-то является приёмами, а что-то техникой, но как не назови, относятся эти моменты все равно к работе по-сухому и путать их не стоит. Поэтому я разделила подобным образом(для более простого восприятия)техника по-сухому может быть
- в один слой-«а-ля прима»
- многослойная
- лессировки
Вообще, техникой а-ля прима может называться любая работа(по-сырому,заливной и по-сухому) но в один слой, или в минимальное количество слоёв.
Многослойная является той самой,которую преподают в спец вузах. За счёт неё можно добиться максимальной реалистичности, так как на объект накладывается неограниченное количество мазков краски, начиная с подтонов, рефлексов и заканчивая яркими и темными по тону участками. Такой техникой можно получить наибольшую реалистичность в портретах,когда наносится синевато-фиолетовый подтон и на него уже бежевато-красные тени и получается ощущение «проглядывания» слоя ,будто синие вены под кожей. Но и, в качестве отступления,раз уж я тему лица затронула, то в целом оно не имеет бежево розовый цвет, а различные зоны имеют разный подтон от зеленого до фиолетового (если интересно, то я расскажу об этом в отдельном выпуске.
Вернёмся к многослойной акварели. Для новичка или самоучки, как ни странно она может оказаться наиболее сложной! Хотя часто принято считать наоборот
Тут важна ремарка, что я не имею ввиду,что техника по-сырому лёгкая , и тем более а-ля прима, в любой технике добиться точности,лёгкости и мастерства не получится за пару месяцев, но я часто вижу, как новички пробуют многослойную акварель, замучивают,получают грязь и разочаровываются.
Поэтому, мой совет здесь,
- старайтесь сократить количество слоёв, пусть будет недосказано,чем замучено.
- Старайтесь продумывать Ваш слой,
Тогда вы определённо разберётесь с краской,бумагой, основами и Ваши работы будут лёгкими, и многослойная акварель,портреты в этой технике и т.д получатся не грязными,а продуманными. Я основываюсь на личном опыте,так как сама не имею классического академического образования. В любом случае понимаю,что тут могут быть не согласные,но данный метод помог лично мне.
Резюмируя:многослойная акварель не является очень простой техникой, к ней также нужно подходить осмысленно,тогда не будет грязи.
Градиент влажности — обзор
20.3.1 Свойства материала
Расположение некоторых материалов внутри современного фасада, таких как изоляция, гарантирует их работу в сухом состоянии. В этом случае измерение проводимости выполняется либо с помощью охраняемой горячей плиты, либо с помощью метода измерителя теплового потока. Первый имеет точность около ± 3%. Последнее устройство проще в использовании, но требует наличия калибровочных образцов, измеренных методом горячей пластины, так что общая погрешность может быть примерно вдвое больше, чем при использовании метода горячей пластины.
Если материал работает во влажном состоянии, измерение проводимости проблематично, потому что приложение разницы температур к влажному образцу приводит к градиенту влажности, вызывая миграцию влаги с более высокой температуры. При постоянной разнице применяемых температур один и тот же образец будет иметь разные градиенты влажности для разного содержания влаги, в то время как при постоянном содержании влаги один и тот же образец будет иметь разные градиенты влажности для разных применяемых температур.Кроме того, по мере увеличения содержания влаги на холодной стороне образца будет появляться конденсат, что означает, что измеренная проводимость будет все больше падать ниже проводимости для линейного распределения влаги с увеличением содержания влаги. При отсутствии сведений о градиенте влажности указание применяемых температур при постоянном содержании влаги не дает однозначного определения измерения проводимости. Вместо этого измерения становятся конкретными функциями температуры, содержания влаги, толщины образца, ориентации образца (вверх или вниз тепловой поток) и продолжительности периода измерения. В аппарате теплопроводности с тонким нагревателем используется небольшая разность температур, чтобы уменьшить проблему миграции влаги.
Что касается удельной теплоемкости, то, казалось бы, прямолинейное определение этого параметра как количества тепловой энергии, которое требуется добавить или удалить для изменения веса единицы материала в зависимости от температуры единицы, противоречит сложности измерения. Одна из трудностей, особенно для материалов с низкой проводимостью, состоит в том, что трудно вводить или отводить тепло быстро, что затрудняет создание точного практического экспериментального устройства.Методы испытаний включают обычные абсолютные калометрические методы и косвенные динамические методы, основанные на уравнении Фурье и регрессионном анализе, применяемом к результатам испытаний.
Из-за высокой удельной теплоемкости воды влияние содержания влаги на удельную теплоемкость материала является значительным и должно приниматься во внимание. В принципе, общая удельная теплоемкость материала представляет собой линейное прибавление теплоемкости сухого материала к теплоемкости из-за количества присутствующей воды. На практике это требует знания используемой влажности. Хотя расчеты могут быть основаны на стандартных расчетных значениях, отсутствие практического метода неразрушающего контроля для определения содержания влаги на месте приводит к внутренней неопределенности при вычислении значений удельной теплоемкости для влагосодержащих материалов. Эта неопределенность усугубляется, когда становится понятно, что для определения теплоемкости важна объемная теплоемкость (т.е. произведение плотности и удельной теплоемкости).Следовательно, неопределенность плотности добавляется к неопределенности удельной теплоемкости для объемной теплоемкости.
Еще один источник ошибок возникает из-за того, что на практике условия являются динамическими. Как правило, материалы будут подвергаться внутреннему воздействию градиентов температуры и влажности, которые не соответствуют равновесному распределению. Следовательно, как удельное тепловое сопротивление, так и емкость будут варьироваться в пределах материала. Также бывает, что удельная теплоемкость является функцией температуры.Однако, учитывая относительно небольшой диапазон температур, используемый при расчете гигротермических характеристик зданий, ошибка, связанная с принятием однозначного значения, будет незначительной по сравнению со шкалой погрешности, вызванной другими причинами.
Остекленные материалы обладают дополнительным свойством пропускания в дополнение к свойствам отражательной способности и поглощающей способности. Поскольку сумма трех свойств должна равняться единице, необходимо измерить только два свойства. Производители остекления публикуют основные данные о солнечных оптических свойствах различных форм листового стекла и прозрачных пластиковых материалов, а также доступны системы моделирования, которые предоставляют оптические данные в зависимости от угла падения потока и конкретной конфигурации окна (например,грамм. Окно 5.2 доступно по адресу http://windows.lbl.gov/software/window).
Другие свойства материала, необходимые для поддержки процесса интегрированного моделирования, включают коэффициент излучения непрозрачной поверхности, поглощающую способность и отражательную способность, необходимые для моделирования излучения в длинноволновой, коротковолновой и видимой частях электромагнитного спектра соответственно.
Произошла ошибка при настройке пользовательского файла cookie
Этот сайт использует файлы cookie для повышения производительности.Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.
Настройка вашего браузера для приема файлов cookie
Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:
- В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки своего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
- Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались.Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файлы cookie.
- Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
- Дата на вашем компьютере в прошлом.
Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
- Вы установили приложение, которое отслеживает или блокирует установку файлов cookie.Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.
Почему этому сайту требуются файлы cookie?
Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.
Что сохраняется в файле cookie?
Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.
Как правило, в файле cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.
ZEWLLY Мужские шорты для плавания с градиентом для тренировок Шорты для быстрой сушки Спортивные шорты Шорты для плавания Плавки для мужчин Шорты Одежда gedania1922.pl
ZEWLLY Мужские шорты с градиентом для плавания Тренировочные быстросохнущие шорты Спортивные шорты Мужские плавки с градиентом для плавания Мужские плавки ZEWLLY Быстросохнущие шорты ZEWLLY Мужские плавательные шорты с градиентом для тренировок Спортивные шорты Плавки для плавания, Градиентные шорты Тренировочные быстросохнущие шорты Спортивные шорты Плавки для мужчин ZEWLLY Mens Swim,: Мужские шорты для плавания ZEWLLY Dallas Cowboys с градиентом для тренировок Шорты для быстрой сушки Спортивные шорты Плавки для плавательных костюмов M: спорт и активный отдых, большая экономия, скидки, бесплатная доставка и отличный сервис сегодня. .
