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
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
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
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
-1975, intensitate 5
-1981-1982, durata 2 ani, intensitate 4
-1986, 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)
Lună (1961 - 2013) Valoare trend Lună (1961 - 2013) Valoare trend
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)
Lună (1961 - 2013) Valoare trend Lună (1961 - 2015) Valoare trend
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
VH ~ umiditate sol 0.79 0.00
Porumb VV ~ umiditate sol 0.65 0.00
VH ~ umiditate sol 0.54 0.00
Floarea soarelui VV ~ umiditate sol 0.52 0.00
VH ~ umiditate sol 0.44 0.02
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)
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
Top Related