Оценки трансграничного переноса и баланса потоков атмосферного СО2 на территории Свердловской области с использованием модели машинного обучения
А.П. РОЗАНОВ1, К.Г. ГРИБАНОВ2, И.В. ЗАДВОРНЫХ2, Г.А. СУХИХ2, В.В. ВАЛДАЙСКИХ2, В.И. ЗАХАРОВ2,3
1Университет Миннесоты, Миннеаполис, США
rozan012@umn.edu
2Уральский федеральный университет им. первого Президента России Б.Н. Ельцина, Екатеринбург, Россия
kgribanov@remotesensing.ru
3Институт математики и механики им. Н.Н. Красовского УрО РАН, Екатеринбург, Россия
v.zakharov@remotesensing.ru
Ключевые слова: потоки СО2 в экосистемах, чистый экосистемный обмен, трансграничный перенос, модель машинного обучения, спутниковый сенсор MODIS
Страницы: 1031-1037
Аннотация
В связи с проблемой глобального потепления, вызванной ростом концентрации парниковых газов в атмосфере, актуальной является задача оценки потенциала различных экосистем для секвестрации атмосферного СО2 как в региональном, так и в глобальном масштабах. В работе рассмотрен баланс природных потоков углекислого газа на всей территории Свердловской области. Впервые получена интегральная оценка нетто-поглощенного из атмосферы СО2 региональными экосистемами за 2020-2022 гг. с помощью оригинальной модели машинного обучения NorthFlux, где в качестве входных данных выступают спектры подстилающей поверхности, регистрируемые спутниковым сенсором MODIS, метеоданные ретроспективного климатического анализа и спутниковые данные по классификации растительности подстилающей поверхности. Информация о величине антропогенной эмиссии СО2 взята из кадастра выбросов парниковых газов в Свердловской области. Для оценки трансграничного переноса углекислого газа использовалось балансное уравнение для потоков СО2 в атмосферном столбе и данные по среднегодовой скорости роста концентрации СО2 в атмосфере региона, полученные при наземном зондировании ИК-Фурье-спектрометром высокого разрешения Bruker IFS 125M в Коуровской астрономической обсерватории в 2012-2024 гг. Установлено, что секвестрация атмосферного СО2 экосистемами Свердловской области составляет от 10,9 до 15,2%, а его перенос за границы области в соседние регионы (трансграничный перенос) - от 72,5 до 76,7% от количества ежегодных промышленных выбросов СО2 на территории области. Модель машинного обучения NorthFlux может быть полезна для оценки секвестрационного потенциала экосистем других регионов планеты.
DOI: 10.15372/AOO20251210 |