дышащий и прочный, без мяча, 【Дизайн】: шорты с карманами, для вашей самой удобной пары плавок, защита от солнца, меньшее водопоглощение значительно сокращает время высыхания шорт, стрейч, пляжный отдых, 【особенность】: мужские плавки легкие, пляжный отдых, 【Материал】: Эти шорты мужские купальники изготовлены из полиэстера. бег, спорт с мячом, спорт с мячом, меньшее водопоглощение значительно сокращает время высыхания шорт, что делает пару плавок наиболее удобной.【Материал】: Мужские купальники изготовлены из полиэстера. X-Large: талия 33 » — 36 », не выцветает, впитывает пот, например, для плавания, задний карман, дома и т. Д., Сетчатая подкладка внутри, 2 боковых кармана, эластичный пояс с регулируемым шнурком, защищает вашу кожу от солнечного света при активном отдыхе, быстросохнущие, быстросохнущие, дизайн с рисунком команды NFL, достаточно для переноски телефона и кошелька, пляжный серфинг, сетчатая подкладка внутри,: мужские шорты для плавания с градиентом ZEWLLY Dallas Cowboys для тренировок Быстросохнущие шорты Спортивные шорты Плавки плавки М: Спорт и туризм. без мяча, дизайн с рисунком команды НФЛ, 【Особенность】: мужские плавки легкие. Легко отрегулируйте пояс с помощью регулируемого шнурка для удобного положения. впитывающий пот, 【Дизайн】: Шорты с карманами, они одновременно подчеркнут вашу очаровательную фигуру и высокий класс. без усадки, длина длинных шорт выше колена. супер мягкие, гладкие и прохладные на ощупь, размер XX-Large: талия 37—39 дюймов, без деформации, средняя длина,: мужские шорты для плавания с градиентом от ZEWLLY Dallas Cowboys, быстросохнущие шорты для тренировок Спортивные шорты Плавки для плавания M: Спорт и отдых, Защищает Ваша кожа от солнечного света при активном отдыхе, 【Случаи жизни】: удобна для различных пляжных видов спорта и занятий, это лучший выбор для любого сезона.Длина длинных шорт до колен выше колена. 【Случаи: Удобно для различных пляжных видов спорта и занятий. 【Размер】: Большой: Талия: 29–32 дюйма. задний карман, он покажет вашу очаровательную фигуру и одновременно высокий класс. дышащий и прочный, XX-Large: талия 37–39 дюймов, 【Размер】: большой: талия: 29–32 дюйма, X-Large: талия –36 дюймов, дома и т.
д., без усадки, 2 боковых кармана, беговая, лучший выбор для любого сезона. эластичный пояс с регулируемой кулиской. защита от солнца, средней длины, без выцветания, например, для плавания, легко отрегулируйте пояс с регулируемым шнурком для удобного положения, эластичный, супер мягкий, гладкий и прохладный на ощупь.достаточно, чтобы носить с собой телефон и кошелек. пляжный серфинг, без деформации.
Ваш лучший друг или злейший враг: объяснение градиента температуры снежного покрова
Красная линия представляет температурный градиент в реальном снежном покрове. Каждая красная вершина — это определенное измерение, снятое со снежного покрова. Фотография предоставлена: SnowPilot Когда говорят о сходах лавин и риске бездорожья, термин «слабый слой», кажется, используется довольно часто. В этой статье я подробно расскажу, что такое температурный градиент, как он формируется и почему он может быть вашим лучшим другом или злейшим врагом, в зависимости от дня. Прокрутите вниз до TL; DR!
Во-первых, что именно — это слабый слой? Слабый слой — это, по сути, слой в снежном покрове, где снег слабее, чем относительные окружающие его более слабые слои. Существует несколько различных типов слабых слоев, но те, которые в основном связаны с температурным градиентом, известны как фасет .
Грани представляют собой очень рыхлые, сухие, рыхлые кристаллы снега. Если вы никогда не видели эти кристаллы, ужасно для создания снежков, так как снег не прилипает к себе.Фасеты — довольно распространенный слабый слой, но каждый год они по-прежнему застают врасплох десятки любителей активного отдыха.
Граненые снежные кристаллы: сухие, рыхлые и опасные. Фото: CBAC Итак, как именно грани соотносятся с лавинами? Когда большая плита образуется на поверхности граненого снега, грани получают вес над ними. Иногда этой нагрузки достаточно, чтобы вызвать их естественным образом, но часто нет. Грани действительно довольно прочные, когда на них постепенно нагружается масса.Внимательно подумайте о , а затем медленно поместите книгу на четыре яичных скорлупы: они могут выдержать вес книги. Однако, когда появляется лыжник, он очень быстро усиливает снежный покров. В аналогии с яичной скорлупой это все равно, что уронить книгу из трехэтажного здания на яичную скорлупу. Результат? Расколотая яичная скорлупа.
Таким образом, фасеты очень нестабильны, когда к ним быстро прибавляется вес. Это явно проблематично для загородного отдыха.Так как же именно образуются грани?
В течение всей зимы температура почвы остается почти постоянной 32F. Однако воздух может опускаться ниже 32F. Это создает температурный градиент . Пока температура воздуха ниже 32F, воздух у земли почти всегда будет теплее, чем воздух у поверхности снежного покрова. Теплый воздух может содержать больше влаги, чем холодный, а это означает, что обычно у поверхности больше воды, чем в воздухе. Чем ближе к поверхности, тем теплее воздух, а значит, больше влаги. Как и все остальное с высокой и низкой концентрацией, здесь происходит естественная диффузия. Вода из участков с высоким содержанием влаги в нижней части снежного покрова поднимается к сухому воздуху у поверхности. В результате высыхает снег с высоким содержанием влаги. Без необходимой влаги, которая необходима кристаллам снега для соединения и укрепления, кристаллы остаются рыхлыми и очень проблематичными.
Важно отметить, что снег не обязательно должен быть у поверхности для фаски. Существует специальная формула, которая используется для определения наличия огранки в снежном покрове. На каждые 10 см снега, если разница температур составляет 1 ° C или более, градиент температуры достаточно велик, чтобы образовался градиент давления пара и возникла огранка. Это может произойти на любой высоте снежного покрова, а не только у поверхности.
Ну, температурные градиенты — отстой , можете подумать вы. Но не всегда! Температурные градиенты тоже могут работать в вашу пользу. Если градиент температуры в 10-сантиметровом сегменте снежного покрова составляет ≤1C, огранки не происходит. На самом деле, в снегу много влаги, а происходит обратное! Влага связывает кристаллы снега и делает слой сплоченным, повышая стабильность!
Итак, вообще говоря, холодные ясные ночи плохо сказываются на снежном покрове. Температурный градиент приведет к «гниению» снега (другое слово для обозначения огранки). Однако то, какая температурная огранка будет происходить, действительно зависит от глубины снежного покрова. Давайте сделаем пример сценария, чтобы объяснить:
Snowpack 1 имеет глубину около 120 см. Температура наружного воздуха -5F. Чтобы вычислить среднее соотношение по всему снежному покрову, мы можем использовать следующую формулу: (grndΘ [0] -airΘ) / (h (снежный покров) [см] / 10). Подключив наш сценарий, мы получаем (0-15) / (120/10) или 15/12.15/12 равно 1,25. Это значение представляет собой средний градиент температуры на 10 см. Поскольку 1,25 превышает наш порог в 1С / 10 см для возникновения огранки, мы можем ожидать, что этот снег будет граненым.
Snowpack 2 имеет глубину 200 см. Температура наружного воздуха все еще -15C. Подставляя эти числа в нашу формулу, мы получаем (0-15) / (200/10) или 15/20, что равно 0,75. Это ниже нашего порога в 1С / 10см для возникновения огранки, поэтому мы можем ожидать, что этот снежный покров наберет силу в данных условиях. Более глубокий снежный покров сглаживает температурный градиент и затрудняет огранку.
Напомним, основные моменты, о которых говорилось в этой статье. Сильный температурный градиент в снежном покрове вызывает образование градиента давления пара, который втягивает влагу через снежный покров, что вызывает спекание и высыхание снега, что делает его рыхлым и рыхлым. Этот рыхлый и рыхлый снег увеличивает риск схода лавин. Меньший температурный градиент вызывает укрепление снега и снижает риск схода лавин.Более глубокий снежный покров снижает вероятность образования фасок. Есть вопросы? Оставить комментарий; Я свяжусь с вами, как только смогу!
Сравнение MODIS и индексов приповерхностной растительности для мониторинга фенологии тропических сухих лесов вдоль сукцессионного градиента с использованием оптических фенологических башен
Фенология наземной растительности или сезонные циклы роста и старения растений — это фундаментальный процесс, который поддерживает биогеохимические циклы между Биосфера, геосфера и атмосфера Земли.В то время как фенология растительности умеренных регионов хорошо изучена и задокументирована, сезонность тропической лиственной растительности, особенно в полузасушливых тропических сухих лесах (TDFs), недостаточно представлена в научной литературе, а ее многолетняя динамика роста часто плохо понимается. (Санчес-Азофейфа и др. 2005).
