Universitatea “Alexandru Ioan Cuza” din Iași Facultatea de ... · Prof. univ. dr. Adrian...

1

Rezumatul tezei de doctorat

APLICABILITATEA TEHNICILOR S.I.G. ȘI A

TELEDETECȚIEI ÎN EVALUAREA PERIOADELOR

DE SECETĂ DIN JUDEȚUL IAȘI

Coordonator științific: Candidat:

Prof. univ. dr. Constantin RUSU Doctorand Ioana DICU

2017

IAȘI

Universitatea “Alexandru Ioan Cuza”

din Iași

Facultatea de Geografie și Geologie

Școala Doctorală de Geoștiințe

2

UNIVERSITATEA ”ALEXANDRU IOAN CUZA” din IAȘI

Facultatea de Geografie și Geologie

Departamentul de Geografie

Domnului/Doamnei…………………………………………………………………….

Vă facem cunoștință că în data de 24 noiembrie 2017, ora …….., în Amfiteatrul

B8, etaj III, Corpul B, drd. Ioana DICU va susține în ședință publică teza de doctorat cu

titlul:

APLICABILITATEA TEHNICILOR S.I.G. ȘI A

TELEDETECȚIEI ÎN EVALUAREA PERIOADELOR DE SECETĂ

DIN JUDEȚUL IAȘI

în vederea obținerii titlului științific de doctor în domeniul GEOGRAFIE

Comisia de doctorat a fost numită prin Decizia Nr. 16.390/12.10.2017 a Rectoratului

Universității ”Alexandru Ioan Cuza” din Iași și are următoarea componență :

Președintele:

Prof. univ. dr. Ovidiu Gabriel IANCU – Departamentul de Geologie, Facultatea de

Geografie și Geologie, Universitatea ”Alexandru Ioan Cuza” din Iași

Conducător științific:

Prof. univ. dr. Constantin RUSU - Departamentul de Geografie, Facultatea de

Geografie și Geologie, Universitatea ”Alexandru Ioan Cuza” din Iași

Referenți:

Prof. univ. dr. Adrian GROZAVU – Decan al Facultății de Geografie și Geologie,

Universitatea ”Alexandru Ioan Cuza” din Iași

Prof. univ. dr. Bogdan Andrei MIHAI – Facultatea de Geografie, Universitatea din

București

Conf. univ. dr. Adina Eliza CROITORU – Facultatea de Geografie, Universitatea

”Babeș Bolyai”

Teza poate fi consultată la Biblioteca Facultății de Geografie și Geologie.

3

CUPRINS Cuvânt înainte .............................................................................................................................................. 5

Capitolul I: Aspecte introductive ................................................................................................................ 7

I.1. Definiții ale conceptului de secetă .................................................................................................... 7

I.2. Principiile și scopul analizei fenomenului de secetă ......................................................................... 7

1.3. Încadrarea climatică a ariei de studiu ............................................................................................... 8

I.4. Importanța S.I.G. și a teledetecției în studiul secetei meteorologice și pedologice și aplicațiile

acestora .................................................................................................................................................... 8

Capitolul II:Bazele de date .......................................................................................................................... 9

Capitolul III. Metodologia de lucru ........................................................................................................... 11

III.1. Elemente de procesare ale imaginilor satelitare ........................................................................... 11

III.2. Metode statistice utilizate în modelarea parametrilor climatici ................................................... 11

III.2.1. Indicele Standardizat al Precipitațiilor .................................................................................. 11

III.2.2. Indicele de Ariditate Palfai .................................................................................................... 13

III.2.3. Indicele Palmer al Severității Secetei .................................................................................... 13

III.2.4. Indicele de Martonne ............................................................................................................. 14

III.2.5. Metode statistice pentru evaluarea parametrilor climatici..................................................... 14

III.3. Metode statistice utilizate în modelarea parametrilor pedologici ................................................ 15

III.3.1. Estimarea coeficienților hidrofizici ....................................................................................... 15

III.4. Indicatori satelitari pentru umiditatea din sol și pentru vegetație ................................................ 15

III.4.1. Combinații spectrale .............................................................................................................. 15

III.4.2. Indicele Normalizat al Diferențierii Vegetației/ Indicele Îmbunătățit al Vegetației ............. 15

(Normalized Difference Vegetation Index/Enhanced Vegetation Index) ......................................... 15

III.4.3.Indicele de Stare a Vegetației (Vegetation Condition Index) ................................................. 16

III.4.4.Indicele de Corelație între Temperatura Solului și Vegetație (Temperature Dryness

Vegetation Index) .............................................................................................................................. 16

III.4.5. Coeficientul semnalului difuz radar (Backscatter coefficient) .............................................. 17

III.5. Etapele fenologice ale culturilor de grâu de toamnă, rapiță, floarea soarelui și porumb și

cerințele hidrice specifice ...................................................................................................................... 18

III.6. Utilizarea scripturilor în mediul Rstudio ...................................................................................... 19

Capitolul IV. Rezultate și discuții ............................................................................................................. 20

IV.1. Analiza parametrilor meteorologici. De la scară macro la scară micro ....................................... 20

IV.1.1. Indicii de secetă meteorologici și pedologici ........................................................................ 20

4

IV.1.2. Testul de trend Mann-Kendall și analiza sezonalității seriilor de timp pentru precipitații și

temperatură ........................................................................................................................................ 22

IV.1.3. Unicitatea fenomenelor de secetă descrisă prin metoda scorului Z și a metodei percentilelor

pentru perioada 2000 - 2015 .............................................................................................................. 26

IV.1.4. Spațializarea Indicelui de Ariditate de Martonne .................................................................. 26

IV.2.Analiza coeficienților calculați cu sistemele optice ...................................................................... 29

IV.2.1. Indicele de Corelație între Temperatura Solului și Vegetație ............................................... 29

IV.2.2. Indicele de Stare a Vegetației ................................................................................................ 33

IV.2.3. Perioade cu anomalii ale precipitațiilor ................................................................................. 34

IV.3. Studii de caz: Monitorizarea culturilor agricole cu ajutorul sistemelor optice ............................ 35

IV.4. Studii de caz: Analiza la nivel de parcelă a etapelor fenologice pentru culturile de rapiță, grâu de

toamnă, porumb și floarea soarelui utilizând răspunsul radar ............................................................... 39

Concluzii ................................................................................................................................................... 41

Bibliografie ................................................................................................................................................ 44

5

Cuvânt înainte

Lucrarea Aplicabilitatea tehnicilor SIG și a teledetecției în evaluarea perioadelor de secetă din

județul Iași a fost elaborată cu scopul de explica și de a monitoriza efectele episoadelor de secetă

manifestate în partea de est a României. În prima parte a tezei s-au caracterizat perioadele de secetă

meteorologică din intervalul 1961-2016, iar cea de-a doua parte explică modul în care solurile și

culturile agricole sunt afectate de secetele pedologice, respectiv fiziologice.

”Spațiul nu mai este un lux, ci trebuie să fie un element esențial al vieții cotidiene” este un citat

al lui Josef Aschbacher, directorul programului Copernicus (ESA), iar în opinia mea această frază

caracterizează cel mai bine dorința de a realiza o teză în care să utilizez baze de date cu acces liber

provenite de la diferite misiuni spațiale destinate cercetării. Aceste informații, accesibile oricui, sunt

extrem de valoroase în monitorizarea proceselor dinamice ale suprafeței terestre.

De asemenea, în partea de început, firesc este să adresez o serie de mulțumiri profesorilor și

cercetătorilor care mi-au oferit idei, m-au îndrumat și m-au încurajat:

Prof. univ. dr. Constantin Rusu pentru că a acceptat să fie coordonatorul tezei și pentru că m-a

încurajat să continui ideile conturate încă din timpul studiilor de master,

Prof. univ. dr. Adrian Grozavu și Lect. dr. Vasiliniuc Ionuț, pentru faptul că au fost referenți

pe toată durata doctoratului,

C.S.dr. Bogdan Roșca (referent) pentru discuțiile și sugestiile primite legate de analiza seriilor

de timp și pentru faptul că mi-a explicat procesarea imaginilor MODIS în Rstudio. Tot el a fost cel care

mi-a îndrumat pașii către explorarea bazelor de date cu acces liber, argumentându-mi importanța

utilizării acestora în cercetarea contemporană.

Echipei de cercetători din cadrul Fundației Edmond Mach, din San Michele all Adige (Italia): dr.

Markus Neteler (Germania) și dr. Sajid Pareeth (India) pentru colaborarea din cadrul practicei

Erasmus+ ce a avut ca scop procesarea imaginilor satelitare Metop ASCAT pentru obținerea umidității

solului și înțelegerea mediului Rstudio și Python,

Lect. dr. Přemysl Štych care a fost coordonatorul meu în timpul celor două stagii de studiu și

practică Erasmus+ desfășurate la Universitatea Charles din Praga și penru oportunitatea deschisă de

acesta de a colabora cu și cu alți profesori de teledetecție la nivel mondial: dr. prof. Nilanchal Patel de

la Institutul Birla din India,

Dr. Antonios Mouratidis, membru al Agenției Spațiale Europene și lector la Universitatea

Aristotel din Tesalonic (Grecia) pentru discuțiile și ajutorul acordat în înțelegerea și interpretarea

rezultatelor provenite din analiza imaginilor SAR Sentinel-1.

Teza de față nu ar fi fost posibilă fără datele obținute de la diferite instituții: OSJPA Iași, de la

care am primit date analitice legate de localizarea unor profile de sol și APIA Iași care mi-au oferit baza

de date ce conține tipul de cultură la nivel de parcelă și informații despre suprafețele cultivate la nivel

administrativ de comună.

6

Prelucrarea tehnică a datelor, stocarea și procesarea s-a realizat pe baza infrastructurii puse la

dispoziție de către proiectul POSCCE-O 2.2.1. SMIR-CSNR 13984-901, nr. 257/28.09.2010,

CERNESEIM (L4).

De un real folos au fost informațiile și ideile oferite prin participarea la două ediții de training

organizate de către NASA LCLUC în colaborare cu Universitatea Charles din Praga și Agenția Spațială

European (ESA) – Trans Atlantic Training - cu tematică focusată pe procesarea și interpretarea

imaginilor SAR Sentinel- 1 (European Space Agency, contract nr. 4000108374/14/I-BG, Earth

Observation Capacity Building for Baltic Countries and Eastern Europe), la fel și bazele de date online

dedicate cercetării climatice sau spațiale: Copernicus, NASA EarthView, European Climate and

Assessment ș.a.m.d.

Mulțumirile sunt adresate familiei, logodnicului și prietenilor mei pentru suportul moral

necondiționat oferit în toți anii în care am fost studentă și apoi doctorandă.

În final, doresc să îmi exprim un ultim gând de mulțumire și respect celui care mi-a fost mentor:

Iulian Cătălin Stângă, omul de la care am învățat bazele în acest demers fascinant al cercetării.

7

Capitolul I: Aspecte introductive

În contextul deșertificării și al schimbărilor climatice, sub presiunea constantă de cerere de hrană

la nivel mondial, frecvența și severitatea episoadelor de secetă devine un subiect din ce în ce mai

dezbătut. Analiza acestui fenomen necesită seturi de date climatice, hidrologice, pedologice și trebuie

construită pe o metodologie care să ofere în final rezultate pline de acuratețe, dar care să fie și

folositoare din punct de vedere practic, să aibă aplicabilitate și să fie ușor de interpretat pentru oricine.

Seceta face parte din categoria hazardelor naturale care afectează teritorii extinse ale Globului,

cauzând foamete printre ţările cu venituri mici şi importante pierderi economice pentru ţările dezvoltate.

Raportul FAO publicat în 2013 atestă că la nivel mondial aceste fenomene au cauzat moartea a 11

milioane de persoane în ultimul secol, peste două miliarde de oameni au fost afectați în diferite moduri,

iar pierderile economice s-au ridicat la aproximativ 138 miliarde de dolari (FAO, 2013).

Seceta poate fi clasificată în trei categorii: meteorologică, hidrologică, pedologică și agricolă

(Dracup et al., 1980; Quiring și Ganesh, 2010).

I.1. Definiții ale conceptului de secetă

La ora actuală nu există o definiție unanim acceptată ale acestui fenomen, însă există elemente

comune indiferent de contextul sau scopul în care a fost formulată o anumită definiție: deficitul hidric şi

caracterul cumulativ. Seceta începe întotdeauna cu lipsa precipitaţiilor pentru o anumită perioadă de

timp, evoluează progresiv şi afectează rând pe rând, în măsuri diferite, toate componentele circuitului de

apă în natură (Wilhite, 2000), distrugând echilibrele sistemelor naturale şi socio-economice.

I.2. Principiile și scopul analizei fenomenului de secetă

Riscul la secetă poate fi definit, dar și cuantificat ca fiind produsul dintre hazard și

vulnerabilitatea unui sistem (Stângă, 2012). Dată fiind complexitatea fenomenului, în sensul că

frecvența și/sau intensitatea este modelată de o serie de variabile, riscul poate fi de cele mai multe ori

perceput odată ce atinge un anumit prag, cum ar fi de exemplu cele ireversibile, care odată depășite

produc dezechilibre în cadrul sistemului. De aici decurge și importanța efecutării unui astfel de studiu

pentru o regiune a României care din punct de vedere climatic se confruntă cu perioade uscate, atât la

nivel meteorologic, hidrologic sau pedologic. Importanța cuantificării și înțelegerii mecanismelor crește

cu atât mai mult cu cât rezultatele pot constitui un răspuns ce ar putea diminua într-o oarecare măsură

pierderile economice, putând fi integrate în cadrul planurilor de management.

Principalele aspecte urmărite au fost: analiza frecvențelor și a intensității secetelor în perioada

1961-2016, detectarea arealelor susceptibile la secetă așa cum rezultă din analiza informațiilor de tip

open-source: date climatice, imagini satelitare disponibile și propunerea unui cadru de

lucru/metodologii aplicate pentru monitorizarea comportamentului culturilor agricole aflate în zonele

de susceptibilitate ridicată la seceta pedologică.

Lucrarea abordează un subiect dezbătut la scară națională și internațională și reprezintă un studiu

în domeniul Observării Pământului, cu un aport metodologic însemnat.

