Деградация земель и ЦУР 15.3.1

В рамках «Повестки дня в области устойчивого развития на период до 2030 года» цель в области устойчивого развития (ЦУР) 15 заключается в следующем:

«Защищайте, восстанавливайте и поощряйте устойчивое использование наземных экосистем, устойчиво управляйте лесами, боритесь с опустыниванием, останавливайте и обращайте вспять деградацию земель и останавливайте утрату биоразнообразия»

Каждый показатель ЦУР имеет конкретные задачи, касающиеся различных компонентов, в данном случае жизни на суше. Задача 15.3 направлена на:

«К 2030 году побороть опустынивание, восстановить деградированные земли и почвы, в том числе земли, пострадавшие от опустынивания, засухи и наводнений, и стремиться к тому, чтобы уровень деградации земель в мире стал нейтральным».

Затем показатели будут использоваться для оценки прогресса в достижении каждой задачи ЦУР. В случае ЦУР 15.3 прогресс в достижении мира с нейтральным уровнем деградации земель будет оцениваться с использованием показателя 15.3.1:

«доля деградированных земель по отношению к общей площади земель»

Будучи учреждением, ответственным за достижение ЦУР 15.3, Конвенция Организации Объединенных Наций по борьбе с опустыниванием (КБО ООН) разработала Руководящие указания по эффективной практике, содержащие рекомендации о том, как рассчитать показатель ЦУР 15.3.1.

На этой странице представлено краткое введение в показатель ЦУР 15.3.1 и описано, как рассчитывается каждый показатель в .

Для оценки площади деградированных территорий показатель ЦУР 15.3.1 использует информацию из трех вспомогательных показателей:

1. Продуктивность растительности

2. Растительного покрова

3. Почвенный органический углерод

позволяет пользователю вычислять каждый из этих субпоказателей в пространственном виде, создавая растровые карты, которые затем интегрируются в итоговую карту для показателя ЦУР 15.3.1, и в результате создается таблица, отражающая области, потенциально улучшенные или деградированные для области анализа.

Вспомогательные показатели

производительность

Продуктивность земли — это биологическая продуктивная способность земли, источник всех продуктов питания, клетчатки и топлива, которые поддерживают жизнь людей (Статистическая комиссия Организации Объединенных Наций, 2016 г.). Чистая первичная продуктивность (NPP) представляет собой чистое количество углерода, ассимилированного после фотосинтеза и автотрофного дыхания за определенный период времени (Кларк и др., 2001), и обычно выражается в таких единицах, как кг/га/год. NPP — это переменная, определение которой требует много времени и средств, поэтому для получения показателей NPP мы полагаемся на данные дистанционного зондирования.

Одним из наиболее часто используемых заменителей NPP является нормализованный относительный индекс растительности (NDVI), рассчитываемый с использованием информации, полученной в красном и ближнем инфракрасном диапазонах электромагнитного спектра. В мы используем продукты от MODIS и AVHRR, которые публикуются раз в две недели, для расчета годовых интегралов NDVI (рассчитывается как среднегодовой NDVI для простоты интерпретации результатов). Эти годовые интегралы NDVI затем используются для расчета каждого из показателей производительности, описанных ниже.

Продуктивность земли оценивается в с помощью трех показателей изменения, полученных из данных временного ряда НРВИ: траектория, продуктивность и состояние

Траектория производительности

Траектория измеряет скорость изменения первичной продуктивности с течением времени. Как показано на рисунке ниже, вычисляет линейную регрессию на уровне пикселей, чтобы определить области, в которых произошли изменения в первичной продуктивности за анализируемый период. Затем применяется непараметрический критерий значимости Манна-Кендалла, учитывающий только существенные изменения, которые показывают значение p ≤ 0,05. Положительные значимые тенденции в НРВИ указывают на потенциальное улучшение состояния земель, а отрицательные значимые тенденции на потенциальную деградацию.

Поправка на влияние климата

В пределах данной экосистемы на первичную продуктивность влияют несколько факторов, таких как температура и наличие света, питательных веществ и воды. Из них наличие воды наиболее изменчиво с течением времени и может иметь очень значительное влияние на количество тканей растений, производимых каждый год. Когда для проведения анализа траектории используются годовые интегралы НРВИ, важно интерпретировать результаты, имея в качестве контекста историческую информацию об осадках. В противном случае тенденции к снижению продуктивности можно было бы определить как вызванную деятельностью человека деградацию земель, когда они обусловлены региональными моделями изменений в наличии воды.

позволяет пользователю выполнять различные типы анализа, чтобы отделить климатические причины изменений первичной продуктивности от тех, которые могут быть следствием решений человека о землепользовании на местах. В настоящее время поддерживаются следующие методы климатических поправок:

Анализ остаточного тренда (RESTREND): RESTREND использует модели линейной регрессии для прогнозирования НРВИ для заданного количества осадков. Тенденции разницы между прогнозируемым НРВИ и наблюдаемым НРВИ (остатком) интерпретируются как изменение продуктивности, не связанное с климатическими условиями. Обратитесь к следующей цитате для более подробной информации о методе и его ограничениях: Уэсселс K.Дж.; ван ден Берг Ф.; Скоулз Р.Дж. Пределы обнаруживаемости деградации земель с помощью анализа трендов данных вегетационного индекса. Дистанционное изучение окружающей среды. 2012, 125, 10–22.

Эффективность использования дождевых осадков (ЭИДО): ЭИДО — это отношение годового ЧПП к годовому количеству осадков. использует годовые интегралы НРВИ в качестве замены годовой ЧПП и предлагает возможность выбора среди различных продуктов осадков для расчета ЭИДО. После расчета ЭИДО для каждого анализируемого года линейная регрессия и непараметрический критерий значимости применяются к тенденции ЭИДО с течением времени. Положительные значимые тенденции в ЭИДО указывают на потенциальное улучшение состояния земель, а отрицательные значимые тенденции на потенциальную деградацию. Обратитесь к следующей публикации для получения подробной информации о методах и их ограничениях: Уэсселс K.Дж.; Принс С.Д.; Малерб, Дж.; Смолл Дж.; Фрост П.Е.; ВанЗил Д. Можно ли отличить вызванную деятельностью человека деградацию земель от последствий изменчивости осадков? Тематическое исследование в Южной Африке. Журнал засушливых сред. 2007, 68, 271–297.