TDF определяются как лиственные или полулиственные экосистемы со средней годовой температурой ≥ 25 ° C, общим количеством осадков от 700 до 2000 мм и трех или более месяцев без осадков в течение данного года (Sanchez-Azofeifa et al. 2017).Сегодня TDF составляют почти половину покрытых лесами земель в тропиках, при этом наибольшая оставшаяся площадь приходится на Латинскую Америку (Portillo-Quintero and Sánchez-Azofeifa 2010). Исторически сложилось так, что TDF в Центральной и Южной Америке испытали более высокие темпы заселения людьми и обширные изменения земного покрова из-за их плодородных почв для сельского хозяйства и благоприятного климата по сравнению с другими тропическими экосистемами (Portillo-Quintero and Sánchez-Azofeifa 2010). Остающиеся TDF в Неотропах обычно сильно фрагментированы, хронически деградируют и, как правило, страдают от недостаточных усилий по сохранению (Sánchez-Azofeifa et al 2003, Sánchez-Azofeifa et al 2005).
Живя в среде с высокой солнечной радиацией, где среднегодовая потенциальная эвапотранспирация превышает количество осадков, навес TDF переходит в спящий режим на несколько месяцев каждый год, чтобы сохранить воду во время ежегодных засух. Лиственные деревья доминируют в ландшафте TDF из-за адаптивных преимуществ сезонной потери листвы и возобновления роста, стратегии предотвращения водного стресса, которую могут обеспечить только почвы, богатые питательными веществами (Ishida et al 2006). Это резкое сезонное изменение площади поверхности листьев в ландшафте определяет местные и региональные закономерности атмосферной влажности, тепла и динамики углекислого газа через процессы фотосинтеза, эвапотранспирации и дыхания в масштабе ландшафта.Фенология TDFs, как известно, очень сильно зависит от моделей доступности воды в почве и атмосфере, и, таким образом, продолжительность вегетационного периода и объем годовой продукции экосистемных услуг, включая хранение углерода, производство воды, регулирование климата и ресурсы биоразнообразия, могут изменяются из года в год в зависимости от характера осадков.
Степень естественной межгодовой изменчивости фенологии TDF в зависимости от наличия воды и как функция вторичной сукцессии плохо изучена и заслуживает внимания в рамках усилий по управлению и сохранению тропических лесов (Quesada et al 2009).К сожалению, отсутствие значительных усилий по мониторингу фенологии листьев TDF контрастирует с той важной ролью, которую эти экосистемы тропических лесов играют в сдерживании обмена углерода, воды и энергии между поверхностью суши и атмосферой (Navar et al 2010, Singh и Сингх 1991 г., Мейстер и др. 2012 г.). Кроме того, отсутствие подробных эмпирических наблюдений за фенологией TDF делает моделирование динамики их роста и продуктивности серьезной проблемой для исследований климата и биосферы.В этом контексте изучение сроков экспрессии листьев в TDF дает важную информацию об изменчивости продуктивности леса в ответ на изменение метеорологических условий. Поскольку ускоряющиеся изменения глобального климата угрожают изменить характер осадков во многих тропических полузасушливых регионах (Meir and Pennington 2011), эти изменения, вероятно, приведут к нежелательным стрессовым факторам в континентальных полузасушливых тропиках, где экосистемы, такие как TDF, часто находятся в тонком балансе. между нехваткой воды и сильной засухой.Поскольку продуктивность TDF тесно связана с водными ресурсами, которые сильно варьируются в пространстве и времени в ландшафтах TDF, методы дистанционного зондирования для оценки фенологии TDF должны быть как точными, так и надежными, чтобы оценить текущие исходные данные для продуктивности тропических лесов и выявить связанные с изменением климата. изменения в фенологии леса.
Спутниковые системы дистанционного зондирования стали предпочтительным инструментом для картографирования, мониторинга и моделирования растительности в ландшафтном масштабе в 21 веке благодаря пространственной протяженности и возможности повторения наблюдений (Керр и Островский 2003, Се и др. 2008, Санчес -Azofeifa et al 2017).В частности, спектральные продукты растительности от спектрорадиометра изображений со средним разрешением (MODIS) на борту научных спутниковых платформ NASA Terra и Aqua Earth широко используются для изучения временного поведения растительности на поверхности суши с 2000 и 2002 годов соответственно. Команда MODIS, занимающаяся земной поверхностью, предлагает несколько продуктов с глобальным повторным покрытием спектрального индекса растительности (VI), таких как популяризированный нормализованный разностный индекс растительности (NDVI) и улучшенный индекс растительности (EVI), последний, который улучшает проблемы с атмосферной коррекцией, насыщением индекса в густых лесах. и фоновые эффекты почвы (Boegh et al 2002, Gao et al 2003, Xiao et al 2004).Эти свободно доступные наборы данных предлагаются с пространственным разрешением 250 м, 500 м и 1 км с интервалом в 16 дней или месяц и являются одними из наиболее часто используемых исходных данных для моделирования динамики окружающей среды в региональном и глобальном масштабе (Tucker et al 2005 ).
Хотя продукты индекса зелени растительности MODIS (обозначенные производственной группой MODIS как MOD13) контролируются по качеству, некоторые проблемы все еще остаются из-за общих проблем с дистанционным зондированием среднего разрешения, таких как атмосферная коррекция, загрязнение облаков, классификация земного покрова, спектральное смешение в пределах пикселей и деградации сенсора (Myneni et al 1995, Malenovsky et al 2009). Фактически, правильная классификация земного покрова, являющаяся неотъемлемым компонентом алгоритмов поисковой таблицы MODIS для продуктов растительности, остается проблемой для TDF из-за экстремальной сезонности этой экосистемы, где в целом они описываются как пастбища и саванны. (Санчес-Азофейфа и др. 2003). TDF не только страдают от частого загрязнения пиксельными облаками во время сезона дождей, но и в сухой сезон, когда качество пикселей является достаточным, их часто неправильно классифицируют как древесные саванны, а не как тип широколиственного лесного покрова из-за более низкого, чем прогнозировалось, индекса площади листьев.Кроме того, TDFs, как правило, резко реагируют на выпадение осадков во время перехода от сухого к влажному сезону и могут смыть полный листовой покров менее чем за две недели, что позволяет легко пропустить резкие изменения площади листьев на основе нечастых интервалов спутниковых наблюдений. Такое сочетание проблем дистанционного зондирования может привести к тому, что усилия по фенологическому мониторингу со спутников будут неточными и ввести в заблуждение пользователей, которые не знают об ограничениях продуктов данных.
В этой статье мы исследуем, насколько хорошо индексы зелени растительности MODIS работают по сравнению с биполусферическими радиометрическими системами мониторинга приповерхностного полога, установленными в нескольких местах в пределах восстанавливаемых участков вторичного TDF на юго-востоке Бразилии, в регионе, где находится много из последние консервативные фрагменты некогда широко распространенного южноамериканского континентального биома TDF.Мы задаем следующие вопросы, чтобы оценить, достаточно ли спутникового дистанционного зондирования среднего разрешения для мониторинга фенологии TDF: ? (b) Как соотносятся тенденции многолетних временных рядов индексов зелености растительности между наземными и спутниковыми наблюдательными платформами? (c) Существуют ли различия в датах перехода фенологии растительного покрова, обнаруженных с помощью спутниковых наблюдений in-situ и ежедневных наблюдений с более грубым временным разрешением?
2.

Исследовательские участки расположены на территории государственного парка Мата-Сека, заповедника TDF (жизненная зона Холдриджа) площадью 10 281 га, назначенного в 2000 году и находящегося в ведении Государственного института лесного хозяйства (IEF) штата Минас-Жерайс, Бразилия. . Парк расположен на плоских, богатых питательными веществами почвах в долине реки Сан-Франциско в муниципалитете Манга, Минас-Жерайс, Бразилия, между 14 ° 48 ‘ 36 ‘ ‘ –14 ° 56 ‘ 59 ‘ Ю.ш. и 43 ° 55 ‘ 12 ‘ –44 ° 04 ‘ 12 ‘ W.Климат региона тропический полузасушливый (по классификации Кеппена), характеризующийся суровым засушливым сезоном с апреля по октябрь. Среднегодовое количество осадков составляет 900 мм при средней температуре 24,4 ° C. Этот заповедник, состоящий из матрицы старовозрастных и восстанавливающихся вторичных лесных насаждений с 1500 га заброшенных пастбищ и пахотных земель, является основным исследовательским участком проекта Tropi-Dry (www. tropi-dry.org). Последовательность участков долгосрочных экологических исследований на разных стадиях сукцессии TDF была разделена на раннюю стадию (5–20 лет), промежуточную стадию (20-50 лет) и позднюю стадию (> 50 лет) на основе структуры леса, а не абсолютной возраст древостоя по методикам Kalacska et al (2004) Kalacska et al (2005).