8

1.3. Încadrarea climatică a ariei de studiu

Pentru încadrarea climatică a zonei de studiu s-a recurs la identificarea regiunii de pe harta

climatică Koppen-Geiger (Peel et. al., 2007), ce reprezintă o clasificare la nivel global, de referință,

utilizată și validată (Belda et. al., 2014).

Pentru regiunea Moldovei (partea de est a României), figura 1 scoate în evidență un climat cu

variații între temperat continental și umed continental, aferent clasei Dfb, cu mențiunea că numărul

lunilor în care temperaturile sunt mai mari decât 10 grade Celsius este mai mare sau egal cu 4. Același

tip de climat este caracteristic pentru majoritatea regiunilor din Europa de est și centrală.

În 1962, Donciu, citat de Stângă (2012), stabilește faptul că apariția secetei în partea de est a

României este influențată de activitatea a cinci situații barice care se pot manifesta în diverse perioade

ale anului, după cum urmează:

- câmp anticiclonal în Europa

centrală și arii ciclonale în Oceanul Arctic

și Groenlanda;

- câmp anticiclonal în Europa

estică, sud-estică și nordică și arii

ciclonale în Atlanticul de Nord, Europa de

vest și Marea Mediterană;

-dorsală anticiclonică din Oceanul

Atlantic până în România și arii ciclonale

în nord-estul și sud-estul continentului,

manifestate primăvara și vara;

- situație barică de maximă în

nordul Mării Caspice, în conjunctură cu

arii ciclonale deasupra Oceanului Arctic

și a Mării Mediterane;

-brâu mare de presiune format prin

asocierea anticiclonului Azorelor cu cel

Siberian.

Aceste activități atmosferice provoacă ierni geroase, cu cantități de zăpadă însemnate și veri

călduroase și caniculare (Tathe, 2012).

I.4. Importanța S.I.G. și a teledetecției în studiul secetei meteorologice și pedologice

și aplicațiile acestora

Geografia cantitativă reprezintă o modalitate de studiere și analiză prin metode statistice a

datelor cu caracter fizico-geografic (e.g. temperatură, precipitații etc.) cu scopul de a identifica

implicațiile lor spațiale care se concluzionează prin propunerea de recomandări și sugestii (Murray,

2010). Această știință este compusă din următoarele tipuri de activități: analiza numerică a datelor

spațiale, dezvoltarea teoriilor despre spațiu și testarea modelelor matematice ce țin de procesele

spațiale (Fotheringham et. al., 2000). Așadar, rolul S.I.G în cadrul cercetării doctorale este unul

primordial, fără de care rezultatele ar fi îndoielnice. Datele sunt reprezentate de elemente cu atribute

spațiale (geografice), temporale și tematice iar cu ajutorul componentei S.I.G. se va realiza proiectarea

rezultatelor, vizualizarea lor în formă grafică, stocarea și ierarhiza acestora. În final, rezultatul acestor

indici și/sau parametri care reprezintă distribuția spațială și temporală a fenomenului de secetă va fi

analizat în vederea identificării zonelor din județul Iași vulnerabile la acest fenomen

Figura 1. Clasificarea climatică de tipul Koppen-Geiger. Sursa: Peel

et.al.2007

9

Teledetecția funcționează pe baza principiului radiației emise de către orice corp de pe suprafața

oricărei planete, inclusiv Terra(Sabins, 1987).

SISTEMELE OPTICE : În cadrul sistemelor optice de teledetecție, lungimea de undă

caracterizează fiecare bandă spectrală, din acest motiv utilizarea lor în anumite scopuri prezintă unele

limitări, în funcție de particularitățile fizice ale suprafeței subiacente și ale mediilor pe care le

tranziteazăÎn cadrul tezei, produsele disponibile online ale misiunilor științifice destinate Observării

Pământului au fost utilizate cu scopul detectării stresului vegetativ și a oscilațiilor umidității din sol din

zonele agricole ale județului Iași. S-a recurs la utilizarea imaginilor optice deoarece acestea au o

acoperire spațială și temporală satisfăcătoare pentru realizarea unui studiu ce are ca obiectiv

monitorizarea culturilor agricole dintr-o zonă cu susceptibilitate ridicată la secetele pedologice și

fiziologice.

SISTEMELE RADAR: Teledetecția bazată pe utilizarea microundelor cu lungimi de undă între 1

cm și 1 m stă la baza alcătuirii sistemului radar (eng. Radio Detection and Ranging) cu scopul de a scana

suprafeța terestră, utilizând radiațiile electromagnetice generate artificial (Oliver și Quegan, 2004).

Avantajul major al folosirii undelor radar este dat de faptul că acestea, datorită frecvenței mari, pot

penetra sistemele noroase și nu sunt influențate de reziduurile atmosferice (Tempfli et al., 2009). În

cadrul tezei s-au utilizat imaginile SAR GRD ale misiunii Sentinel-1 din parspectiva complementarității,

deoarece aceste produse radar dețin cea mai bună acoperire temporală, iar uneori imaginile optice nu

pot fi utilizate în studiile agricole care necesită o monitorizare permanentă a culturilor.

Capitolul II:Bazele de date Tabel 1. Tabel structural ce cuprinde tipurile de bază de date, sursa web și scopul utilizării

Tip de date Sursa web Scopul utilizării și observații

Date utilizate în evaluarea climatică

http://www.ecad.eu, format ASCII

-ANM:date oficiale pentru temperatura medie

lunară de la st.m. Iași (1961-2013)

-ECA&D: date de precipitații lunare și

temperaturi maxime (1961-2016)

- analiza perioadelor secetoase din trecut

-observarea tendințelor

ECA&D ANM

Date pedologice:OSJPA Iași -

-20 de profile de sol de pe teritoriul

administrativ al județului Iași

Date privind culturile agricole:

APIA Iași

-

-22 de parcele cu date legate de tipul

de cultură în perioada 2013-2016

-suprafețele cultivate în hectare cu

rapiță, grâu de toamnă, floarea

soarelui și porumb la nivel

administrativ de comună, utilizate

pentru a selecta principala regiune

agricolă ca studiu de caz Date imagini satelitare optice și

radiometrice

www.lv.eosda.com

-MODIS NDVI/EVI/LST cu rezoluție

1 km pentru estimarea umidității

solului (2009)

-MODIS NDVI cu rezoluție 250 m

pentru reprezentarea stresului

vegetativ (2002,2005,2007,2012) și

pentru evaluarea comportamentului

culturilor agricole la modificări de

MODIS Landsat 8

http://www.ecad.eu/

10

umiditate din sol (2000-2016)

-Landsat 8 OLI - calcul NDVI și

reprezentare spectrală RGB:6-5-2

pentru crearea profilelor fenologice

ale culturilor agricole din perioada

2013-2016 Date imagini satelitare radar (TRMM)

https://giovanni.gsfc.nasa.gov/gio

vanni/ (SMAP)

https://worldview.earthdata.nasa.g

ov (Metop – EUMETSAT)

http://www.eumetsat.int (Sentinel-1)

http://scihub.copernicus.eu

-TRMM – Produsul Precipitațiile

lunare pentru calcularea anomaliilor

pluviometrice la nivelul României în

perioada aprilie – septembrie 2007,

2012 și 2015

-SMAP – Estimarea umidității din sol

pentru perioada aprilie – septembrie

2016

-Metop-A – estimarea umidității din

sol pentru lunile secetoase din 2007 și

2015

-Sentinel-1 – calcularea coeficientului

radar al semnalului difuz pentru

culturile agricole în perioada aprilie –

septembrie 2016

TRMM SMAP Metop Sentinel-1

Studiul a fost aplicat la scară regională pe limita administrativă NUTS1 – județul Iași (figura 2),

cu referiri episodice la întreg teritoriul României și la câteva stații meteorologice din Europa de est.

Figura 2. Modelul numeric al terenului și delimitarea zonei de studiu

https://giovanni.gsfc.nasa.gov/giovanni/

https://giovanni.gsfc.nasa.gov/giovanni/

https://worldview.earthdata.nasa.gov/

https://worldview.earthdata.nasa.gov/

http://www.eumetsat.int/

11

Capitolul III. Metodologia de lucru

III.1. Elemente de procesare ale imaginilor satelitare

Acest subcapitol este dedicat explicării în detaliu a modului de procesare pentru :

1. obținerea umidității din sol estimată procentual pentru primii 5 cm după satelitul Metop-A, senzor

ASCAT. S-a lucrat cu produse netCDF descărcate de pe platforma oficială EUMETSAT. Conversia în

format .tiff și proiectarea în EPSG 3844 s-a realizat în Python cu ajutorul funcțiilor din biblioteca mpop.,

acornim pentru Meteorological Post-Processing (Raspaud, Dybbroe și Pareeth, 2004). Rasterele

rezultate au o rezoluție spațială de 12.5 km și o rezoluție temporală de 1 zi.

2. obținerea valorilor rasterizate pentru Temperatura solului (Land Surface Temeprature) și doi

Indicie de Vegetație (Normalized Difference Vegetation Index-NDVI și Enhanced Vegetation

Index-EVI), produse ale misiunii MODIS, senzorii Terra și Aqua. Descărcarea rasterelor în format

.hdf și proiectarea în EPSG 3844 s-a realizat prin intermediul funcțiilor din biblioteca modis, prelucrate

sub forma liniilor de comandă în Rstudio, prin funcțiile Gdal.

3. calcularea Coeficientului semnalului radar difuz s-a realizat integral pentru imaginile Synthetic

Aperture Radar, tipul Ground Range Detected ce aparțin misiunii Sentinel-1. Toate aceste etape s-

au efectuat utilizând soft-ul SNAP, dezvoltat și pus la dispoziție în mod gratuit de către Agenția Spațială

Europeană (European Space Agency – ESA).

Figura 3 reprezintă schița logică de lucru ce cuprinde demersul procesării imaginilor

radiometrice, optice și radar.

III.2. Metode statistice utilizate în modelarea parametrilor climatici

III.2.1. Indicele Standardizat al Precipitațiilor

Indicele Standardizat al Precipitaţiilor (Standardized Precipitation Index) – ISP/SPI

(McKee, 1993) este unul din cei mai utilizaţi şi aplicaţi indici pentru studiile privind seceta

meteorologică, având ca unică variabilă cantitatea lunară de precipitaţii. Pentru rezultate corecte este

nevoie ca șirul observațiilor să fie mai mare de 30 de ani, iar indicele se calculează pe baza ajustării

valorilor de precipitații conform distribuției gamma (Guttman, 1998). Valorile obținute prin calcularea

acestui indice nu pun în evidență doar intervalele de secetă, ci toate perioadele în care se înregistrează

abateri mai mari sau mai mici față de media multianuală a cantității de precipitații. (Tabelul 2) Tabel 2. Semnificația calitativă a valorilor Indicelui Standardizat al Precipitațiilor, după McKee, 1993

Indicele standardizat al precipitațiilor Semnificaţie

≤-2.00 Extrem de uscat

-1.5…-1.99 Foarte uscat

-1.00… -1.49 Moderat uscat

0.99…-0.99 Aproape de normal

1-1.49 Moderat de umed

1.5 - 1.99 Foarte umed

≥ 2 Extrem de umed

12

Figura 3. Diagramă flow-chart pentru procesarea imaginilor satelitare

13

Indicele ISP a fost calculat separat, pentru două șiruri de date diferite: 1961 – 2006

și 1961 – 2016. Pentru primul interval s-a realizat calcularea acestuia cu scopul

comparării cu alți parametri ce caracterizează seceta (Indicele Palmer și Palfai), iar al

doilea interval s-a calculat pentru a caracteriza regimul pluvial din perioadele recente.

Rezultatele au fost obținute în mod semi-automat, utilizând pachetul spi al soft-ului

Rstudio.

III.2.2. Indicele de Ariditate Palfai

Indicele de Aridiate Palfai (Palfai, 1990) a fost implementat în Ungaria şi calculat pentru

studiile ce ţin de managementul apei în agricultură, deoarece el caracterizează severitatea fenomenului

de secetă pentru anul agricol printr-o singură valoare numerică. Acest indice se calculează pe baza

mediilor lunare de temperatură şi a sumelor de precipitaţii, iar rezultatele încadrează perioada pentru

care a fost aplicat în pragurile prezentate în tabelul : Acest indice a fost aplicat pentru perioada 1961-

2013. Tabel 3. Semnificaţia calitativă a valorilor Indicelui de Ariditate Palfai, după Palfai, 1990

Semnificaţie Valoare IAP

An fără secetă <4

Secetă uşoară 4-6

Secetă moderată 6-8

Secetă grea 8-10

Secetă serioasă 10-15

Secetă foarte serioară 15-30

Secetă extremă >30

III.2.3. Indicele Palmer al Severității Secetei

Indicele Palmer al Severităţii Secetei (Palmer, 1965) oferă o imagine mai realistă asupra

severității secetei, mai ales din punct de vedere agricol, întrucât este un indice de bilanț hidric care ia în

calcul și bilanțul apei din sol. Pornind de la o abordare inductivă şi utilizând relaţii empirice, indicele se

calculează pe baza valorilor precipitaţiilor (P) și ale evapotranspiraţiei potenţiale (PE), iar rezultatele

încadrează perioada pentru care a fost aplicat în următoarele praguri calitative (Tabelul 4):

Tabel 4. Clasificarea condițiilor climatice, după Palmer, 1965

Valori prag Semnificație Valori prag Semnificație

Peste 4 Umiditate extremă -0.5 -0.99 Secetă incipientă

3 3.99 Umiditate ridicată -1 -1.99 Secetă ușoară

2 2.99 Umiditate moderată -2 -2.99 Secetă moderată

1 1.99 Umiditate ușoară -3 -3.99 Secetă severă

0.5 0.99 Umiditate incipientă Sub -4 Secetă extremă

0.49 -0.49 Aproape de normal

14

III.2.4. Indicele de Martonne

Pentru spațializarea și identificarea anilor secetoși/normali/ploioși s-a ales calcularea Indicelui de

Martonne (de Martonne, 1920), elaborat de catre geograful francez omonim, indice ce prezintă raportul

dintre precipitații și temperatură, cu un adaos numeric convențional de 10 pentru a elimina valorile

negative.