Эффективность использования воды (ЭИВ): ЭИДО предполагает наличие линейной зависимости между количеством воды, выпадающей в виде осадков в конкретном месте, и количеством воды, которое будет фактически использовано растениями. Это предположение верно не для каждой системы. ЭИВ пытается устранить это ограничение, используя вместо осадков суммарную годовую эвапотранспирацию (ЭТ). ЭТ определяется как осадки за вычетом воды, потерянной с поверхностным стоком, пополнением подземных вод и изменением запасов воды в почве. Остальная часть анализа выполняется так же, как описано для ЭИДО: линейная регрессия и непараметрический тест значимости применяются к тенденции ЭИВ во времени. Положительные значимые тенденции в ЭИВ указывают на потенциальное улучшение состояния земель, а отрицательные значимые тенденции — на потенциальную деградацию.

В приведенной ниже таблице перечислены наборы данных, доступные в для выполнения анализа тенденций НРВИ с течением времени с использованием исходных данных НРВИ или с климатическими поправками:

Переменная	Датчик/Набор данных	Временный	Пространственное разрешение	Степень	Единицы измерения/Описание
NDVI	AVHRR/GIMMS	1982-2015	8 км	Глобальный	Среднегодовой NDVI * 10000
NDVI	MOD13Q1-coll6.1	2001–2024	250 м	Глобальный	Среднегодовой NDVI * 10000
Влажность почвы	MERRA 2	1980–2019	0.5° x 0.625°	Глобальный	Водная корневая зона м3м-3 *10000
Влажность почвы	ERA I	1979-2016	0.75° x 0.75°	Глобальный	Объемный слой почвенной воды м3м-3 (0–7 см)
Осадки	GPCP v2.3.1 ежемесячно (Глобальный проект в области климатологии осадков)	1979-2019	2.5° x 2.5°	Глобальный	мм/год
Осадки	GPCC V6 (Всемирный центр по климатологии осадков)	1891-2019	1° x 1°	Глобальный	мм/год
Осадки	CHIRPS	1981–2024	5 км	50° сев.ш. x 50 °юж. ш.	мм/год
Осадки	PERSIANN-CDR	1983-2024 гг.	25 км	60° сев.ш. x 60 °юж. ш.	мм/год
Эвапотранспирация	MOD16A2.GF	2000-2024 гг.	500 м	Глобальный	Годовая эвапотранспирация кг/м2 (=мм)*10

Состояние производительности

Метрика «Состояние продуктивности» позволяет выявить недавние изменения первичной продуктивности по сравнению с базовым периодом. Метрика состояния рассчитывается следующим образом:

1. Определите базовый период (исторический период, с которым следует сравнивать недавнюю первичную продуктивность).

2. Определите период сравнения (последние годы, используемые для расчета сравнения). Рекомендуется использовать 3 года, чтобы избежать годовых колебаний, связанных с климатом.

3. Для каждого пикселя используйте годовые интегралы НРВИ за базовый период, чтобы вычислить частотное распределение. В случае, если в базовом периоде отсутствуют некоторые крайние значения НРВИ, добавьте 5% к обоим крайним значениям распределения. Эта расширенная кривая частотного распределения затем используется для определения пороговых значений 10-процентильных классов.

4. Вычислите средний НРВИ для базового периода и определите процентильный класс, к которому он принадлежит. Присвойте среднему НРВИ за базовый период число, соответствующее этому процентильному классу. Возможные значения варьируются от 1 (низший класс) до 10 (высший класс).

5. Вычислите средний НРВИ за период сравнения и определите процентильный класс, к которому он принадлежит. Присвойте среднему НРВИ за период сравнения число, соответствующее этому процентильному классу. Возможные значения варьируются от 1 (низший класс) до 10 (высший класс).

6. Определите разницу в числе класса между периодом сравнения и базовым периодом (сравнение минус базовый период).

7. Если разница в классе между базовым уровнем и периодом сравнения составляет ≤ 2, то этот пиксель потенциально может быть ухудшен. Если разница ≥ 2, этот пиксель указывает на недавнее улучшение первичной продуктивности. Пиксели с небольшими изменениями считаются стабильными.

В таблице ниже перечислены наборы данных, доступные в для вычисления метрики состояния продуктивности:

Переменная	Датчик/Набор данных	Временный	Пространственное разрешение	Степень	Единицы измерения/Описание
NDVI	AVHRR/GIMMS	1982-2015	8 км	Глобальный	Среднегодовой NDVI * 10000
NDVI	MOD13Q1-coll6.1	2001–2024	250 м	Глобальный	Среднегодовой NDVI * 10000

Производительность

Показатель продуктивности измеряет местную продуктивность относительно других аналогичных типов растительности в аналогичных типах землепользования или биоклиматических регионах на всей территории исследования. использует уникальное сочетание почвенных единиц (единицы почвенной таксономии, используемые в системе USDA и предоставляемые SoilGrids с разрешением 250 м) и типов землепользования (полные 37 классов землепользования, предоставляемые ESA CCI с разрешением 300 м) для определения этих областей анализа. Показатель продуктивности рассчитывается следующим образом:

1. Определите период анализа и используйте временной ряд НРВИ для вычисления среднего значения НРВИ для каждого пикселя.

2. Определите подобные экологически сходные единицы как уникальное пересечение земного покрова и типа почвы.

3. Для каждой единицы извлеките все средние значения НРВИ, вычисленные в шаге 1, и создайте частотное распределение. Из этого распределения определите значение, представляющее 90-й процентиль (мы не рекомендуем использовать абсолютное максимальное значение НРВИ, чтобы избежать возможных ошибок из-за наличия выбросов). Значение, представляющее 90-й процентиль, будет считаться максимальной продуктивностью для этой единицы.

4. Вычислите отношение среднего НРВИ к максимальной продуктивности (в каждом случае сравните среднее наблюдаемое значение с максимальным для соответствующей единицы).

5. Если наблюдаемое среднее значение NDVI ниже 50% от максимальной продуктивности, то этот пиксель считается потенциально деградировавшим по данному показателю.