Для этого исследования были выбраны четыре участка с разными стадиями сукцессии на 5-километровом разрезе: ранний, средний и поздний сукцессионные леса, а также недавно заброшенный пастбищный участок. Заброшенное пастбище характеризуется травяным и кустарниковым пологом высотой 2–3 м, а в раннем, промежуточном и позднем лесных пологах средняя высота деревьев составляет 8 м, 15 м и 22 м соответственно. Каждая стадия леса имеет отчетливые различия в площади основания деревьев и вертикальных слоев полога; для получения более подробной информации о характеристиках ярусов леса см. методы Мадейры и др. (2009).
Вышки для наблюдения за пологом были установлены на участке ранней и промежуточной стадий в 2007 г. и на участках поздней стадии и пастбищах в 2010 и 2012 годах, соответственно, для непрерывного мониторинга фенологии леса с использованием радиометрических датчиков. Полусферические кремниевые пиранометры (Apogee SQ-110) и квантовые датчики (Apogee SQ-110) использовались на каждой вышке для отдельного измерения как нисходящего (падающего), так и восходящего (отраженного) коротковолнового солнечного излучения с длиной волны 350–1100 нм и фотосинтетически активного излучения. (PAR) от 400–700 нм на высоте 5–10 м над пологом леса.Поле обзора в 85 градусов от радиометрических датчиков обеспечивает радиус обзора чуть более чем в десять раз превышающий высоту датчика над целью, в результате чего образуется круглая зона покрытия купола диаметром от 100 до 150 м (рис. 1). Нежелательные эффекты отражательной способности башни были минимизированы путем установки датчиков на конце трехметровой стрелы от башен.
Увеличить Уменьшить Сбросить размер изображения
Рисунок 1. Карта участка государственного парка Мата Сека, показывающая четыре местоположения 250-метровых пикселей MODIS (квадратов), выбранных для сравнения временных рядов зелени растительности с наблюдениями с вышек, включая следы башен (круги) в пикселе. Участки исследования включают заброшенные пастбища ( a ) и раннюю ( b ), промежуточную ( c ) и позднюю ( d ) стадии сукцессии тропических сухих лесов.
Загрузить рисунок:
Стандартный образ Изображение высокого разрешения2.2.
На месте данные датчика Синхронизированные радиометрические наблюдения над пологом отбирались каждые 30 секунд, затем усреднялись и регистрировались с 15-минутными интервалами. NDVI на основе башни был рассчитан в соответствии с методами Уилсона и Мейерса (2007) для аппроксимации коэффициента отражения в красном ( ρ RED) и ближнем инфракрасном (ρNIR) диапазоне. Башенный EVI, правильно называемый EVI2, следует двухдиапазонному методу (Jiang et al (2008) и Rocha and Shaver (2009), используя стандартное усиление (G) 2. 5 и поправка на почву (L) 1. Было показано, что эти параметры EVI2 являются оптимальными для соотнесения двух полос (красный и NIR) индексов с MODIS EVI, который включает третью полосу в синем спектре (Jiang et al 2008) . Чтобы свести к минимуму эффекты высокого солнечного зенита, значения NDVI и EVI2 башни, далее называемые башней EVI, были получены с использованием наблюдений, сделанных в течение 30 минут после солнечного полудня (с 11:30 до 12:30), и облака, отфильтрованные только для прямого луча излучения «черного неба». на основе минимального значения PAR 1000uE.Затем эти полуденные значения были дополнительно агрегированы в среднесуточный временной ряд, названный полуденным NDVI или EVI башни.
2.3. Данные MODIS
В качестве продуктов спутниковых данных MODIS использовались 6 индексов вегетации MOD13Q1 и MYD13Q1 (NDVI и EVI), полученные с помощью инструментов Terra и Aqua, соответственно, полученных с помощью инструмента поднабора земельных процессов DAAC MODIS Национальной лаборатории Ок-Ридж (DAAC 2017). MOD13Q1 и MYD13Q1 представляют собой 16-дневные глобальные временные ряды L3 250 м NDVI и EVI. 16-дневные индексы также были объединены с использованием единого слияния по дате для получения дополнительных 8-дневных временных рядов, поскольку единственный 8-дневный продукт MODIS NDVI / EVI предлагается с пространственным разрешением 500 м, что было слишком большим для наших сравнительных целей.Эти индексы растительности получены на основе скорректированных с учетом атмосферных условий двунаправленных радиометрических значений отражательной способности поверхности в синем (469 нм), красном (645 нм) и ближнем инфракрасном (858 нм) диапазонах MODIS, которые были дополнительно замаскированы для контроля качества для облаков и аэрозолей. Эти продукты были выбраны из ежедневных необработанных данных об отражательной способности поверхности MODIS, поскольку предварительно обработанные данные более доступны и обычно применяются исследователями, не знакомыми с рабочими процессами дистанционного зондирования, и сообществом пользователей, не связанных с наукой.
Используемые четыре 250-метровых пикселя были совмещены с координатами наземных вышек для наблюдения за фенологией, а протяженность пикселей была подтверждена с помощью совместно зарегистрированных изображений высокого разрешения, чтобы иметь один чистый класс земного покрова, который был неправильно классифицирован как древесная саванна в все дела. Данные временных рядов MODIS были дополнительно включены в подмножество, чтобы соответствовать временной протяженности временных рядов in-situ , включая семь вегетационных сезонов 2007–2014 гг.
2.4. Анализ данных
2.4.1. Простые линейные регрессии по необработанным данным
Чтобы узнать, достаточно ли спутникового дистанционного зондирования среднего разрешения для мониторинга фенологии TDF, была проведена серия анализов линейной регрессии в каждом последовательном состоянии для описания тенденций изменения VI, извлеченных с помощью 8-дневных спутников MODIS. продуктов и измерений на месте, измерений. Кроме того, был проведен ковариационный анализ (ANCOVA) для сравнения трендов VI между каждым последовательным состоянием с использованием 8-дневных продуктов MODIS в качестве зависимой переменной, измерений in-situ в качестве независимой переменной и последовательного состояния в качестве ковариантной.Регрессионный анализ и ANCOVA проводились с использованием программного обеспечения R версии 3.4.0 (R Development Core Team 2017) с помощью функций « lm » и « aov » соответственно. ANCOVA был выполнен с предположением нормального распределения ответа и ковариативной нормальности, которую трудно получить при сравнении данных, представляющих сезонность.
2.4.2. Сглаживание и однодневная интерполяция
С целью сравнения однодневных трендов ВИ и описания различий в фенологии растительного покрова между наземными и спутниковыми наблюдательными платформами данные с обоих датчиков обрабатывались в два разных этапа, чтобы уменьшить шум и ошибки временных рядов ВП, а также моделирование недостающих и однодневных данных. Эти шаги необходимо выполнить из-за спорадических ошибок датчиков на вышках из-за отказов датчиков и из-за продуктов MODIS, вызванных, в первую очередь, наличием облаков и изменчивостью атмосферы. Эти шаги и проводились на каждом последовательном этапе в течение определенных лет, когда пробел в данных был наименьшим. В этом смысле данные 2013 и 2014 годов были выбраны для пастбищ, 2012 и 2013 годов для начала, 2011 и 2013 годов для промежуточных наблюдений и 2011, 2012, 2013 и 2014 годов для поздних сукцессионных наблюдений.Применение этих шагов выполнялось независимо для каждого года, выбранного на каждом последовательном этапе; следовательно, снижение шума и модель отсутствующих или однодневных данных различаются в разные годы подряд. Снижение шума временных рядов виртуальных приборов проводилось с использованием сглаживания со средним значением измерений, в то время как модель отсутствующих или однодневных данных выполнялась с использованием алгоритма Савицкого – Голея, который позволяет повторно сглаживать наблюдения и заполнять пробелы.