(ecuația 1)

Pragurile climatice sunt prezentate în tabelul 5. Tabel 5 Pragurile tipurilor climatice conform Indicelui de Martonne

Tipul climatic Valoare IDM

Arid <10

Semi-arid 10 - 20

Meditaranean 20 - 24

Semi-umed 24 – 28

Umed 28 – 35

Foarte umed 35 – 55

Extrem de umed > 55

Metodologia de interpolare spațiala a fost aplicată pentru 22 de stații meteorologice de pe

teritoriul României pentru care există date lunare de temperatură medie și precipitații, conform bazei de

date European Climate and Assessment. S-au propus două modele:

- metoda krigingului ordinar (Chilès și Delfiner, 1999), care a dat rezultate nesatisfăcătoare din

cauza numărului redus de puncte de interpolare raportate la un teritoriu întins cum este România

- metoda regresiei multiple, ce a descris repartiția valorilor climatice de Martonne în funcție de

altitudine, latitudine și longitudine. Aceste trei variabile explică distribuția indicelui prin următorii

coeficienți de corelație :.98, .25, respectiv .17. Interpolarea s-a aplicat la nivel național pentru perioada

2000-2009.

III.2.5. Metode statistice pentru evaluarea parametrilor climatici

1. Testul statistic scor Z s-a aplicat pentru a demonstra unicitatea valorilor de temperatură în

contextul climatic din perioada 2000-2015 de la stația meteorologică Iași, singura din cadrul județului

analizat cu un șir de date pe o perioadă foarte îndelungată. Testul statistic scor Z sau valoarea

standardizată este folosit pentru a centra și standardiza un set de valori, cu scopul de a caracteriza o

anumită perioadă în funcție de tendința generală a șirului analizat. Acest procedeu s-a aplicat cu ajutorul

funcției scale din cadrul pachetului ononim calculat în Rstudio.

2. Metoda percentilelor are scopul de a caracteriza parametrii de dispersie pentru orice variabilă

numerică (Groza et. al., 1996). Datorită faptului că seceta este un fenomen climatic extrem, elementele

care o determină pot fi încadrate ca extreme, cel puțin din punct de vedere statistic, motiv pentru care

prin calcularea percentilei a 90-a sau a 95-a se poate pune în evidență unicitatea oricărui fenomen. De

asemenea, un avantaj al acestei metode e acela că rezultatele pot fi cartate, deoarece aceste abateri sunt

explicate atât într-un context spațial (o înșiruire de stații meteorologice), dar și în context temporal

15

(anii/sezoanele în care extremele s-au manifestat). Calculele au fost efectuate în RStudio utilizând

funcțiile din pachetul stats.

3.Testul pentru tendințeMann-Kendall este utilizat cu succes în cercetare pentru analiza

tendințelor în climatologie (Karmeshu, 2012) și în analiza seriilor de timp din domeniul hidrologiei

(Yue și Wang, 2004). Cu ajutorul softului open-source RStudio s-a descărcat biblioteca Kendall,

calculându-se trendul multianual pentru precipitații (1961-2016), temperaturile medii și temperaturile

maxime (1961-2013) de la stația meteorologică Iași.

III.3. Metode statistice utilizate în modelarea parametrilor pedologici

III.3.1. Estimarea coeficienților hidrofizici

Pentru această etapă s-a ales aplicarea unor calcule empirice pentru estimarea coeficienților

hidrofizici, prin calcularea funcției de pedotransfer van Genuchten (1980) pentru 20 de profile din

județul Iași.Toate operațiile au fost efectuate în softul Rstudio, utilizându-se funcțiile bibliotecilor

soilwaterfun și soilwaterptf (Rawls și Brakensiek, 1985, Wosten et. al., 1999).

III.4. Indicatori satelitari pentru umiditatea din sol și pentru vegetație

III.4.1. Combinații spectrale

Pe o imagine satelitară se pot aplica multiple tehnici prin care benzile spectrale cu diferite

lungimi de undă să scoată în evidență anumite aspecte dorite ale unui areal (e.g. diferite tipuri de pădure,

așezările urbane și rurale, parcelarea agricolă, etc). Acest procedeu se realizează în cadrul programelor

S.I.G., când imaginile digitale sunt compuse din trei culori: roșu, verge și albastru (Red, Green, Blue –

RGB) sau când se efectuează diferite operațiuni matematice, iar analiza are la bază îmbinarea benzilor în

diferite proporții (Curs de geoinformatică, LP9). Rezultatul acestei proceduri va fi alcătuit din imagini

color și falscolor, ce pot fi utilizate în studiile științifice pentru interpretarea diferitelor fenomene,

evoluții, cuantificări, etc. În monitorizarea suprafeței terestre, în special a zonelor agricole cele mai

uzuale combinații spectrale sunt: Culorile naturale (Landsat 8: R – 4, G – 3, B – 2) se alcătuiesc

utilizând doar benzi ce aparțin de spectrul vizibil, motiv pentru care caracteristicile din teren apar în

culori similare cu cele pe care ochiul uman le deosebește (CRISP, 2001), Falscolor în infraroșu

(Landsat 8: R – 5, G – 4, B – 3) mai este denumită și metoda falsculorilor standard sau combinația

pentru vegetație și Falscolor cu aplicație în agricultură (Landsat 8: R – 6, G – 5, B – 2), combinație

spectrală cu o mare utilizare în cadrul studiilor de identificare a tipurilor de cultură din zonele arabile.

III.4.2. Indicele Normalizat al Diferențierii Vegetației/ Indicele Îmbunătățit al Vegetației

(Normalized Difference Vegetation Index/Enhanced Vegetation Index)

Indicele normalizat al diferențierii vegetaţiei (Normalized Difference Vegetation Index)

(Rouse et al., 1974) și Indicele Îmbunătățit al Vegetației (Enhanced Vegetation Index) (Huete et.

al.,2002) sunt cei mai utilizați indici de vegetație din domeniul teledetecției, fiind calculați la nivel

mondial pentru a pune în evidenţă condiţiile de dezvoltare a vegetaţiei, cu detectarea anomaliilor

fenofazelor, anomalii ce sunt puse deseori pe seama deficitelor de apă din sol.

Pe scurt, metodologic, se operează mai întâi conversia numerelor digitale în radianță, urmată de

conversia acesteia în reflectanță la partea superioară a atmosferei și corecția atmosferică a reflectanței.

16

Acestea sunt etape de preprocesare ale imaginilor satelitare și se aplică nu doar în cazul calculării

NDVI/EVI, ci și pentru oricare alt indice care are la bază imaginile satelitare.

Ecauţia de calcul pentru NDVI are următoarea formă:

, unde: (ecuația 2)

IR şi R - benzile spectrale infraroşu, respectiv roşu. (Rouse et. al., 1974)

Ecuația de calcul pentru EVI este următoarea:

, unde: (ecuația 3)

NIR – reflectanța benzii infraroșu;

R – reflectanța benzii roșu;

B – reflectanța benzii albastru;

C1 si C2 - coeficienti de aerosoli (atmosferici), egali cu 6, respectiv 7.5;

G - factor de calibrare, egal cu 2.5;

L - factor de ajustare al coronamentului/vegetatiei (canopy), nonlinear, este egal cu 1. (Huete et

al., 2002).

Limitele numerice ale indicilor variază între 0 şi +1. Astfel, valori mari (0.8 – 0.9) indică o

acoperire completă a solului cu vegetație densă, bogată în clorofilă (nu neaparat de tipul forestieră),

valorile medii indică prezenţa zonelor cu vegetație disipată, valorile mici indică lipsa completă a

vegetației, în timp ce valori apropiate de 0 pot pune în evidență suprafețe acvatice sau acoperite cu

zăpadă, cu albedo ridicat și care nu absorb deloc radiația activă fotosintetic.

III.4.3.Indicele de Stare a Vegetației (Vegetation Condition Index)

Pentru detectarea stresului vegetativ s-a recurs la calcularea Indicelui de Stare a Vegetației

argumentat de Kogan (1997) în cadrul lucrării sale ca unealtă ce poate surprinde modificările față de

normal pentru fiecare etapă fenologică. Astfel, rezultatele pot surprinde condițiile preliminare atunci

când seceta meteorologică evoluează în cea pedologică sau fiziologică.

Rezultatul calculului reprezintă un NDVI standardizat, exprimat în procente, conform formulei:

*100, unde: (ecuația 4)

- reprezintă valorile minime, respectiv maxime ale pixelilor din toată perioada

analizată.

Pentru obținerea rezultatelor s-au folosit imagini MODIS NDVI disponibile la o rezoluție de 250

de metri pentru principalul sezon vegetativ din România, și anume perioada aprilie – septembrie pentru

anii 2002, 2005, 2007 și 2015.

III.4.4.Indicele de Corelație între Temperatura Solului și Vegetație (Temperature Dryness

Vegetation Index)

Indicele de Corelație între Temperatura Solului și Vegetație (Sandholt et. al., 2002) s-a aplicat

doar pentru anul 2009 și a fost calculat cu scopul de a reprezenta ariile vulnerabile la secetă pedologică

în funcție de gradul de umiditate estimat din aria analizată.Baza de date cu care s-a lucrat este alcătuită

din imagini MODIS (Moderate Resolution Imaging Spectroradiometer) a sateliților Terra și Aqua, cu o

rezoluție spațială de 1 km și au fost realizate la interval de aproximativ 7-8 zile. Din spectrul larg al

informațiilor puse la dispoziție de către misiunea MODIS, pentru această etapă a studiului, au fost

17

selectate următoarele produse: LST (Land Surface Temperature – Temperatura la nivelul solului),

exprimată inițial în grade Kelvin și transformată în grade Celsius, NDVI (Normalized Difference

Vegetation Index) și EVI (Enhanced Vegetation Index).

Relația dintre variabilele

Temeratura Solului și Indicii de Vegtație

s-a calculat pe baza norului de puncte ce

reprezintă gradul de corelație între cele

două. În funcție de momentul de vegetație,

acesta poate varia de la forme trapezoidale

sau triunghiulare, iar pentru studiul de față

utile sunt relațiile extremelor (Figura 4).

Acele puncte reprezintă arealele din zona

de studiu în care umiditatea este ridicată

sau scăzută, în funcție de condițiile locale.

Procesarea a fost realizată cu ajutorul

funcțiilor dedicate din cadrul pachetelor

raster, rasterVis și rgrass7 din mediul

Rstudio.

La final, legătura dintre cei doi

indici de vegetație și temperatură la nivelul

solului s-a stabilit prin aplicarea Indicelui

de Corelație între Temperatura Solului și

Vegetație (Sandholt et al., 2002), calculat

după cum urmează:

,unde: (ecuația 5)

Ts – Land Surface Temperature, Temperatura la nivelul solului

Ts min – temperatura minimă de la nivelul solului extrasă din diagrama de corelație dintre indicele de

vegetație și LST

Ts max - temperatura maximă de la nivelul solului extrasă din diagrama de corelație dintre indicele de

vegetație și LST.

III.4.5. Coeficientul semnalului difuz radar (Backscatter coefficient)

Potrivit raportului publicat de NASA Instrumental Panel Report on Synthetic Aperture Radar

semnalul difuz reprezintă ”un fragment din energia spectrală a microundelor difuzat de către suprafața

terestră și mai apoi emis și preluat de către antena sistemului radar”, astfel că orice obiect al suprafeței

topografice va avea o anumită caracteristică de reflectare (Figura 5).

Pentru imaginile radar selectate pentru procesare amplitudinea rezultată în urma etapei de

calibrare a fost transformată în decibeli, printr-o formulă de logaritmare, conform ecuației. (Yamazaki,

et. al., 2011)

C = 10 * log10 * raster calibrat (dB) (ecuația 6)

Figura 4. Diagrama scatterplot între rasterele Temperatura solului și

Indicele de Vegetație (EVI) și reprezentarea principalilor parametri care

pun în evidență gradul de umiditate din sol

18

Figura 5. Diferențe de polarizare pentru culturile agricole din județul Iași

Noile valori vor indica coeficientul semnalului difuz sigma (eng. Backscatter coefficient)

care va fi analizat la nivel de parcelă pentru patru tipuri de culturi agricole, cu scopul observării

diferențelor în termeni de răspuns radar, dar și cu dorința de a caracteriza etapele fenologice specifice a

patru din cele mai reprezentative culturi agricole de la nivelul județului Iași: rapița (Brassica napus),

grâul de toamnă (Triticum aestivum), porumbul (Zea mais) și floarea soarelui (Helianthus annus).

Odată cunoscut calendarul stadiilor fenologice pentru cele patru tipuri de culturi și ținând cont de

caracteristicile hidrice ale anului anterior (toamna 2015, pentru culturile de rapiță și grâu de toamnă), s-

au vectorizat granițele reale ale parcelelor așa cum apăreau în luna aprilie și august 2016 pe două

imagini Landsat 8 OLI și după obținerea datelor din teren s-a suprapus vectorul parcelelor peste

imaginile raster ce conțin informația radar legată de valorile coeficientului de difuzie sigma (eng.

backscatter coefficient). Se menționează că pentru cerințele propuse, s-a luat în considerare doar media

aritmetică a coeficientului exprimată în decibeli din interiorul ariei fiecărui poligon. Odată obținute, s-a

realizat o a doua medie pentru valorile ce aparțineau parcelelor pentru aceeași cultură. În final s-au

obținut câte două serii de grafice pentru polarizările VV și VH, care vor fi prezentate în secțiunea

rezultatelor (Figura 33).

III.5. Etapele fenologice ale culturilor de grâu de toamnă, rapiță, floarea soarelui și

porumb și cerințele hidrice specifice Infomațiile ce țin de practicile din cadrul agriculturii sunt vitale, importante în studiile de

management al resurselor, acordarea subvențiilor pe tipuri de cultură, despăgubiri, protejare, estimarea

producției, ș.a.m.d., iar deseori zonele care au nevoie de monitorizare sunt mari, iar campaniile în teren

pot fi costisitoare. Aici pot interveni studiile aplicate la nivelul teledetecției, cu ajutorul sistemelor

optice și/sau radar, mai ales în cazul unor analize multi-temporale. Sezonul vegetativ teoretic expus în

tabelul 6 al celor patru culturi selectate se poate împărți în două calendare, și anume: grâul de toamna și

19

rapița se cultivă în sezonul de toamnă, iar perioada de vegetație însumează de la 270 până la 290 de zile

pe an pentru cultura grâului și între 270 și 300 de zile pentru rapiță, pe când porumbul și floarea soarelui

se cultivă în primăvară, iar perioada de vegetație variază la ambele culturi de la 150 (140) până la 160 de

zile (Axinte et. al., 2006).