В таблице ниже перечислены наборы данных, доступные в для вычисления показателя производительности:

Переменная	Датчик/Набор данных	Временный	Пространственное разрешение	Степень	Единицы измерения/Описание
NDVI	AVHRR/GIMMS	1982-2015	8 км	Глобальный	Среднегодовой NDVI * 10000
NDVI	MOD13Q1-coll6.1	2001–2024	250 м	Глобальный	Среднегодовой NDVI * 10000
Земляной покров	ESA CCI	1992-2022 гг.	300 м	Глобальный	Тематические классы по растительному покрову
Почвенные таксономические единицы	Почвенные сетки - Министерство сельского хозяйства США	Статический	250 м	Глобальный	Почвенные единицы

Сочетание показателей производительности

Затем три показателя производительности объединяются, как указано в таблицах ниже. Для отчетности по ЦУР 15.3.1 требуется трехклассовый индикатор, но также создает пятиклассовый индикатор, который использует информацию, предоставленную государством, для определения типа деградации, происходящей в районе.

Aggregating Land Productivity metrics

Trend	State	Performance
Improving	Improving	Stable
Improving	Improving	Degrading
Improving	Stable	Stable
Improving	Stable	Degrading
Improving	Degrading	Stable
Improving	Degrading	Degrading
Stable	Improving	Stable
Stable	Improving	Degrading
Stable	Stable	Stable
Stable	Stable	Degrading
Stable	Degrading	Stable
Stable	Degrading	Degrading
Degrading	Improving	Stable
Degrading	Improving	Degrading
Degrading	Stable	Stable
Degrading	Stable	Degrading
Degrading	Degrading	Stable
Degrading	Degrading	Degrading

➡

5 Classes	3 Classes
Improving	Improving
Improving	Improving
Improving	Improving
Improving	Improving
Improving	Improving
Moderate decline	Degrading
Stable	Stable
Stable	Stable
Stable	Stable
Stressed	Stable
Moderate decline	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading
Degrading	Degrading

Растительного покрова

Для оценки изменения земного покрова пользователям необходимы карты земного покрова, охватывающие изучаемую территорию за исходный и целевой годы. Эти карты должны иметь приемлемую точность и создаваться таким образом, чтобы можно было проводить достоверные сравнения. использует карты земного покрова ESA CCI в качестве набора данных по умолчанию, но также можно использовать локальные карты. Показатель рассчитывается следующим образом:

1. Переклассифицируйте обе карты земного покрова по 7 классам земного покрова, необходимым для отчетности в UNCCD (леса, пастбища, пахотные земли, водно-болотные угодья, искусственный ареал, необлесенные угодья и вода).

2. Выполните анализ перехода земного покрова, чтобы определить, какие пиксели остались в том же классе земного покрова, а какие изменились.

3. Основываясь на ваших местных знаниях об условиях в районе исследования и происходящих там процессах деградации земель, используйте приведенную ниже таблицу, чтобы определить, какие переходы соответствуют деградации (знак -), улучшению (знак +) или отсутствию изменений (нуль) с точки зрения состояния земель.

1. |trends.earth|объединит информацию из карт земного покрова и таблицы типологий деградации по переходу земного покрова для расчета вспомогательного показателя земного покрова.

Почвенный органический углерод

Третий вспомогательный показатель для мониторинга деградации земель в рамках процесса достижения ЦУР позволяет количественно оценить изменения содержания органического углерода в почве (SOC) за отчетный период. Изменения SOC особенно трудно оценить по нескольким причинам, некоторые из которых связаны с высокой пространственной изменчивостью свойств почвы, затратами времени и средств на проведение репрезентативных обследований почв и отсутствием данных временных рядов о SOC для большинства регионов мира. Для устранения некоторых ограничений в |trends.earth|используется комбинированный метод земного покрова/SOC для оценки изменений SOC и определения потенциально деградировавших участков. Индикатор рассчитывается следующим образом:

1. Определите эталонные значения SOC. использует 250-метровые запасы углерода SoilGrids для первых 30 см профиля почвы в качестве эталонных значений для расчета (ПРИМЕЧАНИЕ: SoilGrids использует информацию из различных источников данных за многие годы для производства этого продукта, поэтому назначение даты для расчетов может привести к неточностям в расчетах изменения запасов).

2. Реклассифицируйте карты земного покрова по 7 классам земного покрова, необходимым для отчетности в UNCCD (леса, пастбища, пахотные земли, водно-болотные угодья, искусственный ареал, необлесенные угодья и вода). В идеале предпочтительны годовые карты земного покрова, но необходимы, по крайней мере, карты земного покрова за начальный и конечный годы.

3. Для оценки изменений в запасах углерода за отчетный период МГЭИК и КБО ООН рекомендуются коэффициенты преобразования углерода для изменений в землепользовании, управлении и затратах. Тем не менее, для большинства регионов недоступна четкая пространственная информация об управлении и затратах углерода. Таким образом, для оценки изменений в запасах углерода может применяться только коэффициент преобразования землепользования (с использованием растительного покрова в качестве показателя землепользования). Используемые коэффициенты были получены в результате обзора литературы, проведенного UNCCD, и представлены в таблице ниже. Эти коэффициенты представляют пропорциональные запасы углерода после 20 лет изменения земного покрова.

LU coefficients	Forest	Grasslands	Croplands	Wetlands	Artificial areas	Bare lands	Water bodies
Forest	1	1	f	1	0.1	0.1	1
Grasslands	1	1	f	1	0.1	0.1	1
Croplands	1/f	1/f	1	1/0.71	0.1	0.1	1
Wetlands	1	1	0.71	1	0.1	0.1	1
Artificial areas	2	2	2	2	1	1	1
Bare lands	2	2	2	2	1	1	1
Water bodies	1	1	1	1	1	1	1

Изменения SOC лучше изучены в отношении переходов земного покрова, связанных с сельским хозяйством, и по этой причине существует различный набор коэффициентов для каждого из основных глобальных климатических регионов: умеренный засушливый (f = 0,80), умеренный влажный (f = 0,69), тропический сухой (f = 0,58), тропический влажный (f = 0,48) и тропический горный (f = 0,64).