. Алгоритм Савицки – Голея был выбран потому, что он был описан как хороший метод для получения высококачественных временных рядов NDVI с помощью алгоритма BISE или метода аппроксимации на основе Фурье (Chen et al 2004).Эти шаги были выполнены с использованием пакета R « phenex » (Lange and Doktor 2015) с помощью функций « runningAvg » и « SavGol ».
Так же, как регрессии, примененные к необработанным данным, серия линейных регрессионных анализов была проведена на обработанных данных в каждом последовательном состоянии для описания однодневных трендов VI, извлеченных из Aqua 16 day, Terra 16 day и MODIS 8. day на основе измерений на месте .Кроме того, был проведен анализ динамической деформации времени (DTW) для временных рядов каждого участка и для каждого выбранного года, чтобы узнать возможные временные искажения ВП, обработанных из продуктов Aqua 16 дней, Terra 16 дней и MODIS 8 дней. по сравнению с измерениями на месте . Анализ DTW позволяет оценить наилучшее глобальное выравнивание между двумя временными рядами, обеспечивая временную стоимость этого выравнивания, которая представляет несходство между двумя числовыми последовательностями или локальные временные искажения (Petitjean et al 2012).Этот анализ проводился с использованием пакета R « dtw » (Джорджино, 2009 г.), предполагая, что взаимосвязь между временными рядами имеет симметричный ступенчатый паттерн.
2.4.3. Фенометрия растительного покрова
Фазы сезонного роста растительного покрова или фенофазы среды с лиственными деревьями, такими как TDF, сгруппированы в четыре периода в соответствии с Zhang et al (2003): (i) озеленение, дата начала фотосинтеза. активность, (ii) зрелость растительного покрова, дата, когда экосистемы демонстрируют максимальную фотосинтетическую активность или площадь листьев, (iii) старение листьев, дата, когда площадь листьев или фотосинтетическая активность начинает быстро уменьшаться, и (iv) период покоя растительного покрова. , дата, когда экосистемы демонстрируют минимальную физиологическую активность или площадь листьев.Эти четыре периода были извлечены из каждого участка с использованием обработанных данных, извлеченных выше, чтобы узнать, есть ли различия в фенофазах, обнаруженных с помощью спутниковых наблюдений с более грубым временным разрешением, и ежедневных измерений на месте и измерений. Эти периоды были рассчитаны с использованием каждого выбранного года для разных участков и указаны по юлианскому дню. Каждый период был извлечен с использованием пакета R « phenex » (Lange and Doktor 2015) с помощью функции « phenoPhase () » с использованием «min» и «max» в качестве даты, в которой виртуальные приборы представляют самые низкие значения. и самые высокие значения; и «возрождение» и «старение» как даты, когда значения VI превышают определенный порог.Динамический локальный порог был выбран для каждого года в соответствии с различиями между максимальным и минимальным значениями VIs.
3.1. Тенденции озеленения и этап сукцессии лесов
Наблюдение за необработанными данными временных рядов VI показало небольшие различия в амплитуде между этапами сукцессии, где более поздние этапы сукцессии представляли более высокие значения NDVI и EVI во время пика вегетационного периода и в конце сухого сезона по сравнению с более ранними сукцессионными стадиями (рисунок 2).Все сайты показали одинаковые временные тенденции в общей сезонности; однако фенологические наблюдения, полученные из MODIS для заброшенного пастбища, по-видимому, задерживаются по сравнению с ранней, промежуточной и поздней сукцессионными стадиями. Аналогичным образом, когда наблюдения за однодневной башней и 8-дневными наблюдениями MODIS были построены вместе, стало очевидно, что VI, извлеченные из фенологических вышек a, имели меньшую амплитуду, чем тренды MODIS, где наблюдения за вышкой показали более высокие значения NDVI и EVI в течение засушливого сезона, чем MODIS. продукты (рисунок 3). Что касается неожиданных значений или шума, наибольшее количество шума ВП от наблюдений с вышки наблюдалось ближе к концу засушливого сезона, когда полог леса был лишен каких-либо листьев, в то время как для продуктов MODIS шум распространялся спорадически по всей территории. временная последовательность.
Увеличить Уменьшить Сбросить размер изображения
Рис. 2. Временные ряды для всех необработанных наблюдений MODIS и NDVI и EVI за период 2008–2014 гг., В которых сравниваются тенденции озеленения заброшенных пастбищ, ранней, промежуточной и поздней сукцессионной стадии сухих тропических лесов в государственном парке Мата Сека, Бразилия. .
Загрузить рисунок:
Стандартный образ Изображение высокого разрешенияУвеличить Уменьшить Сбросить размер изображения
Рис. 3. Прямое сравнение временных рядов необработанных данных из 8-дневных составных NDVI и EVI MODIS в сочетании с ежедневными наблюдениями из приземных фенологических вышек для заброшенных пастбищ, ранней, промежуточной и поздней сукцессионной стадии тропических сухих лесов в Мате Государственный парк Сека, Бразилия.
Загрузить рисунок:
Стандартный образ Изображение высокого разрешения3.2. Отношение башни исходных данных к MODIS
Простой линейный регрессионный анализ взаимосвязи между башней и продуктами MODIS за 8 дней показал, что коэффициенты детерминации NDVI и EVI обычно находятся в диапазоне 0,73–0,78 (таблица 1). В среднем, коэффициенты детерминации отношений NDVI независимо от местоположения были несколько выше ( R 2 = 0,76), чем коэффициенты детерминации отношений EVI ( R 2 = 0.75). Согласно наклону и пересечению, продукты MODIS имеют тенденцию занижать и переоценивать VI при более низких и более высоких значениях соответственно (таблица 1, рисунок 4). Исключением из последнего является отношение VI для заброшенных пастбищ, в котором продукты MODIS всегда недооценивают значения NDVI и EVI. Аналогичным образом, ANCOVA предполагает, что наблюдения с башни могут предсказывать продукты MODIS (NDVI: F (1630) = 2203,29, p = <0,001; EVI: F (1634) = 1883. 52, p = <0,001), и эти продукты различаются между последовательными стадиями (NDVI: F (3630) = 17,67, p = <0,001; EVI: F (3634) = 9,91 , p = <0,001). Однако оба ANCOVA для NDVI и EVI показали, что нет взаимодействия между наблюдениями с башни и различными последовательными этапами для прогнозирования этапов продуктов MODIS (NDVI: F (3630) = 0,92, p = 0.43; EVI: F (3634) = 0,60, p = 0,62), что предполагает, что наблюдаемые выше наклоны равны.
Увеличить Уменьшить Сбросить размер изображения
Рис. 4. График разброса зависимости между башенными и спутниковыми измерениями NDVI и EVI для заброшенных пастбищ, ранней, промежуточной и поздней стадии сукцессии тропических сухих лесов в государственном парке Мата Сека, Бразилия.Результаты для каждой линейной регрессии представлены в таблице 1.
Загрузить рисунок:
Стандартное изображение Изображение высокого разрешения Таблица 1. Параметры из простой линейной регрессии взаимосвязи между вышками и необработанными данными спутниковых индексов вегетации (NDVI и EVI) для заброшенных пастбищ, ранней, промежуточной и поздней сукцессионной стадии тропических сухих лесов в государственном парке Мата Сека, Бразилия. Все регрессии показали p-значений ниже 0,001.