Tabel 6. Stadiile fenologice pentru grâul de toamnă, rapiță, porumb și floarea soarelui de la nivelul României, conform

Axinte et. al., 2006

Sep Oct Nov Dec Ian Feb Mar Apr Mai Iun Iul Aug

Grâu de

toamnă

(270 – 290

zile)

S S/G/IN IN R R R IN IN/IS IS IF M -

Rapiță

(270 – 300

zile)

S G R R R R D IF IF M - S

Floarea

soarelui

(140 – 150

zile)

M

- - - - - - - S/G

RS/IF IF IF/M

Porumb

(150 – 160

zile)

M - - - - - - - S/G/D D U C

Legendă: S- Semănat ; G – Germinare; R – Repaos de iarnă; IN – Înfrățire (la grău); IS –

Înspicare (la grâu); IF – Inflorire (la grau, rapiță) ; M – Maturitate; D – Dezvoltare ; RS – Răsărit, U –

Umplerea bobului (la porumb); C – Coacerea

III.6. Utilizarea scripturilor în mediul Rstudio Stocarea, maniularea sau crearea datelor spațiale sunt procedee care se realizează în mediul

virtual, însă este și etapa care necestă uneori cunoștințe avansate din partea operatorului S.I.G. Tocmai

de aceea, programatorii crează și dezvoltă biblioteci sau soft-uri care să vină în ajutorul geografilor

pentru ca aceștia să redea cât mai corect științific rezultatele analizelor. Scopul acestui subcapitol

este acela de a expune liniile de comandă care au fost utilizate în decursul cercetării doctorale deoarece

diferitele metode aplicate au necesitat abordări și/sau calcule diferite, care nu au fost cuprinse anterior

într-o singură lucrare, ci reprezintă rezultatul consultării și cercetării personale din variate surse. Liniile

de comandă sunt însoțite de exmplicații aferente și pot face obiectul unor alte studii legate de analiza

riscurilor din cadrul științelor geografice.

Subcapitolul este dedicat prezentării modului ales pentru a realiza analizele statistice pentru

seriile de timp : testul statistic Z cu ajutorul funcției scale, calcularea percentilelor cu funcția quantile

din biblioteca stats și testul Mann-Kendall cu funcția omonimă. De asemenea, au mai fost explicate

liniile de comandă pentru diferite tipuri de reprezentări grafice, focusate pe ilustrarea seriilor de timp,

ciclicitate, filtrarea datelor și agregări, iar penru analiza rasterelor s-a explicat modul de importare,

afișare, calcul de histogramă a frecvențelor și diferite tehnici de analiză multi-temporală la nivel de

pixeli. S-au utilizat pachetele : raster, sp, rgdal, ggplot2, viridis.

20

Capitolul IV. Rezultate și discuții

IV.1. Analiza parametrilor meteorologici. De la scară macro la scară micro

IV.1.1. Indicii de secetă meteorologici și pedologici

Principala cauză a producerii secetelor este dată de lipsa precipitaţiilor, de regulă în regim

anticiclonal (Ciulache, 2000). Fenomenul este intensificat de temperaturi ridicate, ce depăşesc anumite

praguri caracteristice fiecărui tip de climat, de vânturi puternice, având ca principal efect creşterea

evapotranspiraţiei şi, implicit, crearea deficitului de apă din sol.

Evoluții temporale și persistența secetelor

Pentru a caracteriza evoluția temporală a celor trei indici s-au calculat valorile reprezentative

lunar pentru Indicele Severității Secetei Palmer și Indicele Standardizat al Precipitațiilor și cele anuale

pentru Indicele de Ariditate Palfai, care vor fi explicate în contextul seriilor de timp, cu scopul de a

detecta perioadele uscate/secetoase, caracterizate prin frecvență și intensitate.

Figura 6. Evoluția Indicelui de Ariditate Palfai la stația meteorologică Iași în perioada 1963-2013

Așadar, conform graficului din figura 6, intervalele anuale sau cazurile singulare cu secetă sunt:

-1964-1967: durata 4 ani, intensitate 5

-1972, intensitate 5


-1981-1982, durata 2 ani, intensitate 4


-1988-1989, durată 2 ani, intensitate 6

-1991-1995, durată 5 ani, intensitate 5-6

-1998-2004, durată 7 ani, cu trei vârfuri de intensitate: 1999 = 7.29, 2000 = 6.11 și 2002 = 6.03

-2006 – 2011, durată 6 ani, cu 4 vârfuri de intensitate: 2006=6.6, 2008=6.61, 2010=7.41 și 2011=

8.65.

De asemenea, pentru a verifica traiectoria tendințelor, s-a ales calcularea testului Mann-Kendall

segregat pe două perioade: înainte și după 1985. Astfel, trendul Indicelui de Ariditate Palfai pentru

prima perioadă are valoarea de -0.169 (trend negativ), iar pentru a doua perioadă valoarea de +0.23

21

(trend pozitiv). Acest rezultat scoate în evidență o creștere însemnată a frecvențelor fenomenelor de

uscăciune și secetă după mijlocul anilor 1980.

Figura 7. Evoluția caracteristicilor precipitațiilor indicate de Indicele Standardizat al Precipitațiilor a) cu variație anuală (12 luni x 56

de ani x SPI)

Conform Indicelui Standardizat al Precipitațiilor (Figura 7) perioadele detectate ca fiind

secetoase corespund într-o măsură mai mică cu cele detectate de Indicele de Ariditate Palfai, deoarece în

calcul s-a luat de data aceasta doar valorile zilnice de precipitații, astfel că pentru perioada 1961 – 1984

trendul Mann Kendall are valoarea de 0.01, pentru perioada 1985-1999, valoarea tau este de 0.06, iar

pentru ultima parte, 2000-2016, trendul este tot ușor pozitiv, cu o valoare de 0.05.

În figurile 8 s-au extras lunile care au fost considerate a fi uscate sau secetoase conform Indicelui

Severității Secetelor Palmer. Astfel, în perioada 1961 – 2006, dintr-un total de 552 de luni, 202 au fost

încadrate în diferite grade de secetă, reprezintând 36.5% din perioada studiată.

Figura 8. Evoluția Indicelui Severității Secetei Palmer la stația meteorologică Iași în perioada 1961-2006 pentru lunile

aprilie - septembrie

22

IV.1.2. Testul de trend Mann-Kendall și analiza sezonalității seriilor de timp pentru

precipitații și temperatură

Scopul acestui subcapitol este acela de a analiza evoluția principalilor parametri meteorologici

care conturează orice tip de climat. Astfel, datele de precipitații cuprind perioada 1961 – 2016, datele de

temperatură medie reprezintă perioada 1961 – 2013, iar maximul lunar de temperatură cuprinde perioada

1961 – 2015, inclusiv.

Mai departe s-a realizat o segregare a rezultatlor pe luni calendaristice, prin calcul de trend și

sezonalitate, după cum urmează: pentru precipitații s-au găsit 8 tendințe negative, din care doar două

semnificative, pe când trendurile pozitive au fost 4, însă doar unul fiind semnificativ(Tabel 7)

demonstrându-se că la nivel general, variația temporală a precipitațiilor nu prezintă modificări însemnate

(Figura 9). Tabel 7. Rezultatele analizei de trend Mann-Kendall pentru precipitații. * reprezintă schimbările semnificative din punct

de vedere statistic, pentru nivel de semnificație de 0.05 (test bilateral)

Lună (1961 - 2016) Valoare trend Lună (1961 - 2016) Valoare trend

Ianuarie -0.02 Iulie -0.15 *

Februarie -0.12 August 0.01

Martie -0.01 Septembrie 0.02

Aprilie -0.06 Octombrie 0.27 *

Mai -0.009 Noiembrie 0.04

Iunie -0.1 * Decembrie -0.003

Figura 9. Evoluția valorilor medii de precipitații (mm) în perioada 1961-2016 și linia de trend

În schimb, așa cum studiile aplicate la nivelul Europei demonstrează (Vicente-Serrano et. al.,

2010, Dai et. al., 2014), oscilația pozitivă a temperaturilor este elementul cheie al dezechilibrelor

climatice, fiind direct urmată de creșteri ale evapotranspirației, deci cu impact asupra mediului (Figura

10). Absolut toate trendurile lunare pentru media lunară a temperaturilor sunt pozitive, dintre care 6 sunt

semnificative, pentru lunile de vară și primăvară. (Tabel 8). Cel mai semnificativ trend reprezintă

schimbările pozitive din iulie și august. De asemenea, îngrijorătore este și situația pentru luna ianuarie,

23

cu trend pozitiv, deoarece creșterea temperaturilor duce invariabil la topirea stratului de zăpadă, care în

perioadele cu îngheț extrem protejează culturile de toamnă. Tabel 8. Rezultatele analizei de trend Mann-Kendall pentru temperaturi medii. * reprezintă schimbările semnificative din

punct de vedere statistic, pentru nivel de semnificație de 0.05 (test bilateral)


Ianuarie 0.225 * Iulie 0.408 *

Februarie 0.152 August 0.358 *

Martie 0.203 * Septembrie 0.038

Aprilie 0.127 Octombrie 0.123

Mai 0.201 * Noiembrie 0.039

Iunie 0.316 * Decembrie 0.072

Figura 10. Evoluția valorilor lunare ale temperaturilor medii în perioada 1961-2013 și linia de trend

Și tendințele pentru temperaturi maxime lunare sunt pozitive în 10 cazuri, 7 din ele fiind

semnificative din punct de vedere statistic. Aici se remarcă din nou lunile de iarnă – ianuarie și

februarie- cu tendințe pozitive, la fel și totalitatea lunilor de vară (Tabel 9, Figura 1)

Tabel 9. Rezultatele analizei de trend Mann-Kendall pentru temperaturi maxime. * reprezintă schimbările semnificative

din punct de vedere statistic, pentru nivel de semnificație de 0.05 (test bilateral)


Ianuarie 0.19 * Iulie 0.336 *

Februarie 0.16 * August 0.33 *

Martie 0.06 * Septembrie -0.01

Aprilie -0.03 Octombrie 0.21 *

Mai 0.19 * Noiembrie 0.08

24

Iunie 0.2 * Decembrie 0.07

Figura 11. Evoluția valorilor medii lunare ale temperaturilor maxime în perioada 1961-2016 și linia de trend

Privite în ansamblu, cele trei analize scot în evidență luna iunie, caracterizată de creșteri ale

temperaturii și de scăderi ale precipitațiilor. Acest aspect este unul extrem de negativ, deoarece o mare

parte din rezerva de apă din sol se reface, de obicei în perioada maximului pluviometric din partea de est

a României, adică în perioada mai – iunie, ori schimbările climatice detectate prin trend pozitiv al

temperaturilor medii și maxime ar putea avea un efect negativ asupra vegetației aflată în perioade

fenologică cu cerințe hidrice ridicate (e.g. porumb, floarea soarelui).

Caracterizarea sezonală a fost calculată cu ajutorul descompunerii seriilor de timp (Coghlan,

2017), așa cum rezultă din figura 12 a, b și c.

Primul grafic reprezintă valorile brute, cele observate în forma lor simplă, al doilea grafic

surprinde tendința generală, anuală pentru variabilele propuse, al treilea evidențiază ciclicitatea

sezonieră, dacă aceasta există. În cazurile de față se remarcă ciclicitățile anuale. Ultimul grafic

reprezintă diferența dintre trand și valorile observate, fiind un bun exemplu de caracterizare și observare

pentru valorile extreme.

25

Legat de distribuția trendului multianual al temperaturilor, care s-a demonstrat a fi semnificativ

din punct de vedere statistic pentru unele luni, se observă că înainte de 1985 s-a înregistrat doar o

singură perioadă cu creșteri însemnate ale temperaturilor maxime, și anume perioada dintre 1980 și

1983. După această perioadă până în 2015, au urmat alte șase vârfuri de maximă. Amplitudinea dintre

1985 și 2007 este de 4 grade, conform celui de-al doilea grafic din figura 12 c. Bineînțeles, această

creștere este vizibilă și în analiza trendurilor temperatruilor medii, confirmându-se că după 1996

tendința a fost în mare parte doar pozitivă.

În ceea ce privește distribuția precipitațiilor se observă că perioadele în care valorile au atins

praguri de minimă au fost : 1973, 1982 – 1983, 1990 - 1991, 1994, 2000, 2007 și 2015, iar aceștia sunt

în mare parte și anii în care secetă sau perioade uscate de diferite intensități au avut loc.

Concluzia acestui studiu este aceea că deși pentru precipitații nu s-a demonstrat un trend

semnificativ de diminuare a cantităților pentru ultimii 50 de ani, modificări sezoniere reprezentate

prin anomalii negative există, iar oricare din aceste situații, coroborate cu trendul general pozitiv

de creștere al temperaturilor va influența ecosistemele în mod categoric.

Figura 12. Sezonalitatea seriilor de timp pentru.a. precipitații, b. temperaturi medii și c. temperaturi maxime

26

IV.1.3. Unicitatea fenomenelor de secetă descrisă prin metoda scorului Z și a metodei

percentilelor pentru perioada 2000 - 2015

Ținând cont de faptul că începând cu al treilea mileniu severitatea fenomenelor de secetă a

crescut, atât la nivelul României, dar și la nivel mondial, și datorită faptului că majoritatea sateliților

pentru cercetare acoperă foarte bine ultimii 16 ani, s-a ales ca mai departe, în teză să se analizeze mai

amănunțit perioada 2000 – 2015, cu referiri prin comparație la perioada anterioară, atunci când datele

permit.

O altă metodă prin care unicitatea fenomenelor de secetă din trecut poate fi cuantificată este prin

aplicarea scorului Z, pentru datele de temperatură maximă. Se observă că și din această perspectivă,

valorile pozitive ies în evidență prin scoruri foarte ridicate după anul 2000, respectând tendința generală

a restului Mann-Kendall discutat anterior.

În evidență ies anii 2000, 2001, 2003, 2007, 2010 (cu perioada de vară), 2012 și 2015 în care atât

în timpul sezonului vegetativ (aprilie-septembrie), cât și în lunile de vară temperaturile maxime s-au

atins praguri istorice (de la data oficială pentru care există date înregistrate: 1961).