4. Вычислите относительную разницу в SOC между исходным и целевым периодами, области, в которых SOC снизился на 10 % или более в течение отчетного периода, будут считаться потенциально ухудшенными, а области, в которых наблюдается прирост на 10 % или более, — потенциально улучшенными.

Объединение показателей в показатель ЦУР 15.3.1

Интеграция трех субиндикаторов ЦУР 15.3.1 осуществляется по правилу «один выход — все выходы» (1OAO). Это означает, что если область/пиксель был определен как потенциально деградированная каким-либо из субиндикаторов, то эта область/пиксель будет считаться потенциально деградированной для целей отчетности.

Aggregating SDG 15.3.1 sub-indicators - 1OAO

Land Productivity	Land Cover	SOC
Improving	Improving	Improving
Improving	Improving	Stable
Improving	Improving	Declining
Improving	Stable	Improving
Improving	Stable	Stable
Improving	Stable	Declining
Improving	Declining	Improving
Improving	Declining	Stable
Improving	Declining	Declining
Stable	Improving	Improving
Stable	Improving	Stable
Stable	Improving	Declining
Stable	Stable	Improving
Stable	Stable	Stable
Stable	Stable	Declining
Stable	Declining	Improving
Stable	Declining	Stable
Stable	Declining	Declining
Declining	Improving	Improving
Declining	Improving	Stable
Declining	Improving	Declining
Declining	Stable	Improving
Declining	Stable	Stable
Declining	Stable	Declining
Declining	Declining	Improving
Declining	Declining	Stable
Declining	Declining	Declining

➡

SDG 15.3.1
Improving
Improving
Declining
Improving
Improving
Declining
Declining
Declining
Declining
Improving
Improving
Declining
Improving
Stable
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining
Declining

Карта расчета состояния

Согласно Дополнению к Руководству по передовой практике, Индикатор 15.3.1 ЦУР, карта состояния «отражает конечное состояние (с учетом базового уровня) земель на конец каждого отчетного периода, классифицируемое как деградированное, стабильное или улучшенное». Она объединяет слой Индикатора 15.3.1 ЦУР, рассчитанный для данного периода оценки, с базовым Индикатором 15.3.1 ЦУР. Объединяя эти два слоя, карта состояния показывает изменения, произошедшие за период оценки, интегрированные с состоянием земель (деградация, стабильность, улучшение), отображенным на карте базового периода, что обеспечивает более полное понимание динамики состояния земель во времени.

Примечание

Слой «Состояние» для базового периода эквивалентен индикатору ЦУР 15.3.1, рассчитанному для базовой оценки (т.е. базовая оценка == состояние на 2015 год).

Для объединения оценки за определенный период с базовым показателем ЦУР 15.3.1 необходимо применить матрицу состояния 3 x 3.

		PERIOD ASSESSMENT
		DEGRADED	STABLE*	IMPROVED*
BASELINE	DEGRADED	Degraded	Degraded	Improved
	STABLE*	Degraded	Stable	Improved
	IMPROVED*	Degraded	Improved	Improved

* Not Degraded areas.

Примечание

Для получения дополнительной информации о том, как составить карту состояния, обратитесь к «Дополнению к Руководству по передовой практике по индикатору ЦУР 15.3.1 <https://www.unccd.int/sites/default/files/2025-07/GPG%20Addendum_%20Advanced%20Unedited%20Version.pdf> », в котором на странице 19 есть отдельный раздел «Оценка состояния для каждого процесса отчетности».

Расширенная матрица статуса

Хотя карта состояния, полученная в результате приведенного выше сравнения, дает представление о состоянии земель на конец отчетного периода в трех широких категориях (деградированное, стабильное и улучшенное), лежащие в основе динамики, приводящие к этому конечному состоянию, могут быть сложными — существует девять различных типов изменений (учитывая, что это матрица 3x3) в состоянии земель. Понимание этих различных путей позволяет глубже интерпретировать изменения состояния земель, что дает возможность выявить прирост и потери природного капитала, произошедшие относительно базового состояния. Например, деградация и улучшение могут соответствовать недавним изменениям, продолжению текущих тенденций в районах, которые ранее были деградированы или улучшены, или стабильности в районах, которые уже были деградированы или улучшены в предыдущий период.

Приведенная ниже матрица состояния может использоваться вместо приведенной выше матрицы 3x3 для фиксации различных типов изменений состояния земель. Эта расширенная версия матрицы состояния позволяет более детально классифицировать изменения состояния земель, предоставляя информацию о характере и сроках процессов деградации и улучшения.

		PERIOD ASSESSMENT
		DEGRADED	STABLE	IMPROVED
BASELINE	DEGRADED	1 - Persistent Degradation	3 - Baseline Degradation	6 - Recent Improvement
	STABLE	2 - Recent Degradation	4 - Stability	6 - Recent Improvement
	IMPROVED	2 - Recent Degradation	5 - Baseline Improvement	7 - Persistent Improvement

Expanded version of the "Status Matrix" showing land condition that results from the comparison of the baseline (rows) and the period assessment (columns): degraded (purple), stable (yellow), and improved (green).

Ниже подробно описан каждый тип изменений, представленный в расширенной матрице состояния. В таблице представлены девять возможных комбинаций в матрице 3 × 3, отражающих переходы от базовой оценки к оценке текущего периода. Для каждой комбинации приводится краткое описание изменения, а также его классификация как недавнее улучшение или ухудшение на базовом уровне. Эта классификация помогает понять, представляют ли наблюдаемые изменения новые события, произошедшие в течение текущего отчетного периода, или же никаких изменений в состоянии не произошло.

Примечание

Для получения дополнительной информации о том, как составить расширенную карту состояния, обратитесь к «Дополнению к Руководству по передовой практике по индикатору ЦУР 15.3.1 <https://www.unccd.int/sites/default/files/2025-07/GPG%20Addendum_%20Advanced%20Unedited%20Version.pdf> », в котором на странице 29 есть отдельный раздел «Дальнейшая характеристика деградации и улучшения земель».