Параметры простой линейной регрессии | |||||
---|---|---|---|---|---|
VI | Этап сукцессии (степень свободы) | Перехват | Наклон | р 2 | F — отношение |
NDVI | Пастбище (1, 120) | -0,42 ± 0,05 | 1.![]() |
0,77 | 397,82 |
Ранний (1, 153) | -0,44 ± 0,05 | 1,56 ± 0,07 | 0,75 | 466,26 | |
Промежуточное (1, 185) | -0,45 ± 0,04 | 1,60 ± 0,06 | 0,77 | 624,59 | |
Поздно (1, 173) | -0,45 ± 0,05 | 1,58 ± 0,06 | 0,78 | 598.![]() |
|
EVI | Пастбище (1, 121) | -0,16 ± 0,02 | 1,19 ± 0,06 | 0,78 | 438,54 |
Ранний (1, 153) | -0,14 ± 0,02 | 1,19 ± 0,06 | 0,75 | 445,37 | |
Промежуточное (1, 187) | -0,15 ± 0,02 | 1,31 ± 0,05 | 0,76 | 586,84 | |
Поздно (1, 173) | −0.![]() |
1,25 ± 0,06 | 0,73 | 472,98 |
3.3. Связь обработанных данных и MODIS
Взаимосвязь между наземными и спутниковыми продуктами из обработанных данных показала значительное увеличение коэффициентов детерминации, чем необработанные данные (таблица 2). В целом, эти отношения показали коэффициенты детерминации в диапазоне 0,81–0,96 и 0,80–0,94 для отношений NDVI и EVI, соответственно.Эти коэффициенты детерминации не различаются между последовательными стадиями; однако коэффициенты определения, извлеченные из комбинации продуктов Aqua и Terra (NDVI, R 2 = 0,93; EVI, R 2 = 0,91), как правило, выше, чем Aqua (NDVI, R 2 = 0,85; EVI, R 2 = 0,84) и Terra (NDVI, R 2 = 0,89; EVI, R 2 = 0,85) per se . Несмотря на усиление взаимосвязи между наземными и спутниковыми наблюдениями, обработанные данные из продуктов MODIS, такие как необработанные данные, имеют тенденцию занижать и переоценивать VI при более низких и более высоких значениях, соответственно, NDVI (рисунок 5) и EVI (рисунок 6) . Аналогичным образом, например, отношения необработанных данных, исключением из этих тенденций являются отношения VI для заброшенных пастбищ, в которых Aqua, Terra и их комбинация всегда имеют тенденцию недооценивать значения NDVI и EVI.
Таблица 2. Параметры, извлеченные из простой линейной регрессии взаимосвязи между однодневными оценками индексов вегетации (NDVI и EVI) из вышек и спутниковых данных для заброшенных пастбищ, ранней, промежуточной и поздней сукцессионной стадии тропической засушливости. лес в государственном парке Мата Сека, Бразилия. Все регрессии показали p-значений ниже 0,001.
Параметры простой линейной регрессии | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
VI | Сукцессионная стадия (степень свободы) | Датчик | Перехват | Наклон | р 2 | F — отношение | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
NDVI | Пастбище (1, 726) | Аква | −0.![]() |
1,16 ± 0,02 | 0,85 | 4242,36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,33 ± 0,01 | 1,27 ± 0,02 | 0,88 | 5431,22 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,52 ± 0,01 | 1,54 ± 0,01 | 0,94 | Ранний (1, 727) | Аква | −0.24 ± 0,01 | 1,27 ± 0,01 | 0,89 | 6189,56 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,33 ± 0,01 | 1,44 ± 0,01 | 0,94 | 11934,65 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,51 ± 0,01 | 1,67 ± 0,01 | 0,96 | Средний (1, 727) | Аква | −0.19 ± 0,01 | 1,19 ± 0,02 | 0,81 | 3031,96 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,22 ± 0,01 | 1,22 ± 0,02 | 0,84 | 3843,14 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,44 ± 0,02 | 1,55 ± 0,02 | 0,88 | Поздняя (1, 1458) | Аква | −0.17 ± 0,01 | 1,18 ± 0,02 | 0,86 | 9305,72 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,17 ± 0,01 | 1,17 ± 0,01 | 0,88 | 10716.09 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,40 ± 0,01 | 1,52 ± 0,01 | 0,94 | EVI | Пастбище (1, 726) | Аква | −0.03 ± 0,01 | 0,87 ± 0,02 | 0,82 | 3231,71 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,04 ± 0,01 | 0,83 ± 0,01 | 0,82 | 3263,60 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,13 ± 0,01 | 1,09 ± 0,01 | 0,90 | Ранний (1, 727) | Аква | −0.50 ± 0,01 | 1,02 ± 0,01 | 0,90 | 6676.22 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,04 ± 0,01 | 1,02 ± 0,01 | 0,90 | 6147.09 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,15 ± 0,01 | 1,26 ± 0,01 | 0,94 | Средний (1, 727) | Аква | −0.07 ± 0,01 | 1,06 ± 0,01 | 0,81 | 3077,75 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,04 ± 0,01 | 1,03 ± 0,02 | 0,80 | 2923,91 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,16 ± 0,01 | 1,30 ± 0,02 | 0,85 | Поздняя (1, 1091) | Аква | −0.03 ± 0,01 | 0,91 ± 0,01 | 0,84 | 5692,08 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Терра | -0,02 ± 0,01 | 0,93 ± 0,01 | 0,87 | 8487.01 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Аква и Терра | -0,13 ± 0,01 | 1,16 ± 0,01 | 0,93 | 3.4. Несходство между временными рядами и фенофазами Анализ DTW, проведенный для определения несходства между временными рядами обработанных данных наземных и спутниковых наблюдений, предполагает, что тренды, наблюдаемые на Aqua, Terra и их комбинациях, имеют тенденцию к различию 18.62 ± 11,19 дня на NDVI и 14,05 ± 7,04 дня на EVI независимо от стадии сукцессии или года временного ряда (таблица 3). В среднем между продуктами и независимо от года это несходство обычно выше на заброшенных пастбищах (NDVI = 39,39 ± 3,77 дня; EVI = 24,43 ± 2,92 дня), чем на поздних стадиях (NDVI = 13,01 ± 3,65 дня; EVI = 14,90 ± 2,65 дня). Таблица 3. Несходство в днях сравнения однодневных временных рядов для наземных и спутниковых наблюдений NDVI и EVI на заброшенных пастбищах, на ранней, промежуточной и поздней стадии сукцессии тропических сухих лесов в государственном парке Мата Сека, Бразилия.
Что касается фенофаз, результаты показывают, что фенологические даты незначительно различаются между наземными и спутниковыми наблюдениями в некоторых фенологических фазах (рис. 8). Например, по оценкам Tower и Aqua-Terra зрелость полога обычно бывает раньше для всех участков, чем по оценкам Aqua и Terra. Между тем, оценки старения растительного покрова обычно делаются раньше в прогнозах башни, чем в спутниковых оценках.Эта тенденция старения полога более очевидна на заброшенном пастбище, чем на других участках. Аналогичным образом, оценки состояния покоя и обновления растительного покрова по юлианскому календарю для ранней и промежуточной сукцессионных стадий, как правило, происходят раньше в предсказаниях Aqua, Terra и Aqua-Terra, чем в наблюдениях с башни, но эта тенденция, похоже, не соответствует действительности. Прямые сравнения долгосрочных, многолетних измерений озеленения растительности с помощью спутников и приповерхностного дистанционного зондирования редко проводятся в тропиках из-за проблем, связанных с внедрением и обслуживанием чувствительных радиометрических приборов.Это исследование, проведенное на ИВС на юго-востоке Бразилии, показало, что у приповерхностного дистанционного зондирования есть несколько преимуществ перед спутниковым мониторингом фенологии леса. Точность индексов озеленения лесного покрова in-situ улучшена в основном из-за улучшенного временного разрешения и отсутствия атмосферных помех и, следовательно, является идеальным подходом для подтверждения спутниковых наблюдений за долгосрочными изменениями продуктивности TDF, а также для фиксации — точечные исследования на уровне экосистемы для изменения экологической сукцессии, а также воздействия глобального изменения и изменения климата на экосистемы, обусловленные фенологией. 4.1. Прямое сравнение индексов Хотя прямое сравнение наземных индексов и вегетационных индексов MODIS показало сильную корреляцию (после фильтрации ошибочных данных), существует несколько важных факторов, которые могут объяснить диапазон разброса в регрессиях 10–25% и умеренные стандартные ошибки , игнорируя относительно небольшие различия в зоне действия цели и вмешивающиеся эффекты атмосферных поправок (Franch et al 2013). Во-первых, геометрия видимости «датчик-цель» и функции отражения усложняются для неровных, не ламбертовских целевых поверхностей, таких как высокие неоднородные лесные пологи (Li and Strahler 1992, Gerard and North 1997).Во временной области Breunig и др. (2015) сообщили о сезонных эффектах вариаций геометрии солнечного освещения в MODIS NDVI и EVI бразильского лиственного субтропического леса и обнаружили, что на анизотропию отражательной способности растительного покрова значительно влияют изменения площади листьев и что эффект был более выражен в EVI. Вариация силы и наклонов регрессии отношений, обнаруженных между in-situ и MODIS VI, различались между последовательными стадиями TDF.