IV.1.4. Spațializarea Indicelui de Ariditate de Martonne

Seceta este un fenomen regional, iar cuantificarea zonelor expuse în fața acestui tip de hazard se

poate efectua combinând metode geostatistice și diferite produse S.I.G., cum ar fi interpolarea unor

puncte (stațiile meteorologice) la o suprafață de teren (Modelul Numeric al Terenului.).

Scopul aplicării analizei la nivelul întregii țări este acela de a demonstra și valida o altă metodă

des întâlnită în cartarea hazardelor și anume interpolarea ecuației de regresie pe modelul numeric al

terenului. Bineînțeles, metoda poate lua în calcul orice tip de indice care poate fi spațializat, însă pentru

acest studiu s-a ales Indicele de Ariditate de Martonne, fiind aplicat și recunoscut la nivel național și

internațional (Păltineanu et. al., 2007, Mavrakis și Papavasileiou, 2013).

Rezultatele cartografice ale distribuției anuale pentru Indicelui de Ariditate de Martonne sunt afișate în

figura 14.

Indicele de ariditate prezintă caracterul anual dominant al climei, iar din analiza temporală se pot

Figura 13. Diferențele dintre scorul Z pentru perioada martie - septembrie și perioada de vară în perioada 1961-2016

27

extrage anii cu caracter secetos/ normal sau ploios. De asemenea, faptul că indicele a fost interpolat pe

toată suprafața României, ajută la crearea unor idei legate de clasele altitudinale care sunt cel mai

frecvent predispuse la secetă.

Figura 14. Distribuția Indicelui de Ariditate Martonne în România pentru perioada 2002, 2003, 2005, 2007 (sus stânga –

jos dreapta)

Din hărțile prezentate, la nivelul regiunii Moldova, reiese că pentru perioada 2000 -2009 zonele

cele mai afectate de sectă au fost valea Prutului și Câmpia Colinară a Jijiei, arii joase, relative uniforme,

în care procesele advective și radiative au o repartiție uniformă (ANM, 2008). Aceste două unități de

relief reprezentând partea central nordică și estică a județului Iași.

În România, perioadele de secetă sunt determinate de circulația tropicală și uneori de cea de

blocaj (Ciulache, 2000). Pătrunderea maselor de aer cald și uscat cu proveniență africană sau asiatică

(ANM, 2008) se concretizează printr-o vremea caldă, fără precipitații pe o perioadă îndelungată și

reprezintă elementele circulației tropicale. Vremea secetoasă mai este determinată și atunci când un

câmpuri anticiclonale se instalează peste partea central și sudică a Europei (ANM, 2008), determinând o

vreme secetoasă și pe teritoriul României. Aceasta este circulația de blocaj.

Din lucrarea de referință efectuată și organizată de ANM – Clima României (2008) au fost

extrase valorile temperaturiloe maxime istorice, cu diferite perioade de revenire (Tabel 10). Tabel 10. Valorile istorice ale temperaturilor maxime cu probabilitate de revenire calculate pentru stația meteorologică

Iași. Sursa: ANM, 2008

Probabilitatea 1% 2% 5% 10% 20%

Perioada de

revenire

100 de ani 50 de ani 20 de ani 10 ani 5 ani

Valoarea 40,8 39,7 38,2 37 35,7

28

Așadar, cei mai secetoși au fost anii în care valorile maxime de temperature înregistrate lunar s-

au apropiat sau au depășit pragurile istorice.

2007 – În perioada de vară s-a emis cod roșu de

caniculă în România 1, iar valorile termice extreme au ajuns

la 40,1 oC la Iași, cu 6,65

oC mai mult față de media

maxima a lunii iulie (1961-2006) (Figura 15).

2012 – când pragul critic de 100 de ani a fost

depășit cu 0,8 grade la Iași iar temperatura maximă a lunii

iulie, pentru același an aproape a egalat probabilitatea de

2% deoarece s-au înregistrat 37,1 oC. Intensificarea

secetei pedologice a fost asociată cu prezența unor valori de

precipitații mai mici față de media multianuală (513.6 mm în

anul 2012, față de 580 mm în 1961-2011). Fenomenul s-a

extins de la componenta atmosferică prin afectarea

ecosistemelor, și implicit a producției agricole.

2015 - valorile maxime din perioada iulie –

septembrie au trecut pragul de 10 ani, când vara anului

respectiv s-a caracterizat prin decade întregi ce au avut un

caracter saharian, fenomen pus pe seama unei circulații sud-

estice, aparținând doresalei de aer cald de origine africană.

Această persistență a maselor de aer foarte cald a avut și un

caracter indigen, produs în Depresiunea Panonică și cea

Carpato – Balcanică, fiind de fapt o masă de aer blocat, cu

legătură la nord de Marea Neagră cu stepele caspice (Figura

16).

Legat de cauza înlocuirii verilor de tip mixt (caldură și

precipitații, cu frecvență redusă a fenomenelor de uscăciune și

secetă) ce au caracterizat secolul trecut, cu un șir de sezoane

calde considerate anormale din punct de vedere termic, în

literatura de specialitate se pune accent pe explicația

dezvoltării fenomenului El Nino, fenomen care duce la

accentuarea extremelor, provocând episoade grave de secetă prin activitatea sa accentuată (Raport

FAO, 2014).

Metoda percentilelor

Calcularea percentilelor 90 și 95 pentru temperaturile maxime din perioada 2000 – 2015 s-a

efectuat pe un cadru mai larg al Europei de Est extins către Câmpia Rusă. Pentru aceasta s-au selectat

câteva stații meteorologice care sunt încadrate în climatul temperat continental cu nuanțe excesive și în

regiunea semi-aridă din jurul Mării Caspice (conform clasificării climatice Kopper-Geiger), motivul ales

fiind acela că dinamica atmosferică trebuie înțeleasă prin analiză fenomenului la o scară mica sau

mijlocie, pe o suprafața mai întinsă și omogenă.

1 Date ANM, citate de Mediafax: http://www.mediafax.ro/social/anm-posibil-cod-rosu-de-canicula-vineri-se-anticipeaza-42-

43-de-grade-celsius-16527739

Figura 15. Situația sinoptică a temperaturii aerului

și a presiunii atmosferice de la nivelul Europei

pentru 24 iulie 2007. Temperatură și presiunea

atmosferică. Sursa: wetterzentrale.de

Figura 16. Situația sinoptică a temperaturii aerului

de la nivelul Europei la data de 23 iulie 2015.

Sursa: wetterzentrale.de

29

Conform graficelor din figura 17, în 2007 luna cea mai călduroasă a fost iulie, când în la toate

cele cinci stații meteorologice analizate de pe teritoriul României s-a depășit percentila 95, cu o medie

de +4 grade Celsius. Cea mai mare diferență dintre percentila 95 și valoarea maximă a fost înregistrată la

stația Iași și Chișinău.

Se observă că în figura 18 valorile percentilelor și ale temperaturilor maxime din lunile iulie și

august 2012 de pe teritoriul României (zona de podiș și câmpie) sunt mult mai apropiate de cele care se

înregistrează în mod frecvent în regiunea Mării Caspice, la Astrahan, acolo unde climatul caracteristic

este unul semi-arid.

Metoda de comparație între valori alese și percentile scoate în evidență situația unică a lunilor

respective, iar pentru valorile excepționale de la stația meterologică Iași s-a demonstrat că din punct de

vedere statistic fenomenele sunt comparabile ca intensitate cu situații de același calibru din stepele

rusești.

IV.2.Analiza coeficienților calculați cu sistemele optice

IV.2.1. Indicele de Corelație între Temperatura Solului și Vegetație

Pentru detectarea ariilor cu umiditate din sol influențate de temperatură și de regimul

pluviometric local s-a recurs la calcularea Indicele de Corelație între Temperatura Solului și Vegetație

(Sandholt, et. al., 2002). Analiza s-a făcut doar pentru perioada aprilie – octombrie 2009 la nivelul

întregului județ. S-a ales acest interval deoarece el corespunde sezonului de vegetație (aprilie –

septembire), iar luna octombie a fost perioada în care s-au înregistrat cantitățile maxime de precipitații

din anul respectiv, acest indice reușind să surprindă local refacerea rezervei de apă din sol.

Figura 17. Distribuția temperaturilor maxime și a percentilelor (.90 și .95) pentru 12 stații meteorologice din Europa de est în lunile

iulie și august 2007

Figura 18. Distribuția temperaturilor maxime, a percentilelor (.90 și .95) pentru 12 stații meteorologice din Europa de Est

în lunile iulie și august 2012

30

Majoritatea coeficienților de regresie între Temperatura Solului și Indicii de vegetație

depășesc valoarea de 0,9, fapt ce pune în evidență o corelație satisfăcătoare între pixelii care

desemnează arealele representative pentru zone cu umiditate ridicată sau scăzută. Evoluția temporală a

pantei pentru cei doi indici reprezentată pentru relația LST – EVI evidențiază orientarea ca fiind direct

proporțională cu dezvoltarea sezonului maxim al vegetației din cadrul regiunii studiate (lunile mai-

august).

Figura 19. Abaterile față de media aritmetică a pantelor regresiei pentru marginea umiditate scăzută (bmax) și umiditate

ridicată (bmin) pentru Indicele Corelat între Temperatura Solului și Vegetație (TDVI) și Distribuția precipitațiilor în

intervalul 1 aprilie - 30 octombrie 2009, la stația meteorologică Iași

Deoarece indicele propus reprezintă o relație între gradul de dezvoltare a vegetației și

temperatura de la nivelul solului, s-a hotărât ca explicația variației pantelor de regresie caracteristice

regiunilor cu umiditate să fie comparată cu distribuția precipitațiilor (prezența sau absența) de la stația

meteorologică Iași (date zilnice), deoarece în capitolele anterioare s-a discutat despre relația strânsă

dintre acești doi parametri meteorologici.

Pentru a compara rezultatele observate în figura 19 s-a s-a aplicat metoda tabelului de

contingență, astfel: dacă luna respectivă este considerată a fi secetoasă sau ploioasă (din punct de vedere

climatic), va figura semnul convențional ”-”, respectiv ”+”. Aceeași tehnică se va aplica pentru valorile

observate de panta de regresie ce reprezintă regiunile cu umiditate scăzută/ridicată, în funcție de

abaterea față de media aritmetică.

Tabel 11. Tabelul de contingență comparativ cu observațiile dintre precipitații și pixelii de maximă/minimă. M reprezintă

abaterea pozitivă sau negativă față de media aritmetică a pantei pentru marginea cu pixeli uscați, iar m reprezintă

abatrerea pozitivă sau negativă față de media aritmetică a pantei pentru marginea cu pixeli umezi

Aprilie Mai Iunie Iulie August Septembrie Octombrie

pp M m pp M m pp M m pp M m pp M m pp M m pp M m

- - - - - - + + + + + + + - +- - +- - + + +

Se observă că abaterile pantei de regresie respectă caracterul pluviometric al lunii respective

(Tabel 11). În prima decadă a lunii aprilie, 2009 nu s-au înregistrat deloc precipitații, iar pentru prima

imagine corespunzătoare datei respective, cea din 7 aprilie se constatăă abateri negative minime în

valorile pantei regresiei, însemnând că la data indicată umiditatea din sol era extrem de scăzută în cea

mai mare parte a ariei analizate. Luna iunie a reprezentat maximul pluviometric de vară, iar pe acest

fond, împreună cu dezvoltarea vegetației, valorile de umiditate din sol cresc, iar acest aspect este

evidențiat de abaterile pozitive ale pantelor față de medie. Așadar, numărul pixelilor care reprezintă o

umiditate ridicată la sol este mai mare pentru zona analizată. Luna cea mai ploioasă a fost octombrie, cu

un maxim de peste 40 mm înregistrați în prima jumătate a lunii, iar valorile pantelor prezintă o tendință

pozitivă, ce poate fi din nou asociat cu o creștere în umiditatea din sol

31

Reprezentarea cartografică a indicelui de umiditate s-a realizat doar pentru relația dintre

Temperatura solului (LST) și Indicele Îmbunătățit al Vegetației (EVI) deoarece ambele corelații cu cei

doi indici de vegetație (EVI și NDVI) au fost foarte bune.

Figura 20. Evoluția spațio-temporală a umidității solului calculat pe relația dintre Temperatura solului și indici de

vegetație pentru intervalul 7 aprilie – 1 mai 2009

În mod teoretic, acest indice variază între valorile 0 și 1, el reprezentând practic o standardizare a

indicilor de vegetație prin măsurarea amplitudinii dintre temperaturile extreme. Astfel, cu cât valoarea

este apropiată de 1, cu atât pixelul respectiv pune în evidență un areal uscat. Printr-o cromatică caldă

sunt puse în relief zonele în care umiditatea are valori foarte scăzute, iar aceste culori domină pentru

intervalele temporale menționate anterior ca fiind secetoase, acestea fiind și zonele cu o vulnerabilitate

ridicată la secetă, din cauza regimului pluviometric deficitar, dar și a caracteristicilor locale reprezentate

de tipul de sol și caracteristicile hidrofizice aferente.

Pentru reprezentarea ariilor cu vulnerabilitate la seceta pedologică s-a realizat compararea

perioadelor îndelungate în care umiditatea din sol estimată a fost scăzută, cu valorile coeficientului de

ofilire de pe curba de sucțiune, reprezentat de linia roșie în graficele din figura 21. Cubele din imagine

reprezintă rezultatul pentru un cernoziom tipic (33% argilă) și un luvisol tipic (15% argilă)

Figura 21. Coeficienții hidrofizici estimați prin ecuația van Genuchten pentru profilele de sol Holboca și Cotnari

32

În tabelul 12 se observă că perioada de umiditate scăzută a solului a fost calculată pe baza

Indicelui de Corelație între Temperatura Solului și Indicii de Vegetație, deci valori ale coeficientului de

peste 0.6 unități, pentru profilele de sol Tabel 12. Relația dintre coeficientul de ofilire și perioadele cu umiditate scăzută conform Indicelui Corelat între

Temperatura Solului și Vegetație (TDVI) pentru 8 profile de sol din județul Iași

Profil Tip de sol Utilizare Perioadă cu

umiditate

scăzută(2009)

Coef. de ofilire

Valea

Bahluiului (3

profile)

Soloneț și

solonceac

Pășune și

arabil

7 apr – 10 august

20 iun – 22 sept

35 - 34

Holboca Cernoziom Teren arabil 13 aug – 30 sept 30

Erbiceni Cernoziom Teren arabil 23 apr – 8 oct 26

Cotnari

(3 profile)

Cernoziom și

luvosol

Viță de vie -

plantații

29 aug – 7 sept 17

Figura 22. Ariile cu vulnerabilitate la secetă din județul Iași în 2009, conform Indicelui Corelat între Temperatura

Solului și Vegetație (TDVI) și coeficientul de ofilire estimat

Pe baza acestor rezultate, s-a detectat că aria cu cel mai grad de vulnerabilitate pentru perioada

martie – octombrie 2009 este situată de-a lungul râului Bahlui, acolo unde tipul de sol dominant este

soloneț și solonceac, un sol bogat în conținut de argilă, peste 50% (Figura 22, Tabel 12). Perioada critică

cu minim de umiditate a fost intervalul 20 iunie – 22 septembrie, iar regiunea poate intra în clasa

vulnerabilității, din cauza coeficientului de ofilire foarte ridicat: 35 – 36%. A doua arie detectată pentru

clasa vulnerabilității este reprezentată prin profilele din localitățile Holboca, Erbiceni și Sârca, iar riscul

aici este reprezentat cu atât mai mult cu cât terenul este utilizat 100% ca arabil, fiind pe un cernoziom

tipic. Aici s-a detectat cea mai extinsă perioadă de umiditate scăzută pentru regiunea Holboca (23 aprilie

33

– 8 octombrie 2009).