Стратегическая цель 2 КБО ООН (СЦ 2)

Чтобы улучшить условия жизни пострадавшего населения

Решение глобальных проблем опустынивания, деградации земель и засухи (ОДЗЗ) и их воздействия на связанные между собой системы человека и окружающей среды является ключевым компонентом Повестки дня в области устойчивого развития на период до 2030 года. В частности, цель в области устойчивого развития (ЦУР) 15.3 направлена на борьбу с опустыниванием к 2030 году, восстановление деградированных земель и почв, включая земли, пострадавшие от опустынивания, засухи и наводнений, и обеспечение достижения нейтрального уровня деградации земель в мире. Решение этой проблемы необходимо для улучшения условий жизни тех, кто больше всего пострадал от ОДЗЗ, и для защиты от наиболее экстремальных последствий изменения климата.

Средства к существованию людей в деградированных районах включают множество человеческих и природных характеристик местной окружающей среды, в том числе адекватный доступ к пище и воде либо непосредственно за счет средств к существованию, либо за счет достаточных доходов для покупки продуктов питания и водоснабжения, либо за счет сочетания того и другого. Если обеспечена продовольственная и водная безопасность, отток населения из пострадавших районов должен носить не принудительный, а добровольный характер. Социально и экономически маргинализированные группы населения, общины и домохозяйства, как правило, непропорционально уязвимы к изменению климата и совокупным последствиям ОДЗЗ. Способность выявлять и количественно оценивать состав, распределение и относительную уязвимость таких групп населения, сообществ и домохозяйств имеет решающее значение для повышения устойчивости средств к существованию, чтобы улучшить позитивную адаптацию к ОДЗЗ.

How population exposure is calculated

позволяет пользователям отслеживать показатель Стратегической цели 2 КБО ООН Тенденции подверженности населения деградации земель с разбивкой по полу (СЦ 2-3) путем расчета доли населения с разбивкой по полу, подвергающегося деградации земель. использует данные с привязкой к координатной сетке, отражающие пространственное распределение населения по карте индикатора ЦУР 15.3.1, чтобы установить его подверженность деградации земель.

Показатель (СЦ 2-3) использует следующие исходные величины:

• Percentage of the female population exposed to land degradation

• Percentage of the male population exposed to land degradation

• Percentage of the total (female and male) population exposed to land degradation

To calculate the SO 2-3 indicator, uses gridded population data from the WorldPop project. WorldPop provides separate raster layers for male and female population, each representing the estimated number of people per grid cell for a given year. overlays these population grids with the final SDG 15.3.1 indicator map, which classifies every pixel as degraded, stable, or improved. For each degradation class the tool sums the number of people — separately for males and females — whose grid cell falls within that class. Areas classified as water bodies are masked out and excluded from the totals, in line with UNCCD reporting requirements.

The resulting totals are then expressed as percentages of the total population within the area of interest, producing the three SO 2-3 metrics: the percentage of the female population, the male population, and the combined population exposed to land degradation. In the output map, pixels in degraded areas retain their population count as a positive value, pixels in improved areas are shown as negative values (indicating population in areas where conditions have improved), and water areas are marked as no-data. This sign convention makes it straightforward to distinguish, at a glance, populations living on degraded land from those on improving land.

Стратегическая цель 3 КБО ООН (СЦ 3)

Смягчать последствия засухи, адаптироваться к ним и управлять ими, чтобы повысить устойчивость уязвимых групп населения и экосистем.

Засуха и деградация земель

Деградация земель, как она определена в КБО ООН, относится к любому сокращению или утрате биологической или экономической продуктивной способности базы земельных ресурсов. Как правило, причиной этого является деятельность человека, что усугубляется естественными процессами и часто усиливается и тесно переплетается с изменением климата и утратой биоразнообразия. Деградация земель снижает производительность сельского хозяйства и повышает уязвимость тех районов, которые уже подвержены риску воздействия изменчивости и изменения климата, особенно в регионах мира.

Засуха — это сложное, медленно наступающее явление, которое происходит в разных временных масштабах. Оно характеризуется сокращением доступности воды, что приводит к каскадным последствиям для средств к существованию людей и секторов экономики. Засуху иногда упрощенно определяют как период засушливой погоды, достаточно продолжительный, чтобы вызвать гидрологический дисбаланс, хотя общепринятого определения засухи не существует. Более того, засуха едва ли возникает как отдельное рискованное событие, а скорее связана с другими опасностями, такими как волны тепла, лесные пожары, песчаные/пылевые бури или наводнения.

Международная группа экспертов по изменению климата (IPCC) определяет засуху как «период аномально сухой погоды, достаточно продолжительный, чтобы вызвать серьезный гидрологический дисбаланс». Засуха является относительным термином, поэтому любое обсуждение с точки зрения дефицита осадков должно относиться к конкретной обсуждаемой деятельности, связанной с осадками. Например, нехватка осадков в течение вегетационного периода отрицательно сказывается на производстве сельскохозяйственных культур или функционировании экосистемы в целом (из-за дефицита почвенной влаги, также называемого сельскохозяйственной засухой), а в период поверхностного стока и просачивания в первую очередь влияет на запасы воды (гидрологическая засуха). Изменения запасов влаги в почве и грунтовых вод также зависят от увеличения фактической эвапотранспирации в дополнение к уменьшению количества осадков. Период с аномальным дефицитом осадков определяется как метеорологическая засуха. См. также «Влажность почвы» (оценочный отчет МГЭИК, № 5, 2014 г.). Организация Объединенных Наций по снижению риска бедствий (UNDRR) определяет засуху как медленно наступающую опасность, которую часто называют ползучим явлением. Отсутствие точного, общепринятого определения засухи усугубляет путаницу. Определения должны относиться к конкретному региону, поскольку каждый климатический режим имеет отличительные климатические характеристики (UNDRR GAR, глава 6). Отсутствие согласованного определения усложняет усилия по мониторингу, поскольку определение и подход к мониторингу обычно зависят от контекста. где уровень бедности остается высоким, несмотря на усилия по сокращению бедности, неравенства и повышению социально-экономического благосостояния всех людей во всем мире.

Засуха все больше влияет на все большее число людей, средства к существованию, экосистемы и экономику во всем мире. Когда это происходит одновременно с деградацией земель, оно может подвергать и без того уязвимое население вредным средствам к существованию, экологическим, социально-экономическим рискам и рискам для здоровья, а также снижать устойчивость населения и общин.