Поскольку согласие между ними было немного выше для поздней стадии леса, чем для ранней стадии и заброшенного пастбища, возможно, что структура открытого полога более молодой стадии леса создавала более высокую вариабельность между индексами растительности. Еще одно важное различие между двумя системами наблюдения, которое, несомненно, вызывает расхождения в прямых сравнениях, — это спектральные полосы, используемые для расчета индексов. Различия в функциях спектрального отклика датчиков являются основным ограничением в современной кроссплатформенной проверке наук о наблюдении Земли (Huang et al 2013). В то время как стандартные продукты MODIS VI являются узкополосными с центром в красном, ближнем инфракрасном и синем (для EVI) диапазонах волн, продукты для вышек представляют собой широкополосные индексы растительности, которые приблизительно соответствуют коэффициентам отражения красного и ближнего инфракрасного излучения в полных спектрах видимого и коротковолнового излучения. Наконец, корреляции, обнаруженные между вышкой и MODIS NDVI, могут быть сильнее, чем EVI, поскольку метод композитного максимального значения MODIS за 16 дней основывается на значениях отражательной способности для оптимального NDVI, а расчеты EVI основаны на тех же значениях (Gao et al 2003 ). 4.2. Мониторинг сезонности TDF Несмотря на долгую историю исследований фенологии растительности, до сих пор существует незначительное согласие или стандартизация фенометрических определений или методов определения ключевых дат перехода в дистанционно измеряемой сезонности растительности (White and Nemani 2006, Ahl et al 2006). Стоит отметить, что даты перехода, выбранные для этого исследования, не совсем совпадают с началом увеличения или уменьшения зеленого цвета. Скорее, наши даты совпадают с пиковыми темпами изменений, которые происходят сразу (один или два дня) после увеличения зеленого цвета или до его уменьшения. Таким образом, используемый метод позволяет избежать выбора искусственного увеличения VI, которые не представляют собой значительных биофизических изменений в площади лесной листвы. В нашем анализе есть большие расхождения между датами перехода полога, наблюдаемыми с помощью MODIS, по сравнению с нашими наблюдениями с башни дистанционного зондирования у поверхности. Как упоминалось ранее, продолжительность вегетационного периода и сезона покоя являются важными фенометрическими переменными для мониторинга изменения климата в ИВС из-за чувствительности ИВС к доступности воды (REF). TDF не представляют типичных проблем, связанных с большинством методов оценки фенологии леса, поскольку они в первую очередь нацелены на регионы с умеренным климатом, где снегопад обычно мешает сигналам отражения (White et al 2014). В лесах более высоких широт отрицательные температуры и снег появляются внезапно, и старение полога чаще происходит быстро.Мы обнаружили, что наибольшая неопределенность в определении фенологического перехода в пологе TDF была во время начала старения. Ученым, занимающимся дистанционным зондированием, необходимо оценить достоверность фенологических наблюдений, выполненных с использованием космических оптических датчиков, для долгосрочного мониторинга воздействия изменения климата на продуктивность экосистем. TDF служат важными биологическими индикаторами изменения климата и динамики влажности суши и атмосферы в полузасушливых тропиках, но они сильно фрагментированы и деградируют, и мало что известно об их моделях роста и восстановления во время вторичной сукцессии. На сегодняшний день не известно о каких-либо предшествующих исследованиях в неотропических TDFs или по сукцессионному градиенту возраста леса для сравнения и проверки продуктов данных фенологии дистанционного зондирования.Это первое известное эмпирическое наблюдение непрерывного приповерхностного дистанционного зондирования фенологии TDF в Северной и Южной Америке Из этого исследования мы делаем вывод, что стандартные продукты MOD13Q1 / MYD13Q1 временного ряда индекса вегетации MODIS достаточно хорошо представляют фенологию этой бразильской экосистемы. для качественных целей, но для более точной количественной оценки и межгодовых сравнений сезонной продуктивности требуются временные ряды с более высоким временным разрешением, такие как индексы, полученные из MODIS NBAR.Стандартные продукты MODIS с составными временными рядами максимального значения не должны использоваться для определения дат перехода фенологии, когда требуется временная точность, превышающая составное окно в 16 дней. Эта работа была поддержана программой грантов Discovery Национального совета по науке и инженерным исследованиям Канады (NSERC) и Межамериканским институтом исследований глобальных изменений (IAI) в рамках его сетевой программы совместных исследований (Tropi-Dry CRN3– 25). Временные изменения углеродных пулов экосистемы вдоль высотного градиента и наклона: случай сухого афромонтанного естественного леса Чилимо, Центральное нагорье Эфиопии | Журнал экологии и окружающей средыОписание исследуемого участка Общая площадь Чилимоского леса составляет 4500 га.В административных целях лес был разделен на девять участков (лесных участков) как часть схемы управления лесным хозяйством и дикой природой Оромия (рис. Распределение участков для отбора проб сухого афромонтанного леса Чилимо Более века лес Чилимо находился в собственности и под контролем государства. Тем не менее, государственный контроль ослаб с 1991 по 1996 год.Это привело к увеличению преобразования леса в сельскохозяйственные угодья и незаконной вырубке деревьев на лесоматериалы, строительную древесину и дрова. Таким образом, чтобы свести к минимуму обезлесение оставшегося леса, правительство отнесло 58 естественных лесов к приоритетным национальным лесам. Полевой отбор пробРекогносцировочная съемка Были проведены обсуждения с офисом компании Oromia Wildlife and Forest Enterprise в Аддис-Абебе для повышения осведомленности и выдачи разрешений на работу в этом лесу. Впоследствии, после получения разрешения, было проведено рекогносцировочное обследование с выездом на места и физическим осмотром леса. Для дальнейшего углубленного изучения были выбраны три участка леса с учетом их доступности, видового состава и репрезентативности.Затем была проведена инвентаризация участков леса Чилимо, Галлесса и Гаджи. Обследование также охватывало смежные типы землепользования, которые включают плантационные леса, обрабатываемые земли и деградированные земли. План выборки При проведении инвентаризации использовался метод систематической выборки. На основе формулы оптимального пропорционального распределения Неймана в естественный лес (Кангас и Мальтамо, 2006; Köhl et al.2006) (рис.2). Кроме того, девять пробных площадок размером 20 м × 20 м были заложены в плантации лесов Cupressus lusitanica , Eucalyptus saligna и Pinus patula (по три в каждой) вдоль высотного градиента. Дополнительно были заложены шесть участков под пахотные земли и деградированные земли (по три на каждом) для отбора проб почвы. Всего было 50 участков в естественных и лесонасаждениях, а также на обрабатываемых и деградированных землях. Центр первого участка был систематически нанесен с помощью компаса Сильвы на расстоянии 150 м от внешнего края по направлению на север, чтобы избежать эффекта окантовки.Чтобы получить угол 90 ° основных графиков, была применена теорема Пифагора. Затем в четырех углах основного участка стояли четыре заостренных деревянных колышка. Дизайн площадок для отбора проб сухого афромонтанного леса Чилимо Сбор полевых данных Перед началом реальных измерений все деревья и кустарники, обнаруженные на границе каждого участка, были помечены, а затем все деревья в основном сюжете пронумерованы. Анализ данных Для целей анализа факторы окружающей среды и участки леса были разделены на три дискретных класса: высотный градиент как класс 1 (низкая высота) ≤ 2599 м, класс 2 (средняя высота) 2600–2699 м и класс 3 (большая высота) ≥ 2700 м и класс уклона: уклон 1 (пологий склон) ≤ 25%, уклон 2 (средний склон) 26–50% и уклон 3 (крутой склон) 51–70%; данные для различных пулов углерода как в естественных лесах, так и в других областях землепользования были проанализированы с помощью RStudio (R-Development Core team, 2017).Чтобы проанализировать равенство средних, мы использовали ANOVA для множественных сравнений среди классов высот при α = 0,05. Надземная биомассаНадземная биомасса рассчитывалась с использованием уравнения Chave et al. (2014) (уравнение 1) $$ \ mathrm {AGB} = 0,0673 \ left (\ rho HDbh3 \ right) \ hat {\ mkern6mu} 0,976 $$ (1) где AGB — надземная биомасса (в кг), Dbh — диаметр на высоте груди (в см), H — высота (в м), а ρ — основная плотность древесины (в г см -3 ).