IV.2.2. Indicele de Stare a Vegetației

Pentru detectarea stresului vegetativ la nivel regional s-a ales calcularea Indicelui de Stare a

Vegetației, pentru trei ani secetoși (2002, 2007 și 2015) și un an ploios (2005). Principalul scop a fost

acela de a prezenta modul în care perioadele îndelungate de secetă meteorologică afectează zonele

cultivate (Dicu et. al., 2016).

Figura 23. Repartiția valorilor Indicelui de Stare a Vegetației, un exemplu pentru intervalul martie - aprilie 2002

Deoarece studiul se focusează pe analiza fenomenelor de secetă din zonele agricole, din fiecare

imagine s-au extras valorile reprezentative ale pixelilor ce aparțin clasei ”teren arabil”, conform datelor

din CLC 2002 și 2012. De asemenea, pentru crearea profilelor temporale s-au ales doar extremele

minime de la fiecare imagine, pentru a realiza o analiză comparativă între evoluțiile fenologice

condiționate de factorii climatici (Figura 24).

Figura 24. Evoluția valorilor minime ale Indicelui de Stare a Vegetației pentru anul 2002, 2005, 2007 și 2015

34

Zona minimii indicelui reprezentată de pixelii pentru zonele agricole din județul Iași descrie

variații lunare diferite, oscilații ce redau relația dintre variabilele climatice și evoluția fenologică.

Astfel, în luna martie au fost observate pentru toti cei 4 ani analizați valori similare, acestea

evidențiind în majoritate terenurile fără vegetație. Valorile indicelui cresc în luna aprilie, mai și iunie și

reprezintă culturile în curs de dezvoltare sau chiar la maturitate. De asemenea, precipitațiile abundente

din intervalul mai-iunie poate fi considerate ca variabilă care influențează aceste oscilații ale indicelui.

Cele mai scăzute valori ale indicelui (8 – 10%), corespunzătoare cu apariția stresului

vegetativ sunt observate pentru luna iulie 2007 și 2015. În capitolul anterior s-a argumentat unicitatea

acelor perioade, care din punct de vedere climatic au reprezentat episoade extreme de secetă

atmosferică. Bineînțeles, persistența temperaturilor ridicate, lipsa precipitațiilor, creșterea

evapotranspirației declanșează seceta pedologică, iar acest indice de teledetecție surprinde întocmai

situația de la data respectivă.

IV.2.3. Perioade cu anomalii ale precipitațiilor

Metoda analizei anomaliilor unor date dintr-un șir de valori s-a dovedit a fi extrem de folositoare

în capitolul anterior, deoarece observarea tendințelor negative în precipitații poate fi corelată cu prezența

fenomenelor de secetă și poate explica evoluția episoadelor respective. Aceeași tehnică de detectare a

anomaliilor s-a aplicat pentru datele de precipitații lunare (mm) extrase din baza de date internațională

Giovanni Earthview, pentru programul spațial Tropical Rainfall Measuring Mission (2000 - 2015).

Figura 25. Distribuția anomaliilor de precipitații în România în perioada iunie - iulie 2007, conform TRMM

Caracterul pluviometric al anului 2007 scoate în evidență o serie de anomalii negative pentru

județul Iași în perioada mai – iulie (Figura 25) și valori pozitive în lunile august și septembrie, față de

media multianuală 2000 – 2006. Referitor la rezultatele indicelui analizat anterior (Indicele de Stare a

Vegetației), se observă o legătură între valorile scăzute din perioada iunie - iulie cu valori de la 20 % la

un prag minim de 7 % și perioada cu anomalii pluviometrice negative, indicându-se astfel instalarea

secetei pedologice prin crearea stresului vegetativ.

35

Figura 26. Distribuția anomaliilor de precipitații în România în perioada aprilie - mai 2015, conform TRMM

Figura 26 reprezintă anomaliile pluviometrice din perioada aprilie - mai pentru anul 2015, față de

media perioadei 2000 – 2014 la nivelul României. Pentru județul Iași, inclusiv zona Moldovei, luna mai

este considerată a fi cea mai secetoasă, cu un minus de 58.9 mm față de medie multianuală a ultimilor 15

ani, aspect confirmat și de valoarea ISP de -1.91 unități de la stația meteorologică Iași, calculată în

capitolul anterior.

Astfel, prin compararea profilelor temporale între anomaliile pluviometrice și indicii de vegetație

se pot caracteriza și stabili ariile și perioadele în care prezența secetei meteorologice a evoluat în secetă

pedologică, prin provocarea stresului vegetativ.

IV.3. Studii de caz: Monitorizarea culturilor agricole cu ajutorul sistemelor optice În zonele agricole condițiile de sol și evoluția culturilor prezintă schimbări sezonale (lunare),

săptămânale sau chiar zilnice, la nivelul parcelelor (McNairn și Brisco, 2004). Pentru această parte a

tezei s-a ales analiza etapelor vegetative prin detectarea arealelor ce au fost vulnerabile la secetă

utilizând datele oferite de misiunile MODIS 16 zile 250 m pentru perioada 2000 - 2016 și Landsat 8

(OLI) pentru perioada 22 aprilie – 13 septembrie 2016. S-au luat în calcul valorile NDVI (MODIS și

Landsat) și cromatica

reprezentativă a

combinației spectrale 6-

5-2 analizate pe patru

tipuri de culturi

reprezentative la nivel de

producție pentru

România. Studiul a fost

aplicat pentru partea de

NE a județului. Din

punct de vedere

geomorfologic, zona este

reprezentată de partea

sudică a Câmpiei

Colinare a Jijiei, aceasta

fiind cea mai

importantă regiune

agricolă la nivelul

județului.

Figura 27. Distribuția lunară și anuală a valorilor NDVI în perioada 2000-2016 pentru zona

arabilă din partea de NE a județului Iași

36

S-a ales reprezentarea unui indice de vegetație deoarece acesta oferă o explicație pentru tipul și

modul de evoluție al plantelor, astfel că valorile mari reprezintă pixelii în care culturile din teren este

viguroasă, bine dezvoltată, sănătoasă, pe când cu cât valorile sunt mai mici, cu atât se marchează un

aport mai redus de clorofilă, ce poate fi cauzat de prezența unei vegetații răsfirate, slab reprezentate sau

chiar de lipsa acesteia.

Valorile medii NDVI pentru fiecare lună conturează faptul că pentru perioada analizată maximul

vegetativ are loc în luna iunie în 10 cazuri din cei 17 ani analizați (Figura 27). S-a mai observat că în

perioadele considerate a fi secetoase profilele temporale sunt diferite în sensul că nu se aseamănă

cu o distribuție normală în formă de clopot. De exemplu, în 2015 maximul vegetativ al zonelor

agricole a fost în luna mai, după care se observă un declin în termeni de valori NDVI, ori lunile iunie sau

iulie sunt de regulă perioade cu valori maxime înregistrate pentru NDVI, deci cu expansiune maximă a

perioadei de vegetație. O altă perioadă secetoasă care s-a remarcat prin valori extrem de scăzute ale

umidității din sol a fost luna august 2012. Valorile reprezentate în figura 28 b au fost înregistrate de

senzorul ASCAT al satelitului Metop A, iar cifrele sunt reprezentate în graficul 28 a.

Figura 28. Umiditatea solului (%) în partea de NE a județului Iași conform datelor zilnice multitemporale Metop A

(senzorul ASCAT), pentru luna august 2012 și reprezentarea cartografică a distribuției umidității (19-31.08.2012)

Valori minime sub 1% au fost înregistrate în 9 zile din cele 31 ale lunii, mediana situându-se la

13.7%, indicând că pentru 50% din perioadă valorile umidității din sol au fost extrem de scăzute. De

asemenea, media aritmetică a umidității din ultimele 13 zile ale lunii august arată valorile foarte mici, de

aproape 2% pentru cea mai mare parte a zonei analizate (Figura 28).

Având în vedere că seceta pedologică evoluează numai după ce seceta atmosferică s-a instalat,

pe fondul unul regim de presiune ridicată, evapotranspirația accentuată a fost motorul care a general

valorile de umiditate din sol foarte scăzute. Bineînțeles, toate aceste aspecte s-au reflectat în ofilirea

în timpul zilei a culturilor de pe suprafețele cultivate, urmată de scăderea producției agricole pentru

regiunea Moldovei, deoarece ecosistemele au fost dezechilibrate din cauza temperaturilor maxime cu

caracter istoric.

În următoarele grafice este reprezentată evoluția fenologică a 14 parcele în funcție de răspunsul

spectral în combinația spectrală 6-5-2 și în funcție de valorile NDVI extrase de pe Landsat 8 pentru anul

2016. Evoluțiile NDVI sunt însoțite de constatări ale etapei fenologice obținute prin interpretarea vizuală

a cromaticii din combinația spectrală mai sus menționată. Semnele grafice pentru figurile 29-30 sunt

următoarele: ”=” indică prezența vegetației în parcela analizată, ”+” indică o vegetație puternic

37

dezvoltată, de cele mai multe ori reprezentând maximul perioadei fenologice, ”-” indică prezența unei

culturi dispersate, fără vigoare sau aflată în ultimele stadii de vegetație, iar semnul ”x” reprezintă lipsa

unei culturi la momentul analizat.

Figura 29. Evoluția fenologică a parcelelor cultivate cu grâu de toamnă și rapiță, conform valorilor NDVI și a

combinației spectrale 652 (Landsat 8)

Din analiza celor 4 parcele cultivate cu rapiță și a celor două de grâu de toamnă (Figura 29) se

constată că nu apar zone cu stres hidric (cel puțin pentru arealele luate în calcul), deoarece pentru

perioada critică de înflorire, în lunile mai și iunie apar valori de NDVI superioare ( de la 0.6 până la

0.74), iar nuanțele de verde deschis sunt prezente în aceste luni moderat de umede, aspect ce pune în

evidență o evoluție fenologică situată în parametri normali.

Culturile de vară prezintă un model diferit, deoarece în vara anului 2016 acestea au fost afectate

de seceta fiziologică în diferite stagii de evoluție. Spre deosebire de culturile de toamnă care s-au

dezvoltat în condiții normale, în anul 2016 atât porumbul, cât și floarea soarelui au fost afectate de

secetă cu diferite intensități.

38

Figura 30. Evoluția fenologică a parcelelor cultivate cu porumb și floarea soarelui, conform valorilor NDVI și a

combinației spectrale 652 (Landsat 8)

Pentru cultura de floarea soarelui s-a constatat că pentru 4 cazuri din cele 5 analizate valorile

NDVI scad brusc în intervalul 11 – 27 iulie, de la 0.98 reprezentând maximul vegetativ, când culturile

au vitalitate, la 0.6 sau chiar 0.4 pentru parcela nr. 4 (Movileni), iar această schimbare bruscă detectată

de către indice este o consecință a instalării perioadei de secetă pedologică din vara anului 2016.

Analiza profilele temporale MODIS la nivel de parcelă pentru culturile propuse Al doilea tip de analiză propus pentru monitorizarea culturilor agricole în perioadele de

secetă este reprezentat de alcătuirea unor profile temporale la o secvență constantă de 16 zile pentru

observarea evoluțiilor fenologice din perioada 2013 – 2016, pentru care există date oferite de APIA ale

tipului de cultură. Pentru acest rezumat se va realiza exemplificarea doar pentru o parcelă.

Figura 31. Diagrame boxplot cu valorile medii anuale NDVI pentru culturile agricole din parcela 3- Podu Iloaiei și

profilele temporale ale fenologiei în perioada 2013 - 2016

Analiza comparativă a profilelor temporale a valorii medii NDVI (Figura 31) poate ajuta la

crearea unor profile fenologice, mai ales dacă se dispune de o serie de date din teren cum ar fi etapa

exactă a dezvoltării plantei, înălțimea acestora, etc. În figura reprezentată se observă două evoluții

distincte: primul este profilul grâului de toamnă care atinge perioada de maxim vegetativ în aprilie și

care a fost cultivat în parcela selectată în anii 2013 și 2016, iar al doilea profil fenologic este specific

porumbului, cu maximul dezvoltării foliare în iulie. De asemenea, valorile NDVI inferioare obținute la

cultura de porumb pentru anul 2015 față de anul anterior indică faptul că zona respectivă a fost supusă

stresului hidric.

Cele două metode de analiză a răspunsurilor spectrale oferite de imaginile optice pot fi integrate

în managementul agricol, deoarece analiza NDVI, crearea unor profile fenologice temporale,

39

cunoștințele legate de cerințele hidrice și termice ale diferitelor culturi reprezintă o sursă de

informație importantă și poate ajuta la combaterea secetei pedologice deoarece în acest mod se pot

repartiza eficient cantitățile de apă pentru irigații. Metoda poate fi aplicată și atunci când se

urmărește localizarea parcelelor în care dăunătorii agricoli sunt prezenți, iar informația poate ajuta la

crearea unei scheme de combatere a acestora.