В КБО ООН принята система мониторинга с тремя уровнями для СЦ 3:

Уровень I СЦ 3-1 Тенденции доли земель, подверженных засухе, по отношению к общей площади суши (опасность), Уровень II СЦ 3-2 Тенденции доли всего населения, подверженного засухе (воздействие), Уровень III СЦ 3-3 Тенденции степени уязвимости к засухе (уязвимость).

В рамках МГЭИК:

Опасность — это потенциальное возникновение природного или антропогенного физического события или тенденции или физического воздействия, которое может привести к гибели людей, травмам или другим последствиям для здоровья, а также к повреждению и утрате имущества, инфраструктуры, средств к существованию, предоставления услуг, экосистем и ресурсов окружающей среды.

Воздействие характеризует присутствие людей, средств к существованию, видов или экосистем, экологических функций, услуг и ресурсов, инфраструктуры или экономических, социальных или культурных активов в местах и условиях, которые могут подвергнуться неблагоприятному воздействию.

Уязвимость определяется как склонность или предрасположенность к неблагоприятному воздействию изменения климата и связанных с ним процессов.

Чтобы оценить показатели СЦ 3, использует информацию из 3 вспомогательных показателей:

• Стандартизированный индекс осадков (SPI), или стандартизированный индекс осадков и испарения (SPEI).

• Глобальный набор данных о населении с привязкой к координатной сетке

• Индекс уязвимости к засухе (ИУЗ)

позволяет пользователю вычислять каждый из этих показателей в явной пространственной форме, генерируя растровые карты и создавая сводную таблицу, сообщая о потенциально улучшенных и ухудшенных областях для области анализа. СЦ 3-1 «Тенденции в соотношении засушливых земель и общей площади земель».

В рамках Конвенции Организации Объединенных Наций по борьбе с опустыниванием (КБО ООН) разработано «Руководство по передовой практике для национальной отчетности по Стратегической цели 3 КБО ООН» <https://www.unccd.int/sites/default/files/documents/2021-09/UNCCD_GPG_Strategic-Objective-3_2021.pdf>`_ (РПП-СЦ 3), содержащее рекомендации по расчету показателей СЦ 3.

В этом документе содержится краткое введение в Стратегическую цель 3 КБО ООН и описывается, как рассчитывает каждый показатель в соответствии с Руководством по передовой практике в отношении Стратегической цели 3.

Показатель СЦ 3 уровня I (Опасность СЦ 3-1)

Этапы расчета показателя Уровня I в соответствии с РУЭП-СЦ 3 КБО ООН:

1. Рассчитайте СИО, используя 12-месячный период накопления (СИО-12) и данные об осадках с привязкой к координатной сетке.

2. Определите класс интенсивности засухи для каждого пикселя на основе ранее рассчитанного СИО.

3. Рассчитайте долю земель в пределах каждого класса интенсивности засухи.

Стандартизированный индекс осадков (СИО)

Стандартизированный индекс осадков (СИО) широко использовался для характеристики метеорологической засухи или дефицита осадков и был признан в Линкольнской декларации по засухе предпочтительным на международном уровне индексом для расчета и мониторинга метеорологической засухи. СИО рассчитывается как стандартное отклонение, что наблюдаемые осадки за определенный период будут отклоняться от долгосрочного среднего значения за периоды такой продолжительности, рассматриваемые обычно для данных за 30 лет для нормального распределения и подогнанного распределения вероятностей для фактических данных об осадках. Основными преимуществами использования СИО для глобального мониторинга, прогнозирования и оценки рисков засухи является то, что в настоящее время он используется во многих странах мира и одобрен Всемирной метеорологической организацией. Другими ключевыми преимуществами являются то, что СИО представляет собой как дефицит осадков, так и их излишек, и его можно рассчитать в различных временных масштабах (например, СИО-3, СИО-6, СИО-12, где число указывает количество месяцев, в течение которых рассчитывается индекс). Таким образом, он косвенно учитывает последствия накопления дефицита осадков, что имеет решающее значение для влажности почвы и гидрологических засух.

По умолчанию предлагает доступ к СИО, рассчитанному на основе продукта мониторинга Глобального центра по климатологии осадков (ГЦКО), растра, представляющего количество осадков и полученного из данных дождемера с пространственным разрешением ~ 27 кв. км и охватывающим весь земной шар. У пользователей также есть возможность использовать альтернативный СИО, рассчитанный на основе станционных данных об инфракрасных осадках Группы климатических опасностей (CHIRPS), с оценками осадков, основанными на спутниковых наблюдениях, объединенных с данными измерительных станций на площади около 5 кв. км. Хотя CHIRPS имеет более высокое пространственное разрешение, он имеет «квазиглобальное» покрытие, охватывающее от 50° южной широты до 50° северной широты. Таким образом, пользователи, заинтересованные в расчете опасности СЦ 3-1 для областей за пределами этого диапазона, не смогут использовать набор данных CHRIPS.

Шаг 1. Расчет СИО

СИО дает количественную оценку наблюдаемых осадков как стандартизированное отклонение от выбранной функции распределения вероятностей, которая моделирует необработанные данные. Необработанные данные могут быть приспособлены к гамма-распределению или распределению Пирсона типа III, а затем преобразованы в нормальное распределение. Преобразованные данные об осадках затем используются для расчета безразмерной величины СИО, определяемой как стандартизированная аномалия осадков.

Подробные уравнения для вычисления этого индекса описаны в следующих шагах с использованием гамма-распределения:

1. Преобразование количества осадков в СИО преследует следующие цели:

   1. Преобразование среднего значения осадков с поправкой на 0;

   2. Стандартное отклонение осадков доводится до 1,0; а также

   3. Асимметрия существующих данных должна быть скорректирована до нуля.

Когда эти цели достигнуты, стандартизованный индекс осадков можно интерпретировать как среднее значение 0 и стандартное отклонение 1,0.

2. Среднее количество осадков можно рассчитать как:

где N – количество наблюдений за осадками.