Информация о плотности древесины была получена из Глобальной базы данных о плотности древесины (Zanne et al. 2009), базы данных ICRAF о плотности древесины (www.worldagroforestry.org) и Исследовательского центра технологии древесины, Аддис-Абеба (Desalegn et al. 2012). Кроме того, была использована плотность древесины Allophyllus abyssinicus , Olea europea subspp cuspidiata , Olinia rochetiana , Rhus glutinous и Scolopia theifolia из Tesfaye (2015). Накопленная надземная и общая плотность углерода рассчитывалась по формулам. $$ \ mathrm {ACD} = \ mathrm {AGB} \ times 0.47 $$ (2) (IPCC 2006) $$ \ mathrm {BCD} = \ mathrm {ACD} \ times 0,24 $$ (3) (Гиббс и др., 2007; Понсе-Эрнандес, 2004) , где ACD — надземная плотность углерода (т C га -1 ), а BCD — подземная плотность углерода (т C га -1 ). Накопленная плотность углерода над землей и общая плотность углерода для каждого дерева были рассчитаны отдельно на каждом участке, а затем цифры плотности углерода каждого дерева были суммированы, чтобы получить плотность накопленного углерода на участке и преобразовать в гектар.Участки были стратифицированы по высотному градиенту, проценту уклона, участку леса и типам землепользования с использованием программного обеспечения R (R-Development Core Team 2017). Отбор и анализ проб травяной биомассы Отбор проб на травяном ярусе производился внутри трех участков для инвентаризации трав и трав в 2017 году. (4) , где HbCD — это плотность углерода в травянистых растениях (t C ha -1 ), W образец (сухой) — это высушенный в печи вес образца, W образец (свежий) — это свежий вес образца. и W Поле — это общий свежий вес собранных образцов. Отбор образцов грубых древесных остатков Отбор образцов мертвой древесины проводился на 11, 6 и 1 участках в лесных участках Чилимо, Галлесса и Гаджи, соответственно.Инвентаризация грубых обломков древесины (бревна и обрезанные пни) проводилась на площадках размером 20 м × 20 м. Все упавшие ветви и / или прутья диаметром 2 см и более были собраны и измерены в поле с помощью струнных весов. Биомасса пнейОбразцы пней отбирались на площадках размером 20 м × 20 м.2 \ вправо) $$ (5) где V — объем (см 3 ), L — длина ствола (см), D 1 2 — диаметр узкого конца ствола (см ), а D 2 2 — диаметр большого конца ствола (см). После определения объема масса была рассчитана следующим образом (уравнение 6): $$ {m} _ {\ mathrm {i}} = {\ rho} _ {\ mathrm {i}} \ times {V } _ {\ mathrm {i}} $$ (6) , где м i — масса в килограммах, ρ i — плотность (г · см −3 ) и V i — объем. Отбор и анализ проб лесной подстилки и подстилки Пробы подстилки, промежуточной почвы и гумуса были взяты в пределах металлической рамки 0,25 м × 0,25 м (0,0625 м 2 ) в центре основного участка, где это возможно, в то время как глубина лесной покров измеряли с помощью металлической линейки. Отобранные образцы подстилки, промежуточного слоя и гумуса сушили в печи при 70 ° C в течение 24 часов в лаборатории и взвешивали на чувствительных весах.Химический анализ гумуса и промежуточного слоя был проведен с использованием метода потери при возгорании (Бен-Дар и Банин, 1989). Затем органическое вещество почвы было преобразовано в органический углерод в соответствии с уравнением. 7 и уравнение. 8: $$ \ mathrm {SOM} = \ left (w105-w400 \ right) / w105 \ times 100 $$ (7) $$ \% \ mathrm {C} = \% \ mathrm {SOM} \ times 0.58 $$ (8) , где SOC — концентрация органического углерода в почве, SOM — органическое вещество почвы, w 105 — вес образца сухой почвы при 105 ° C, w 400 — вес образца грунта при 400 ° C, и 0.58 — это концентрация углерода в органическом веществе почвы, которая оказалась наиболее удобным коэффициентом преобразования органического вещества в содержание углерода в лесной подстилке (De Vos et al. Плотность углерода в лесах была рассчитана с использованием преобразования плотности запаса углерода гумуса (HuCD, в т C га -1 ) на выборочном участке после уравнения.{-1} \ right) = \ frac {\ mathrm {HODweight}} {0,0625} \ times \ frac {c _ {\ mathrm {p}}} {100} \ times 10000/10 \ hat {\ mkern6mu} 6 $ $ (9) где HuCD — плотность углерода гумуса, HOD — сухой вес гумусовой печи, а C p — процент углерода. Отбор проб и анализ почвенного органического углерода Пробы минеральных почв были собраны на 18 из 50 отобранных участков в естественных лесах, 9 на плантациях, 3 на пахотных землях и 3 на деградированных землях.Отбор проб производился послойно из котлована длиной 1 м × шириной 0,60 м в центре основного участка. Отобранные образцы минерального грунта сушили на воздухе и пропускали через сито 2 мм для получения мелкой фракции для химического анализа. Грубые фрагменты (2 мм) были удалены из образца, и их процент каменистости или каменистости был рассчитан путем сравнения их массы с общим весом высушенных в печи образцов при 67 ° C в течение 24 часов (уравнение 10): $$ \ mathrm {CFW} \% = \ frac {\ mathrm {weight} \ \ mathrm {coarse} \ \ mathrm {дробь}} {\ mathrm {weight} \ \ mathrm {of} \ \ mathrm {total} \ \ mathrm {почва}} \ times 100 $$ (10) , где CFW — это процентное содержание крупных фрагментов по массе (Page-Dumroese et al. Плотность запаса SOC в минеральной почве была рассчитана на основе метода фиксированной глубины с использованием концентрации углерода, толщины каждого слоя, объемной плотности почвы и крупного фрагментированного вещества на каждой глубине в соответствии с уравнением.10 (Руис-Пейнадо и др., 2013) (уравнение 11): $$ \ mathrm {SOC} \ \ mathrm {stock} = \ mathrm {SOC} \ \ mathrm {con}. \ Mathrm {BD}. L \ \ left (1- \ mathrm {CFM} \ right) \ times 10 $$ (11) где запас SOC — органический углерод почвы на единицу площади (т C га −1 ), SOC con. — концентрация углерода в слое почвы (кг C t −1 почвы), BD — объемная плотность (t почвы м −3 ), L — глубина слоя образца (м), CFM — процент по массе грубого фрагментированного вещества> 2 мм, и множитель 10 требуется для выражения результата в правильных единицах. Оценка общего углерода лесной экосистемыОбщий запас углерода (плотность углерода) был рассчитан путем суммирования всех семи запасов углерода в каждом пуле углерода лесной экосистемы согласно Пирсону и др. (2005), затем преобразовали в тонны эквивалента CO 2 , умножив полученное значение на 3,67, как было разработано Pearson et al. (2007). Плотность запаса углерода в исследуемой области рассчитывалась по формуле (12): $$ \ mathrm {TECD} = \ mathrm {ACD} + \ mathrm {BCD} + \ mathrm {DWCD} + \ mathrm {StCD} + \ mathrm {HbCD} + \ mathrm {LCD} + \ mathrm {HuCD} + \ mathrm {SOCD} $$ (12) , где TECD — общая плотность углерода экосистемы (т C га -1 ), ACD — надземная плотность углерода (т C га -1 ), BCD — подземная плотность углерода (т C га -1 ). ), DWCD — плотность углерода в валежной древесине (т C га -1 ), StCD — плотность углерода в пне (т C ha -1 ), LCD — плотность углерода в подстилке (т C га -1 ), HuCD — это плотность углерода в гумусе (т C га -1 ), HbCD — плотность углерода в травах (т C га -1 ), а SOCD — плотность органического углерода почвы (т C га -1 ). Корреляционный и регрессионный анализМножественный регрессионный корреляционный анализ был выполнен с использованием программного обеспечения R (R-Development Core Team 2017). Затем был разработан график корреляционной матрицы множественной регрессии. Были отобраны и дополнительно оценены пулы углерода с высокой степенью корреляции. График линейного корреляционного анализа и модель линейного уравнения были разработаны, оценены и подогнаны. Лучшие линейные модели были выбраны на основе MRES (среднего остатка для оценки систематической ошибки) и RMSE (среднеквадратичной ошибки для оценки точности). Произошла ошибка при настройке вашего пользовательского файла cookieПроизошла ошибка при настройке вашего пользовательского файла cookieЭтот сайт использует файлы cookie для повышения производительности. Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт. Настройка вашего браузера для приема файлов cookie Существует множество причин, по которым cookie не может быть установлен правильно.
Почему этому сайту требуются файлы cookie?Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу.Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня. Что сохраняется в файле cookie?Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется. Как правило, в файле cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта.Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать. |