IV.4. Studii de caz: Analiza la nivel de parcelă a etapelor fenologice pentru culturile

de rapiță, grâu de toamnă, porumb și floarea soarelui utilizând răspunsul radar

Rezultatele procesării imaginilor SAR pentru județul Iași în perioada 1 aprilie 2016 – 26

septembrie 2016, perioadă care se suprapune peste sezonul vegetativ sunt exprimate în decibeli, în figura

32, la care s-a adăugat un strat vectorial ce conține date de tip de cultură la nivel de parcelă din baza de

date oficială a APIA Iași, iar în graficul 33 sunt prezentate evoluțiile temporale ale răspunsului radar

pentru cele patru culturi în ambele polarizări.

Figura 32. Imagini SAR GRD multitemporale, exemplu pentru 1 aprilie și 26 septembrie 2016, pentru partea de NE a

județului Iași

Semnalul radar difuzat către satelit depinde de doi factori: rugozitatea și umditatea solului (Shi

et. al., 1995). Rugozitatea se interpretează în funcție stagiul fenologic al plantelor, deoarece absența sau

prezența culturilor va implica modificări în răspunsul radar. Tocmai de aceea la începutul perioadei de

analiză, în aprilie rapița și grâul au valori mai mari pe axa decibelilor față de cele ale culturilor de vară

(polarizare VH), reprezentând diferența dintre un sol necultivat și un sol pe care vegetația se dezvoltă.

Figura 33. Evoluția coeficientului radar difuz în a. polarizare VV și b. polarizare VH pentru patru culturi agricole în

perioada aprilie – septembrie 2016

40

Pentru al doilea parametru, gradul de umiditate din sol s-au analizat valorile detectate de către

satelitul SMAP cu rezoluția spațială de 9 km și cu o rezuluție temporală de 2 zile. Valorile inițiale sunt

exprimate în cm3/cm

3. Se observă că toate culturile prezintă un prag surprins de coeficientul de difuzie

sigma la trecerea din luna mai spre iunie, atunci când atât floarea soarelui, cât și porumbul trec din faza

de germinare în cea de dezvoltare a tulpinilor și inflorescențelor, prag surprins foarte bine în polarizarea

VV.Explicația se regăsește în caracterul pluvial al lunii iunie ,aceasta fiind catalogată ca o lună moderat

umedă, conform pragurilor Indicelui Standardizat al Precipitațiilor, cu o valoare pozitivă de 1,22. Suma

precipitațiilor înregistrate la stația meteorologică Iași în perioada 24 mai – 3 iunie a atins valoarea de 68

mm (Figura 34).

Tabel 13. Coeficientul Pearson și valoarea statistică p aferentă pentru corelația între coeficientul radar în polarizare VV și VH și

umiditatea solului pentru parcelele agricole din partea de NE a județului Iași

Tip de cultură Variabile R2 Valoare statistică p

Rapiță VV ~ umiditate sol 0.6 0.00

VH ~ umiditate sol 0.42 0.03

Grâu de toamnă VV ~ umiditate sol 0.48 0.01


Porumb VV ~ umiditate sol 0.65 0.00


Floarea soarelui VV ~ umiditate sol 0.52 0.00


Rezultatele corelației liniare expuse în tabelul 13 confirmă ipoteza că umiditatea din sol este una

din cea mai importante variabile care influențează răspunsul radar, deoarece toate valorile p sunt mai

mici decât pragul 0.05, deci indicii de corelație sunt semnificativi. Astfel se confirmă ipoteza că

informațiile oferite de imaginile radar pot fi utilizate în strategii de management agricol, prin

detectarea în avans a acelor perioade în care cultrile sunt expuse la secetă.

Figura34. Valorile standardizate ale precipitațiilor zilnice de la stația meteorologică Iași (aprilie – septembrie 2016)(sursa

:ECA&D) și valorile medii de umiditate din sol din aria de studiu (sursa : SMAP, 2016)

41

De asemenea, cele mai bune corelații au fost explicate în relația umiditatea solului și polarizarea

VV, pentru rapiță și porumb, iar aceste rezultate sunt similare cu cele obținute în studiul efectuat de

Karjalainen et. al. (2005).

Concluzii

Lucrarea de față abordează problematica secetelor din județul Iași. Evaluarea acestui tip de

hazard a fost obținută prin aplicarea unor metode avansate de analiză spațio-tempolală. Utilizând o serie

de tehnici S.I.G. recunoscute și validate la nivel internațional s-au cuantificat cele mai însemnate

episoade de secetă meteorologică din perioada 1961-2016, iar cu ajutorul imaginilor satelitare cu

acces liber s-au putut delimita arealele vulnerabile în fața secetelor pedologice și fiziologice. Analiza

a fost aplicată atât la nivelul întregii arii de studiu, cât și la nivel de parcelă agricolă.

Metodele de lucru propuse au caracter aplicativ și pot fi implementate la nivel de instituție,

deoarece marea majoritate a bazei de date este gratuită și accesibilă oricui, iar rezultatele obținute pot

avea atribute complementare în cadrul politicilor de management din domeniul agriculturii, deoarece în

țara noastră cele mai însemnate pagube cauzate de secetă sunt reprezentate de diminuări ale producțiilor

agricole.

În județul Iași perioadele secetoase sunt cauzate de circulația tropicală și de cea de blocaj,

atunci când persistența ariilor anticiclonale deasupra continentului generază advecția aerului cald, uscat

de tip saharian. Principala consecință a acestui aranjament baric este reprezentată prin creșterea

temperaturilor și lipsa precipitațiilor. Prin calcularea indicilor meteorologici și de bilanț hidric:

Indicele Standardizat al Precipitațiilor, Indicele de Ariditate Palfai și Indicele Severității Secetei

Palmer pentru datele cu caracter climatic de la stația meteorologică Iași s-au evidențiat următoarele

perioade secetoase: 1964-1967, 1972, 1975, 1981-1982, 1986, 1988-1989, 1991-1995, 1998-2004, 2006-

2001, 2015. Din această distribuție se observă frecvența mult mai mare a secetelor după anul 1985.

Pentru caracterizarea lunară a regimului pluviometric, Indicele Standardizat al Precipitațiilor este

recomandat și aplicat la nivel internațional. Indicele Severității Secetei Palmer are o aplicabilitate mult

mai mare în scopuri agricole deoarece acesta ia în calcul valorile de bilanț hidric specifice compenentei

pedologice. Prin aplicarea acestuia pentru perioada 1961-2006 s-au obținut 202 luni încadrate în

diferite praguri de secetă, acestea însemnând un procent de 36% din totalul perioadei analizate.

Pentru valorile multianuale ale precipitațiilor (1961-2016) de la stația meteorologică Iași s-au

consatat tendințe negative semnificative din punct de vedere statistic doar pentru lunile iunie și iulie.

În schimb, oscilația pozitivă a temperaturilor medii (1961-2013) și maxime (1961-2015) reprezintă

elementul cheie pentru declanșarea secetelor meteorologice. S-au observat tendințe pozitive,

semnificative din punct de vedere statistic pentru lunile ianuarie, martie și mai-august la nivelul

temperaturilor medii și pentru ianuarie-martie, mai-august și octombrie în studiul temperaturilor

maxime lunare.

Pe fondul producerii unor anomalii ale precipitațiilor, creșterea temperaturilor va fi urmată

de o accentuare a fenomenelor de evapotranspirație, deci cu impact asupra mediului. Seceta

atmosferică prelungită va declanșa episoade mai puternice de secetă pedologică, urmată de cea

fiziologică, rezultând astfel în manifestarea stresului vegetativ.

Din analiza temperaturilor maxime cu ajutorul diagramelor boxplot s-a pus în evidență că 84%

din valorile considerate extreme din punct de vedere statistic s-au înregistrat în diferite luni de vară după

anul 2000. Cele mai secetoase perioade au fost în anul 2007, 2012,2015.

Spațializarea Indicelui de Ariditate de Martonne (2000-2009) prin interpolarea ecuației de

regresie multiplă a scos în evidență faptul că zonele în care seceta se propagă mult mai ușor sunt

42

culoarul Prutului și Câmpia Colinară a Jijiei. De asemenea, valorile pozitive ale scorului statistic Z

aplicate pentru temperaturile maxime din perioada 1961-2015 evidențiază anii secetoși de după 2000.

Perioadele considerate a fi cele mai secetoase situate în regiunea critică 5% au fost martie-

septembrie 2007, iunie-august 2010, martie-septembrie 2015. În regiunea 0,5% s-au încadrat

valorile din iunie-august 2007 și 2012.

Metoda percentilelor s-a aplicat pentru a scoate în evidență severitatea secetelor pentru intervalul

temporal iulie și august din 2007 și 2012. S-a realizat o comparație cu stații meteorologice situate în

estul Europei în regiuni climatice asemănătoare cu cele din estul României, la care s-a adăugat și stația

meteorologică din Astrahan (regiunea de stepă din jurul Mării Caspice) cu un climat semi-arid. S-a

constatat că din punct de vedere statistic, intensitatea secetelor din lunile amintite poate fi

comparabilă cu caracterul termic specific stepelor rusești, deoarece valorile înregistrate la stația Iași

au depășit chiar și percentila .95 din regiunea cu climat semi-arid.

In concluzie, indicii aplicați pentru datele provinite de la stații meteorologice oferă explicații ale

fenomenelor petrecute în trecut. Aceștia clarifică cel mai bine distribuția și frecvența episoadelor de

secetă meteorologică, pe când pentru seceta pedologică și fiziologică analiza imaginilor satelitare este de

preferat.

Rezultatele oferite de analiza imaginilor satelitare reprezintă o adevărată sursă de informație la

nivelul tuturor geoștiințelor, deoarece bunele rezoluții spațiale, combinarea diferitor surse și posibilitatea

de a valida cu datele din teren ilustrează un atu în cadrul oricărui tip de cercetare. Un alt avantaj este dat

de valabilitatea și accesibilitatea acestor date, ce conțin informații cheie despre elementele de pe

suprafața pământului.

Indicele Corelat între Temperatura Solului și Vegetație a fost aplicat pentru a obține gradul de

umiditate la nivelul solului în perioada aprilie – octombrie 2009. Rezultatele obținute au fost corelate cu

date zilnice de precipitații și cu valorile estimate ale coeficientului de ofilire obținut prin relația van

Genuchten. Astfel, zonele cu vulnerabilitate ridicată la seceta pedologică au fost Lunca Bahluiului,

unde 3 profile de sol cu soloneț și solonceac prezintă cele mai ridicate valori ale coeficientului de

ofilire: 35-34 %. Zona respectivă este utilizată ca pășune și teren arabil. De asemenea, analiza

vulnerabilității terenurilor agricole a confirmat că prezența valorilor scăzute de umiditate în sol pe

perioade lungi de timp (23 aprilie – 8 octombrie sau 13 august – 30 septembrie, pentru zona Holboca,

respectiv Erbiceni) este corelată cu proprietățile fizice ale solului, în special cu procentul ridicat al

argilei, care în mod invariabil atrage după sine un coeficient de umiditate ridicat: 28 și 26%.

Calcularea indicelui este cronofagă, însă reprezintă o soluție foarte bună atunci când utilizatorul are

nevoie de date la o rezoluție spațială bună (1 km sau 250 de metri).

Indicele de Stare a Vegetației a fost calculat cu scopul de a analiza modul în care acesta poate

detecta arealele în care stresul hidric s-a instalat. Acest lucru s-a efectuat prin interpretarea valorilor

minime ale histogramelor în relație cu anomaliile pluviometrice. Stresul vegetativ apărut la plante s-a

observat în perioadele în care lipsa precipitațiilor a cauzat fenomene puternice de secetă meteorologică,

urmată de cea pedologică și fiziologică pentru zonele arabile din județul Iași. În evidență ies situațiile

din luna iulie 2007 și 2015, când răspunsul observat indică instalarea unor secete cu caracter extrem,

manifestat prin modificări clare în fizionomia vegetației (minime ale Indicelui de Stare a Vegetației

de 10%, în condițiile în care pentru an normal, pentru aceeași perioadă valorile depășesc 50%).

Pentru intervalele de timp secetoase, conform anomaliilor pluviometrice calculate din baza de date

TRMM s-au detectat valori medii de -45 mm, respectiv -40 mm.

Subcapitolul dedicat studiilor de caz are scopul de a expune un model de analiză ce poate fi

implementat sau aplicat ”la zi”, la nivel de parcele agricole, pentru care se cunosc tipul de cultură pentru

monitorizarea continuă. Profilele fenofazice pentru patru tipuri de cultură reprezentative ca suprafață la

nivelul județului Iași (rapiță, grâu de roamnă, floarea soarelui și porumb) au fost obținute prin analiza

43

valorilor medii obținute dintr-un indice satelitar de vegetație (NDVI), la care s-au adăugat explicații ale

situațiilor reale de umiditate din sol, obținute de către satelitul Metop A, pentru a explica contextul

climatic și agrochimic. Această metodă oferă explicații pentru modul de evoluție al plantelor dintr-un an

agricol, în sensul că valori mici ale indicelui au fost detectate în anii 2003, 2009 și 2012, una din cauze

reprezentând-o instalarea perioadelor secetoase cu caracter prelungit. Același tip de analiză s-a

efectuat și pentru imaginile NDVI de proveniență Landsat 8, la care s-a adăugat o interpretare calitativă

a imaginilor optice din combinația spectrală 6-5-2. Analiza a surprins modul în care culturile de vară au

fost afectate de secetă fiziologică în iulie – august 2016: 4 parcele cultivate cu floarea soarelui din

regiunile Scobinți, Deleni, Focuri și Movileni și 2 parcele cu porumb din Andrieșeni și Vlădeni.

Pentru culturile de toamnă nu s-au detectat anomalii.

De asemenea, prin calcularea coeficientului radar al semnalului difuz s-au observat informații

legate de aceleași parcele, pentru același interval de timp menționat anterior. Profilele obținute sunt mai

complete, deoarece sunt alcătuite din 23 de date pentru perioada aprilie – septembrie, față de 11 valori

temporale obținute din imaginile Landsat. Mai mult, prin caracteristicile deosebite ale rapiței, aceasta

poate fi discriminată foarte ușor în polarizarea vertical-vertical și vertical –orizontal.

În lunile anului în care vegetația nu mai este prezentă în sol umiditatea solului nu poate fi

explicată din analiza imaginilor optice pentru indicii de vegetație, în schimb, acest parametru este

detectabil în sistemul radar. În teză această relație între valoarea coeficientului radar difuz în dublă

polarizare și cantitatea de umiditate din sol estimată de SMAP este pusă în evidență prin indicii de

corelație între 0,42 și 0,79.