3. Стандартное отклонение для осадков рассчитывается как:

4. Асимметрия данных осадков рассчитывается как:

5. Осадки преобразуются в логарифмически нормальные значения и вычисляются статистика U, параметры формы и масштаба гамма-распределения:

6. Полученные параметры затем используются для определения кумулятивной вероятности наблюдаемого явления осадков. Кумулятивная вероятность определяется по формуле:

7. Поскольку гамма-функция не определена для x = 0, а распределение осадков может содержать нули, кумулятивная вероятность принимает вид:

где вероятность из q равна нулю.

8. Затем кумулятивная вероятность H(x) преобразуется в стандартную нормальную случайную величину Z со средним значением, равным нулю, и дисперсией, равной единице:

где:

Шаг 2. Определение классов интенсивности засухи

Безразмерные значения СИО интерпретируются как число стандартных отклонений, на которое наблюдаемая аномалия отклоняется от долгосрочного среднего значения, и обычно обозначаются категориально в зависимости от состояния (т. е. чрезвычайно влажное, чрезвычайно сухое, нормальное), как показано в таблице ниже. Засуха возникает, когда СИО последовательно отрицательный, и его значение достигает интенсивности -1 или меньше и заканчивается, когда СИО становится положительным.

Описание	Категория осадков
2.0 или выше	Крайне влажно
от 1,5 до 1,99	Сильно влажно
от 1,0 до 1,49	Умеренно влажно
от -0,99 до 0,99	Почти норма
от -1,0 до -1,49	Умеренно сухо
от -1,5 до -1,99	Крайне сухо
-2,0 или меньше	Чрезвычайно сухо

Классы интенсивности засухи определяются путем оценки декабрьских значений СИО-12 для каждого года временных рядов. Декабрьские значения СИО-12 представляют дефицит (или избыток) осадков по григорианскому (январь-декабрь) календарному году. Положительные значения СИО отбрасываются, так как они указывают на отсутствие засухи в данный период.

С более подробной информацией о научно-политическом взаимодействии (SPI) можно ознакомиться в документе Руководство по эффективной практике предоставления национальной отчетности по Стратегической цели 3 (СЦ3) КБО ООН. Мы также рекомендуем ознакомиться с Техническим отчетом Tools4LDN по мониторингу прогресса в достижении стратегической цели 3 КБО ООН «Обзор общедоступных геопространственных наборов данных и показателей в поддержку мониторинга засухи <https://static1.squarespace.com/static/5dffad039a288739c6ae0b85/t/6033f28abca1996aedc492d5/1614017200233/ci-4-Tools4LDN2-FNL+web.pdf>»_.

Шаг 3. Расчет относительной площади территорий по каждому классу засухи.

В формуле расчета процентной доли территорий по каждому классу засухи учитывается территория по каждому классу засухи относительно общей площади территории, как указано ниже:

Где:

Pij показывает отношение территории по классу засухи i в году j

areaij является территорией, относимой к классу засухи i в отчетном году j

Под «общей площадью» понимается общая площадь территории.

Показатель SO3 Level II indicator (SO 3-2 Exposure)

Показатель воздействия засухи SO3 Level III КБО ООН выводится на основе индикатора опасного воздействия SO 3 Level I Hazard путем наложения данных о населении с координатной привязкой. Использование наложенных данных о населении в качестве косвенного показателя для расчета воздействия засухи является простым методом. Информация о фактическом количестве людей, пострадавших от засухи, может помочь распределить помощь для нужд наиболее нуждающихся районов с учетом процентной доли населения, подвергшегося воздействию засухи, и силы этого воздействия (серьезность засухи). Данный метод также может использоваться в качестве косвенного показателя обусловленной социально-экономическими факторами засухи. Расчет распределения по гендерному признаку для получения показателя численности населения SO3 Level II строится на основе процента мужчин и женщин в каждой ячейке сети координат. Выходные данные включают информацию о воздействии на мужчин и женщин каждого класса интенсивности засухи I уровня (Level I). В результате получают две сопоставимые сети координат, которые при желании могут быть объединены по административным границам, что позволяет улучшить оценку и визуальное представление глобальных и локальных пространственных взаимосвязей с учетом распределения по гендерному признаку и возникновения и/или серьезности засухи.

Коллекция WorldPop представляет собой глобальный набор геопространственных данных высокого разрешения по распределению населения, демографии и динамике. Пространственно дезагрегированные слои WorldPop имеют сетку с выходным разрешением 3 угловых секунды и 30 угловых секунд (приблизительно 100 м и 1 км по экватору, соответственно) и включают такие вводные данные, как ведомости переписи населения и национальные географические границы, дороги, земельный покров, построенные сооружения, городские районы, зоны ночного освещения, инфраструктуру, экологические данные, охраняемые территории и водные объекты. Преимущества WorldPop заключаются в том, что метод оценки численности населения с помощью дазиметрического картирования является многомерным, т. е. предполагает высокую степень моделирования, и поэтому адаптирован к условиям данных и географической природе каждой отдельной страны и региона. Также доступна информация по распределению по гендерному признаку. Недостаток WorldPop заключается в том, что использование таких сложных моделей интерполяции с разреженными данными переписи может привести к весьма неопределенным и неточным оценкам численности населения в некоторых субнациональных и сельских регионах. Несмотря на вышеупомянутое ограничение, WorldPop остается наиболее подходящим набором данных о населении с привязкой к координатной сети, так как он удовлетворяет всем нашим критериям включения, в том числе в части пространственного разрешения, глобального охвата, частоты обновления данных и включения компонента с разбивкой по гендерному признаку.

Процентная доля населения, подверженного воздействию засухи, рассчитывается по количеству людей в каждом классе интенсивности засухи по отношению к общей численности населения.

How population exposure to drought is represented in Trends.Earth

The SO 3-2 Exposure summary output in Trends.Earth is a multi-band raster file. Bands are organised in pairs, one pair per drought reporting period (each period is by default 4 years). Within each pair:

• The first band contains the most severe SPI value recorded during that period — the minimum SPI across all years in the period. A negative SPI indicates a precipitation deficit relative to the long-term mean, i.e., drought conditions.

• The second band contains the population count for the pixel at the time of the most severe drought, with the sign of the value encoding drought exposure:

  • A negative population value indicates that the pixel experienced drought during that period (minimum SPI < 0).

  • A positive population value indicates that the pixel experienced above-average precipitation during that period (SPI ≥ 0 throughout the entire period).

  • Pixels over water bodies are set to no-data, in line with UNCCD reporting requirements.

For the final drought period only, if sex-disaggregated population data are available, two additional bands follow the standard pair: a female population band and a male population band, both using the same sign convention described above.

This encoding makes it straightforward to derive exposure statistics from a single band: the absolute values of all valid pixels give the total population, while the absolute values of the negative pixels alone give the drought-exposed population.

Показатель SO3 Level III (Уязвимость, SO 3-3 Vulnerability)

Уязвимость к засухе оценивается на основе Индекса уязвимости к засухе (Drought Vulnerability Index, DVI) — составного индекса, состоящего из трех элементов, отражающих уязвимость населения к засухе: i) социального; ii) экономического и iii) инфраструктурного. В настоящее время Индекс DVI не включает компоненты экологической или экосистемной уязвимости. Ресурс|trends.earth| предлагает доступ к глобальному набору стандартных данных Индекса DVI, подготовленному Объединенным исследовательским центром (Joint Research Centre, JRC). JRC разработал структуру, которая объединяет 15 экономических, социальных и инфраструктурных элементов, имеющих отношение к уязвимости к засухе и полученных из глобальных источников данных. В рамках данной структуры рекомендуется относить к показателям уязвимости к засухе ортогональные социальные, инфраструктурные и экономические факторы, которые являются общими и действительными для любого региона.

В рамках структуры JRC для мониторинга риска засухи, по данным Carrão et al., 2016, избран подход для оценки уязвимости к засухе в рамках цели SO3, который был первоначально предложен Управлением ООН по уменьшению опасности бедствий (UNDRR — ранее Международная стратегия ООН по уменьшению опасности бедствий, или UNISDR) и отражает состояние индивидуальных и коллективных социальных, экономических и инфраструктурных факторов региона [61]. Данная методология также была оперативно внедрена в рамках Глобальной обсерватории по засухе (GDO) центра JRC для документирования и картирования глобальных рисков воздействия засухи на сельское хозяйство. Ее авторы утверждают, что включенные факторы не позволяют дать полный обзор уязвимости по отношению к какому-либо конкретному подверженному воздействию элементу, но могут рассматриваться в качестве основы для построения регионального плана уменьшения уязвимости и содействия адаптации.

Данная методология, используемая в работе Carrão et al., 2016, соответствует концепции, согласно которой для достижения положительной устойчивости к воздействиям отдельным лицам и популяциям необходим ряд частично независимых факторов, характеризуемых набором косвенных показателей. В данной методологии используется двухэтапная составная модель, полученная в результате объединения 15 косвенных показателей (представлены в таблице ниже), которые характеризуют социальную, экономическую и инфраструктурную уязвимость в каждом географическом местоположении (методология, аналогичная методологии DVI, которая описывается далее), и получены как на национальном уровне, так и на основе данных, имеющих очень высокое пространственное разрешение.

Proxy indicators for vulnerability to drought used in Carrao et al. 2016 (Table 1). With the exception of gROADS and FAO’s Irrigated Agricultural Lands which are both gridded data, all data are available only at the national level. (Also draws on Table 14 from the Good practice guidance for national reporting on UNCCD Strategic Objective 3.)

Индикатор	Источник	Ссылка
ЭКОНОМИЧЕСКИЙ
Потребление энергии на душу населения (миллионы БТЕ на человека)	Управление энергетической информации США (US EIA)	http://www.eia.gov/
Сельское хозяйство (% ВВП)	Всемирный банк	http://data.worldbank.org/products/wdi
ВВП на душу населения (в текущих долларах США)	Всемирный банк	http://data.worldbank.org/products/wdi
Коэффициент бедности при доходе в 1,25 доллара в день (по паритету покупательной способности) (% от общей численности населения)	Всемирный банк	http://data.worldbank.org/products/wdi
СОЦИАЛЬНОЕ
Сельское население (% от общей численности населения)	Всемирный банк	http://data.worldbank.org/products/wdi
Уровень грамотности (% от населения в возрасте 15 лет и старше)	Всемирный банк	http://data.worldbank.org/products/wdi
Улучшение водоснабжения (% сельского населения, имеющего доступ к воде)	Всемирный банк	http://data.worldbank.org/products/wdi
Ожидаемая продолжительность жизни при рождении (лет)	Всемирный банк	http://data.worldbank.org/products/wdi
Население в возрасте 15–64 лет (% от общей численности населения)	Всемирный банк	http://data.worldbank.org/products/wdi
Численность беженцев по странам или территориям предоставления убежища (% от общей численности населения)	Всемирный банк	http://data.worldbank.org/products/wdi
Эффективность государственного управления	Всемирные показатели управления (WGI)	https://www.worldbank.org/en/publication/worldwide-governance-indicators/interactive-data-access
Предотвращение стихийных бедствий и подготовка к ним (долл. США/год/на душу населения)	Организация экономического сотрудничества и развития (ОЭСР)	http://stats.oecd.org/
ИНФРАСТРУКТУРНОЕ
Сельскохозяйственные и орошаемые земли (% от общей площади сельскохозяйственных земель)	Продовольственная и сельскохозяйственная организация ООН (ФАО)	http://www.fao.org/nr/water/aquastat/main/index.stm
% сохраняемой возобновляемой воды	Акведук	http://www.wri.org/our-work/project/aqueduct
Плотность дорожной сети (километров дорог на 100 кв. км площади земли)	gROADSv1	https://data.nasa.gov/dataset/global-roads-open-access-data-set-version-1-groadsv1

В рамках данного процесса, во-первых, объединяются показатели, представленные в Таблице для каждого фактора, при помощи модели Анализа среды функционирования (Data Envelopment Analysis, DEA) — детерминированного и непараметрического метода линейного программирования, который может использоваться для количественной оценки относительного воздействия засухи в регионе на основе многомерного набора показателей. Во-вторых, предусмотрено арифметическое агрегирование отдельных факторов, полученных с помощью модели DEA, в составную модель уязвимости к засухе, в которой:

Soc i, Econ i и Infr i являются социальными, экономическими и инфраструктурными факторами уязвимости для региона i.