Interpretarea rezultatelor obținute din imaginile satelitare se pliază pe rapoartele

agrometeorologice publicate periodic de ANM România și vin ca o confirmare că metodologia de

abordare pentru un astfel de fenomen climatic extrem este una acceptabilă și validată.

În monitorizarea zonelor agricole utilizarea imaginilor satelitare este recomandată. Indicii

calculați pe baza imaginilor optice sunt

- ușor de calculat și aplicat, mulți dintre aceștia fiind deja disponibili gratuit pe site-urile oficiale

ale misiunilor respective;

- facilitățile computaționale de care utilizatorul are nevoie nu sunt extrem de ridicate, chiar și pentru

o analiză multi-temporală. De regulă, se lucrează cu imagini care au în jur de câțiva MB, unoeri zeci

de MB.

- rezoluțiile spațiale sunt variate și se pliază pentru studii la diferite scări (1 km, 500 m, 250 m, 30 m

sau chiar 15 m)

- analiza multi-temporală este posibilă doar în condiții de vreme senină și doar pe timpul zilei,

deoarece condițiile meteorologice locale influențează fiecare achiziție. De cele mai multe ori acest

aspect constituie un dezavantaj deoarece în agricultură componenta timp reprezintă un element

destrictiv, fără de care analiza corectă nu este posibilă.

De un real folos au fost și informațiile oferite de sistemele radar, deoarece:

- achiziția se face neținând cont de condițiile meteorologice sau de timpul zilei. Aceste imagini

reprezintă un atu pentru orice studiu bazat pe analiza multi-temporală;

- rezoluția spațială foarte bună a sistemului Sentine-1 SAR face posibilă integrarea lor în studii de

detaliu;

- achiziționarea se face fără niciun cost, necesitând doar cunoștințe din partea utilizatorului;

- din analiza agricolă s-a demonstrat că oscilația semnalului difuz este dependentă de rugozitate și

de umiditatea din sol, pe când aceste aspecte nu pot fi determinate integral de pe o imagine optică

ce reprezintă indicii de vegetație;

- dezavantajul este dat de faptul că imaginile au nevoie de un spațiu de stocare extrem de generos

deoarece, de exemplu, o imagine SAR GRD sau SLC are în medie între 1 și 2 GB.

44

- procesarea este extrem de cronofagă și necesită facilități computaționale mari, dar și cunoștințe

solide din partea utilizatorului, deoarece vizualizarea și interpretarea unei imagini este un

procedeu complex.

Prin combinarea rezultatelor provenite de la imaginile optice (indici de vegetație, combinații

spectrale) și radar, coroborate cu elemente de climatologie (date de temperatură, precipitații, umiditate

din sol) se pot realiza interpretări și monitorizări excelente ale suprafețelor cultivate, atâta timp cât

sunt cunoscute informații din teren, legate de tipul de cultură și cerințele hidrice specifice. Astfel,

manifestarea secetelor pedologice ar putea fi stopată în cazul în care secetele meteorologice se

accentuează, deoarece s-ar putea acționa local sau zonal pentru ca plantele de cultură să nu piardă din

randament.

Se conturează astfel importanța utilizării tehnicilor de teledetecție în managementul riscurilor,

deoarece dinamica accentuată a schimbărilor climatice atrage de la sine și o schimbare în peisajul

umanizat. Tocmai de aceea imaginile satelitare reprezintă instrumentul adecvat prin care schimbările pot

fi manipulare, analizate, înțelese și proiectate pentru oricare strategie durabilă.

Deoarece prin acest studiu s-a stabilit că seceta este un fenomen complex, care este declanșată de

multe variabile, cunoașterea cauzelor, dar mai ales stabilirea și delimitarea ariilor susceptibile la

propagarea fenomenului este de foarte mare importanță deoarece managementul resurselor, stabilirea

zonelor de agricultură intensă care au nevoie urgentă de irigații ar trebui proiectată în strânsă dependență

cu caracteristicile locale (influența climatică, caracteristici pedologice, etape fenologice ale culturilor,

perioade de vulnerabilitate, etc). Aici intervine și rolul geografului, al statisticianului sau al

geomaticianului: acela de a înțelege un fenomen și de a calcula cu precizie impactul acestuia asupra

mediului, ajutând astfel comunitatea căreia i se adresează.

Bibliografie

ANM, (2008), Clima României, Editura Academiei Române, București, România

Axinte M., Borcean I., Roman G. V., Muntean Leon S., (2006) Fitotehnie, “Ion Ionescu de la Brad”,

Romania, Iasi pp 85

Belda, M., Holtanova, E., Halenka, T., Kalvova, J., (2014), Climate classification revisited : from

Koppen to Trewartha, Climate Research, 59 : 1-13, doi:10.3354/cr01204

Canarache A., (1990), Fizica solului, Editura Ceres, București

Chilès, J.-P., Delfiner, P., (1999) Geostatistics: modeling spatial uncertainty, Editura Wiley, Canada

Ciulache, S., (2000), Temperaturi maxime absolute pe teritoriul României, Com. de Geogr., IV,

București

Coghlan, A., (2017), A little book of R for time series, Online version:

https://media.readthedocs.org/pdf/a-little-book-of-r-for-time-series/latest/a-little-book-of-r-for-time-

series.pdf

CRISP, (2001), Tutorial Interpreting optical remote sensing images, sursa:

https://crisp.nus.edu.sg/~research/tutorial/opt_int.htm

Curs de geoinformatică, (2017) L.P. 9, Introducere în teledetecție, Resurse online ale Universității de

Vest, Timișoara, 2017 (https://geografie.uvt.ro/wp-content/uploads/2015/07/Lp-9.pdf). Accesat: 2

mai, 2017

Dai, A., Trenberth, K. E., Qian, T. (2004). A global dataset of Palmer Drought Severity Index for

1870–2002: relationship with soil moisture and effects of surface warming. Journal of

Hydrometeorology, 5(6)

https://geografie.uvt.ro/wp-content/uploads/2015/07/Lp-9.pdf

45

De Martonne, E., (1920), Geographie physique, Editura Armand Collin, Editia a III-a, Paris, Franta

Dicu, I., Štych, P.,Patel, N., Bănuc, G., (2016), The spatio temporal analysis of drought episodes

within Czech Republic in relation with land use and vegetation stress, SGEM 2016 Conference

Proceedings, ISBN 978-619-7105-60-5, Book 2, Vol. 3, 541-548

Donciu, C., (1962), Studiul secetei în R.P.România. Cauzele sinoptice ale secetelor, MHGA, VII, 3

Dracup , J.A., Lee, K.S., Paulson,E.G.J., (1980) On the definition of drought. Water Resources

Research 16 (2), 279 – 302

FAO (2013), Raport Towards more drought resilient societies, publicat în Geneva, Elveția, 11 – 15

martie. Sursa online : http://www.fao.org/docrep/017/aq191e/aq191e.pdf

FAO (2014), Raport Understanding the drought impact of El Nino on the global agricultural areas : An

assessment using FAO's Agricultural Stress Index (ASI), Roma, Italia

Fotheringham, S., Brunsdon, C., Charlton, M., (2000) Quantitative Geography.Perspectives on

Spatial Data Analysis, SAGE Publications, Londra, Marea Britanie

Groza, O., Apetrei, M., Grasland, C., (1996) Elemente de statistică cu aplicații în geografie, Editura

Universității ”Alexandru Ioan Cuza”, Iași, România

Guttman, N., (1998) Comparing the Palmer drought index and the standardized precipitation index,

Journal of American Water Resources Association, 34(1): 113-121

Huete, A., Didan, K., Miura, T., Rodriguez, E.P., Gao, X., Ferreira, L.G. (2002) Overview of the

radiometric and biophysical performance of the MODIS vegetation indices. Remote sensing of

Environment, 83, 195 – 213

Karameshu N., (2012). Trend detection in annual temperature and precipitation using Mann Kendall

test – A case study to assess climate change on select states in Northeastern United States.

University of Pennsylvania, Scholarly Commons, Penn Online Libraries

Karjalainen, M., Kaartien, H., Hyyppa, J., Laurila H., Kuittinen, R., (2004), The use of Envisat

alternating polarization SAR images in agricultural monitoring in comparison with Radrsat-1

images, InProc. XX ISPRS Congres, Technical Comission, Vol. 7 : 132-137

Kogan, F.N., (1997): Global drought watch from Space, Bulletin of the American Meteorology Society,

Vol. 78, No. 4, 621 – 636, USA

Mavrakis, A., Papavasileiou, H., (2013), NDVI and E. de Martonne indices in an environmentally

stressed area (Thariasio Plain – Greece), Procedia Technology, 8:477-481

McKee, B., (1993) The relationship of drought frequency and duration to time scales, Proceedings of

the 8th conference on Applied Meteorology, Anheim, CA, S.U.A., 17-22 ianuarie

McNairn H., Brisco B., (2004) The application of C-band polarimetric SAR for agriculture: a review,

Canadian Journal of Remote Sensing, Vol. 30, Nr. 3, pp. 525 - 242

Murray, A., (2010) Quantitative geography, Journal of regional science, Vol : 50(1) :143-163

NASA, Instrument Panel Report, Synthetic Aperture Radar, Earth Observing System, Vol. IIf, sursa :

https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/19880005902.pdf

Oliver C., Quegan S., (2004) Understanding Synthetic Aperture Radar images, Scitech Publishing, Inc.

Palfai, I., (1990) Description and forecasting of droughts in Hungary, Proceedings of the 14th

Congresson Irrigation and Drainage (ICID), Rio de Janeiro, Brazilia, Vol. 1-C, 151 – 158

Palmer, W.C., (1965), Meteorological drought, Research paper no. 45, National Climate data center,

Washington D.C., S.U.A

Păltineanu, C., Tănăsescu, N., Chițu, E., Mihăilescu, I.F., (2007), Relationship between the De

Martonne aridity index and the water requirements of some representative crops : A case study from

Romania, Int. Agrophysics, 21:81-93

Peel, M.C., Finlayson, B.L., McMahon, T.A., (2007) Updated world map of the Koppen-Geiger

climate classification, Hydrol. Earth Syst. Sci., 11: 1633-1644

46

Quiring, S. M., Ganesh S., (2010), Evaluating the utility of the Vegetation Condition Index (VCI) for

monitoring meteorological drought in Texas, Agricultural and Forest Meteorology 150, 330 – 339,

https://doi.org/10.1016/j.agrformet.2009.11.015

Raspaud, Dybbroe, Pareeth (2004) – script http://pypkg.com/pypi/mpop/f/mpop/satin/ascat_nc.py

Rawls W.J., Brakensiek D.L. (1985), Prediction of soil water properties for hydrologic modeling.

Watershed management in the eighties, ASCE, p. 293-299

Rouse, J. W., Haas, Jr. R.H., Schell J. A., Deering D.W., (1974), Monitoring vegetation systems in the

Great Plains with ERTS, Simpozionul ”Earth resources technology satellite”, ediția a treia, Vol. I:

Technical presentations, 309 – 318, Proceeding from Goddard Space Flight Center, NASA,

Washington, SUA

Sabins F.F. (1987) Remote sensing. Principles and interpretation, Editura Freeman, The Geographical

Journal, Vol. 153, No. 3, pp. 423 – 425

Sandholt, I., Rasmussen, K., Andersen, J., (2002), A simple interpretation of the surface

temperature/vegetation index space for assessment of surface moisture status. Remote Sensing

Environment 79, 213-224

Shi, J., Wang, J., Hsu, A., O’Neili, P., Engman, E.T., (1995), Estimation of soil moisture and surface

roughness parameters using L-band SAR measurements, Geoscience and Remote Sensing

Symposium, IGRASS, Quantitative Remote Sensing for Science and Applications, DOI:

10,1109/IGRASS.1995,520322, IEEE

Stângă, I.C., (2012) Bazinul Tutovei. Riscurile naturale și vulnerabilitatea teritoriului, Editura

Universității ”Alexandru Ioan Cuza”, Iași, România

Tathe, A. D., (2012), Lecture notes on Climatology for Intermediate Met Training Courses, India

Meteorological Department,

http://metnet.imd.gov.in/imdetp/lecture_notes/course3/LN_3_11_CLIMATOLOGY.pdf

Tempfli K., Kerle N., Huurneman G. C., Janssen L., (2009) Principles of Remote Sensing, The

International Institute for Geo-information Science and Earth Observation (ITC), Hengelosestraat,

Olanda

van Genuchten M.T. (1980), A closed-for equation for predincting the hydraulic conductivity of

unsaturated soils. Soil science society of America, 44, 892

Vicente-Serrano, S.M., Beguería, S., López-Moreno, J. I., (2010), A multiscalar drought index

sensitive to global warming: The standardized Precipitation Evapotranspiration Index, Journal of

Climate, Vol. 30:20, https://doi.org/10.1175/2009JCLI2909.1

Wilhite, D. A., (2000) Drought as a natural hazard: Concepts and definitions. Droughts: A Global

assessment, Ed. Routledge, p. 3 – 18

Wosten M., Lilly A., Names A., La Bas C., (1999), Development and use of hydraulic properties of

European soils, Geoderma, Nr. 90, pa.169 -185

Yamazaki F., Liu W., Inoue H., (2011) Characteristics of SAR backscattered intensity and its

application to earthquake damage detection, Computational Stochastic Mechanics, doi: 10.3850/978-

981-08-7691-7_P062, pp. 602 - 606

Yue, S., Wang, C., (2004) The Mann-Kendall test modified by effective sample size to detect trend in

serially correlated hydrological series. Water Resources Management 18, 201-218

https://doi.org/10.1016/j.agrformet.2009.11.015

http://pypkg.com/pypi/mpop/f/mpop/satin/ascat_nc.py

http://metnet.imd.gov.in/imdetp/lecture_notes/course3/LN_3_11_CLIMATOLOGY.pdf

https://doi.org/10.1175/2009JCLI2909.1

Universitatea “Alexandru Ioan Cuza” din Iași Facultatea de ... · Prof. univ. dr. Adrian...

Documents

Transcript of Universitatea “Alexandru Ioan Cuza” din Iași Facultatea de ... · Prof. univ. dr. Adrian...